优先考虑大表间的 JOIN ，尽量让大表 JOIN 条件的列为 Hash 分布列（相关子 查询的相关 JOIN 也可以参考此原则），以使得大表间的 JOIN 可以直接下发到 各节点分布式执行。 其次考虑 GROUPBY ，尽量让 GROUPBY 带有 Hash 分布列，让分组聚合一步 完成。 当有多个 join 或 group 列可选择时，优先选择唯一值多（ count(distinct) 值大） 的列做 Hash 分布列，让数据均匀分布。 通常是等值查询的列，并且使用的频率很高的应考虑建立为 hash 分布列。
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/69979511/viewspace-2884649/ ，如需转载，请注明出处，否则将追究法律责任。
上一篇：
GBase8a数据分布规划
下一篇：
GBase8a数据排序优化
请登录后发表评论
登录
全部评论
