Netezza - 在SQL的角度來看，什麼是主機託管？

Question

我知道託管對於Netezza中的分佈式連接很重要。在高層次上，它具有以下定義：

All data for joins are located in the same SPU 

我也談到了一些Netezza公司員工在過去，他們提到，加入被視爲同一地點，如果所有表分發和加入相同的列。

不過，我還是覺得這個定義有點欠缺......根據我的理解1相和2相GROUP BY的，我懷疑真的託管運行在如下的定義：

A join is considered colocated if the set of columns used in the join condition is a superset of the distribution keys of all participating tables. 

這是一個正確的定義嗎？我試圖在新西蘭尋找一個確切的定義，但我得到的是一堆文章，有點假定你已經知道定義。在這個

輸入，將不勝感激。謝謝！

編輯：基於ScottMcG的建議下，我重新的定義，同位爲加盟：

1. It must be a HASH or MERGE SORT JOIN 
2. Set of columns in join conditions must be superset of all distribution keys of all participating tables 
3. ? 

的？ ＃3的標記是我需要解決的一個模棱兩可的問題。按照ScottMcG的規定，每個表的分配鍵也必須相互連接。

假設表A，B，C分佈在文本列A.C1，A.C2，B.C3，B.C4，C.C5和C.C6上，我們有以下連接。

SELECT * FROM A 
    INNER JOIN B "Join1" 
     ON A.C1=B.C3 
    INNER JOIN C "Join2" 
     ON A.C2=B.C4 
     AND A.C2=C.C6 
     AND [X] 

現在，讓我們提供一些[X]的可能定義。那麼[X]的哪些定義將Join2共同定位？

(1) [X] = A.C2 = 5 

(2) [X] = A.C2 = B.C1 OR A.C2 = C.C5 

(3) [X] = A.C1 IS NULL 

(4) [X] = A.NonKeyColumn1 = B.NonKeyColumn2 

Answer 1

對於Netezza公司，一個連接被認爲是當涉及到連接表不需要從數據切片上，他們長期居住，以便進行重新分配加盟或廣播來協同定位。

如果這隻能發生：

• 集由加入所需的列都列在每個表
• 每個表參與加盟的分佈鍵的超集具有相同作爲分配鍵的一組列。
• 該連接是一個等連接。

這些條件與您在定義中提出的條件非常接近，並且有必要允許但不足以保證共同連接。如果優化器足夠小，即使它們分佈在相同的列上，也可能決定預先廣播其中的一個表，即使它們分佈在相同的列上，那麼從技術上講，它們可能不是共同連接。

我應該補充說的一點是，對於被認爲與另一列「相同」的列，列值應該散列爲相同的值。一般來說，這意味着列數據類型將是相同的。一個例外是數據類型的整數族（byteint，smallint，int，bigint）會散列到相同的值，只要它們在支持的範圍內。

關於連接類型的影響，equijoins將是這種形式。請注意，這可能是哈希連接或合併排序連接（如果數據類型可能是浮點）。無論哪種情況，我們都不需要重新分配數據。在這些例子中，兩個表都分佈在COL1上。

SELECT ... 
FROM TableA A 
    JOIN TableB B 
    ON A.COL1 = B.COL1 

如果連接是基於加入像下面的任一，則最終將與所述數據的重新分配或廣播的表達式。對於「小於」連接，必須能夠確定8小於9，但由於它們將被散列到不同的數據切片，所以只能在將其重新分配給另一個時進行比較。

SELECT ... 
FROM TableA A 
    JOIN TableB B 
    ON A.COL1 < B.COL1 

SELECT ... 
FROM TableA A 
    JOIN TableB B 
    ON A.COL1 - B.COL1 = 0