ClickHouse的JOIN算法选择逻辑以及auto选项

ClickHouse的JOIN算法选择逻辑以及auto选项

ClickHouse中的JOIN的算法有6种：

1. Direct;
2. Partial merge;
3. Hash;
4. Grace hash;
5. Full sorting merge;
6. 6. Parallel hash。

Setting配置join_algorithm用于指定JOIN算法，它可以设置为多个值，例如join_algorithm='direct,hash,partial_merge'。在选择最终JOIN算法的时候是根据setting配置join_algorithm, 以及JOIN操作的Strictness、Kind和参与JOIN的右表表引擎类型共同决定。
Setting配置join_algorithm的可选值（可以组合，前面的例子已经展示了）如下所示：

1. default
2. auto
3. hash
4. partial_merge
5. prefer_partial_merge
6. parallel_hash
7. direct
8. full_sorting_merge
9. grace_hash

JOIN算法的选择逻辑

上面已经提到join_algorithm上可以指定多个值，相当于是一个多路开关，它规定了哪些JOIN算法可以使用。而在具体JOIN语句执行时则根据具体情况（例如Strictness、Kind和右表表引擎类型）选择合适的JOIN算法。如果没有合适的JOIN算法，则会报错。选择逻辑按照优先级从高往低列举如下：

1. 如果setting join_algorithm 包含'direct'或'default'，则优先尝试Direct join。Direct join的使用条件是：

   Strictness	Kind	右表引擎	JOIN关键字/条件
   ANY	LEFT	键值对表引擎，如 Join engine、Dictionary engine	必须为Join表引擎的关键字 单连接条件（不带OR）

2. 如果setting join_algorithm 包含'partial_merge'或者'prefer_partial_merge'，则尝试使用Partial(sorting) merge join。Partial(sorting) merge join的使用条件是：

   Strictness	Kind	右表引擎	JOIN关键字/条件
   ALL	INNER LEFT RIGHT FULL	-	单连接条件（不带OR）
   ANY | SEMI	INNER LEFT	-	连接条件（不带OR）

3. 如果setting join_algorithm 包含'parallel_hash'，则尝试使用Parallel hash join。Parallel hash join的使用条件是：

   Strictness	Kind	右表引擎	JOIN关键字/条件
   除了ASOF的所有	INNER LEFT	-	单连接条件（不带OR）

4. 如果setting join_algorithm 包含'hash'或'default'，或者虽然包含'parallel_hash'或'prefer_partial_merge'但是前面对应使用条件不满足，则尝试使用Hash join。Hash join的使用条件是：

   Strictness	Kind	右表引擎	JOIN关键字/条件
   所有	所有	-	-

5. 如果setting join_algorithm 包含'full_sorting_merge'，则尝试使用Full sorting merge join。Full sorting merge join的使用条件是：

   Strictness	Kind	右表引擎	JOIN关键字/条件
   ALL | ANY	INNER LEFT RIGHT FULL	-	单连接条件（不带OR）

6. 如果setting join_algorithm 包含'grace_hash'，则尝试使用Grace hash join。Grace hash join的使用条件是：

   Strictness	Kind	右表引擎	JOIN关键字/条件
   除了ASOF的所有	INNER LEFT RIGHT FULL		单连接条件（不带OR）

7. 如果setting join_algorithm 包含'auto'，则尝试先使用Hash join。当切换条件触发且Partial merge join的使用条件满足时切换到Partial merge join。

Auto的逻辑

当join_algorithm设置为'auto'时，ClickHouse会自行（不一定算是很智能）根据内存消耗情况选择JOIN算法。

首先采用hash join，并在JOIN运算期间记录生成的哈希表的行数和所消耗的内存。当行数或者消耗内存大小达到阈值时，切换到partial merge join算法。

阈值由settings设置max_rows_in_join 和max_bytes_in_join设定。

设置join_overflow_mode

当join_algorithm为'hash'时，在阈值max_rows_in_join 和max_bytes_in_join被超过时的行为取决于join_overflow_mode的设定。join_overflow_mode有两种取值：

1. THROW

   抛异常。

2. BREAK

   中断执行，返回部分结果。