【发布时间】：2016-03-29 23:23:46
【问题描述】：
我最近一直在研究 RethinkDB，很害怕看到加入文档部分。据我所知，RethinkDB 将数据存储在分片中，这些分片可能是分布式的（这对于连接来说实际上是一个巨大的NO）。那么 RethinkDB 是如何进行连接查询的呢？它基本上是在一个节点上下载所有数据（这会使现有索引变得无用，不是吗？），还是使用更复杂的算法？
【问题讨论】：
【发布时间】：2016-03-29 23:23:46
【问题描述】：
在 RethinkDB 2.2 及之前版本中，eqJoin 对左侧输入中的每个文档在右侧表上执行索引 getAll 操作。
此操作在托管eqJoin 命令左侧输入的每个分片上启动。
正如您所指出的，执行getAll 可能需要通过网络到达另一台服务器上右侧表的分片。但是索引仍在使用中。
（你可以在这里找到eqJoin的实现：https://github.com/rethinkdb/rethinkdb/blob/v2.2.x/src/rdb_protocol/terms/rewrites.cc#L121只是对其他操作的重写）
从即将推出的 RethinkDB 2.3 开始，eqJoin 使用批处理的 getAll 操作。这意味着它从左侧输入读取一堆结果（例如，最多 1 MB），然后向右侧表的分片发出一个 getAll。一旦从这些分片中取回数据，它就会将其与之前从左侧输入读取的数据结合起来，并将其传递给用户。然后重复此操作，直到左侧输入的所有数据都已处理完毕。
这种方法需要的服务器之间的网络往返次数要少得多，而且通常要快得多。您可以在 https://github.com/rethinkdb/rethinkdb/issues/5115 找到有关新实现的更多详细信息。
最后，其他可用的连接操作（innerJoin 和 outerJoin）没有被编入索引，并且不应该用于任何显着大小的数据集，正如文档还指出的那样。
【讨论】：