Hash join演算法原理

自從oracke 7.3以來，oracle提供了一種新的join技術，就是hash join。Hash Join只能用於相等連線，且只能在CBO最佳化器模式下。相對於nested loop join，hash join更適合處理大型結果集。Hash join不需要在驅動表上存在索引。

一． Hash Join概述

Hash join演算法的一個基本思想就是根據小的row sources(稱作build input，我們記較小的表為S，較大的表為B) 建立一個可以存在於hash area記憶體中的hash table，然後用大的row sources(稱作probe input) 來探測前面所建的hash table。如果hash area記憶體不夠大，hash table就無法完全存放在hash area記憶體中。針對這種情況，Oracle在連線鍵利用一個hash函式將build input和probe input分割成多個不相連的分割槽（分別記作S_i和B_i），這個階段叫做分割槽階段；然後各自相應的分割槽，即S_i和B_i再做Hash join，這個階段叫做join階段。

如果在分割槽後，針對某個分割槽所建的hash table還是太大的話，oracle就採用nested-loops hash join。所謂的nested-loops hash join就是對部分S_i建立hash table，然後讀取所有的B_i與所建的hash table做連線，然後再對剩餘的S_i建立hash table，再將所有的B_i與所建的hash table做連線，直至所有的S_i都連線完了。

Hash Join演算法有一個限制，就是它是在假設兩張表在連線鍵上是均勻的，也就是說每個分割槽擁有差不多的資料。但是實際當中資料都是不均勻的，為了很好地解決這個問題，oracle引進了幾種技術，點陣圖向量過濾、角色互換、柱狀圖，這些術語的具體意義會在後面詳細介紹。

二． Hash Join原理

我們用一個例子來解釋Hash Join演算法的原理，以及上述所提到的術語。

考慮以下兩個資料集。

S={1,1,1,3,3,4,4,4,4,5,8,8,8,8,10}

B={0,0,1,1,1,1,2,2,2,2,2,2,3,8,9,9,9,10,10,11}

Hash Join的第一步就是判定小表（即build input）是否能完全存放在hash area記憶體中。如果能完全存放在記憶體中，則在記憶體中建立hash table，這是最簡單的hash join。

如果不能全部存放在記憶體中，則build input必須分割槽。分割槽的個數叫做fan-out。Fan-out是由hash_area_size和cluster size來決定的。其中cluster size等於db_block_size * hash_multiblock_io_count，hash_multiblock_io_count在oracle9i中是隱含引數。這裡需要注意的是fan-out並不是build input的大小/hash_ara_size，也就是說oracle決定的分割槽大小有可能還是不能完全存放在hash area記憶體中。大的fan-out導致許多小的分割槽，影響效能，而小的fan-out導致少數的大的分割槽，以至於每個分割槽不能全部存放在記憶體中，這也影響hash join的效能。

Oracle採用內部一個hash函式作用於連線鍵上，將S和B分割成多個分割槽，在這裡我們假設這個hash函式為求餘函式，即Mod(join_column_value,10)。這樣產生十個分割槽，如下表。

分割槽		B0	B1	B2	B3	B4	B5	B6	B7	B8	B9
	值	0,0,10,10	1,1,1,1,11	2,2,2,2,2,2	3	NULL	NULL	NULL	NULL	8	9,9,9
S0	10	√
S1	1,1,1		√
S2	Null
S3	3,3				√
S4	4,4,4,4
S5	5
S6	NULL
S7	NULL
S8	8,8,8,8									√
S9	NULL

經過這樣的分割槽之後，只需要相應的分割槽之間做join即可（也就是所謂的partition pairs），如果有一個分割槽為NULL的話，則相應的分割槽join即可忽略。

在將S表讀入記憶體分割槽時，oracle即記錄連線鍵的唯一值，構建成所謂的點陣圖向量，它需要佔hash area記憶體的5%左右。在這裡即為{1,3,4,5,8,10}。

當對B表進行分割槽時，將每一個連線鍵上的值與點陣圖向量相比較，如果不在其中，則將其記錄丟棄。在我們這個例子中，B表中以下資料將被丟棄

{0,0,2,2,2,2,2,2,9,9,9,9,9}。這個過程就是點陣圖向量過濾。

當S1,B1做完連線後，接著對Si,Bi進行連線，這裡oracle將比較兩個分割槽，選取小的那個做build input，就是動態角色互換，這個動態角色互換髮生在除第一對分割槽以外的分割槽上面。

[@more@]