我有两张table A 以及 B ，两者都是 MergeTree 与8192 index_granularity . 当我申请的时候 cross join 两张table。一般来说，查询喜欢

select
    count(*)
from
(select * from A where ... )
cross join
(select * from B where ...)
where ...;

原始表格： A 有 314307856 记录， B 有 909470 .
过滤掉： A 有 6599 记录， B 有 14860 . (尽管有显著的记录差异，但两个过滤器都非常快）
我注意到在切换顺序时性能有很大的差距 A 以及 B 在查询中。
什么时候 A cross join B : 1 rows in set. Elapsed: 12.242 sec. Processed 26.72 million rows 什么时候 B cross join A : 1 rows in set. Elapsed: 45.584 sec. Processed 26.72 million rows 两个订单都有 pipeline ```
CreatingSets
Lazy
Expression
Expression
ParallelAggregating
Expression × (num_parts)
Filter
Expression
Expression
Expression
Filter
MergeTreeThread

有时， `B cross join A` 有

CreatingSets
Lazy
Expression
Expression
Aggregating
Concat
Expression
Filter
Expression
Limit
Expression
Union
Limit × 7
Expression
Filter
MergeTreeThread

-->我注意到 `clickhouse-server` 我的记忆会随着这条管道很快迸发出来。
据我所知 `join` 查询， `clickhouse` 将首先执行右边的执行，将其放入内存中，然后执行左边的下一个。在我的情况下，两者都过滤掉了 `A` 以及 `B` 绝对符合记忆。
我的问题是：
为什么两个查询的性能有巨大的差异？两个表的顺序如何影响查询性能？选择顺序时的一些建议。
在多个执行中，同一查询的管道是否可以不同？
更新1:有关我的查询的更多详细信息

SELECT
count(*)
FROM
(
SELECT
...
FROM B
WHERE (((day >= '2018-08-15') AND (day <= '2018-08-16')) AND ((timestamp >= 1534310226442) AND (timestamp <= 1534399065648))) AND (log_time <= 1534316318187)
)
CROSS JOIN
(
SELECT
...
FROM A
WHERE (((day >= '2018-08-14') AND (day <= '2018-08-16')) AND ((timestamp >= 1534223826442) AND (timestamp <= 1534399065648))) AND (log_time <= 1534316318187) AND match(..., '...')
)
WHERE position(..., ...) > 1