讲师中心 微信公众号

工具推荐

视频效率加速
updream

一键生成高质量推广成片

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

Laper
Laper

剧本策划到成片协作

为什么在SQL分布式查询中GROUP BY会导致大规模网络Shuffle?

梦雪同学_8250

梦雪同学_8250

发布时间:2026-11-21 10:49:01

|

577人浏览过

|

来源于php中文网

原创

GROUP BY触发Shuffle是因为分布式数据库不假设同分组键数据天然同节点;若分片键与分组键不一致(如按order_id分片却GROUP BY region_code),必须集中数据才能准确聚合,该集中过程即Shuffle。

为什么在sql分布式查询中group by会导致大规模网络shuffle?

GROUP BY 为什么触发 Shuffle 而不是本地算完

因为分布式数据库默认不假设“相同分组键的行天然在同一个节点上”。如果 GROUP BY region_code,而表是按 order_id 分片的,那每个节点都存着各种 region_code 的数据——要正确求和,必须把所有 region_code = 'east' 的行集中到一个地方再算。这个“集中”就是 Shuffle。

Shuffle 数据量远超预期的三个原因

实际传输的不是“结果”,而是原始行或未压缩中间态:

  • 没开两阶段聚合时,Exchange 算子搬运的是全量原始行(比如 100 万行 × 20 字段 = 几十 MB)
  • 即使开了局部聚合,若 GROUP BY 字段不是分区分桶键(如 Doris 的 DISTRIBUTED BY (user_id) 却查 region_code),节点无法预分组,仍得发原始行
  • 用了表达式(如 GROUP BY DATE(created_at))或隐式类型转换(VARCHAR 字段传 TEXT 值),索引和分片逻辑失效,强制退化为全局 Shuffle

怎么确认当前查询真正在 Shuffle

别猜,看执行计划:

  • 用 EXPLAIN FORMAT = 'VERBOSE',重点找外层是否只有 HashAgg —— 如果 GroupBy 出现在最外层,说明全在中心节点做
  • 如果看到大量 Exchange 或 RemoteScan 算子,且监控里网络带宽打满、CPU 不高,基本就是 Shuffle 瓶颈
  • StarRocks 查 profile 中 ExchangeSink 数据量;Doris 看 Be 日志里 shuffle bytes sent

真正能压低 Shuffle 的硬条件

两阶段不是开关一开就生效,它依赖三者咬合:

  • GROUP BY 字段必须是表的分区分桶键(如 Doris 的 DISTRIBUTED BY (region_code))
  • WHERE 条件必须能下推(避免 WHERE YEAR(created_at) = 2024,改用范围查询)
  • 不能有阻断优化器的外层操作:比如 ORDER BY 或 LIMIT 在聚合后直接出现,会迫使优化器跳过局部阶段

最容易被忽略的是:即使满足以上,若 region_code = 'east' 占了 80% 数据,局部聚合后那个节点仍要发几十 GB 到中心——这时候问题已不在 SQL 写法,而在数据建模本身。

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
笔灵降AI

一款AI论文写作工具,主要用于论文降AI神器,适配知网及维普!一键降至安全线,100%保留原文格式;无口语化问题,文风更学术,降后字数控制最佳!,适合需要提升相关任务效率的用户。

超级简历WonderCV

一款AI办公效率工具,主要用于免费求职简历模版下载制作,应届生职场人必备简历制作神器,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。

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。

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。

UpDream
UpDream Hot

一款AI视频创作工具,主要用于哔哩哔哩推出的自研AI视频创作工具,适合需要提升相关任务效率的用户。

Laper
Laper Hot

Laper是专为编剧、导演和制片人推出的 AI 原生剧本创作工具。

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。

咔片AIPPT

一款在线AI演示文稿制作工具,可根据主题和内容需求辅助生成PPT结构与页面,提高演示材料制作效率。

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。

6736

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。

263

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。

566

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。

5163

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。

1051

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。

1349

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。

7281

2024.03.06

Navicat创建数据库教程
Navicat创建数据库教程

本专题整理Navicat创建数据库相关教程,介绍新建前的准备、基础设置和创建后的检查方法。内容兼顾入门学习及实际使用需求,帮助用户了解不同数据库类型下的操作差异,为后续建表、保存数据和日常管理提供参考。

0

2026.11.20

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