夜夜骑久草:ORACLE的三中连接方法

1. NESTED LOOP
对于被连接的数据子集较小的情况，nested loop连接是个较好的选择。nested loop就是扫描一个表，每读到一条记录，就根据索引去另一个表里面查找，没有索引一般就不会是 nested loops。一般在nested loop中， 驱动表满足条件结果集不大，被驱动表的连接字段要有索引，这样就走nstedloop。如果驱动表返回记录太多，就不适合nested loops了。如果连接字段没有索引，则适合走hash join，因为不需要索引。
可用ordered提示来改变CBO默认的驱动表，可用USE_NL(table_name1 table_name2)提示来强制使用nested loop。
要点如下：
1）对于被连接的数据子集较小的情况，嵌套循环连接是个较好的选择
2）使用USE_NL(table_name1 table_name2)可是强制CBO 执行嵌套循环连接
3）Nested loop一般用在连接的表中有索引，并且索引选择性较好的时候
4）OIN的顺序很重要，驱动表的记录集一定要小，返回结果集的响应时间是最快的。
5）Nested loops 工作方式是从一张表中读取数据，访问另一张表（通常是索引）来做匹配，nested loops适用的场合是当一个关联表比较小的时候，效率会更高。
例如： select/*+ use_nl( test1, test2) */* from test1, test2 where test1.object_id = test2.object_id and rownum < 2;
例如：查看员工信息
SQL> CONNECT SCOTT/TIGER
SQL> select /*+ use_nl(emp,dept) */ emp.*, dept.dname from emp,dept where emp.deptno=dept.deptno;
执行计划
----------------------------------------------------------
Plan hash value: 351108634
----------------------------------------------------------------------------------------
| Id  | Operation                    | Name    | Rows  | Bytes | Cost (%CPU)| Time     |
----------------------------------------------------------------------------------------
|   0 | SELECT STATEMENT             |         |    14 |   700 |     4   (0)| 00:00:01 |
|   1 |  NESTED LOOPS                |         |    14 |   700 |     4   (0)| 00:00:01 |
|   2 |   TABLE ACCESS FULL          | EMP     |    14 |   518 |     3   (0)| 00:00:01 |
|   3 |   TABLE ACCESS BY INDEX ROWID| DEPT    |     1 |    13 |     1   (0)| 00:00:01 |
|*  4 |    INDEX UNIQUE SCAN         | PK_DEPT |     1 |       |     0   (0)| 00:00:01 |
----------------------------------------------------------------------------------------
SQL> select /*+ use_nl(emp,dept) */ emp.*, dept.dname from emp,dept where emp.deptno=dept.deptno and emp.empno=7900;
执行计划
----------------------------------------------------------
Plan hash value: 2385808155
----------------------------------------------------------------------------------------
| Id  | Operation                    | Name    | Rows  | Bytes | Cost (%CPU)| Time     |
----------------------------------------------------------------------------------------
|   0 | SELECT STATEMENT             |         |     1 |    50 |     2   (0)| 00:00:01 |
|   1 |  NESTED LOOPS                |         |     1 |    50 |     2   (0)| 00:00:01 |
|   2 |   TABLE ACCESS BY INDEX ROWID| EMP     |     1 |    37 |     1   (0)| 00:00:01 |
|*  3 |    INDEX UNIQUE SCAN         | PK_EMP  |     1 |       |     0   (0)| 00:00:01 |
|   4 |   TABLE ACCESS BY INDEX ROWID| DEPT    |     4 |    52 |     1   (0)| 00:00:01 |
|*  5 |    INDEX UNIQUE SCAN         | PK_DEPT |     1 |       |     0   (0)| 00:00:01 |
----------------------------------------------------------------------------------------
SQL> select /*+ use_nl(emp,dept) */ emp.*, dept.dname from emp,dept where emp.deptno=dept.deptno(+);
2. HASH JOIN
hash join是CBO 做大数据集连接时的常用方式。优化器扫描小表（数据源），利用连接键（也就是根据连接字段计算hash 值）在内存中建立hash表，然后扫描大表，每读到一条记录就探测hash表一次，找出与hash表匹配的行。
当小表可以全部放入内存中，其成本接近全表扫描两个表的成本之和。如果表很大不能完全放入内存，这时优化器会将它分割成若干不同的分区，不能放入内存的部分就把该分区写入磁盘的临时段，此时要有较大的临时段从而尽量提高I/O 的性能。临时段中的分区都需要换进内存做hash join。这时候成本接近于全表扫描小表+分区数*全表扫描大表的代价和。
至于两个表都进行分区，其好处是可以使用parallel query，就是多个进程同时对不同的分区进行join，然后再合并。但是复杂。
使用hash join时，HASH_AREA_SIZE初始化参数必须足够的大，如果是9i，Oracle建议使用SQL工作区自动管理，设置WORKAREA_SIZE_POLICY 为AUTO，然后调整PGA_AGGREGATE_TARGET即可。
以下条件下hash join可能有优势：
1）两个巨大的表之间的连接。
2）在一个巨大的表和一个小表之间的连接。
要点如下：
1）散列连接是CBO 做大数据集连接时的常用方式.
2）也可以用USE_HASH(table_name1 table_name2)提示来强制使用散列连接
3）Hash join在两个表的数据量差别很大的时候.
4）Hash join的工作方式是将一个表（通常是小一点的那个表）做hash运算并存储到hash列表中，从另一个表中抽取记录，做hash运算，到hash 列表中找到相应的值，做匹配。
可用ordered提示来改变CBO默认的驱动表，可用USE_HASH(table_name1 table_name2)提示来强制使用hash join。
例如：查询消费大于100元的客户及其消费额
SQL> CONNECT SH/SH
SQL> SELECT c.cust_last_name, COUNT(*)
FROM sales s, customers c
WHERE s.cust_id = c.cust_id
GROUP BY c.cust_last_name HAVING COUNT(*) > 100;
执行计划
----------------------------------------------------------
Plan hash value: 1988691707
------------------------------------------------------------------------------------------------------------
| Id  | Operation              | Name      | Rows  | Bytes |TempSpc| Cost (%CPU)| Time     | Pstart| Pstop |
------------------------------------------------------------------------------------------------------------
|   0 | SELECT STATEMENT       |           |    46 |   828 |       |  1645  (13)| 00:00:20 |       |       |
|*  1 |  FILTER                |           |       |       |       |            |          |       |       |
|   2 |   HASH GROUP BY        |           |    46 |   828 |       |  1645  (13)| 00:00:20 |       |       |
|*  3 |    HASH JOIN           |           |   918K|    15M|  1360K|  1503   (5)| 00:00:19 |       |       |
|   4 |     TABLE ACCESS FULL  | CUSTOMERS | 55500 |   704K|       |   292   (2)| 00:00:04 |       |       |
|   5 |     PARTITION RANGE ALL|           |   918K|  4486K|       |   372   (8)| 00:00:05 |     1 |    28 |
|   6 |      TABLE ACCESS FULL | SALES     |   918K|  4486K|       |   372   (8)| 00:00:05 |     1 |    28 |
------------------------------------------------------------------------------------------------------------
3. SORT MERGE JOIN
sort merge join的操作通常分三步：
1）对连接的每个表做table access full；
2）对table access full的结果进行排序；
3）进行merge join对排序结果进行合并。
sort merge join性能开销几乎都在前两步。一般是在没有索引的情况下，9i开始已经很少出现，因为其排序成本高，大多为hash join替代。
通常情况下hash join的效果都比sort merge join要好，但是，如果行源已经被排过序，在执行sort merge join时不需要再排序，这时sort merge join的性能会优于hash join。
当全表扫描比“索引范围扫描后再通过rowid进行表访问”更可取的情况下，sort merge join会比nested loops性能更佳。
要点如下：
1）使用USE_MERGE(table_name1 table_name2)来强制使用排序合并连接.
2）Sort Merge join 用在没有索引，并且数据已经排序的情况.
3）连接步骤：将两个表排序，然后将两个表合并。
4）通常情况下，只有在以下情况发生时，才会使用此种JOIN方式：
a）RBO模式
b）不等价关联(>,<,>=,<=,<>)
c）bHASH_JOIN_ENABLED=false
d）数据源已排序
e）Merge Join 是先将关联表的关联列各自做排序，然后从各自的排序表中抽取数据，到另一个排序表中做匹配，因为merge join需要做更多的排序，所以消耗的资源更多。
通常来讲，能够使用merge join的地方，hash join都可以发挥更好的性能
可用USE_MERGE(table_name1 table_name2)提示强制使用sort merge join。
总结
类别
NESTED LOOP
SORT MERGE JOIN
HASH JOIN
优化器提示
USE_NL
USE_MERGE
USE_HASH
使用的条件
任何连接
主要用于不等价连接，如<、 <=、 >、 >=;但是不包括 <>
仅用于等价连接
相关资源
CPU、磁盘I/O
内存、临时空间
内存、临时空间
特点
当有高选择性索引或进行限制性搜索时效率比较高，能够快速返回第一次的搜索结果。
当缺乏索引或者索引条件模糊时，排序合并连接比嵌套循环有效。
当缺乏索引或者索引条件模糊时，哈希连接连接比嵌套循环有效。通常比排序合并连接快。在数据仓库环境下，如果表的纪录数多，效率高。
缺点
当索引丢失或者查询条件限制不够时，效率很低；当表的纪录数多时，效率低。
所有的表都需要排序。它为最优化的吞吐量而设计，并且在结果没有全部找到前不返回数据。
为建立哈希表，需要大量内存。第一次的结果返回较慢。