一、传统 join 算法
lookupJoin 是 join 查问的一种，传统 join 算法为：
- 遍历 A 表，读取一条数据 r
- 遍历 B 表，对于每条数据，与 r 进行 join 操作
- 反复 1、2 操作，直到 A 表遍历完所有数据
二、lookupJoin 现有的 lookupJoin 流程为：
- 遍历 A 表，读取一条数据 r
- 通过 join key 以及数据 r 结构 B 表数据取值范畴
- 通过结构的取值范畴对 B 表进行读取操作，将读取出的数据与 r 进行 join 操作，返回后果
通过这样的做法，join 可缩小对 B 表全表扫描的操作，晋升执行效率。然而执行 lookupJoin 操作的前提是在 B 表中存在 join key 的索引，否则无奈对 B 表结构取值范畴。
三、分布式 lookupJoin
- 分布式 lookupJoin 介绍：
以往 KaiwuDB 集群在执行 lookupJoin 操作时，会提取 A 数据，依据 A 表数据发送 scan 申请去别的节点读取数据。这样会导致大量后果数据集中在 A 表散布的节点，没有充分利用多节点并行执行的劣势。
当初，咱们将 A 表数据提前通过 hash 重散布路由到多个节点再并行执行 lookupJoin 操作；这样不仅能够进步执行效率，还能够使后果集在多个节点依照 hash key 预散布。
图 1
如图 1 所示，执行 select * from a join b on a.a = b.a 的操作时 B 表中有 join key 的索引 b_a_idx，改良后单节点 lookupJoin 变为三节点执行 lookupJoin 操作，并且使 join 后果集依照 join 列在节点间 hash 散布。2. 分布式 lookupJoin 对分布式执行产生的成果：分布式 lookupJoin 能够使 join 后果集依照 join 列在节点间出现 hash 散布，大大提高了集群节点算力利用率，缩小 hash 重散布的次数，缩短整体 query 执行工夫。
图 2
如图 2 所示，在图 1 的根底上把 join 后果与 C 表再进行 join 查问：select * from a,b,c where a.a=b.a and a.a = c.a，模仿简单查问场景。因为在分布式 lookupJoin 查问后，数据依照 join key 曾经在三节点上 hash 散布了，所以在执行与 C 表的 join 操作时，只须要 hash 重散布 C 表的数据，缩小了 hash 重散布的次数，进步了执行效率。3. 散布表的 lookupJoin：散布表是一种非凡表，表中数据按某列的 hash 值散布在各个节点上，如果散布表的散布列与 hash join 列正好统一，在执行分布式 lookupJoin 时能够间接在各个节点并行执行 lookupJoin，省去了 hash 散布的操作。