为何nested loop要求小表驱动，hash join又为何要求小表hashed？

最新推荐文章于 2024-03-04 18:06:40 发布

转载最新推荐文章于 2024-03-04 18:06:40 发布 · 2.6k 阅读

文章标签：

20 篇文章

订阅专栏

本文探讨了数据库中Nested Loop与Hash Join两种连接方式的成本计算方法及其适用场景。Nested Loop适用于小表连接，其成本受内外表访问成本影响；Hash Join在缺乏索引时更为高效，成本涉及内外表访问及哈希分区。

一般nested loop适合于返回行数<10000的，较小行数返回的表的连接。

nested loop的过程：选择row resource 最小的那个表作为驱动表（外部表），内部表要求有选择性高的index。从外部表（驱动表）里一次取一行对内部表的每行进行比较，即外部表有几个distinct行，就有几次nested loop。

所以nested loop的代价是：

cost = outer access cost + (inner access cost * outer cardinality)

outer access cost应该是读取驱动表到内存，而内部表要求有有效的index也是为了降低inner access cost，而驱动表要求小，也就很好理解了。

Hash join 在缺少index的情况下比nested loop更有效，一般情况下比nested loop更快，因为处理内存中的hash表比b-tree index更迅速。有无index，对hash join并没有什么影响。

一般也是选择较小的表（内部表）读入内存，进行hash 算法，根据连接键构建成hash table。该表如果太大的话，会根据当前系统的参数设置，将该表分piece读入内存构建成hash表。然后外部表中的每行也被读入内存进行hash算法，得到一个hash值，对该piece进行比较。

所以hash join的cost 如下：

cost = (outer access cost * number of hash partitions) + inner access cost

上述两个cost里面都是先计算出读入内存的小表的access cost，只不过小表对于nested loop来说是outer table，而对于hash join而言是inner table

可见，如果一个hash内存设置的大的话，如果只有一个piece，那么cost=内部表与外部表的access cost相加之和，相当的。当然也要算上hash的代价，所以hash应该比nest loop快，但是选择nested loop还是hash join，一切交给optimizer就可以了。