Blink中的维表join及优化

本文介绍了Blink中的维表JOIN优化方法,包括LRU和ALL缓存策略,如何提高缓存命中率,以及Partitioned All Cache解决超大维表JOIN问题。此外,还讨论了Async维表JOIN优化,通过异步访问提升性能。最佳实践建议根据维表大小和数据分布选择合适的优化策略。

我觉得本篇博客算是性能优化的一个补充,性能优化篇:
Blink性能优化配置及原理


双流john

• 支持等值连接和不等值连接
• 支持 INNER JOIN, LEFT JOIN, RIGHT JOIN, FULL JOIN, ANTI JOIN, SEMI JOIN
• 不等值连接因为缺少等值条件,所以数据会聚集到一个并发上计算,性能会不高

  SELECT o.rowtime, o.productId, o.orderId, o.units,
  p.name, p.unitPrice
  FROM Orders AS o
  JOIN Products AS p
  
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值