Join是一种试图将两个表结合在一起的谓词一次只能连接个表表连接也可以被称为表关联在后面的叙述中我们将会使用row source来代替表因为使用row source更严谨一些并且将参与连接的个row source分别称为row source和row source Join过程的各个步骤经常是串行操作即使相关的row source可以被并行访问即可以并行的读取做join连接的两个row source的数据但是在将表中符合限制条件的数据读入到内存形成row source后join的其它步骤一般是串行的有多种方法可以将个表连接起来当然每种方法都有自己的优缺点每种连接类型只有在特定的条件下才会发挥出其最大优势
row source(表)之间的连接顺序对于查询的效率有非常大的影响通过首先存取特定的表即将该表作为驱动表这样可以先应用某些限制条件从而得到一个较小的row source使连接的效率较高这也就是我们常说的要先执行限制条件的原因一般是在将表读入内存时应用where子句中对该表的限制条件
根据个row source的连接条件的中操作符的不同可以将连接分为等值连接(如WHERE ACOL = BCOL)非等值连接(WHERE ACOL > BCOL)外连接(WHERE ACOL = BCOL(+))上面的各个连接的连接原理都基本一样所以为了简单期间下面以等值连接为例进行介绍
在后面的介绍中都已
SELECT ACOL BCOL
FROM A B
WHERE ACOL = BCOL;
为例进行说明假设A表为Row Soruce则其对应的连接操作关联列为COL B表为Row Soruce则其对应的连接操作关联列为COL
连接类型
目前为止无论连接操作符如何典型的连接类型共有种
排序 合并连接(Sort Merge Join (SMJ) )
嵌套循环(Nested Loops (NL) )
哈希连接(Hash Join)
排序 合并连接(Sort Merge Join SMJ)
内部连接过程
) 首先生成row source需要的数据然后对这些数据按照连接操作关联列(如l)进行排序
) 随后生成row source需要的数据然后对这些数据按照与sort source对应的连接操作关联列(如l)进行排序
) 最后两边已排序的行被放在一起执行合并操作即将个row source按照连接条件连接起来
下面是连接步骤的图形表示
MERGE
/\
SORTSORT
||
Row Source Row Source
如果row source已经在连接关联列上被排序则该连接操作就不需要再进行sort操作这样可以大大提高这种连接操作的连接速度因为排序是个极其费资源的操作特别是对于较大的表预先排序的row source包括已经被索引的列(如l或l上有索引)或row source已经在前面的步骤中被排序了尽管合并两个row source的过程是串行的但是可以并行访问这两个row source(如并行读入数据并行排序)
SMJ连接的例子
SQL> explain plan for
select /*+ ordered */ edeptno ddeptno
from emp e dept d
where edeptno = ddeptno
order by edeptno ddeptno;
Query Plan
SELECT STATEMENT [CHOOSE] Cost=
MERGE JOIN
SORT JOIN
TABLE ACCESS FULL EMP [ANALYZED]
SORT JOIN
TABLE ACCESS FULL DEPT [ANALYZED]
排序是一个费时费资源的操作特别对于大表基于这个原因SMJ经常不是一个特别有效的连接方法但是如果个row source都已经预先排序则这种连接方法的效率也是蛮高的
嵌套循环(Nested Loops NL)
这个连接方法有驱动表(外部表)的概念其实该连接过程就是一个层嵌套循环所以外层循环的次数越少越好这也就是我们为什么将小表或返回较小row source的表作为驱动表(用于外层循环)的理论依据但是这个理论只是一般指导原则因为遵循这个理论并不能总保证使语句产生的I/O次数最少有时不遵守这个理论依据反而会获得更好的效率如果使用这种方法决定使用哪个表作为驱动表很重要有时如果驱动表选择不正确将会导致语句的性能很差很差
内部连接过程
Row source的Row Probe >Row source
Row source的Row Probe >Row source
Row source的Row Probe >Row source
……
Row source的Row n Probe >Row source
从内部连接过程来看需要用row source中的每一行去匹配row source中的所有行所以此时保持row source尽可能的小与高效的访问row source(一般通过索引实现)是影响这个连接效率的关键问题这只是理论指导原则目的是使整个连接操作产生最少的物理I/O次数而且如果遵守这个原则一般也会使总的物理I/O数最少但是如果不遵从这个指导原则反而能用更少的物理I/O实现连接操作那尽管违反指导原则吧！因为最少的物理I/O次数才是我们应该遵从的真正的指导原则在后面的具体案例分析中就给出这样的例子
在上面的连接过程中我们称Row source为驱动表或外部表Row Source被称为被探查表或内部表
在NESTED LOOPS连接中Oracle读取row source中的每一行然后在row sourc中检查是否有匹配的行所有被匹配的行都被放到结果集中然后处理row source中的下一行这个过程一直继续直到row source中的所有行都被处理这是从连接操作中可以得到第一个匹配行的最快的方法之一这种类型的连接可以用在需要快速响应的语句中以响应速度为主要目标
如果driving row source(外部表)比较小并且在inner row source(内部表)上有唯一索引或有高选择性非唯一索引时使用这种方法可以得到较好的效率NESTED LOOPS有其它连接方法没有的的一个优点是可以先返回已经连接的行而不必等待所有的连接操作处理完才返回数据这可以实现快速的响应时间
如果不使用并行操作最好的驱动表是那些应用了where 限制条件后可以返回较少行数据的的表所以大表也可能称为驱动表关键看限制条件对于并行查询我们经常选择大表作为驱动表因为大表可以充分利用并行功能当然有时对查询使用并行操作并不一定会比查询不使用并行操作效率高因为最后可能每个表只有很少的行符合限制条件而且还要看你的硬件配置是否可以支持并行(如是否有多个CPU多个硬盘控制器)所以要具体问题具体对待
NL连接的例子
SQL> explain plan for
select adnamebsql
from dept aemp b
where adeptno = bdeptno;
Query Plan
SELECT STATEMENT [CHOOSE] Cost=
NESTED LOOPS
TABLE ACCESS FULL DEPT [ANALYZED]
TABLE ACCESS FULL EMP [ANALYZED]
哈希连接(Hash Join HJ)
这种连接是在oracle 以后引入的从理论上来说比NL与SMJ更高效而且只用在CBO优化器中
较小的row source被用来构建hash table与bitmap第个row source被用来被hansed并与第一个row source生成的hash table进行匹配以便进行进一步的连接Bitmap被用来作为一种比较快的查找方法来检查在hash table中是否有匹配的行特别的当hash table比较大而不能全部容纳在内存中时这种查找方法更为有用这种连接方法也有NL连接中所谓的驱动表的概念被构建为hash table与bitmap的表为驱动表当被构建的hash table与bitmap能被容纳在内存中时这种连接方式的效率极高
HASH连接的例子
SQL> explain plan for
select /*+ use_hash(emp) */ empno
from emp dept
where empdeptno = deptdeptno;
Query Plan
SELECT STATEMENT[CHOOSE] Cost=
HASH JOIN
TABLE ACCESS FULL DEPT
TABLE ACCESS FULL EMP
要使哈希连接有效需要设置HASH_JOIN_ENABLED=TRUE缺省情况下该参数为TRUE另外不要忘了还要设置hash_area_size参数以使哈希连接高效运行因为哈希连接会在该参数指定大小的内存中运行过小的参数会使哈希连接的性能比其他连接方式还要低
总结一下在哪种情况下用哪种连接方法比较好
排序 合并连接(Sort Merge Join SMJ)
a) 对于非等值连接这种连接方式的效率是比较高的
b) 如果在关联的列上都有索引效果更好
c) 对于将个较大的row source做连接该连接方法比NL连接要好一些
d) 但是如果sort merge返回的row source过大则又会导致使用过多的rowid在表中查询数据时数据库性能下降因为过多的I/O
嵌套循环(Nested Loops NL)
a) 如果driving row source(外部表)比较小并且在inner row source(内部表)上有唯一索引或有高选择性非唯一索引时使用这种方法可以得到较好的效率
b) NESTED LOOPS有其它连接方法没有的的一个优点是可以先返回已经连接的行而不必等待所有的连接操作处理完才返回数据这可以实现快速的响应时间
哈希连接(Hash Join HJ)
a) 这种方法是在oracle后来引入的使用了比较先进的连接理论一般来说其效率应该好于其它种连接但是这种连接只能用在CBO优化器中而且需要设置合适的hash_area_size参数才能取得较好的性能
b) 在个较大的row source之间连接时会取得相对较好的效率在一个row source较小时则能取得更好的效率
c) 只能用于等值连接中
笛卡儿乘积(Cartesian Product)
当两个row source做连接但是它们之间没有关联条件时就会在两个row source中做笛卡儿乘积这通常由编写代码疏漏造成(即程序员忘了写关联条件)笛卡尔乘积是一个表的每一行依次与另一个表中的所有行匹配在特殊情况下我们可以使用笛卡儿乘积如在星形连接中除此之外我们要尽量使用笛卡儿乘积否则自己想结果是什么吧！
注意在下面的语句中在个表之间没有连接
SQL> explain plan for
select empdeptnodeptdeptno
from empdept
Query Plan
SLECT STATEMENT [CHOOSE] Cost=
MERGE JOIN CARTESIAN
TABLE ACCESS FULL DEPT
SORT JOIN
TABLE ACCESS FULL EMP
CARTESIAN关键字指出了在个表之间做笛卡尔乘积假如表emp有n行dept表有m行笛卡尔乘积的结果就是得到n * m行结果
