JOIN在分布式数据库中慢因缺乏跨节点哈希连接支持，常触发大量数据重分布；应优先将JOIN字段设为分片键，必要时强制归并连接，并避免右表无索引的LEFT JOIN。
为什么 JOIN 在分布式数据库里特别慢
因为大多数分布式数据库（如 TiDB、CockroachDB、Greenplum）不支持跨节点的高效哈希连接，JOIN 往往触发大量数据重分布（shuffle），甚至全表广播。实际执行时可能看到 Exchange 或 RemoteScan 算子占 70%+ 时间。
- 优先把
JOIN条件字段设为分片键（shard key），让关联行落在同一节点上，避免 shuffle - 如果必须跨分片
JOIN，用/*+ TIDB_SMJ(t1, t2) */（TiDB）或/*+ MERGEJOIN */（CockroachDB）强制走归并连接，比嵌套循环更可控 - 警惕
LEFT JOIN右表无索引：分布式环境下，右表扫描可能在每个分片都执行一遍，放大 I/O
WHERE 条件下推失败的典型表现
常见现象是执行计划里出现 Selection 节点挂在最外层，说明过滤逻辑没下推到存储层，所有数据先拉到计算层再筛——尤其在 UNION ALL 或子查询嵌套深时高频发生。
- 避免在
WHERE中对分片键做函数操作，比如WHERE YEAR(created_at) = 2024会禁用分区裁剪 - 使用
EXPLAIN FORMAT = 'VERBOSE'（TiDB）或EXPLAIN (DISTINCT ON)（CockroachDB）确认条件是否出现在TableReader或IndexScan下方 - 字符串比较注意 collation：
utf8mb4_0900_as_cs和utf8mb4_general_ci混用可能导致索引失效，继而阻止下推
聚合查询（GROUP BY / ORDER BY）卡在 HashAgg 阶段
分布式场景下，HashAgg 默认在单个 TiKV Region 上做局部聚合，再由 TiDB 汇总全局结果。但如果分组键倾斜（如 90% 数据的 status = 'pending'），局部聚合后仍要传输巨量中间结果。
- 加
HINT强制两阶段聚合：/*+ AGG_TO_COP()把部分GROUP BY下推到 TiKV -
ORDER BY必须带LIMIT，否则所有节点数据都要传到 coordinator 排序；没有LIMIT的分布式排序基本等于拒绝服务 - 避免
GROUP BY多列且其中一列低基数（如布尔字段），容易引发 coordinator 内存溢出，改用COUNT_IF或预计算宽表
为什么 SELECT * 在跨分片查询中风险极高
不只是带宽问题。当表有 50 列、分布在 12 个分片上，SELECT * 会让每个分片都序列化全部字段再网络传输，而实际业务可能只用其中 3 列。更糟的是，某些分布式数据库（如 Citus）会对 * 做隐式列展开，导致 planner 误判统计信息，选错执行路径。
- 永远显式写出需要的列名，哪怕多敲几下键盘
- 如果用 ORM，检查生成 SQL 是否含
*；Django 的.values()、SQLAlchemy 的load_only()是刚需 - 临时调试用
EXPLAIN ANALYZE时，也别偷懒写*——它可能掩盖真实瓶颈点
分布式查询优化最麻烦的地方不在语法，而在你根本不知道哪一行 SQL 触发了跨节点广播。查慢查询日志时，重点盯 ExecTime 和 NumRegions 这两个字段，比看执行计划更快定位问题。
