案例：选择合适的分布列

优化前

将a作为t1和t2的分布列，表定义如下：

1
2

CREATE TABLE t1 (a int, b int) DISTRIBUTE BY HASH (a);
CREATE TABLE t2 (a int, b int) DISTRIBUTE BY HASH (a);

执行如下查询：

1

SELECT * FROM t1, t2 WHERE t1.a = t2.b;

则执行计划存在“Streaming(type: REDISTRIBUTE)”，即DN根据选定的列把数据重分布到所有的DN，这将导致DN之间存在较大通信数据量，如图1所示。

图1 选择合适的分布列案例（一）

优化后

将查询中的关联条件作为分布键，执行下列语句修改b作为t2的分布列：

1

ALTER TABLE t2 DISTRIBUTE BY HASH (b);

将表t2的分布列改为b列之后，执行计划将不再包含“Streaming(type: REDISTRIBUTE)”，减少了DN之间存在的通信数据量的同时，执行时间也从8.7毫秒降低至2.7毫秒，从而提升查询性能，如图2所示。

图2 选择合适的分布列案例（二）