当我阅读有关分片的内容时，看起来作者并未考虑其他表格，必须将分片表连接到其中（即使它们将分片描述为＆＃34;原始数据库的子集＆＃34 ）。然而，这是一个非常常见的情况，我仍然不知道如何处理它。一些作者提到＆＃34;静态＆＃34;由分片表引用的表，可以复制到每个分片（例如，国家）。但是，他们没有提及引用分片的表格。
想象一下，我们运行社交网络并意识到我们的用户表（ id，名称）不再适合单个服务器，因为写入量很大或者因为大小（或两者兼而有之）。因此我们决定将其水平划分为多个分片（例如，4，因此id为1-1000的用户转到一个分片，1001-2000转到另一个分片等）并选择 User.id 作为分片键。由于用户表通常连接到其他表，我们将引用给定用户或由其引用的表中的记录移动到相应的分片（这是一个很大的挑战，因为关系通常是可传递的，例如，表A可以引用参考分片表C）的B。为了简化操作，我们可以决定将除User表之外的所有分片复制到所有分片中。到目前为止一切都很好。
然后，想象好友表（ id，user_id，friend_id ），其中包含有关谁是谁以及引用用户的朋友的信息表。用户1001具有2个朋友，2002和3003，并且它们位于不同的分片上。因此，如果我们需要获取有关用户1001朋友的信息，我们将不得不执行2个交叉分片连接。即使我们最初设法将所有相关用户放在同一个分片上，用户也可以从不同的分片添加新朋友。我们不能将这个朋友4004移动到用户1001，因为来自相同碎片＃5的其他用户也可以将他作为朋友。
老实说，我无法弄清楚在执行分片时如何处理这样的情况，而且我还没有看到任何资源解释这一点。
答案 0 :(得分：4)
在分片表之间进行联接时，通常要优化的是跨分片传输的数据量。
有5种类型的分布式联接，如here所述，从最喜欢的到最小的排列：
这是您在Countries表中提到的示例。每个节点都在本地保留此表的副本，因为它很少更新。优点和缺点很明显：并非所有内容都可以标记为参考表，但是不涉及数据移动。
这意味着向连接所需要的数据所在的所有节点发送查询。然后，汇总整体执行结果。缺点是需要将表分片到连接条件中涉及的列上。这是可扩展性最高的算法，因为它在进行连接之前不涉及任何数据移动。
这将与您的Friends表示例一起使用。大概，您的Users表将由用户ID（也是分片键）进行键控，因此将有一个索引，因此查询应该很快。
集群中的所有节点将连接两侧的数据发送到单个节点，以便它可以运行连接。这种类型的联接仅在联接所涉及的行数较少时才能很好地发挥作用。
如果您要进行联接，则其中一侧的数据集较大，而另一侧的数据集较小，则此类型会将较小的数据集发送到较大的数据集，而具有较大数据集的节点将在本地进行联接
这是运行分布式联接的最昂贵但最灵活的方法。由于联接中涉及的许多行都被复制到其他节点以执行联接，因此需要大量数据移动。