HASH UNION DISTINCT 与 HASH JOIN 算法的差异

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。