StarRocks 的 Broadcast、Shuffle、Bucket Shuffle 和 Colocate Join 有什么区别?
这道题考什么
这是 StarRocks 多表查询面试中的高频题。面试官通常想确认:两边的数据为什么能在同一处匹配,网络搬了哪一侧,选择这条路需要什么前提。常见回答是“广播小表、Shuffle 大表、Colocate 最快”,但这没有解释桶布局,也忽略广播的内存放大和同置组的稳定性。本文按 StarRocks 3.5 稳定版讨论,布局示例以存算一体为主,存算分离的差异单独说明。
一句话回答
四者是 Join 的数据分布策略:Broadcast 复制构建侧,Shuffle 按连接键重分布两侧,Bucket Shuffle 复用一侧合法桶布局并重分布另一侧,Colocate 利用预先对齐且稳定的同置布局完成本地匹配;它们可以共同采用 Hash Join,不能当成四种互斥的连接算法。