SQL是从右到左还是从左到右计算？

Question

我有一个如下所示的SQL查询-

A left JOIN B Left Join C Left JOIN D

说表A是大表，而表B，C，D是小表。

Spark联接将执行- A和B，随后的结果将与C和D结合在一起

或者

Spark会自动优化，即它将加入B，C和D，然后 结果将与A结合在一起。

我的问题是执行或加入评估的顺序是什么？它是从左到右还是从右到左？

Answer 1

Spark如果可以访问有关那些连接基数的信息，则可以优化连接顺序。

例如，如果这些是镶木地板表或缓存的数据帧，则它可以估算表的总数，并可以对连接顺序进行重新排序以降低成本。如果“表”是jdbc数据帧，则Spark可能没有行计数信息。

Spark Query Optimizer也可以选择其他联接类型，以防其具有统计信息（例如，它可以广播所有较小的表，并运行broadcast hash join而不是sort merge join）。

如果统计信息不可用，则它将按照SQL查询中的顺序进行操作，例如从左到右。

更新：

我最初错过了查询中的所有联接都是外部联接（left等同于left outer）。

通常外部连接不能重新排序，因为这会更改查询结果。我之所以说“正常”，是因为有时Spark Optimizer可以将外部联接转换为内部联接（例如，如果您有一个WHERE子句可以过滤掉NULL-see conversion logic here）。

为确保答案的完整性，连接的重新排序由两个不同的代码路径驱动，具体取决于是否启用了 Spark CBO （spark.sql.cbo.enabled首先出现在Spark 2.2中，默认情况下处于关闭状态） ）。如果spark.sql.cbo.enabled = true和spark.sql.cbo.joinReorder.enabled = true（默认情况下也处于关闭状态），并且统计信息可以通过ANALYZE TABLE .. COMPUTE STATISTICS手动获得/收集，则重新排序基于我上面提到的联接的估计基数。

证明重新排序仅适用于INNER JOINS is here（以CBO为例）。

更新2 ：示例查询显示外部联接的重新排序会产生不同的结果，因此外部联接永远不会重新排序：

Answer 2

join的解释顺序与内部联接无关紧要。但是，这对于外部联接可能很重要。

您的逻辑等同于：

FROM ((A LEFT JOIN
       B
      ) ON . . . LEFT JOIN
      C
      ON . . . LEFT JOIN
     )
     D
     ON . . .

考虑LEFT JOIN链的最简单方法是，它们保留第一个表中的所有行，并保留后续表中匹配行的列。

请注意，这是代码的解释。 SQL优化器可以自由地以任何顺序重新排列JOIN以获得相同的结果集（尽管使用外部联接通常比使用内部联接的可能性小）。