BigQuery查询优化：JOIN时为何将大表置于左侧？

核心原理 #

BigQuery基于分布式架构处理数据，JOIN操作的核心成本在于数据移动和节点间匹配的开销。把大表放在JOIN左侧的逻辑，本质是引导查询优化器选择更高效的执行策略：

• 当大表作为左表时，优化器会优先将小表**广播（Broadcast）**到存储大表分片的所有节点，让小表数据在每个节点本地与大表分片做匹配，无需移动大表数据。
• 若反过来把小表放左侧，优化器可能触发**洗牌（Shuffle）**操作——将大表数据打散后分发到各个节点，这会产生海量跨节点数据传输，大幅提升资源消耗。
• 此外，BigQuery的大表通常会配置分区或分桶，将其放在左侧时，优化器能更高效地利用这些预组织的存储结构，只扫描需要的分片，减少无效数据读取。

带来的性能差异 #

• 大幅降低网络开销：广播小表的数据量远小于洗牌大表，跨节点数据传输量能减少数倍甚至数十倍，避免网络成为性能瓶颈。
• 减少计算资源消耗：本地匹配无需额外的数据重组操作，节点的CPU、内存占用更低，查询执行时间明显缩短。
• 降低数据倾斜风险：大表分片本地匹配小表，不会出现某几个节点集中处理超大份额数据的情况，减少查询因资源耗尽失败的概率。
• 放大分区/分桶的优化效果：大表的分区过滤规则可以提前生效，只处理符合条件的分区数据，进一步缩小计算范围。

内容的提问来源于stack exchange，提问作者tru