关系型数据库工作原理-查询优化器之哈希连接(13)

本文翻译自Coding-Geek文章:《 How does a relational database work》。原文链接：http://coding-geek.com/how-databases-work/#Buffer-Replacement_strategies

本文翻译了如下章节, 介绍数据库查询优化器的哈希连接的实现原理：

哈希连接-Hash join

哈希连接算法更复杂，但在大多数情况下性能也比循环嵌套连接更优。

哈希连接的基本思路是：

1. 获取内连接表的所有元素。
2. 在内存中构件一张哈希表。
3. 逐条获取外连接表中数据。
4. 计算外连接表每条数据的哈希值，用前面哈希表的哈希函数。通过哈希值找到关联内连接表的桶。
5. 判断桶中是否存在元素与外连接表中的数据匹配。

为分析时间复杂度，我需要做一些假设以简化这个问题：

1. 内连接表被划分为X个哈希桶。
2. 哈希函数计算的哈希值是均匀分布的，也就是说产生的哈希桶大小是相同的。
3. 匹配外连接表中的元素与桶中的元素所有元素，所需要的开销是桶中元素的数量（译者注：即桶中所有的元素都会参与比较一次）。

这个算法的时间复杂度是(M/X) * N + cost_to_create_hash_table(M) + cost_of_hash_function*N

如果哈希算法创建的桶足够小(译者注：极限情况是一个元素一个桶)，那么时间复杂度可以到O(M+N)。

还有另外一种哈希连接的实现方式，它使用更少的内存，但需要更多的磁盘I/O：

1. 同时对内连接表和外连接表计算哈希表。
2. 然后将哈希表放到磁盘上存储。
3. 然后按一桶一桶的方式比较内连接表和外连接表(将其中一个桶数据完成读到内存，另一个桶的数据逐条读取)。