SQL连接操作符介绍（循环嵌套, 哈希匹配和合并连接）

大家好，又见面了，我是全栈君，祝每个程序员都可以多学几门语言。

　　今天我将介绍在SQLServer 中的三种连接操作符类型，分别是：循环嵌套、哈希匹配和合并连接。主要对这三种连接的不同、复杂度用范例的形式一一介绍。

　　本文中使用了示例数据库AdventureWorks ，下面是下载地址：http://msftdbprodsamples.codeplex.com/releases/view/4004

简介：什么是连接操作符

　　连接操作符是一种算法类型，它是SQLServer优化器为了实现两个数据集合之间的逻辑连接选择的操作符。优化器可以基于请求查询、可用索引、统计信息和估计行数等不同的场景为每一套数据选择不同的算法

　　通过查看执行计划可以发现操作符如何被使用。接下来我们看一下如何具体使用。

NESTED LOOPS（循环嵌套）

　　我们通过下面的例子来展示一下（查询2001年7月份的数据）：

SELECT
OH.OrderDate, OD.OrderQty, OD.ProductID, OD.UnitPrice
FROM
Sales.SalesOrderHeader AS OH
JOIN
Sales.SalesOrderDetail AS OD
ON
OH.SalesOrderID = OD.SalesOrderID
WHERE
OH.OrderDate BETWEEN '2001-07-01' AND '2001-07-31'

执行计划的结果如下:

图右上方的叫“outer input”，在其下面的叫做“inner input” 

本质上讲，“Nested Loops”操作符就是：为每一个记录的外部输入找到内部输入的匹配行。

技术上讲，这意味着外表聚集索引被扫描获取外部输入相关的记录，然后内表聚集索引查找每一个匹配外表索引的记录。

我们可以通过把鼠标放在聚集索引扫描操作符上面来验证这个信息，请看这个tooltip：

看这个执行的估计行数是1，索引查找tooltip如下:

这次发现执行的估计行数是179，这是很接近返回的外部输入行的。

按照复杂度计算（假设N是外部输出的行数，M是总行数在SalesOrderDetai表的）：查询复杂度是O(NlogM),这里logM是在内部输入表的每次查找的复杂度。

当外部输入比较小并且内部输入有索引在连接的字段上的时候SQLServer 优化器更喜欢选择这种操作符类型（Nested Loop）。外部和内部输入的数据行差距越大，这个操作符提供的性能越高。

MERGE Join（合并连接）

“Merge”算法是连接两个较大且按序存储的在连接键上最有效的方式。请看一下下面这个查询例子（查询返回用户和销售表的ID）:

SELECT
OC.CustomerID, OH.SalesOrderID
FROM
Sales.SalesOrderHeader AS OH
JOIN
Sales.Customer AS OC
ON
OH.CustomerID = OC.CustomerID

查询执行计划如下:

• 首先我们注意到两套数据是在CustomerID上是有序的：因为聚集索引是有序的且在SalesorderHeader表上该字段是非聚集索引。
• 根据在操作符的箭头（鼠标放在上面），我们能看到每个返回结果行数都是很大的。
• 除此之外，在On 的子句后面要用=操作符。

就是这三个因素会导致优化器选择Merge Join查询操作符。 

使用这种连接操作符的最大的性能就是两个输入操作符执行一次。我们能把鼠标放在两个数据的上面看一下执行的次数都是1，也就是说算法是很有效率的。

合并连接同时读取两个输入然后比较他们。如果匹配就返回，否则，行数较小的被放弃，因为两边输入是有序的。放弃的行不再匹配任何行。

知道其中一个表完毕一直重复匹配，即使另一个表还有数据，那么最大的时间复杂的消耗就是两个表完全不同键值，那么最大的复杂度就是: O(N+M)。

HASH Match（哈希匹配）

“Hash”连接是我们称为 “the go-to guy” 的操作符。当其他连接操作符都不支持的场景时，就会选择这种操作符。比如当表恰好不排序，或者没有索引时。当优化器选择这种操作符，一般来说可能是我们没有做好一些基础工作（例如，加索引）。但是有些情况（复杂查询）没有别的方式，只能选择它。

请看下面这个查询（获取contacts 表中姓和名中以“John”开始的包含销售的ID字段的数据集）:

SELECT
OC.FirstName, OC.LastName, OH.SalesOrderID
FROM
Sales.SalesOrderHeader AS OH
JOIN
Person.Contact AS OC
ON
OH.ContactID = OC.ContactID
WHERE
OC.FirstName LIKE 'John%'

The execution plan looks like this:

由于ContactID列没有索引，所以选择哈希操作符。

在深入理解这个例子之前，介绍两个重要的概念：一个是“Hashing”函数，一个是“Hash Table”。

函数是一个程序性函数，它接收1或者多个值然后转换他们为一个符号值（通常是数字）。这个函数通常是单向的，意味着不能反转回来原始值，但是确定性保证如果你提供了相同的值，符号值是完全一样的。也就是说，几个不同的输入值，可以有相同的Hash值。

“Hash Table”是一个数据结构，把所有行都放到一个相同尺寸的桶里面。每一个桶代表一个哈希值。这意味着当你激活函数的行，使用结果你就会知道它属于哪个桶。

利用统计信息，SQLServer 会选择较小的两个数据输入来提供构造输入，并且输入被用来在内存中创建哈希表。如果没有足够的内存，在tempdb中会使用物理磁盘。在哈希表建立后，SQLServer将从较大的表中得到数据，叫做探测输入。利用哈希匹配函数与哈希表比较，然后返回匹配行。在图形执行计划中，构造输入的查询在上面，探测输入的查询在下面。

只要较小的表非常小，这个算法就是非常有效的。但是如果两个表都非常大，这可能是非常低效的执行计划。

查询Hints

利用Hints，破事SQLServer使用指定的连接类型。但是强烈不推荐这么做，尤其在生产环境，因为没有永恒的最佳选择（因为数据在变化），并且优化器通常是正确的。

添加OPTION 子句作为查询的结尾，使用关键字LOOP JOIN, MERGE JOIN 或者 HASH JOIN可以强制执行连接。

看看如何实现:

SELECT OC.CustomerID, OH.SalesOrderID
FROM Sales.SalesOrderHeader AS OH
JOIN Sales.Customer AS OC
ON OH.CustomerID = OC.CustomerID
OPTION (HASH JOIN)

SELECT OC.FirstName, OC.LastName, OH.SalesOrderID
FROM Sales.SalesOrderHeader AS OH
JOIN Person.Contact AS OC
ON OH.ContactID = OC.ContactID
WHERE OC.FirstName LIKE 'John%'
OPTION (LOOP JOIN)

SELECT OC.FirstName, OC.LastName, OH.SalesOrderID
FROM Sales.SalesOrderHeader AS OH
JOIN Person.Contact AS OC
ON OH.ContactID = OC.ContactID
WHERE OC.FirstName LIKE 'John%'
OPTION (MERGE JOIN)

总结

Nested Loops

• 复杂度: O(NlogM)。
• 其中一个表很小的时候。
• 较大的表允许使用索引查找连接字段。

Merge Join

• 复杂度: O(N+M)。
• 两个输入的连接字段是有序的。
• 使用=操作符
• 适合非常大的表

Hash Match

• 复杂度: O(N*h_c+M*h_m+J)
• 最后默认的操作符
• 使用哈希表和动态哈希匹配函数匹配行

     本篇随笔详细介绍了三种链接操作符和它们的触发机制，当然这些也都是动态的，就像前面说的没有最佳的操作符，只有最合适的，要根据实际请款选择不同的操作符。