【数据库系统概念】外部排序归并与归并连接

排序

数据库系统中，数据排序有着重要的作用。其原因有两个：

• SQL查询会指明对结果进行排序；
• 连接运算能够得到高效实现（本文第二节会说到）。

外部排序归并算法（external sort-merge）

对于一个数据库来说，它往往具有海量的数据。若对这海量数据进行排序，是不能够一次性在内存中完成的，因此把不能全部放在内存中的关系的排序称为外排序，而外排序最常用的技术就是外部排序归并算法。

直观描述

举个最简单的例子来说明外部排序归并算法。下面对序列 2, 3, 1, 7, 9, 6, 8, 4, 5, 0 进行排序。首先使用最传统的二路归并排序算法：

如上图所示，第一次归并排序是两两元素合并并排序，第二次归并是将上一次排序好的元素进行重排，依此类推得到最终排序结果。

上述算法的前提是内存能够容纳所有排序元素，说白了就是要排序10个元素得至少有长度为10的数组来存它才行。如果数组长度不足10，一次只能排序3个元素怎么办？这就用到了外部排序的思想。

第一阶段，和之前一样，因为只能对3个元素进行排序，那就首先以3个元素为1组将其排好，这排好的三元组就称为归并段。

第二阶段，内存只能存储3个数据，这里为2个归并段各分配一个块用来进行比较，剩下的一块保存两元素比较的较小值作为输出结果。即从第一个归并段中取出1，从第二个归并段中取出6。将比较结果存入第三个块中，此时存入1，并将1存入到结果中。

由于1已经存入到结果中，接着应该从归并段1中将下一个元素缓存至内存，并将比较结果存入第三块之后输出，如下图所示。

依此类推，当一个归并段的元素全部用完后，加载下一个归并段重复上述过程，最终得到排序结果。

得到了排序结果，就能够将这一结果运用到连接当中。

连接

这一连接算法可用于计算自然连接和等值连接。该算法描述如下：

1. 归并连接算法为每个关系（R和S）分配各一个指针（pr和ps）；
2. 首先顺序遍历关系R，将具有相同值元素暂存在缓冲区中；
3. 顺序遍历关系S，遍历到元素的值大于等于缓冲区中的值，如果相等，则执行步骤4，否则返回步骤1。
4. 顺序遍历缓冲区和关系S中的元素，并将相同元素加入连接结果中；当元素值不同时，返回步骤2，若任意指针为空，则结束连接。

下面用一个简单的例子来说明该算法。假设关系R为一数组2,3,3,5,5,6，关系S为1,1,2,2,3,4,4,5。注意，这里的数组都是已经排好序的，其排序算法正是本文第一节中提到的。

1. 为两个关系各分配一个指针，此时pr指向R中的2，ps指向S中的1，如下图所示。
   
2. 顺序遍历关系R，相同元素只有2，因此将2加入缓冲区，当前缓冲区内元素为{2}，如下图所示：
   
3. 顺序遍历关系S中的元素，由于缓冲区中元素为2，因此ps遍历到2时转到步骤4，如下图：
   
4. 缓冲区中元素为{2}，ps指向2，因此将{2,2}加入连接结果，ps指针随即指向下一个元素。ps指针仍然指向2，则需再次把{2,2}加入到连接结果中，同时更新ps指针。此时ps指向的内容为3，本轮连接结束，返回步骤2。完成该步骤后指针如下图所示：
   

这时，连接结果中存有两个元组{(2,2), (2,2)}。

同样的道理，再次执行步骤2，将元素3加入缓冲区，缓冲区中元素为{3,3}，执行步骤3；当前ps指向为3，执行步骤4；将(3,3)和(3,3)加入到连接结果，ps和pr均不是空指针，则再次执行步骤2。依此类推得到最终结果。