如何选用HASH 分布策略

如何选用HASH 分布策略，保证数据分布均匀是获取高性能的关键所在。

选择的依据遵从四大原则：

第一个就是首先保证所有节点数据存放是均匀的，避免出现节点出现数据分布过多或过少情

况；

第二，如果经常进行大表连接，尽量把连接字段定义成hash 分布字段，这样尽量减少无效

的节点间拉表操作；

第三，尽量保证where 条件产生的结果集的存储也尽量是均匀的，避免在做查询的时候，

出现某些节点过于繁忙或清闲的情况；

第四，选择使用频率高的group by 字段作为hash 字段。

限制说明:

distributed by整数类型（INT、BIGINT 等）、VARCHAR 或者 DECIMAL 类型。

distributed by列的值，不允许进行更新操作（update）。

原则：

 1.在多表JOIN查询时，表中某列经常用于JOIN等值关联；

 2.表中该列通常是等值查询的列，并且使用的频率很高；

 3.表中重复值较少的列，尽量让数据均匀分布。

 4.选择count(distinct)值大的列做Hash分布列。

被选为distributed by列字段，有如下限制说明：

• distributed by整数类型（INT、BIGINT 等）、VARCHAR 或者 DECIMAL 类型。

• distributed by列的值，不允许进行更新操作（update）。

语法样例：

create table t3(a int,b varchar(10),c datetime)distributed by ('a');