Data skew 很好理解，即数据倾斜。现实中的数据很多都不是正态分布的，譬如城市人口，东部沿海一个市的人口与西部地区一个市地区的人口相比，东部城市人口会多好几倍。
postgresql的skew的优化核心思想是"避免磁盘IO"。
优化器往往会选择小表和正态分布的表做inner table，这会导致 outer table要不更大，要不是非正态分布。如果outer table的表是非正态分布的话，会在batch0来处理那些most common value（MCV）
大致过程如下：
1、prepare skew hash table

• 确定skew hash table大小，默认分配2%内存
• 获取outer table的MCV统计信息，对于每个mcv计算其hash值，并放到对应的skew hash bucket中。由于此时没有处理inner table，所以bucket应该指向NULL。如果产生hash 冲突，采用线性扫描发，当前slot被占用，则寻找下一个可以占用的slot。
• 填充skew hash table：扫描inner table构建 main hashtable。如果tuple属于skew hash table，且对应的slot不为空，那就将tuple加入skew hash table，而非main hashtable。
  之后就是扫描outer table的probe阶段了。
  若该tuple是MCV tuple，则到skew hash table中去寻找匹配。
  否则就进到hybrid hash join算法的处理逻辑中。

这样做的好处是，50%的mcv在batch0阶段就处理好了，就可以节约50%的磁盘IO。
(也就是说把常见数据放到了batch0中匹配，而且在batch0的处理是不需要从disk load 数据的，从而减少了IO)
参考：
全面解读PostgreSQL和Greenplum的Hash Join