GBase 8a DML语句优化建议-关联优化

JOIN 关联优化策略

逐个排查右表，对于右表是分布表且破坏 hash 分布的，如果数据量小，直接修改为复制表，避免将大表进行拉表操作；

如果数据量大1亿条记录以上的，通过调整 gcluster_hash_redistribute_join_optimize 参数进行验证，参数设置 说明如下：  

0 -- 拉复制表 

1 -- 重分布 

2 -- 自动评估，根据数据量，左右表行数接近使用重分布，如果差距大，则小表拉复制表 。

注意

遇到 left join 语句时，评估右表是否建为复制的原则是： 

• 如果右表的字段不大于10个，且记录数不大于 5000 万行，则右表创建为复制表；
• 如果右表字段数大于10个，且记录数不大于 1000 万，则右表创建为复制表。

关联顺序优化

1. 优化原因 

GCluster的优化器不会调整 LEFT JOIN 语句的顺序，而用户语句的 JOIN 顺序可能不是最优，导致查询性能较低。 

2. SQL特征

语句包含多个 LEFT JOIN，多个 LEFT JOIN 的 ON 条件均为 t1.colX = tn.colX 如：

SELECT x1.* FROM x1 
LEFT JOIN x2 ON x1.many_duplicate_value = x2.many_duplicate_value 
LEFT JOIN x3 ON x1.no_duplicate_value = x3.no_duplicate_value
LEFT JOIN x4 ON x1.hash_col = x4.hash_col;

3. 优化场景 

语句特征满足上面的特征描述。LEFT JOIN 的右表，一些表可以直接与左表形成 Hash JOIN 关系，一些表可 能会导致左表发生膨胀。

 4. 优化效果 

让形成 Hash JOIN 关系的 LEFT JOIN 先执行，避免拉表。 

例如 SQL 特征中描述的语句，因为 left join x4 on x1.hash_col = x4.hash_col 是 Hash 分布式 JOIN，因此可以提到最前面，直接分布式执行。 让膨胀率小的 LEFT JOIN 先执行，减小拉表数据量。 如果参与 JOIN 条件的列的值的重复度较高，则很可能会造成 LEFT JOIN 结 果发生膨胀。一般来说，使用主键列参与的 JOIN 条件，膨胀率是最小的； 而重复值越多的列，膨胀率就越可能高。 

例如 SQL 特征中描述的语句，因 left join x3 on x1.no_duplicate_value = x3.no_duplicate_value 对 x1 的膨胀率比 left join x2 on x1.many_duplicate_value = x2.many_duplicate_value 小，因此可以把 left join x3 提到 left join x2 前面。 通过这种调整，避免对膨胀后的数据拉表，减小了拉表数据量。

示例语句：

SELECT x1.* FROM x1 
LEFT JOIN x2 ON x1.many_duplicate_value = x2.many_duplicate_value 
LEFT JOIN x3 ON x1.no_duplicate_value = x3.no_duplicate_value
LEFT JOIN x4 ON x1.hash_col = x4.hash_col;

改写后语句：

SELECT x1.* FROM x1 
LEFT JOIN x4 ON x1.hash_col = x4.hash_col
LEFT JOIN x3 ON x1.no_duplicate_value = x3.no_duplicate_value
LEFT JOIN x2 ON x1.many_duplicate_value = x2.many_duplicate_value;

说明：

• 因 x1.hash_col = x4.hash_col 使用 Hash 分布列，因此 left join x4 调整到第 1 个位置； 
• 因 x1.no_duplicate_value = x3.no_duplicate_value 的膨胀率比 x1.many_duplicate_value = x2.many_duplicate_value 的膨胀率低，因此把 left join x3 调整到 left join x2 之前。

标签：JOIN,8a,DML,value,duplicate,hash,x1,优化,LEFT
来源： https://blog.csdn.net/Mr_dar/article/details/122435503