讲师中心 微信公众号

工具推荐

视频效率加速
剧云
剧云

中文短剧剧本制作平台

SoundView
SoundView

字幕擦除翻译、配音口型同步

Seko
Seko

AI短剧一键生成成片

AniShort
AniShort

AI短剧协同制作平台

为什么SQL的ROW_NUMBER排序后出现数据倾斜

阿辰姑娘_9835

阿辰姑娘_9835

发布时间:2026-11-19 08:12:29

|

816人浏览过

|

来源于php中文网

原创

sql的row_number排序后出现数据倾斜,根本原因是数据分布不均或排序键(order by)存在大量重复值,导致部分分区处理的数据量远超其他分区。要解决这个问题,需要确保在窗口函数执行前通过增加随机因子打散数据,或者使用全局排序策略避免单点瓶颈。

为什么SQL的ROW_NUMBER排序后出现数据倾斜

为什么排序会导致数据倾斜?

当使用ROW_NUMBER() OVER (ORDER BY col)时,数据库必须对所有数据进行全局排序。如果col的值分布极不均匀(例如某个值出现百万次),或者数据本身在物理存储上就集中在某些节点,那么负责处理这些“热点”数据的计算节点就会成为瓶颈。此外,如果ORDER BY字段是哈希分区的依据,且该字段区分度低,也会导致数据倾斜。

为什么SQL的ROW_NUMBER排序后出现数据倾斜

SELECT 
    id, 
    name, 
    ROW_NUMBER() OVER (PARTITION BY category ORDER BY create_time DESC) as rn
FROM orders;

上述代码中,如果category只有几个值,而每个category下又有海量数据,虽然PARTITION BY缓解了全局排序压力,但如果某个category的数据量极大,仍可能导致单个分区内的排序开销过大。更严重的是,如果ORDER BY后的字段在分区内依然高度集中,局部排序也会产生倾斜。

如何通过加盐解决倾斜问题?

引入随机数作为第二排序键是解决倾斜的经典方法。通过在ORDER BY子句中加入RAND()或一个随机生成的整数,可以将原本聚集在一起的数据打散到不同的逻辑组中,从而平衡各节点的计算负载。这种方法适用于对最终排序顺序没有严格唯一性要求的场景,或者在业务允许一定随机性的情况下。

为什么SQL的ROW_NUMBER排序后出现数据倾斜

SELECT 
    id, 
    name, 
    ROW_NUMBER() OVER (PARTITION BY category ORDER BY RAND()) as rn
FROM orders;

在这个例子中,我们使用了RAND()作为排序依据。虽然这破坏了基于create_time的业务排序逻辑,但在某些只需要获取“任意一条”或“随机抽样”的场景下非常有效。如果需要保持原有排序逻辑的同时解决倾斜,可以考虑先进行采样分析,识别出倾斜的key,然后对这些key进行特殊处理,比如拆分大key为多个小key进行处理后再合并。

针对特定倾斜Key的具体处理方案

假设我们发现category='A'的数据量是其他类别的10倍,导致处理'A'的节点OOM。我们可以将category='A'的数据单独提取出来,进行二次分组排序,或者使用广播变量关联小表来避免Shuffle。具体做法是:先过滤出倾斜的key,对其执行局部聚合或重分布,再与非倾斜数据Union All。这种针对性处理能显著降低整体作业的运行时间。

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热门AI工具

更多
WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

SoundView
SoundView Hot

SoundView是一款面向跨境电商的视频翻译、配音和本地化 AI 创作平台。

讯飞智文

一款面向学习和办公场景的AI文档创作工具,可辅助生成PPT与Word文档,提高资料整理和内容制作效率。

小橡皮AI

一款AI工具,主要用于小橡皮一键去AI味,将机器味重的内容改得更有活人感,防止因为 AI 内容被平台打上 AI 标签,以及限流,适合需要提升相关任务效率的用户。

UP简历
UP简历 Hot

一款AI办公效率工具,主要用于基于AI技术的免费在线简历制作工具,适合需要提升相关任务效率的用户。

讯飞智作

讯飞智作是一款AI视频创作工具,AI文本配音工具,数字人课程、营销视频制作。

PixTV
PixTV Hot

PixTV是一款面向AIGC内容创作的AI视频生成工具。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

相关专题

更多
大数据分析工具有哪四个
大数据分析工具有哪四个

大数据分析的四个工具分别是rapidminer、Hpcc、Hadoop和Pentaho bi。大数据分析用于从各种来源生成的原始数据中提取有价值的数据。这些数据帮助我们获得有意义的见解、隐藏的模式、未知的相关性、市场趋势等等,具体取决于行业。大数据分析的主要动机是提供有价值的见解,以便为未来做出更好的决策。php中文网为大家带来了大数据分析的相关教程、以及相关文章等内容,供大家免费下载使用。

6636

2023.06.21

Java 大数据处理基础(Hadoop 方向)
Java 大数据处理基础(Hadoop 方向)

本专题聚焦 Java 在大数据离线处理场景中的核心应用,系统讲解 Hadoop 生态的基本原理、HDFS 文件系统操作、MapReduce 编程模型、作业优化策略以及常见数据处理流程。通过实际示例(如日志分析、批处理任务),帮助学习者掌握使用 Java 构建高效大数据处理程序的完整方法。

1289

2025.12.08

大数据专业学习教程
大数据专业学习教程

本专题整合了大数据专业学习相关教程,阅读专题下面的文章了解更多详细内容。

243

2026.01.05

python处理大数据合集
python处理大数据合集

本专题整合了python处理大数据相关教程,阅读专题下面的文章了解更多详细内容。

546

2026.01.05

数据分析工具有哪些
数据分析工具有哪些

数据分析工具有Excel、SQL、Python、R、Tableau、Power BI、SAS、SPSS和MATLAB等。详细介绍:1、Excel,具有强大的计算和数据处理功能;2、SQL,可以进行数据查询、过滤、排序、聚合等操作;3、Python,拥有丰富的数据分析库;4、R,拥有丰富的统计分析库和图形库;5、Tableau,提供了直观易用的用户界面等等。

5103

2023.10.12

SQL中distinct的用法
SQL中distinct的用法

SQL中distinct的语法是“SELECT DISTINCT column1, column2,...,FROM table_name;”。本专题为大家提供相关的文章、下载、课程内容,供大家免费下载体验。

1031

2023.10.27

SQL中months_between使用方法
SQL中months_between使用方法

在SQL中,MONTHS_BETWEEN 是一个常见的函数,用于计算两个日期之间的月份差。想了解更多SQL的相关内容,可以阅读本专题下面的文章。

1329

2024.02.23

SQL出现5120错误解决方法
SQL出现5120错误解决方法

SQL Server错误5120是由于没有足够的权限来访问或操作指定的数据库或文件引起的。想了解更多sql错误的相关内容,可以阅读本专题下面的文章。

7201

2024.03.06

GoFrame框架Web开发与路由中间件
GoFrame框架Web开发与路由中间件

本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。

0

2026.11.17

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn