GBase 8a MPP 集群性能取决于各个节点整体的性能，每个节点存储的数据量对于
集群性能有很大影响，为了尽可能达到最好的性能，所有的数据节点应该尽量存储
等量的数据，因此在数据库表规划定义阶段要考虑表是复制表还是分布表，以及对
分布表上的某一些列设置为分布列进行hash 分布。
例如根据数据的分布特性设计，可以：
1. 将字典表或者维度表建成复制表的方式将数据存储到各个节点上，
即不须对其数
据进行分片存储。因为字典表的数据量相对较小，虽然在各个节点进行存储有一定
的数据冗余，但和事实表的JOIN 运算就可在本地进行，避免节点间搬动数据。
2. 对于事实表（大表）可将数据分布到不同的节点上存储，分布方法可采用随机分
布(目前很少用)，或者单列hash 分布，或者多列hash 分布的方法，SQL 执行的查
询条件满足只在其中部分节点时，查询优化可决定SQL 的执行仅在这些节点执行
即可。
分布列选取原则
优先考虑大表间的JOIN，尽量让大表JOIN 条件的列为Hash 分布列（相关子
查询的相关JOIN 也可以参考此原则）
，
以使得大表间的JOIN 可以直接下发到
各节点分布式执行。
其次考虑GROUP BY，
尽量让GROUP BY 带有Hash 分布列，
让分组聚合一步
完成。
当有多个join 或group 列可选择时，优先选择唯一值多（count(distinct)值大）
的列做Hash 分布列，让数据均匀分布。
GBase 8a MPP Cluster 最佳实践
2 性能调优
文档版本（2022-02-11）
南大通用数据技术股份有限公司
19
通常是等值查询的列，并且使用的频率很高的应考虑建立为hash 分布列。
注意事项
hash 分布列只能选择数值和字符串类型的列。
作为hash 分布列的列不能进行update（包括快速update 模式下的更新）。
尽量保持hash join 的等值关联列在类型定义上完全相同。
如：char 和varchar 类型进行关联，可能出现结果为空情况，原因是char 型不
足最大长度时用空格补齐，varchar 则没有空格，如果关联则需要trim 空格。
又如：
gbase 中decimal 和bigint 类型join 时需要进行类型转换导致无法走最优
的执行计划，可以将两表的hash 分布列统一为相同类型bigint。