SQL：联接操作的并行性在“a”中到底是如何工作的；“不分享任何东西”；建筑学

我目前正在读一本关于DBMS中并行性的书，我发现很难理解并行性在连接操作中是如何工作的

假设我们有10个系统，每个系统都有自己的磁盘空间和主内存。有一个网络，系统可以通过该网络相互通信，例如共享数据

现在假设我们有以下操作：A（X，Y）连接B（Y，Z）

表A和B太大了，所以我们希望使用并行性来获得更好的整体计算速度

我们要做的是对a表和B表的每个记录的“Y”属性应用一个哈希函数，然后将这些记录发送到不同的系统。然后，每个系统都可以使用一个局部算法来连接它们获得的记录

我不明白的是，初始哈希函数到底应用在哪里，初始表A和B到底存储在哪里

当我阅读时，我认为我们有另一个“主”系统，它也有自己的磁盘空间，在这个空间中我们有所有的初始信息，即表A和表B及其所有记录。该系统使用自己的主存来应用初始散列函数，该函数为每个记录确定系统最终将进入和处理的总共10个位置

然而，在阅读之后，我陷入了下面的例子（我从希腊语翻译过来）

假设我们有两个表R（X，Y）连接s（Y，Z），其中R有1000页，s有500页。假设我们有10个系统可以并行使用。因此，我们首先使用散列函数来确定应该将每条记录发送到哪里。读取表R和S所需的I/O总量为1500，每个系统为150每个系统将有15页的数据，这些数据对于其余的每个系统都是必需的，因此它会向其他9个系统发送135页数据。因此，总通信量为1350页。

我真的不明白粗体部分。为什么一个系统必须向其他系统发送任何数据？我之前提到的“主”系统不是做这项工作吗

我想象这样的情况：

               main_system
                  ||
                  \/
            apply_hash(record)
                  ||
                  \/
              send record to the appropriate system
              / /  /  /  /  /  /  /  /  /  
            s1 s2 s3 s4 s5 s6 s7 s8 s9 s10

现在所有系统都有自己的记录，它们应用本地算法并将结果输出。系统之间没有通信，我在这里遗漏了什么？？这本书使用了不同的方法吗？如果是的话，是哪种方法？因为我已经读了同一单元3遍了，但仍然没有理解（可能是一个糟糕的翻译，但不确定）

---

提前感谢

我猜你的连接是本地客户。由于它与所有机器都有连接。

在无共享系统中，数据通常在创建数据时跨处理器进行分区。虽然数据库可以不共享，但最好的文档可能是针对Hadoop和HDFS，即Hadoop分布式文件系统

函数将行分配给分区。一些例子是：循环，其中新行一个接一个地分配给处理器；基于范围，其中根据列的值将行分配给处理器；基于哈希的，其中基于值的哈希将行分配给处理器。对数据进行分区的过程非常类似于SQL Server和Oracle等数据库中的“分区”，这些数据库不在无共享环境中

如果您的联接对两个表都使用分区键，并且分区方法相同，那么数据已经是本地的。否则，需要重新分发一个或两个表以继续处理

在你引用的那一节中，你可能对算术感到困惑。请记住，如果您在10个处理器上有1500个页面，那么每个处理器将平均有150个页面。这些页面需要重新分发。假设你是处理器3。大约15页将进入处理器1；另一个15到处理器2。另一个连接到处理器3。等待你不必发送这些；他们已经在正确的位置上了。您只需向其他处理器发送9*15=135页

关键的想法是，在一个共享的notthing环境中，相同的处理器在进行处理时存储数据