淺談Oracle中的三種Join方法

基本概念

Nested loop join：

Outer table中的每一行與inner table中的相應記錄join，類似一個嵌套的循環。

Sort merge join：

將兩個表排序，然后再進行join。

Hash join：

將兩個表中較小的一個在內存中構造一個Hash 表（對Join Key），掃描另一個表，同樣對Join Key進行Hash后探測是否可以join，找出與之匹配的行。

一張小表被hash在內存中。因為數據量小，所以這張小表的大多數數據已經駐入在內存中，剩下的少量數據被放置在臨時表空間中；

每讀取大表的一條記錄，就和小表中內存中的數據進行比較，如果符合，則立即輸出數據（也就是說沒有讀取臨時表空間中的小表的數據）。而如果大表的數據與小表中臨時表空間的數據相符合，則不直接輸出，而是也被存儲臨時表空間中。

當大表的所有數據都讀取完畢，將臨時表空間中的數據以其輸出。如果小表的數據量足夠小（小于hash area size），那所有數據就都在內存中了，可以避免對臨時表空間的讀寫。

如果是并行環境下，前面中的第2步就變成如下了：每讀取一條大表的記錄，和內存中小表的數據比較，如果符合先做join，而不直接輸出，直到整張大表數據讀取完畢。如果內存足夠，Join好的數據就保存在內存中。否則，就保存在臨時表空間中。

適用范圍

Nested loop join:

適用于outer table(有的地方叫Master table)的記錄集比較少（10000）而且inner table（有的地方叫Detail table）索引選擇性較好的情況下（inner table要有index）。

inner table被outer table驅動，outer table返回的每一行都要在inner table中檢索到與之匹配的行。當然也可以用ORDERED 提示來改變CBO默認的驅動表，使用USE_NL(table_name1 table_name2)可是強制CBO 執行嵌套循環連接。

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

Sort merge join：

用在數據沒有索引但是已經排序的情況下。

通常情況下hash join的效果都比Sort merge join要好，然而如果行源已經被排過序，在執行排序合并連接時不需要再排序了，這時Sort merge join的性能會優于hash join。可以使用USE_MERGE(table_name1 table_name2)來強制使用Sort merge join。
cost = (outer access cost * # of hash partitions) + inner access cost

Hash join：

適用于兩個表的數據量差別很大。但需要注意的是：如果HASH表太大，無法一次構造在內存中，則分成若干個partition，寫入磁盤的temporary segment，則會多一個I/O的代價，會降低效率，此時需要有較大的temporary segment從而盡量提高I/O的性能。

可以用USE_HASH(table_name1 table_name2)提示來強制使用散列連接。如果使用散列連HASH_AREA_SIZE 初始化參數必須足夠的大，如果是9i，Oracle建議使用SQL工作區自動管理，設置WORKAREA_SIZE_POLICY 為AUTO，然后調整PGA_AGGREGATE_TARGET 即可。

也可以使用HASH_JOIN_ENABLED=FALSE（默認為TRUE）強制不使用hash join。

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

效率比較

Hash join的主要資源消耗在于CPU（在內存中創建臨時的hash表，并進行hash計算），而merge join的資源消耗主要在于磁盤I/O（掃描表或索引）。在并行系統中，hash join對CPU的消耗更加明顯。所以在CPU緊張時，最好限制使用hash join。

在絕大多數情況下，hash join效率比其他join方式效率更高：

在Sort-Merge Join(SMJ)，兩張表的數據都需要先做排序，然后做merge。因此效率相對最差；

Nested-Loop Join(NL)效率比SMJ更高。特別是當驅動表的數據量很大（集的勢高）時。這樣可以并行掃描內表。

Hash join效率最高，因為只要對兩張表掃描一次。