更新时间:2024-11-01 GMT+08:00
案例:选择合适的分布列
现象描述
表定义如下:
1 2 |
CREATE TABLE t1 (a int, b int); CREATE TABLE t2 (a int, b int); |
执行如下查询:
1
|
SELECT * FROM t1, t2 WHERE t1.a = t2.b; |
优化分析
如果将a作为t1和t2的分布列:
1 2 |
CREATE TABLE t1 (a int, b int) DISTRIBUTE BY HASH (a); CREATE TABLE t2 (a int, b int) DISTRIBUTE BY HASH (a); |
则执行计划将存在“Streaming”,导致DN之间存在较大通信数据量,如图1所示。
如果将a作为t1的分布列,将b作为t2的分布列:
1 2 |
CREATE TABLE t1 (a int, b int) DISTRIBUTE BY HASH (a); CREATE TABLE t2 (a int, b int) DISTRIBUTE BY HASH (b); |
则执行计划将不包含“Streaming”,减少DN之间存在的通信数据量,从而提升查询性能,如图2所示。
父主题: 实际调优案例