Vertica的这些事<十>—— vertica中group by 和join 语句的优化

vertica group by优化语句，先对语句进行explain 操作查看预执行计划，其中group by 分为 GROUPBY PIPELINED 和 GROUPBY HASH，通过执行计划可以清楚的看到vertica到底采用的那种执行方式，优化一般就是吧GROUPBY HASH优化为GROUPBY PIPELINED

下面讲一下官网举得例子

CREATE TABLE sortopt (
a INT NOT NULL,
b INT NOT NULL,
c INT,
d INT
);
CREATE PROJECTION sortopt_p (
a_proj,
b_proj,
c_proj,
d_proj )
AS SELECT * FROM sortopt
ORDER BY a,b,c
UNSEGMENTED ALL NODES;
INSERT INTO sortopt VALUES(5,2,13,84);
INSERT INTO sortopt VALUES(14,22,8,115);
INSERT INTO sortopt VALUES(79,9,401,33);

第一种情况

GROUP BY a

GROUP BY a,b

GROUP BY b,a

GROUP BY a,b,c

GROUP BY c,a,b

如果是按照上面的这种group by 则使用的是GROUPBY PIPELINED，因为group by 后的字段全部在projection中预排序

GROUP BY a,b,c,d

这种情况则是采用的GROUPBY HASH 不建议~

第二种情况

GROUP BY a,c

执行 按照GROUPBY HASH 因为a,c字段没有相邻，如果是

GROUP BY a,c或者GROUP BY b,c则会按照GROUPBY PIPELINED 执行

第三种情况

group by 之前有 where条件时

SELECT a FROM tab WHERE a = 10 GROUP BY b 此时按照 GROUPBY PIPELINED

SELECT a FROM tab WHERE a = 10 GROUP BY c 此时按照 GROUPBY HASH 以为按照c排序的

处理的所有的 Projectionn 列的列未出现在 where 子句等值条件中，如果上如改为SELECT a FROM tab

WHERE a = 10 and b=10 GROUP BY c 则会按照GROUPBY PIPELINED 执行

通过以上3中情况的介绍，希望大家对vertica的group by有一定的理解。

**> 关于join vertica会有两种执行方式 Merge Join 和Hash join ，建议关联是要走Merge join

执行Merge join的必要条件就是 关联的字段要在两个表中预排序，也就是要是两个表的order by 字段**

可以参考官网Avoiding GROUP BY HASH with Projection Design