3

我注意到 Apache Flink 没有优化表的连接顺序。目前,它保持用户指定的连接顺序(基本上,它按字面意思接受查询)。我想 Apache Calcite 可以优化连接的顺序,但由于某种原因,这些规则在 Apache Flink 中没有使用。

例如,如果我们有两个表“ R ”和“ S

private val tableEnv: BatchTableEnvironment = TableEnvironment.getTableEnvironment(env)
private val fileNumber = 1
tableEnv.registerTableSource("R", getDataSourceR(fileNumber))
tableEnv.registerTableSource("S", getDataSourceS(fileNumber))
private val r = tableEnv.scan("R")
private val s = tableEnv.scan("S")

我们假设' S '是空的,我们想以两种方式连接这些表:

val tableOne = r.as("x1, x2").join(r.as("x3, x4")).where("x2 === x3").select("x1, x4")
        .join(s.as("x5, x6")).where("x4 === x5 ").select("x1, x6")


val tableTwo = s.as("x1, x2").join(r.as("x3, x4")).where("x2 === x3").select("x1, x4")
          .join(r.as("x5, x6")).where("x4 === x5 ").select("x1, x6")

如果我们要计算tableOnetableTwo中的行数,两种情况下的结果都为零。问题是评估tableOne将比评估tableTwo花费更长的时间。

有没有什么方法可以自动优化join的执行顺序,甚至可以通过添加一些统计信息来启用可能的plan cost操作?如何添加这些统计信息?

在此链接的文档中,可能需要更改 Table 环境 CalciteConfig 但我不清楚如何去做。

请帮忙。

4

1 回答 1

4

由于 Flink 不能很好地处理统计信息,因此未启用 Join 重新排序。在没有准确估计基数的情况下重新排序连接基本上是赌博。因此,连接重新排序被禁用,表按照用户提供的顺序连接。这给出了确定性和可控的行为。

但是,您可以通过在创建时将 aTableConfig和 a传递给优化器,即 TableEnvironment.getTableEnvironment(env, yourTableConfig)。您可以在其中将优化规则添加到不同的优化阶段。您可能希望将和添加到逻辑优化阶段。您可能还必须深入研究代码以检查如何将统计信息传递给优化器。CalciteConfigTableEnvironmentCalciteConfigJoinCommuteRuleJoinAssociateRule

于 2018-12-03T21:30:42.247 回答