我正在编写一个分布式 SQL 查询计划器（查询引擎）。数据将从涉及网络 I/O 的 RDBMS(PostgreSQL) 节点获取。
我想优化 JOIN 查询。
执行的逻辑顺序是：
- 做 JOIN（利用 ON 子句）
- 对连接的结果应用 WHERE 子句。
我正在考虑先应用过滤器（特定于表的 WHERE 子句），然后再加入。在什么情况下会导致错误的结果？
例子：
SELECT *
FROM tableA
LEFT JOIN tableB ON(tableA.col1 = tableB.col1)
LEFT JOIN tableC ON(tableB.col2 = tableC.col1)
WHERE tableA.colY < 100 AND tableB.colX > 50
逻辑执行：
- joinResult = (tableA left join tableB ON() ) left join tableC ON()
- 使用给定的 WHERE 子句过滤 joinResult。
建议执行：
过滤A = tableA WHERE tableA.colY < 100
过滤B = tableB WHERE tableB.colX > 50
- 结果=（filteredA左连接filteredB ON（..））左连接表C ON（..）
我可以优化这样的任何查询吗？那就是先过滤表，然后在上面应用连接。
编辑：有些人在谈论这个具体的例子时感到困惑。我不是在谈论这个特定的示例查询，我正在编写一个查询计划器，我想处理所有类型的查询
请注意，每张表都被分片并存储在不同的机器上，当前的执行模型是获取每张表然后在本地进行连接。因此，如果我在获取之前应用 WHERE 过滤器，那就更好了。