GBase 8a集群性能优化之延迟group by

如果SQL语句中有group by并且group by列中不包含hash分布列时，集群计划默认使用两阶段group by，即先在各个节点上做group by，做hash重分布，然后再做一次group by。
 

如果两阶段group by的第一阶段无法有效缩减结果集，即group by后结果集变化不大，在结果集数据量仍然很大的情况下，第一遍的group by就基本上相当于白做了。
 

比如查询，select count(*) from tab group by id2，id2非表tab的hash分布列，默认执行计划如下：

Step1: select id2 as c1, count(0) as c2 from tab group by id2 into table temp1（按id2 hash重分布）

Step2: select sum(c2) from temp1 group by c1。

针对Step1 group by无法有效缩减结果集时，group by会没有意义，而且会增加计算负担，可以通过设置参数gcluster_delayed_group_by_optimize为1，开启延迟group by优化。
 

开启延迟group by优化后，第一步在各个节点上的group by就不做了，直接做hash重分布，然后再在各个节点上做group by，这样就可以省掉第一遍group by的耗时。

开启延迟group by优化后，SQL将按如下计划执行：

Step1: select id2 as c1 from tab into table temp1（按id2 hash重分布）

Step2: select count(*) from temp1 group by c1。