sql 查询强制使用HASH连接性能测试比较

时间：2016-07-21 12:28:48 阅读：201 评论：0 收藏：0 [点我收藏+]

标签：

HASH JOIN 散列连接

hash join是CBO 做大数据集连接时的常用方式。优化器扫描小表（或数据源），利用连接键（也就是根据连接字段计算hash 值）在内存中建立hash表，然后扫描大表，每读到一条记录就来探测hash表一次，找出与hash表匹配的行。
当小表可以全部放入内存中，其成本接近全表扫描两个表的成本之和。如果表很大不能完全放入内存，这时优化器会将它分割成若干不同的分区，不能放入内存的部分就把该分区写入磁盘的临时段，此时要有较大的临时段从而尽量提高I/O 的性能。临时段中的分区都需要换进内存做hash join。这时候成本接近于全表扫描小表+分区数*全表扫描大表的代价和。

（对以上的过程保持疑问，可能是RDMS的问题，在《数据库系统概念》一书中，hash join算法的思想是这样的：对两个关系的连接属性分别作hash，hash函数一定要有较好的随机性和均匀性，如果关系r的一个元组和关系s的一个元组满足连接条件，那么他们在连接属性上有相同的值。如该值经散列函数映射为i，则关系s的那个元组必在H（ri）中，而关系s的那个元组必在H（si）中。因此，H（ri）中的元组只需与H（si）中的元组作比较，而没有必要与s的其他任何分区作比较。很明显这种算法比以上算法代价小的多。）

至于两个表都进行分区，其好处是可以使用parallel query，就是多个进程同时对不同的分区进行join，然后再合并。但是复杂。

hash join可能有优势：
1，两个巨大的表之间的连接。

2，在一个巨大的表和一个小表之间的连接。

3，可用ordered提示来改变CBO默认的驱动表，可用USE_HASH(table_name1 table_name2)提示来强制使用hash join

1.散列连接是CBO做大数据集连接时的常用方式.

2.也可以用USE_HASH(table_name1 table_name2)提示来强制使用散列连接

3.Hash join在两个表的数据量差别很大的时候.

4.Hash join的工作方式是将一个表（通常是小一点的那个表）做hash运算，将列数据存储到hash列表中，从另一个表中抽取记录，做hash运算，到hash列表中找到相应的值，做匹配。

当缺乏索引或者索引条件模糊时，哈希连接连接比嵌套循环有效。通常比排序合并SORT MERGE JOIN连接快。

在数据仓库环境下，如果表的纪录数多，效率高。

参考地址：http://blog.csdn.net/chengweipeng123/article/details/7235387

以下是自己做的一个小测试