Join 具有广播连接分布的Presto多表连接

我有三张桌子：

A
 - id1
 - data

• 表A非常小，而表B和C可能很大

• 表B具有表A和表C的连接键。因此，必须在第一个连接中出现

• 从我对Presto中的连接的理解来看，基于成本 如果未启用optmization，则连接执行的顺序为 连接声明的顺序
• 此外，我们显然希望 在第一个联接操作中使用较小的表A，如下所示 减少数据大小
• 因此，这意味着第一个连接将在表A和表B之间
• 但是，如果我想执行分布式连接， 那么连接的构建端（右侧）应该更小 桌子
• 因此，当我谈到AxB和C的结果之间的第二个联接时，联接的右侧不可避免地会成为较大的表

非常好奇人们在普雷斯托通常是如何处理这种情况的。如果分布式联接的构建端是左侧，那么我们总是将较小的表排序到左侧，这将很自然

---

按照定义的顺序执行联接，并期望分布式联接的右侧表更小的想法似乎是矛盾的。

Presto通常按照声明的顺序执行联接（当基于成本的优化关闭时），但如果可能，它会尝试这样做。如果运行查询，应该能够看到查询的实际联接顺序

对于上面的示例，您可以通过强制使用括号进行右关联联接来手动避免交叉联接，类似于算术的工作方式（例如，

a-（b-c）

）：

与
a（x）AS（值（1）），
b（x，y）AS（值（1，'a'）），
c（y）AS（值“a”）
选择*
从c连接（b使用（x）连接a）使用（y）

B 
 - id1
 - id2
 - data

C
 - id2
 - data