sql中“inner join”和“where”的操作顺序

Posted 2023-03-23

【中文标题】sql中“inner join”和“where”的操作顺序

【英文标题】：Order of operations in sql for "inner join" and "where"

【发布时间】：2016-02-12 09:58:26

【问题描述】：

我有一个看起来像这样的查询

select * from t1 inner join t2 on t1.c1 = t2.c1
                 inner join t3 on t2.c2 = t3.c2
                 inner join t4 on t3.c3 = t4.c3
                 where t3.c4 = value

我很想知道操作的顺序是什么：

(1) 将执行所有内部连接，然后选择具有t3.c4 = value 的列

(2) 不是使用 t3 进行连接，而是实际上（首先）使用具有 t3.c4 = value 的表完成连接。即首先将创建带有t3.c4 = value 的临时表（t3tmp），然后将执行所有内部连接，而不是使用t3 t3tmp

【问题讨论】：

逻辑上，JOIN 链是从左到右执行的，然后应用 WHERE。但是，dbms 优化器可能会选择完全不同的顺序来执行查询。

请标记您正在使用的 DBMS，因为答案可能会有所不同。

SQL 语言是设计的，以便您告诉系统做什么，而不是如何做，然后优化器的工作就是弄清楚如何最好地做到这一点，应用过滤器/连接/等的顺序。如果您想知道特定数据库引擎如何处理此问题，请为该产品添加标签，但请注意，答案可能很容易仍然是“视情况而定”

【参考方案1】：

考虑在 DataFrame 上使用 explain 方法或查看 Spark UI，以获取有关如何优化您的特定案例的更多信息。

---

传递连接谓词的下推

应该是 Spark 1.6 的第二个选项（虽然它可能取决于条件本身）。

t3.c4 条件很可能会在加入之前被推送到 t3 结果中。 有关 Spark 如何处理它的更多信息，请参阅 SPARK-12532 Jira 票证和相关的 pull request。

编辑 #1

上面说的改动好像被延迟了，没有合并到1.6中。

加入重新排序

关于join的顺序，据我所知，有计划添加一个基于成本的优化器来实际规划应该先执行哪个join，但还没有实现。

此时，我只能找到这张 SPARK-12602 Jira 票证，其中提到了外部/内部连接重新排序（还有一些其他票证以及其他情况）。