oracle: 表连接方式---hash join原理

表的连接方式 是执行计划生成的重要方面。

各种连接方式代表不同的连接操作算法。

不同的连接方式也适应不同的数据量和数据分布情况。

 

嵌套循环，随即读成本大，合并排序连接，需要大规模的sort操作，内存和temp空间压力大，在处理海量数据随机读，海量排序，都不能被接受。所以，hash Join连接比较常用。

 

Hash join 原理

 

Hash join是借助hash算法，连带小规模的nest loop join,同时利用内存空间进行高速数据缓存检索的一种算法。

 

Hash join算法步骤：

1)     hash join连接对象依然是2个表，首先选择出其中一个小表，这里的小表，就是参与连接操作的数据集合数据量小。对连接列字段的所有数据值，进行hash 函数操作。Hash函数处理过得数据特征是‘相同数据值的hash函数值一定相同，不同数据值的hash函数值可能相同’；

2)     经过hash函数处理过的小表连接列，连同数据一起存在oracle PGA空间中，PGA中存在一块空间为hash_area，专门存放此类类型。并且，依据不同的hash函数值，进行划分bucket操作，每个bucket中包括所有相同hash函数值的小表数据，同时建立hash键值对应位图。

3)     之后对进行hash连接大表数据连接列依次读取，并将每个hash值进行bucket匹配，定位到适当的bucket上（应用hash检索算法）‘

4)     在定位到的bucket中，进行小规模的精确匹配，因为此时的范围已经缩小，进行匹配的成功率精确度高，同时，匹配是在内存中进行，速度较merge sort join快很多。

 

从原理过程来看，hash join 和 NL,一样，进行一定的嵌套循环匹配操作，不过差异在于匹配进行随机读的范围是受限范围。不会像NL直接频繁进行全表规模的随机读。

 

Hash join和 排序合并连接相似之处，都是利用PGA空间进行独立操作。Hashjoin的bucket就是保存在内存的PGA中，有一块专门hash_area进行该项操作。选择小表作为驱动表，就是尽量使PGA内存中可以完全装下小表，不使用temp表空间。这样hash匹配和精确匹配的速度就有保障。

 

最后，hash join使用场景是有限制的，最大的一个就是连接仅能使用等值‘=’连接。因为hash匹配的过程只能支持相等操作。还有就是连接列的数据分布要尽量做到均匀，这样产生的bucket也会比较均匀，这样匹配的速度才有保证。如果数据列分布偏移严重，hash join算法效率会有退化。

转自：

Oracle表连接操作——Hash Join（哈希连接）上

http://blog.itpub.net/17203031/viewspace-697442