mysql 哈希关联_MySQL 8.0 新特性之哈希连接（Hash Join）

MySQL 开发组于 2019 年 10 月 14 日 正式发布了 MySQL 8.0.18 GA 版本，带来了一些新特性和增强功能。其中最引人注目的莫过于多表连接查询支持 hash join 方式了。我们先来看看官方的描述：

MySQL 实现了用于内连接查询的 hash join 方式。例如，从 MySQL 8.0.18 开始以下查询可以使用 hash join 进行连接查询：

SELECT *

FROM t1

JOIN t2

ON t1.c1=t2.c1;

Hash join 不需要索引的支持。大多数情况下，hash join 比之前的 Block Nested-Loop 算法在没有索引时的等值连接更加高效。使用以下语句创建三张测试表：

CREATE TABLE t1 (c1 INT, c2 INT);

CREATE TABLE t2 (c1 INT, c2 INT);

CREATE TABLE t3 (c1 INT, c2 INT);

使用EXPLAIN FORMAT=TREE命令可以看到执行计划中的 hash join，例如：

mysql> EXPLAIN FORMAT=TREE

-> SELECT *

-> FROM t1

-> JOIN t2

-> ON t1.c1=t2.c1\G

*************************** 1. row ***************************

EXPLAIN: -> Inner hash join (t2.c1 = t1.c1) (cost=0.70 rows=1)

-> Table scan on t2 (cost=0.35 rows=1)

-> Hash

-> Table scan on t1 (cost=0.35 rows=1)

必须使用 EXPLAIN 命令的 FORMAT=TREE 选项才能看到节点中的 hash join。另外，EXPLAIN ANALYZE命令也可以显示 hash join 的使用信息。这也是该版本新增的一个功能。

多个表之间使用等值连接的的查询也会进行这种优化。例如以下查询：

SELECT *

FROM t1

JOIN t2

ON (t1.c1 = t2.c1 AND t1.c2 < t2.c2)

JOIN t3

ON (t2.c1 = t3.c1);

在以上示例中，任何其他非等值连接的条件将会在连接操作之后作为过滤器使用。可以通过EXPLAIN FORMAT=TREE命令的输出进行查看：

mysql> EXPLAIN FORMAT=TREE

-> SELECT *

-> FROM t1

-> JOIN t2

-> ON (t1.c1 = t2.c1 AND t1.c2 < t2.c2)

-> JOIN t3

-> ON (t2.c1 = t3.c1)\G

*************************** 1. row ***************************

EXPLAIN: -> Inner hash join (t3.c1 = t1.c1) (cost=1.05 rows=1)

-> Table scan on t3 (cost=0.35 rows=1)

-> Hash

-> Filter: (t1.c2 < t2.c2) (cost=0.70 rows=1)

-> Inner hash join (t2.c1 = t1.c1) (cost=0.70 rows=1)

-> Table scan on t2 (cost=0.35 rows=1)

-> Hash

-> Table scan on t1 (cost=0.35 rows=1)

从以上输出同样可以看出，包含多个等值连接条件的查询也可以(会)使用多个 hash join 连接。

但是，如果任何连接语句(ON)中没有使用等值连接条件，将不会采用 hash join 连接方式。例如：

mysql> EXPLAIN FORMAT=TREE

-> SELECT *

-> FROM t1

-> JOIN t2

-> ON (t1.c1 = t2.c1)

-> JOIN t3

-> ON (t2.c1 < t3.c1)\G

*************************** 1. row ***************************

EXPLAIN:

此时，将会采用性能更慢的 block nested loop连接算法。这与 MySQL 8.0.18 之前版本中没有索引时的情况一样：

mysql> EXPLAIN

-> SELECT *

-> FROM t1

-> JOIN t2

-> ON (t1.c1 = t2.c1)

-> JOIN t3

-> ON (t2.c1 < t3.c1)\G

*************************** 1. row ***************************

id: 1

select_type: SIMPLE

table: t1

partitions: NULL

type: ALL

possible_keys: NULL

key: NULL

key_len: NULL

ref: NULL

rows: 1

filtered: 100.00

Extra: NULL

*************************** 2. row ***************************

id: 1

select_type: SIMPLE

table: t2

partitions: NULL

type: ALL

possible_keys: NULL

key: NULL

key_len: NULL

ref: NULL

rows: 1

filtered: 100.00

Extra: Using where; Using join buffer (Block Nested Loop)

*************************** 3. row ***************************

id: 1

select_type: SIMPLE

table: t3

partitions: NULL

type: ALL

possible_keys: NULL

key: NULL

key_len: NULL

ref: NULL

rows: 1

filtered: 100.00

Extra: Using where; Using join buffer (Block Nested Loop)

Hash join 连接同样适用于不指定查询条件时的笛卡尔积(Cartesian product)，例如：

mysql> EXPLAIN FORMAT=TREE

-> SELECT *

-> FROM t1

-> JOIN t2

-> WHERE t1.c2 > 50\G

*************************** 1. row ***************************

EXPLAIN: -> Inner hash join (cost=0.70 rows=1)

-> Table scan on t2 (cost=0.35 rows=1)

-> Hash

-> Filter: (t1.c2 > 50) (cost=0.35 rows=1)

-> Table scan on t1 (cost=0.35 rows=1)

默认配置时，MySQL 所有可能的情况下都会使用 hash join。同时提供了两种控制是否使用 hash join 的方法：

在全局或者会话级别设置服务器系统变量optimizer_switch中的 hash_join=on或者 hash_join=off选项。默认为 hash_join=on。

在语句级别为特定的连接指定优化器提示 HASH_JOIN 或者 NO_HASH_JOIN。

可以通过系统变量join_buffer_size控制 hash join 允许使用的内存数量；hash join 不会使用超过该变量设置的内存数量。如果 hash join 所需的内存超过该阈值，MySQL 将会在磁盘中执行操作。需要注意的是，如果 hash join 无法在内存中完成，并且打开的文件数量超过系统变量 open_files_limit的值，连接操作可能会失败。为了解决这个问题，可以使用以下方法之一：

增加 join_buffer_size的值，确保 hash join可以在内存中完成。

增加 open_files_limit的值。

接下来他们比较一下 hash join和 block nested loop的性能，首先分别为 t1、t2 和 t3 生成 1000000 条记录：

set join_buffer_size=2097152000;

SET @@cte_max_recursion_depth = 99999999;

INSERT INTO t1

-- INSERT INTO t2

-- INSERT INTO t3

WITH RECURSIVE t AS (

SELECT 1 AS c1, 1 AS c2

UNION ALL

SELECT t.c1 + 1, t.c1 * 2

FROM t

WHERE t.c1 < 1000000

)

SELECT *

FROM t;

没有索引情况下的 hash join：

mysql> EXPLAIN ANALYZE

-> SELECT COUNT(*)

-> FROM t1

-> JOIN t2

-> ON (t1.c1 = t2.c1)

-> JOIN t3

-> ON (t2.c1 = t3.c1)\G

*************************** 1. row ***************************

EXPLAIN: -> Aggregate: count(0) (actual time=22993.098..22993.099 rows=1 loops=1)

-> Inner hash join (t3.c1 = t1.c1) (cost=9952535443663536.00 rows=9952435908880402) (actual time=14489.176..21737.032 rows=1000000 loops=1)

-> Table scan on t3 (cost=0.00 rows=998412) (actual time=0.103..3973.892 rows=1000000 loops=1)

-> Hash

-> Inner hash join (t2.c1 = t1.c1) (cost=99682753413.67 rows=99682653660) (actual time=5663.592..12236.984 rows=1000000 loops=1)

-> Table scan on t2 (cost=0.01 rows=998412) (actual time=0.067..3364.105 rows=1000000 loops=1)

-> Hash

-> Table scan on t1 (cost=100539.40 rows=998412) (actual time=0.133..3395.799 rows=1000000 loops=1)

1 row in set (23.22 sec)

mysql> SELECT COUNT(*)

-> FROM t1

-> JOIN t2

-> ON (t1.c1 = t2.c1)

-> JOIN t3

-> ON (t2.c1 = t3.c1);

+----------+

| COUNT(*) |

+----------+

| 1000000 |

+----------+

1 row in set (12.98 sec)

实际运行花费了 12.98 秒。这个时候如果使用 block nested loop：

mysql> EXPLAIN FORMAT=TREE

-> SELECT /*+ NO_HASH_JOIN(t1, t2, t3) */ COUNT(*)

-> FROM t1

-> JOIN t2

-> ON (t1.c1 = t2.c1)

-> JOIN t3

-> ON (t2.c1 = t3.c1)\G

*************************** 1. row ***************************

EXPLAIN:

1 row in set (0.00 sec)

SELECT /*+ NO_HASH_JOIN(t1, t2, t3) */ COUNT(*)

FROM t1

JOIN t2

ON (t1.c1 = t2.c1)

JOIN t3

ON (t2.c1 = t3.c1);

EXPLAIN 显示无法使用 hash join。查询跑了几十分钟也没有出结果，其中一个 CPU 使用率到了 100%；因为一直在执行嵌套循环(1000000 的 3 次方)。

再看有索引时的 block nested loop 方法，增加索引：

mysql> CREATE index idx1 ON t1(c1);

Query OK, 0 rows affected (7.39 sec)

Records: 0 Duplicates: 0 Warnings: 0

mysql> CREATE index idx2 ON t2(c1);

Query OK, 0 rows affected (6.77 sec)

Records: 0 Duplicates: 0 Warnings: 0

mysql> CREATE index idx3 ON t3(c1);

Query OK, 0 rows affected (7.23 sec)

Records: 0 Duplicates: 0 Warnings: 0

查看执行计划并运行相同的查询语句：

mysql> EXPLAIN ANALYZE

-> SELECT COUNT(*)

-> FROM t1

-> JOIN t2

-> ON (t1.c1 = t2.c1)

-> JOIN t3

-> ON (t2.c1 = t3.c1)\G

*************************** 1. row ***************************

EXPLAIN: -> Aggregate: count(0) (actual time=47684.034..47684.035 rows=1 loops=1)

-> Nested loop inner join (cost=2295573.22 rows=998412) (actual time=0.116..46363.599 rows=1000000 loops=1)

-> Nested loop inner join (cost=1198056.31 rows=998412) (actual time=0.087..25788.696 rows=1000000 loops=1)

-> Filter: (t1.c1 is not null) (cost=100539.40 rows=998412) (actual time=0.050..5557.847 rows=1000000 loops=1)

-> Index scan on t1 using idx1 (cost=100539.40 rows=998412) (actual time=0.043..3253.769 rows=1000000 loops=1)

-> Index lookup on t2 using idx2 (c1=t1.c1) (cost=1.00 rows=1) (actual time=0.012..0.015 rows=1 loops=1000000)

-> Index lookup on t3 using idx3 (c1=t1.c1) (cost=1.00 rows=1) (actual time=0.012..0.015 rows=1 loops=1000000)

1 row in set (47.68 sec)

mysql> SELECT COUNT(*)

-> FROM t1

-> JOIN t2

-> ON (t1.c1 = t2.c1)

-> JOIN t3

-> ON (t2.c1 = t3.c1);

+----------+

| COUNT(*) |

+----------+

| 1000000 |

+----------+

1 row in set (19.56 sec)

实际运行花费了 19.56 秒。所以在我们这个场景中的测试结果如下：

Hash Join(无索引)

Block Nested Loop(无索引)

Block Nested Loop(有索引)

12.98 s

未返回

19.56 s

再增加一个 Oracle 12c 中无索引时 hash join 结果：1.282 s。

再增加一个 PostgreSQL 11.5 中无索引时 hash join 结果：6.234 s。

再增加一个 SQL 2017 中无索引时 hash join 结果：5.207 s。

总结

以上所述是小编给大家介绍的MySQL 8.0 新特性之哈希连接(Hash Join),希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对脚本之家网站的支持！如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！