hash_join算法原理.pdfVIP

sheagle@yeah.net Hashjoin Hashjoin HHaasshhjjooiinn算法原理 自从oracke7.3以来，oracle 提供了一种新的join 技术，就是hash join。Hash Join 只能用于相等连接，且只能在CBO优化器模式下。相对于nestedloop join， hash join 更适合处理大型结果集。Hash join 不需要在驱动表上存在索引。 HashJoin HashJoin 一． HHaasshhJJooiinn概述 Hash join 算法的一个基本思想就是根据小的rowsources(称作build input，我 们记较小的表为S，较大的表为B) 建立一个可以存在于hash area内存中的hash table，然后用大的rowsources(称作probe input) 来探测前面所建的hash table。 如果hash area内存不够大，hash table 就无法完全存放在hash area内存中。针对 这种情况，Oracle 在连接键利用一个hash 函数将build input 和probe input 分割 成多个不相连的分区（分别记作S 和B），这个阶段叫做分区阶段；然后各自相i i 应的分区，即S 和B 再做Hash join，这个阶段叫做join 阶段。i i 如果在分区后，针对某个分区所建的hash table 还是太大的话，oracle 就采用 nested-loopshash join。所谓的nested-loopshash join就是对部分S 建立hash table，i 然后读取所有的B 与所建的hash table做连接，然后再对剩余的S 建立hash table，i i 再将所有的B 与所建的hash table 做连接，直至所有的S 都连接完了。i i Hash Join 算法有一个限制，就是它是在假设两张表在连接键上是均匀的，也 就是说每个分区拥有差不多的数据。但是实际当中数据都是不均匀的，为了很好 地解决这个问题，oracle 引进了几种技术，位图向量过滤、角色互换、柱状图， 这些术语的具体意义会在后面详细介绍。 HashJoin HashJoin 二． HHaasshhJJooiinn原理 我们用一个例子来解释Hash Join 算法的原理，以及上述所提到的术语。 考虑以下两个数据集。 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 内存中。如果能完全存放在内存中，则在内存中建立hash table，这是最简单 的hash join。 如果不能全部存放在内存中，则 build input 必须分区。分区的个数叫做 fan-out。Fan-out 是由hash_area_size和clustersize 来决定的。其中cluster size等 于db_block_size * hash_multiblock_io_count，hash_multiblock_io_count 在oracle9i 中是隐含参数。这里需要注意的是 fan-out 并不是 build input 的大小 /hash_ara_size，也就是说oracle 决定的分区大小有可能还是不能完全存放在hash area内存中。大的fan-out导致许多小的分区，影响性能，而小的fan-out导致少 数的大的分区，以至于每个分区不能全部存放在内存中，这也影响hash join 的 性能。 Oracle 采用内部一个hash 函数作用于连接键上，将S 和B分割成多个分区， 在这里我们假设这个hash 函数为求余函数，即Mod(join_column_value,10)。这样 sheagle@yeah.net 产生十个分区，如下表。 分 B0 B1 B2 B3 B4 B5 B6 B7 B8 B9 区 值 0