526互联

ClickHouse的JOIN算法选择逻辑以及auto选项

发布时间 2024-01-08 18:04:46作者: 程鑫

ClickHouse的JOIN算法选择逻辑以及auto选项

ClickHouse中的JOIN的算法有6种：

  1. Direct;
  2. Partial merge;
  3. Hash;
  4. Grace hash;
  5. Full sorting merge;
    1. Parallel hash。

Setting配置join_algorithm用于指定JOIN算法，它可以设置为多个值，例如join_algorithm='direct,hash,partial_merge'。在选择最终JOIN算法的时候是根据setting配置join_algorithm, 以及JOIN操作的Strictness、Kind和参与JOIN的右表表引擎类型共同决定。
Setting配置join_algorithm的可选值（可以组合，前面的例子已经展示了）如下所示：

  1. default
  2. auto
  3. hash
  4. partial_merge
  5. prefer_partial_merge
  6. parallel_hash
  7. direct
  8. full_sorting_merge
  9. grace_hash

JOIN算法的选择逻辑

上面已经提到join_algorithm上可以指定多个值，相当于是一个多路开关，它规定了哪些JOIN算法可以使用。而在具体JOIN语句执行时则根据具体情况（例如Strictness、Kind和右表表引擎类型）选择合适的JOIN算法。如果没有合适的JOIN算法，则会报错。选择逻辑按照优先级从高往低列举如下：

  1. 如果setting join_algorithm 包含'direct'或'default'，则优先尝试Direct join。Direct join的使用条件是：

    Strictness Kind 右表引擎 JOIN关键字/条件
    ANY LEFT 键值对表引擎，如
    Join engine、Dictionary engine    		 必须为Join表引擎的关键字
    单连接条件（不带OR）

  2. 如果setting join_algorithm 包含'partial_merge'或者'prefer_partial_merge'，则尝试使用Partial(sorting) merge join。Partial(sorting) merge join的使用条件是：

    Strictness Kind 右表引擎 JOIN关键字/条件
    ALL INNER
    LEFT
    RIGHT
    FULL    		 - 单连接条件（不带OR）
    ANY | SEMI INNER
    LEFT    		 - 连接条件（不带OR）

  3. 如果setting join_algorithm 包含'parallel_hash'，则尝试使用Parallel hash join。Parallel hash join的使用条件是：

    Strictness Kind 右表引擎 JOIN关键字/条件
    除了ASOF的所有 INNER
    LEFT    		 - 单连接条件（不带OR）

  4. 如果setting join_algorithm 包含'hash'或'default'，或者虽然包含'parallel_hash'或'prefer_partial_merge'但是前面对应使用条件不满足，则尝试使用Hash join。Hash join的使用条件是：

    Strictness Kind 右表引擎 JOIN关键字/条件
    所有 所有 - -

  5. 如果setting join_algorithm 包含'full_sorting_merge'，则尝试使用Full sorting merge join。Full sorting merge join的使用条件是：

    Strictness Kind 右表引擎 JOIN关键字/条件
    ALL | ANY INNER
    LEFT
    RIGHT
    FULL    		 - 单连接条件（不带OR）

  6. 如果setting join_algorithm 包含'grace_hash'，则尝试使用Grace hash join。Grace hash join的使用条件是：

    Strictness Kind 右表引擎 JOIN关键字/条件
    除了ASOF的所有 INNER
    LEFT
    RIGHT
    FULL    		 单连接条件（不带OR）

  7. 如果setting join_algorithm 包含'auto'，则尝试先使用Hash join。当切换条件触发且Partial merge join的使用条件满足时切换到Partial merge join。

Auto的逻辑

当join_algorithm设置为'auto'时，ClickHouse会自行（不一定算是很智能）根据内存消耗情况选择JOIN算法。

首先采用hash join，并在JOIN运算期间记录生成的哈希表的行数和所消耗的内存。当行数或者消耗内存大小达到阈值时，切换到partial merge join算法。

阈值由settings设置max_rows_in_join 和max_bytes_in_join设定。

设置join_overflow_mode

当join_algorithm为'hash'时，在阈值max_rows_in_join 和max_bytes_in_join被超过时的行为取决于join_overflow_mode的设定。join_overflow_mode有两种取值：

  1. THROW

    抛异常。

  2. BREAK

    中断执行，返回部分结果。