ITPub博客

首页 > Linux操作系统 > Linux操作系统 > 执行计划三:表之间的连接

执行计划三:表之间的连接

原创 Linux操作系统 作者:zofe2008 时间:2009-02-22 15:02:54 0 删除 编辑

Join是一种视图将两个表结合在一起的谓词,一次只能连接两个表,表连接也可以被称为关联。在后面的叙述中,我们将会使用“row source”来代替表,因为使用row source更严谨一些,并且将参与连接的2row source分别成为row source 1row source2.Join过程的各个步骤经常是串行操作,即使相关的row source可以被并行访问,即可以并行的读取做join连接的两个row source的数据,但是在将表中符合限制条件的数据读入到内存形成row source后,join的其他步骤一步是并行的。有多种方法可以将2个表连接起来,当然每种方法都有自己的优缺点,每种连接类型只有在特定的条件下才会 发挥出其最大优势。

 

row source()之间的连接顺序对于查询的效率有非常大的影响。通过首先存取特定的表,即将该表作为驱动表,这样可以先应用某些限制条件,从而得到一个 较小的row source,使连接的效率较高,这也就是我们常说的要先执行限制条件的原因。一般是在将表读入内存时,应用where子句中对该表的限制条件。

根据2row source的连接条件的中操作符的不同,可以将连接分为等值连接(WHERE A.COL3 = B.COL4)、非等值连接(WHERE A.COL3 > B.COL4)、外连接(WHERE A.COL3 = B.COL4(+))。上面的各个连接的连接原理都基本一样。

 

典型的连接类型共有3种:

排序-合并连接(Sort Merge Join (SMJ))

嵌套循环(Nested Loops (NL))

哈希连接(Hash Join)

 

4.1、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(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row source1对应的连接操作关联列(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2row source按照连接条件连接起来。

 

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,特别是对于教大的表。预先排序的row source包括已经被索引的列或row source已经在前面的步骤中被排序了。尽管合并两个row source是串行的,但是可以并行访问者两个row source(如并行读入数据,并行排序)

 

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2row source都已经预先排序,则这种连接方法的效率也是蛮高的。

 

4.2、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。但是这个理论知识一般指导原则,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,反而会获得更好的销量。如果使用这个方法,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。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尽量小和高效的访问row source2(一般通过索引实现)是影响整个连接效率 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。因为最少的物理I/O次数才是我们应该遵从的真正指导原则。

 

NESTED LOOPS连接中,Oracle读取row source1中的每一行,然后再row source2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,以相应速度为主要目的。

 

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。

4.3、哈希连接(Hash JoinHJ

这种连接是在oracle 7.3以后引入的,从理论上来说比NLSMJ更高效,而且只用在CBO优化器中。

较小的row source被用来构建hash tablebitmap,第2row source被用来被hashed,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 tablebitmap的表为驱动表,当被构建的hash tablebitmap能被容纳在内存中时,这种连接方式的效率极高。

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。

 

4.4、笛卡尔乘积(Cartesian Product

当两个row source做连接,但是它们之间没有关联条件时,就会在两个row source中做笛卡儿乘积,这通常由编写代码疏漏造成(即程序员忘了写关联条件)。笛卡尔乘积是一个表的每一行依次与另一个表中的所有行匹配。在特殊情 况下我们可以使用笛卡儿乘积,如在星形连接中,除此之外,我们要尽量使用笛卡儿乘积,否则,自己想结果是什么吧!

CARTESIAN关键字指出了在2个表之间做笛卡尔乘积。假如表empn行,dept表有m行,笛卡尔乘积的结果就是得到n * m行结果。

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/14969361/viewspace-557359/,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论

注册时间:2009-01-17

  • 博文量
    24
  • 访问量
    42091