1、排序--合并连接(sort merge join,CMJ)
内部连接过程
1)、首先生成row source1需要的数据,然后对这些数据按照连接操作关联列(如:A.col3)进行排序
2)、随后生成row source2需要的数据,然后对这些数据按照与sort source1对应的连接操作关联列(比,B.col4)进行排序
3)、最后两边已排序的行被放在一起执行合并操作,即将2个row source按照连接条件连接起来
如果row source已经在连接并关联列上被排序,则该连接操作就不需要进行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
特别对于较大的表,预先排序的row source包括已经被索引的列(如a.col3或b.col4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)
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2个row source都是已经预先排好序,则这这种连接方式的效率也是蛮高的。
通常情况下hash join的效果都比Sort merge join要好,然而如果行源已经被排过序,在执行排序合并连接时不需要再排序了,这时Sort merge join的性能会优于hash join。可以使用USE_MERGE(table_name1 table_name2)来强制使用Sort merge join。
SMJ例子:
HUANG>>>>
create table t1 as select * from all_objects;
HUANG>>>>
create table t2 as select * from all_objects;
HUANG>>>>
set autotrace trace exp stat
HUANG>>>>
select /*+ USE_MERGE(t1 t2)*/t1.object_id,t2.object_id
2
from t1,t2
3
where t1.object_id=t2.object_id
4
order by t1.object_id,t2.object_id
5
/
已选择71579行。
执行计划
----------------------------------------------------------
Plan hash value: 2216793107
-------------------------------------------------------------------------------------
| Id | Operation | Name | Rows | Bytes |TempSpc| Cost (%CPU)| Time |
-------------------------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 71579 | 699K| | 1309 (2)| 00:00:16 |
| 1 | SORT ORDER BY | | 71579 | 699K| 1136K| 1309 (2)| 00:00:16 |
| 2 | MERGE JOIN | | 71579 | 699K| | 1018 (1)| 00:00:13 |
| 3 | SORT JOIN | | 71579 | 349K| 1704K| 509 (1)| 00:00:07 |
| 4 | TABLE ACCESS FULL| T1 | 71579 | 349K| | 286 (1)| 00:00:04 |
|* 5 | SORT JOIN | | 71579 | 349K| 1704K| 509 (1)| 00:00:07 |
| 6 | TABLE ACCESS FULL| T2 | 71579 | 349K| | 286 (1)| 00:00:04 |
-------------------------------------------------------------------------------------
Predicate Information (identified by operation id):
---------------------------------------------------
5 - access("T1"."OBJECT_ID"="T2"."OBJECT_ID")
filter("T1"."OBJECT_ID"="T2"."OBJECT_ID")
统计信息
----------------------------------------------------------
1 recursive calls
0 db block gets
2050 consistent gets
0 physical reads
0 redo size
1387367 bytes sent via SQL*Net to client
52901 bytes received via SQL*Net from client
4773 SQL*Net roundtrips to/from client
3 sorts (memory)
0 sorts (disk)
71579 rows processed
2、嵌套循环(Nested Loops,NL)
这个连接方式有驱动表的概念(外部表)的概念。其实,该连接过程就是一个2层嵌套循环,所以外出循环的次数越少越好,这也是为什么将小表或返回较小row source的表作为驱动表(用于外部循环)的理论依据。但是这个理论知识一般指导原则,因为循环这个理论依据并不能总保证使语句产生的I/O次数减少。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
内部连接过程:
row source1的row1---------probe->row source2
row source1的row2---------probe->row source2
...
row source1的rown---------probe->row source2
如果driving row source(外部表)比较小,并别在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一个优点:可以先返回已近连接的行,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,可以返回较少的行数据的表,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执行并行(如,有多个cpu,多个硬盘控制器)所以要具体问题具体对待。
HUANG>>>>
create table t1 as select * from all_objects;
HUANG>>>>
create table t2 as select * from all_objects where rownum<51;
HUANG>>>>
select /*+ use_nl(t1 t2) */ * from t1,t2 where t1.object_id=t2.object_id;
已选择50行。
执行计划
----------------------------------------------------------
Plan hash value: 4016936828
---------------------------------------------------------------------------
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |
---------------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 50 | 15800 | 14251 (1)| 00:02:52 |
| 1 | NESTED LOOPS | | 50 | 15800 | 14251 (1)| 00:02:52 |
| 2 | TABLE ACCESS FULL| T2 | 50 | 7900 | 3 (0)| 00:00:01 |
|* 3 | TABLE ACCESS FULL| T1 | 1 | 158 | 285 (1)| 00:00:04 |
---------------------------------------------------------------------------
Predicate Information (identified by operation id):
---------------------------------------------------
3 - filter("T1"."OBJECT_ID"="T2"."OBJECT_ID")
Note
-----
- dynamic sampling used for this statement (level=2)
统计信息
----------------------------------------------------------
0 recursive calls
0 db block gets
51211 consistent gets
0 physical reads
0 redo size
5537 bytes sent via SQL*Net to client
453 bytes received via SQL*Net from client
5 SQL*Net roundtrips to/from client
0 sorts (memory)
0 sorts (disk)
50 rows processed
3、哈希连接(Hash Join,HJ)
这种连接是在ORACLE7.3以后引入的,从理论上来说比NL和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 进行匹配,以便进一步的连接,bitmap被用来作为一种较快的查找方法,来检查在hash join中是否有匹配的行。特别的当hash table比较大而且不能全部容纳在内存中时,这种查询方法更为有用,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。
要使用哈希连接有效,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,因为哈希连接会在改参数指定大小的内存中运行,过小的参数回事哈希连接的性能比其他连接方式还要低。
HUANG>>>>
create table t1 as select * from all_objects;
HUANG>>>>
create table t2 as select * from all_objects where rownum<51;
HUANG>>>>
select /*+ use_hash(t1)*/* from t1,t2 where t1.object_id=t2.object_id;
已选择50行。
执行计划
----------------------------------------------------------
Plan hash value: 2959412835
---------------------------------------------------------------------------
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |
---------------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 50 | 15800 | 291 (2)| 00:00:04 |
|* 1 | HASH JOIN | | 50 | 15800 | 291 (2)| 00:00:04 |
| 2 | TABLE ACCESS FULL| T2 | 50 | 7900 | 3 (0)| 00:00:01 |
| 3 | TABLE ACCESS FULL| T1 | 72155 | 10M| 287 (1)| 00:00:04 |
---------------------------------------------------------------------------
Predicate Information (identified by operation id):
---------------------------------------------------
1 - access("T1"."OBJECT_ID"="T2"."OBJECT_ID")
Note
-----
- dynamic sampling used for this statement (level=2)
统计信息
----------------------------------------------------------
7 recursive calls
0 db block gets
1103 consistent gets
0 physical reads
0 redo size
5537 bytes sent via SQL*Net to client
453 bytes received via SQL*Net from client
5 SQL*Net roundtrips to/from client
0 sorts (memory)
0 sorts (disk)
50 rows processed
总结一下,在哪种情况下用哪种连接方式比较好:
1)、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) 如果关联的列上都有索引,效果更好
c) 对于将2个较大的row source做连接,该方式比NL连接要好一些
d) 但是如果sort merge返回的row source过大,则又会导致过多的rowid在表中查询数据时,数据性能下降,因为过多的I/O
2)、嵌套循环(Nested Loops,NL)
a) 如果driving row source(外部表)比较小,并且在inner row ssource(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有其他连接方法没有的一个优点是: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,可以实现快速的响应时间。
3)、哈希连接(hash join,HJ)
a) 这种方法是在oracle7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2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2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