数据库中的连接算法Join的磁盘I/O需求

写在前面：
　　最近要考试了，复习期间为了帮自己巩固知识，顺手写下这些，主要是关于数据库在查询过程中各种操作的I/O需求，这篇讲的是join操作，之后有时间也会整理其他的，敬请期待呀~

1 嵌套循环连接Iteration join

——算法如下所示

1.1 基于元组、非聚簇

【读取R1中的一条元组，和R2join。】

100个block可存放的元组数（每个block可放10条元组）:

100 * 10 = 1000

每次读取R1的100个block的元组到内存中，读取R2(5000)，进行join.
每次读100个block，R1的10000条元组需要读取的次数：

10000 / (100 * 10)

注： 将小的那个R用来读取100个block，会减小一定的I/O数

1.2 基于块、聚簇

每次读R2的100个chunk到内存中，读R1进行join。（这里的一个chunk包含10条元组）

2 基于排序的连接Merge Join

——算法如下所示

2.1 有序、聚簇、基于块

将R1和R2都读入内存中，直接join

2.1 无序、聚簇、基于块

对每个R，先读到内存中，然后每个块内部先排序，输出到磁盘；接着再读入内部排序好的各个块，进行块之间的联合排序，输出到磁盘；最后将排序好的R读到内存中进行Join。即每个R的I/O操作为五次。（包含归并排序内容）

优化：在第二次块间排序同时join，每个R的I/O操作为三次。但对内存有一定的要求。

3 基于索引的连接Index Join

——算法如下所示

3.1 普通Index Join

读R2的block(500) + 对R2的每条元组(5000) * (探索索引 + R1中匹配的元组数)

3.2 部分常驻内存

R1.c的索引有201个block块，将根和99个叶子结点常驻内存，其他101个存在磁盘上。则:

探索索引的I/O操作数E = 常驻内存的结点I/O操作数 * 常驻结点的概率 + 存在磁盘的结点I/O操作数 * 磁盘结点的概率

4 基于哈希的连接Hash Join

——算法如下所示

4.1 普通Hash Join

对每个R，先读到内存中，根据hash函数把元组分配到各个桶中，写回磁盘；然后把桶读会内存，进行join。即每个R的I/O操作为三次。（要求比较小的桶能够放在内存中，且哈希函数选择得够好，桶中的元组数量平均。）

4.2 混合Hash Join

假设有33个桶，则对R1来说，每个桶中有1000/33=31个block。放两个桶G0和G1在内存中不写回磁盘，则写回磁盘的为33-2=31个桶里的元组数，R2类似（R2中被分配到G0和G1的元组直接进行join输出）。最后将写回磁盘的所有桶读入内存进行join。

4.3 键指对Hash Join

在内存中只存放键值对，一个块可以存放100个键值对。