DISTRIBUTED BY (xx) 是分布式数据库（如 Apache Doris、ClickHouse、TiDB）建表时的必填语句，用来决定数据如何分片存储到不同节点。简单说，就是指定一个字段作为“分桶键”，数据库根据这个字段的值计算 Hash，把数据打散到各个机器上。它的核心作用：· 控制数据分布：保证相同 xx 值的数据进入同一个分片（Bucket），避免跨节点查询。· 决定查询性能：如果 WHERE 条件频繁用 xx 过滤，数据只会在对应分片查询（分区裁剪），速度极快；如果不用该字段过滤，查询会触发全分片扫描（所有机器都查），性能下降。举个实际例子：```sql-- 订单表按用户ID分桶CREATE TABLE orders ( user_id INT, order_date DATE) DISTRIBUTED BY HASH(user_id) BUCKETS 8;```· 查询 WHERE user_id = 123：只需查 1 个分片，毫秒级。· 查询 WHERE order_date = '2026-08-13'：需扫描全部 8 个分片，明显变慢。重要口诀： DISTRIBUTED BY 的字段，必须是你最常用的等值查询字段（如用户 ID、订单号）。选错字段，再大的集群也跑不快。如果还想了解 PARTITION BY（分区）和它的区别，我可以继续解释。
发布于 浙江
分享
1
1
未登录
友善发言
评论
加载中
