更新时间：2022-07-29 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
