深入理解Oracle表(5)：三大表连接方式详解之Hash Join的定义，原理，算法，成本，模式和位图

       Hash Join只能用于相等连接，且只能在CBO优化器模式下。相对于nested loop join，hash join更适合处理大型结果集
       Hash Join的执行计划第1个是hash表(build table)，第2个探查表(probe table)，一般不叫内外表，nested loop才有内外表
       Hash表也就是所谓的内表，探查表所谓的外表
       两者的执行计划形如：
       nested loop
           outer table             --驱动表
           inner table
       
       hash join
          build table              (inner table) --驱动表

          probe table             (outer  table) 

       先看一张图片，大致了解Hash Join的过程：

      

       下面详细了解一下Hash Join

       ㈠ Hash join概念
          
          Hash join算法的一个基本思想就是根据小的row sources(称作build input 也就是前文提到的build table，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row sources(称作probe input，也就是前文提到的probe table) 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Si和Bi，这个阶段叫做分区阶段；然后各自相应的分区，即Si和Bi再做Hash join，这个阶段叫做join阶段 
          如果HASH表太大，无法一次构造在内存中，则分成若干个partition，写入磁盘的temporary segment，则会多一个写的代价，会降低效率
          至于小表的概念，对于 hash join 来说，能容纳在 pga 中的 hash table 都可以叫小表，通常比如：
          pga_aggregate_target                 big integer    1073741824
          hash  area size 大体能使用到40多 M ，这样的话通常可能容纳 几十万的记录
          hash area size缺省是2*sort_area_size,我们可以直接修改SORT_AREA_SIZE 的大小，HASH_AREA_SIZE也会跟着改变的
          如果你的workarea_size_policy=auto，那么我们只需设定pga_aggregate_target
          但请记住，这是一个session级别的参数，有时，我们更倾向于把hash_area_size的大小设成驱动表的1.6倍左右
          驱动表仅仅用于nested loop join 和 hash join，但Hash join不需要在驱动表上存在索引，而nested loop join则迫切需求
          一两百万记录的表 join上  千万记录的表，hash join的通常表现非常好
          不过，多与少，大与小，很多时候很难量化，具体情况还得具体分析
          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 loop hash join
          所谓的nested-loops hash join就是对部分Si建立hash table，然后读取所有的Bi与所建的hash table做连接
          然后再对剩余的Si建立hash table，再将所有的Bi与所建的hash table做连接，直至所有的Si都连接完了
       
       ㈡ Hash Join原理
       
          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cluster size来决定的。其中cluster size等于db_block_size * _hash_multiblock_io_count