在并行计算中,遇到建 HASH 表的场景,我们通常会认为左侧数据会随着建 HASH 表的过程,全部物化到驱动算子中。这个假设并不总是成立!
在 HASH JOIN 中,利用左侧来的数据建立 HASH 表,在建完 HASH 表之前,不会对外吐出任何数据。
UNION DISTINCT 使用 HASH UNION DISTINCT 算法时,也会使用左侧的数据来建 HASH 表,基于 HASH 表来判断重复行。但是它的吐行行为和 HASH JOIN 中的 HASH 算法是不同的。在 UNION DISTINCT 中,对于每一个 NDV 值来说:首行到来时,会用它建立 HASH 表,并吐出首行,之后到来的行都直接丢弃。最终,处理完左右分支后,HASH 表本身也会直接丢弃,完成整个算法。