优化加入GreenPlum

Question

我的表 A 有 2000 万条记录。表 B 有 200,000 条记录。 我想做一个像这样的连接：

select *
from tableA a 
left join tableB b
on ((a.name1 = b.name1 OR a.name1 = b.name2) OR a.id = b.id)
and a.time > b.time
;

这非常耗时。 我正在使用 GreenPlum，所以我不能使用索引。 我该如何优化呢？ 表 B 中的行数是递增的，并且会增加。

Answer 1

Greenplum 确实支持索引。但是，此查询很棘手，因为您的分布列是什么无关紧要，由于以下原因，无法共同定位连接。

1. a.time 或 b.time 不适合分发，因为它是 ">" 运算符
2. 您可以按 (name1, id) 分配 tableA，按 (name1, name2, id) 分配 tableB。但是要查看 a.time > b.time 是否满足，您仍然需要查看所有元组。

恐怕这个查询对 MPP 非常友好。