Presto中LEFT JOIN/INNER JOIN的查询优化问题

LEFT JOIN场景：两种写法有本质差异 #

首先要明确：这两种LEFT JOIN写法的结果集完全不同，不存在“哪种更高效”的选择问题——因为它们对应不同的业务逻辑：

• 写法1：SELECT * FROM TABLE A LEFT JOIN TABLE B ON col_a = col_b
  保留大表A的所有行，仅将匹配col_a=col_b的B表数据关联进来，不匹配的B表字段用NULL填充。结果集行数≥A表行数，是一个超大结果集。
• 写法2：SELECT * FROM TABLE B LEFT JOIN TABLE A ON col_a = col_b
  保留小表B的所有行，仅将匹配col_a=col_b的A表数据关联进来，不匹配的A表字段用NULL填充。结果集行数≥B表行数，是一个极小结果集。

如果业务需求是保留大表A的全部数据，只能用写法1；如果需求是保留小表B的全部数据，就用写法2。从执行效率看，写法2的整体查询耗时会远低于写法1，因为结果集大小差距极大；但这是业务逻辑决定的，而非写法优化的选择。

另外，Presto的查询优化器在处理JOIN时，会自动识别小表并执行广播连接（Broadcast Join）：把小表数据分发到各个存储大表分片的节点，避免大表数据跨节点移动。无论LEFT JOIN的左表是大表还是小表，优化器都会优先广播小表，所以JOIN阶段的执行效率本身差异不大，核心差异还是结果集的大小。

INNER JOIN场景：两种写法无差异 #

对于INNER JOIN，SELECT * FROM TABLE A INNER JOIN TABLE B ON col_a = col_b和SELECT * FROM TABLE B INNER JOIN TABLE A ON col_a = col_b的结果集完全一致（仅列的顺序可能不同）。

Presto的优化器会自动忽略表的书写顺序，识别出小表B并将其作为广播表，执行广播连接优化。因此两种写法的执行效率几乎没有差异，不需要特意调整表的顺序。

内容的提问来源于stack exchange，提问作者Shlim