Doris基础学习系列（二十五）doris的Join优化之Colocation Join

在doris中，默认的join方式主要是两种，一种是Broadcast Join，另外一种是Shuffle Join。但是在doris中还支持其他的Join方式，例如：Colocate Join和Bucket Shuffle Join，这些join在执行是优先顺序默认是：Colocate Join -> Bucket Shuffle Join -> Broadcast Join -> Shuffle Join。 那么这些join都有哪些特点呢？这篇文章我们来介绍下Colocation Join。

Colocation Join是doris中提供的一种join方式，它把一些表统一组织成一个group群组，所以这个Join的方式更适配于在规划表的时候使用。

举个例子，比如我们先现在有a,b,c三个表，这三个表在后续的业务中呢，我们需要使用到a表join b表。这时候我们可以把a表和b表放到同一个group里面，这样子doris会把a表的数据和B表的数据分片分布到同一个BE节点上，这时候我们如果进行查询的时候，只需要在本地进行join即可，几乎没有网络数据传输，这样子也达到了加快数据查询的目的。

那么如何使用Colocation Join呢，就是我们在前面介绍的，在规划的阶段，也就是创建表的时候，就为当前表指定group即可。例如：

CREATE TABLE `user_login_logs` (
  `log_id` int(11) NULL COMMENT "",
  `log_msg` varchar(255) NULL COMMENT "",
  `client_ip` varchar(20) NULL COMMENT "",
  `service_name` varchar(20) NULL COMMENT "",
  `log_cts` datetime NULL COMMENT ""
) ENGINE=OLAP
DUPLICATE KEY(`log_id`, `log_msg`)
COMMENT "OLAP"
PARTITION BY RANGE(`log_cts`)
()
DISTRIBUTED BY HASH(`client_ip`) BUCKETS 10
PROPERTIES (
"replication_allocation" = "tag.location.default: 1",
"dynamic_partition.enable" = "true",
"dynamic_partition.time_unit" = "DAY",
"dynamic_partition.time_zone" = "Asia/Shanghai",
"dynamic_partition.start" = "-7",
"dynamic_partition.end" = "3",
"dynamic_partition.prefix" = "p",
"dynamic_partition.replication_allocation" = "tag.location.default: 1",
"dynamic_partition.buckets" = "32",
"dynamic_partition.create_history_partition" = "false",
"dynamic_partition.history_partition_num" = "-1",
"dynamic_partition.hot_partition_num" = "0",
"dynamic_partition.reserved_history_periods" = "NULL",
"in_memory" = "false",
"storage_format" = "V2",
"colocate_with" = "group1"
);

值需要在properties里面指定： "colocate_with" = "group1" 即可。

如果某些表是之前创建的，那么我们可以直接修改下表信息，新增分组，例如：

ALTER TABLE tbl SET ("colocate_with" = "group1");

然后在查询的时候，doris会根据join的优化顺序选择Colocation Join。

最后附上查看所有的group信息的命令：

SHOW PROC '/colocation_group';

具体的含义如下：