MO干货 | shuffle执行计划解析（上篇）

MatrixOrigin

墨衍会员 · AI 创作全网分发码龄5年

关注

原创最新推荐文章于 2026-03-22 00:52:58 发布 963 阅读 AI 写同款· GEO 优化 ›

大数据之Shuffle详解阅读详情

作者：倪涛

MO产品布道师

Part 1. 背景

Part 2. Shuffle实现原理

Part 3. Colocate shuffle

Part 1 背景

shuffle算法的基本原理，就是给输入的数据进行分桶，每个桶内的数据都可以单独处理并且输出结果。这样可以减少汇总数据时hash表的大小。

以group算子为例，实现方式有sort group和hash group两种。hash group在多并发时，每个并发都会对输入数据进行hash并放到hash表中进行处理。所有hash表需要汇总到一起再做一次merge，以得到最终结果。这种方式叫做merge group。另外一种方式是先将数据进行shuffle分发，每个并发接收并处理不同的数据，并且直接输出结果，不需要将hash表merge到一起。这种方式叫做shuffle group。

为什么需要支持shuffle？原因主要有以下三点。：

解决hash表太大导致分配内存失败的问题：以merge group为例，由于需要将所有数据merge到一起，如果最后merge的hash表基数太大，则需要分配的内存就会非常大，会导致分配内存失败。如果超过单CN（compute node, 表示计算节点）的内存上限，且不考虑spill的情况下，还会导致oom。而shuffle则可以将一个大的hash表切分成多个小的hash表进行处理。
提高计算节点的横向扩展性：仍以merge group为例，由于需要将所有数据merge到一起，在单CN上进行单并发处理。如果hash表基数比较大，这一步处理比较慢，就会成为瓶颈，即使增加再多CN也无法加速这样的query。而shuffle group则不存在这样的单点瓶颈。
提升性能：当hash表太大时，随机访问hash表会导致非常高的cache miss概率，而cache miss会导致性能显著下降。通过shuffle将hash表切分成多个小hash表进行处理，对每个小hash表的随机访问cache命中率大大提高，进而提升整体性能。

Part 2 Shuffle实现原理

shuffle对数据进行分桶，桶的数目在编译pipeline（在执行阶段，算子被组成流水线来执行。一道流水线被称为一个pipeline）时，由运行环境的CN数量，CPU核数动态决定。例如当前租户的环境是3CN，每个CN10核，shuffle算子会自动计算分桶数量为30。

shuffle的分桶算法有两种，range shuffle和hash shuffle。hash shuffle直接通过一个hash函数得到数据的分桶号。range shuffle则需要优化器在编译阶段给出分桶策略。对于均匀分布的数据，分桶策略较为简单。以tpch1T，lineitem表为例。l_orderkey的取值范围是1到60亿，且均匀分布。对该列进行shuffle的策略则是按照最小最大值进行平均分配，1-2亿分到桶1,2亿到4亿分到桶2，依次类推。对于非均匀分布的数据处理算法比较复杂，将在后文详细介绍。

MO在编译阶段由优化器决定使用range shuffle还是hash shuffle，通常优先使用range shuffle，如果出于某些原因无法使用range shuffle，则会使用hash shuffle，保证分桶的均匀性。

在MO Pipeline中对应shuffle算法的算子有两个，shuffle和dispatch。

Shuffle算子的功能是将输入的数据进行分桶，并且输出分桶后的数据。例如输入一个batch（MO是列存数据库，算子对数据的处理以batch为基本单位），batch内包含8192行数据，值为1、2、3 ... 一直到8192。如果需要分两个桶，可能的分桶结果是将1-4096放入一个新batch，4097-8192放入一个新batch内，然后将这两个新的batch再发送出去。

由于并发可能非常多，分桶后每个桶内数据可能很少，所以直接输出是不太合适的。因此shuffle算子需要在内部维护一个内存池，将分桶后的数据存放起来，攒到一定程度的时候再发送出去。或者是当shuffle算子读完所有输入数据后，就需要将内部所有数据都发送出去。

在pipeline里大部分算子都是一个batch输入对应一个batch的输出，但是shuffle算子并不会这样。由于内部维护的内存池，shuffle可能一段时间内没有输出，也可能连续输出多个batch。内存池的策略对shuffle算子的性能有比较重要的影响。

Dispatch算子负责将shuffle分桶后的数据发送到指定的位置。shuffle算子会在batch中设置一个字段shuffleIDX，dispatch算子读取这个字段，并且根据指定的策略找到需要发送的目的地并将batch发送出去。需要注意的是shuffleIDX这个字段不会参与batch的序列化和反序列化，因此shuffle算子和dispatch算子之间一定不能有跨CN的网络传输，否则会导致错误。

dispatch算子有三种发送数据的策略，绝大部分情况下使用第一种策略，后面两种策略在hybrid shuffle中使用，将在后续进行介绍。

直接根据shuffleIDX找到唯一的对应目的地（可能在本地CN，也可能在远端CN），并发送过去。可能会有跨CN的网络传输。
根据shuffleIDX找到当前CN的对应目的地，并发送过去。这种情况下一定只给本地发送一份，不会有跨CN的网络传输。
根据shuffleIDX找到每个CN的对应目的地，并发送过去。这种情况下会给每个CN都发送一份，必定会有跨CN的网络传输。

目前MO支持开启shuffle的算子有四个：load、scan、group和join。不过理论上任何算子对shuffle都是无感知的，以后MO将会支持对更多的算子开启shuffle算法。

Load算子

Load算子中部分复用了shuffle的分发逻辑来保证多并发读以及多并发写的情况下，写入s3的数据能保留数据原始排序。

Scan算子

对scan算子的shuffle，是在编译pipeline的阶段，将所有需要读的block分发到多个CN上。这里的shuffle是以block为单位进行，还没有到实际读取block数据的阶段。如果是hash shuffle，则对blockname做hash。如果是range shuffle，则取block zonemap里min max的中间值进行range计算。

Group算子

对group算子的shuffle，是将group算子在编译pipeline时静态展开成多个pipeline，对scan算子实际读取的block数据进行shuffle，理论上以每行数据为单位。每个pipeline接收shuffle输出的数据。此时group算子不需要merge group，每个单独的pipeline都可以直接输出数据到下一个pipeline。

Join算子

对join算子的shuffle，同样是将join算子在编译pipeline时静态展开成多个pipeline。join的输入分为probe和build两边，对两边的输入数据采用同样的shuffle算法，保证相同数据会分到同一个桶内。每个join算子也可以直接将join结果输出，而不需要做merge。

如果需要查看一条语句的执行计划是否开启shuffle，可以通过explain语句，查看执行计划中是否有shuffle关键字。例如tpch q4，可以看到lineitem表join orders表，join类型是right semi，lineitem是probe表，orders是build表。并且开启了shuffle join，在lineitem表上对l_orderkey这一列做了range shuffle。由于join两表采用同样的shuffle算法，所以在orders表上同样会对o_orderkey这一列做shuffle。

QUERY PLAN
Project
  ->  Sort
        Sort Key: orders.o_orderpriority INTERNAL
        ->  Aggregate
              Group Key: orders.o_orderpriority
              Aggregate Functions: starcount(1)
              ->  Join
                    Join Type: RIGHT SEMI   hashOnPK
                    Join Cond: (lineitem.l_orderkey = orders.o_orderkey) shuffle: range(lineitem.l_orderkey)
                    ->  Table Scan on tpch_10g.lineitem
                          Filter Cond: (lineitem.l_commitdate < lineitem.l_receiptdate)
                          Block Filter Cond: (lineitem.l_commitdate < lineitem.l_receiptdate)
                    ->  Table Scan on tpch_10g.orders
                          Filter Cond: (orders.o_orderdate >= 1997-07-01), (orders.o_orderdate < 1997-10-01)
                          Block Filter Cond: (orders.o_orderdate >= 1997-07-01), (orders.o_orderdate < 1997-10-01)

Part 3 Colocate shuffle

shuffle的执行计划在多CN上虽然可以减少hash表的开销，但是同样可能会导致数据在网络传输上传输的开销增加。一个好的shuffle执行计划，必须要尽可能减少数据在网络上的传输。所以接下来要介绍的colocate shuffle优化对性能是至关重要的。

仍以tpch1T，q4为例。lineitem表输出行数大约为38亿行，orders表输出行数大约为5千万行。如果采用broadcast join，hash表太大难以处理，并且需要广播5千万行的hash表，开销也不算低。如果采用普通的shuffle join，在3CN上，可以计算出需要走网络传输的数据量大约为（38亿+5千万）/3*2,大约是26亿行左右。虽然hash表变小了，但是网络传输开销太大，性能会降低到难以接受。此时使用colocate shuffle join是最优选择。

colocate shuffle join的具体原理是，从scan开始，利用block zonemap将数据分布到对应的CN上，并且尽可能保证后续的shuffle算法会将数据shuffle到当前CN上进行处理，最大程度减少数据跨网络发送。在这个例子中，优化器会告诉scan算子，block zonemap处于1-20亿之间的数据在CN1上读取，20亿-40亿之间的数据在CN2上读取，40亿到60亿之间的数据在CN3上读取。同时优化器会告诉shuffle join，1-20亿之间的数据需要shuffle到CN1上进行计算，20亿-40亿之间的数据shuffle到CN2上计算，40亿到60亿之间的数据在CN3上计算。如果每个CN有10核，那么具体到CN1是1-2亿之间在第一个pipeline上处理，2亿-4亿在第二个pipeline上处理，以此类推。具体到CN2是20亿-22亿之间在第一个pipeline上处理，22亿-24亿在第二个pipeline上处理，以此类推。具体到CN3是40亿-42亿之间在第一个pipeline上处理，42亿-44亿在第二个pipeline上处理，以此类推。

此时，只有极少数的block，由于数据正好跨越在shuffle的边界上，需要进行跨网络传输。例如某个block zonemap为19亿-21亿，这个block可能是在CN1上进行读取，读取到的8192行里一部分应该在CN1上计算，一部分应该发送到CN2进行计算。由于l_orderkey列是主键，TAE（MO的存储引擎）会保证主键在S3文件里的的排序，block与block之间应该是重叠非常少，需要跨网络传输的数据应该是极少数。整体流程示意如下图所示。

由此可见，想要开启colocate shuffle ，必须是range shuffle。如果使用hash shuffle，则一定无法开启colocate shuffle。

另外colocate shuffle 还有个优化是，对于绝大多数block，可以直接通过zonemap就判断出这个block可以整体shuffle到某个桶内，而不需要对每一行进行读取，计算，重新组成新的batch。在这种情况下，colocate shuffle join几乎没有引入新的开销，但是比broadcast join减少了广播hash表的开销，显著降低了hash表随机访问导致cache miss的开销。实测多CN场景下性能几乎是broadcast join的十倍以上。并且colocate shuffle join具有良好的多CN扩展性，可以达到线性扩展，甚至某些场景下可以超过线性扩展性。

Colocate shuffle在分布式场景下对性能提升很大，不过具体提升程度是与数据的排序性，block与block之间的重叠度有关的。通常主键或者clusterby列具有良好的排序性，提升最大，其他情况则colocate shuffle可能退化成普通shuffle。另外由于join是对两边做同样的shuffle策略，所以有可能是两边都开启colocate，也有可能只有一边可以开启colocate。由于join order的策略总是将小表放在build端，所以通常是优先对probe端的表开启colocate。

目前MO对colocate shuffle join的支持是优化器自动识别计算的。比起同类数据库的实现，优势在于不依赖手工收集统计信息，不需要修改DDL，对计算节点数量（CN数）以及并发数没有任何限制，扩缩容时也可以自动计算出新的shuffle执行计划，用户无需进行任何额外配置或调整，从而实现了完全透明的操作体验。主要体现在以下几个方面：

首先是统计信息，colocate shuffle join必须使用range shuffle，range shuffle又依赖优化器给出合理的shuffle策略，这就必须依赖准确的stats（统计信息）。而MO的优化器会在访问block zonemap时自动计算统计信息，不依赖任何定时或者人工更新统计信息的策略，可以保证在任何情况下都可以通过准确的stats来计算range shuffle策略。

其次不依赖分区表的分区策略。这里包含几个部分，一是可以支持对任意表进行colocate shuffle join，不需要用户改动任何DDL。二是不限制在特定的列上。例如lineitem join orders on l_orderkey = o_orderkey, 可能应该在l_orderkey 和 o_orderkey这两列上开启shuffle，但是如果lineitem join part on l_partkey=p_partkey where l_shipdate < xxx, lineitem表过滤后输出行数小于part表输出，此时应该在lineitem表上做build，part表做probe，在p_partkey 列和l_partkey 列上做shuffle，保证part表的数据可以实现colocate。这个策略应当由优化器来进行计算，如果依赖用户指定，就可能无法得到最优执行计划。三是shuffle分桶数量不依赖分区的数量，有些情况下用户在建表时很难立刻给出最合适的分区数，还有些情况下，分区和分区之间的数据可能不是很均衡。MO的实现方式是用户无需感知这一切，全部交给优化器进行计算。

最后是对于serverless数据库，CN的数量随时会发生变化。第一次执行的时候可能是3CN10核的场景，需要shuffle分30个桶，下一次执行可能变成了5CN10核的场景，需要分50个桶。仍以tpch1T lineitem表为例，MO会自动计算出新的shuffle策略为第一个桶处理1-1.2亿，第二个桶处理1.2亿到2.4亿，依次类推。再下一次执行可能又变成了7CN8核，MO依旧会自动计算新的shuffle策略。

下篇预告

下篇将继续分享如何处理不均匀数据、hybrid shuffle、shuffle reuse、join reorder 等相关内容，感兴趣的同学可以加入MO 社区群持续关注

MatrixOne

MatrixOne 是一款基于云原生技术，可同时在公有云和私有云部署的多模数据库。该产品使用存算分离、读写分离、冷热分离的原创技术架构，能够在一套存储和计算系统下同时支持事务、分析、流、时序和向量等多种负载，并能够实时、按需的隔离或共享存储和计算资源。云原生数据库MatrixOne能够帮助用户大幅简化日益复杂的IT架构，提供极简、极灵活、高性价比和高性能的数据服务。

MatrixOne企业版和MatrixOne云服务自发布以来，已经在互联网、金融、能源、制造、教育、医疗等多个行业得到应用。得益于其独特的架构设计，用户可以降低多达70%的硬件和运维成本，增加3-5倍的开发效率，同时更加灵活的响应市场需求变化和更加高效的抓住创新机会。在相同硬件投入时，MatrixOne可获得数倍以上的性能提升

关键词：超融合数据库、多模数据库、云原生数据库、国产数据库。