1 ,排序 - - 合并连接( Sort Merge Join , SMJ )
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(如 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
下面是连接步骤的图形表示:
MERGE
/ /
SORT SORT
| |
Row Source 1 Row Source 2
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 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)。
SMJ 连接的例子:
SQL> explain plan for
select /*+ ordered */ e.deptno , d.deptno
from emp e , dept d
where e.deptno = d.deptno
order by e.deptno , d.deptno ;
Query Plan
-------------------------------------
SELECT STATEMENT [CHOOSE] Cost=17
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 2 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。
2 ,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 2 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 source1 的 Row 1 —— Probe ->Row source 2
Row source1 的 Row 2 —— Probe ->Row source 2
Row source1 的 Row 3 —— Probe ->Row source 2
……。
Row source1 的 Row n —— Probe ->Row source 2
从内部连接过程来看,需要用 row source1 中的每一行,去匹配 row source2 中的所有行,所以此时保持 row source1 尽可能的小与高效的访问 row source2 (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 source1 为驱动表或外部表。 Row Source2 被称为被探查表或内部表。
在 NESTED LOOPS 连接中, Oracle 读取 row source1 中的每一行,然后在 row sourc2 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 source1 中的下一行。这个过程一直继续,直到 row source1 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 a.dname , b.sql
from dept a , emp b
where a.deptno = b.deptno ;
Query Plan
-------------------------
SELECT STATEMENT [CHOOSE] Cost=5
NESTED LOOPS
TABLE ACCESS FULL DEPT [ANALYZED]
TABLE ACCESS FULL EMP [ANALYZED]
3 ,哈希连接( Hash Join , HJ )
这种连接是在 oracle 7.3 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 2 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 emp.deptno = dept.deptno ;
Query Plan
----------------------------
SELECT STATEMENT[CHOOSE] Cost=3
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。
最后,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 2 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 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
本文源地址:http://blogold.chinaunix.net/u3/114549/showart_2536704.html