分布式数据库30讲
王磊
光大银行首席数据架构师
新⼈⾸单¥19.9
2368 人已学习
课程目录
已更新 22 讲 / 共 33 讲
0/4登录后，你可以任选4讲全文学习。
开篇词 (1讲)
开篇词｜为什么要学习分布式数据库？
免费
基础篇 (8讲)
01｜什么是分布式数据库？
02｜强一致性：那么多数据一致性模型，究竟有啥不一样？
03｜强一致性：别再用BASE做借口，来看看什么是真正的事务一致性
04 | 架构风格：NewSQL和PGXC到底有啥不一样？
05 | 全局时钟：物理时钟和逻辑时钟你Pick谁？
06 | 分片机制：为什么说Range是更好的分片策略？
07 | 数据复制：为什么有时候Paxos不是最佳选择？
08 | 基础篇大串讲：重难点回顾+思考题答疑+知识全景图
开发篇 (13讲)
09｜原子性：2PC还是原子性协议的王者吗？
10 | 原子性：如何打破事务高延迟的魔咒？
11｜隔离性：读写冲突时，快照是最好的办法吗？
12 | 隔离性：看不见的读写冲突，要怎么处理？
13 | 隔离性：为什么使用乐观协议的分布式数据库越来越少?
14 | 隔离性：实现悲观协议，除了锁还有别的办法吗？
15 | 分布式事务串讲：重难点回顾+思考题答疑+知识全景图
16 | 为什么不建议你使用存储过程？
17 | 为什么不建议你使用自增主键？
18 | HTAP是不是赢者通吃的游戏？
19 | 查询性能优化：计算与存储分离架构下有哪些优化思路？
20 | 关联查询：如何提升多表Join能力？
21 | 查询执行引擎：如何让聚合计算加速？
20 | 关联查询：如何提升多表Join能力？
王磊 2020-09-23
你好，我是王磊，你也可以叫我 Ivan。
今天，我们会继续学习查询场景中的处理技术。这一讲的关键词是“多表关联”，也就是数据库中常见的 Join 操作。无论是单体数据库还是分布式数据库，关联操作的语义始终没有变，一些经典算法也保持了很好的延续性。
关联算法作为一个稍微细节点的设计，在不同数据库中是有差异的，我们还是秉承课程的整体思路，不陷入具体的设置参数、指令等内容。这样安排的依据是，只要你掌握关联算法的基本原理，就能快速掌握具体数据库的实现了。同时，有了这些原理作为基础，你也能更容易地掌握分布式数据库的优化思路。
那么，我们先来看看这些经典的关联算法吧。
三类关联算法
常见的关联算法有三大类，分别是嵌套循环（Nested Loop Join）、排序归并（Sort-Merge Join）和哈希（Hash Join）。
嵌套循环连接算法
所有的嵌套循环算法都由内外两个循环构成，分别从两张表中顺序取数据。其中，外层循环表称为外表（Outer 表），内层循环表则称为内表（Inner 表）。因为这个算法的过程是由遍历 Outer 表开始，所以 Outer 表也称为驱动表。在最终得到的结果集中，记录的排列顺序与 Outer 表的记录顺序是一致的。
确认放弃笔记？
放弃后所记笔记将不保留。
新功能上线，你的历史笔记已初始化为私密笔记，是否一键批量公开？
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/1000字
划线
笔记
复制
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
该试读文章来自付费专栏《分布式数据库30讲》，如需阅读全部文章，
请订阅文章所属专栏，新⼈⾸单¥19.9
请订阅文章所属专栏，新⼈⾸单¥19.9
立即订阅
登录 后留言
精选留言(7)
Jxin重分布这个有疑惑: 如果我有多个关联查询呢?每次关联查询都重分布？这样重分布就可能是个死循环了。因为A关联查询和B关联查询的重分布,可能会相互影响。作者回复: 多表关联会被拆解成多个阶段执行，21讲正好有个例子，可以关注下。
2020-09-23 1 1
游弋云端“在计算逻辑允许的情况下，建立阶段选择数据量较小的表作为 Inner 表”，我的问题就是在什么情况下，系统无法根据数据量决定 Inner 表呢？
答复：如果连接属性本身内容重复较多，但是表格很大，这样反而选择较大的表格作为 Inner 表，可以根据内容相同，从而节省Hash的计算资源。想到这种场景。2020-09-24- 赵见跃哈希算法，“在计算逻辑允许的情况下，建立阶段选择数据量较小的表作为 Inner 表”，我的问题就是在什么情况下，系统无法根据数据量决定 Inner 表呢？这个问题，也很困惑，大家给指点一下呀，谢谢。2020-09-24
- 有铭Grace这个最早使用GHJ算法数据库没有查到啊？
很久以前就困惑传统数据库在分表分库后如何解决joint的问题。今天看到这篇文章后豁然开朗2020-09-23 
piboye复制表，写的时候也是异步复制到其他节点上？2020-09-23- licl1008数据量小的一侧不是构建侧，这种情况不能单单根据数据量来决定innner2020-09-23
扩散性百万咸面包我对重分布的理解：按照某个非分区键再做一遍重分区。
对于这个思考题，应该是两个关联表的大小都远远超过了单机的内存？所以必须要上分布式？2020-09-23
收起评论