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（如 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 sort source1 对应的连接操作关联列（如 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 2 个 row source 按照连接条件连接起来

　　下面是连接步骤的图形表示：

　　               MERGE

　　              /           /

　　       SORT           SORT

　　          |                   |

　　 Row Source 1  Row Source 2

　　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，特别是对于较大的表。预先排序的 row source 包括已经被索引的列（如 a.col3 或 b.col4 上有索引）或 row source 已经在前面的步骤中被排序了。尽管合并两个 row source 的过程是串行的，但是可以并行访问这两个 row source （如并行读入数据，并行排序）。

　　 SMJ 连接的例子：

　　 SQL> explain plan for

　　 select /*+ ordered */ e.deptno ， d.deptno

　　 from emp e ， dept d

　　 where e.deptno = d.deptno

　　 order by e.deptno ， d.deptno ；

　　 Query Plan

　　 -------------------------------------

　　 SELECT STATEMENT [CHOOSE] Cost=17

　　 MERGE JOIN

　　 SORT JOIN

　　 TABLE ACCESS FULL EMP [ANALYZED]

　　 SORT JOIN

　　 TABLE ACCESS FULL DEPT [ANALYZED]

　　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 2 个 row source 都已经预先排序，则这种连接方法的效率也是蛮高的。

　　 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。但是这个理论只是一般指导原则，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，反而会获得更好的效率。如果使用这种方法，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、很差。

　　内部连接过程：

　　 Row source1 的 Row 1 —— Probe ->Row source 2

　　 Row source1 的 Row 2 —— Probe ->Row source 2

　　 Row source1 的 Row 3 —— Probe ->Row source 2

　　……。

　　 Row source1 的 Row n —— Probe ->Row source 2

　　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 尽可能的小与高效的访问 row source2 （一般通过索引实现）是影响这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。但是如果不遵从这个指导原则，反而能用更少的物理 I/O 实现连接操作，那尽管违反指导原则吧！因为最少的物理 I/O 次数才是我们应该遵从的真正的指导原则，在后面的具体案例分析中就给出这样的例子。

　　在上面的连接过程中，我们称 Row source1 为驱动表或外部表。 Row Source2 被称为被探查表或内部表。

　　在 NESTED LOOPS 连接中， Oracle 读取 row source1 中的每一行，然后在 row sourc2 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，以响应速度为 主要目标。

　　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。

　　 NL 连接的例子：

　　 SQL> explain plan for

　　 select a.dname ， b.sql

　　 from dept a ， emp b

　　 where a.deptno = b.deptno ；

　　 Query Plan

　　 -------------------------

　　 SELECT STATEMENT [CHOOSE] Cost=5

　　 NESTED LOOPS

　　 TABLE ACCESS FULL DEPT [ANALYZED]

　　 TABLE ACCESS FULL EMP [ANALYZED]

　　 3 ，哈希连接（ Hash Join ， HJ ）

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

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

　　 HASH 连接的例子：

　　 SQL> explain plan for

　　 select /*+ use_hash （ emp ） */ empno

　　 from emp ， dept

　　 where emp.deptno = dept.deptno ；

　　 Query Plan

　　 ----------------------------

　　 SELECT STATEMENT[CHOOSE] Cost=3

　　 HASH JOIN

　　 TABLE ACCESS FULL DEPT

　　 TABLE ACCESS FULL EMP

　　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。

最后，总结一下，在哪种情况下用哪种连接方法比较好：

　　排序 - - 合并连接（ Sort Merge Join ， SMJ ）：

　　 a ） 对于非等值连接，这种连接方式的效率是比较高的。

　　 b ） 如果在关联的列上都有索引，效果更好。

　　 c ） 对于将 2 个较大的 row source 做连接，该连接方法比 NL 连接要好一些。

　　 d ） 但是如果 sort merge 返回的 row source 过大，则又会导致使用过多的 rowid 在表中查询数据时，数据库性能下降，因为过多的 I/O.

　　嵌套循环（ Nested Loops ， NL ）：

　　 a ） 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。

　　 b ） 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。

　　哈希连接（ Hash Join ， HJ ）：

　　 a ） 这种方法是在 oracle7 后来引入的，使用了比较先进的连接理论，一般来说，其效率应该好于其它 2 种连接，但是这种连接只能用在 CBO 优化器中，而且需要设置合适的 hash_area_size 参数，才能取得较好的性能。

　　 b ） 在 2 个较大的 row source 之间连接时会取得相对较好的效率，在一个 row source 较小时则能取得更好的效率。

　　 c ） 只能用于等值连接中

本文源地址：http://blogold.chinaunix.net/u3/114549/showart_2536704.html



-------------------------------------------------------------------------------------------------------------------
来源：

一、  hash join概念
     hash join(HJ)是一种用于equi-join（而anti-join就是使用NOT IN时的join）的技术。在Oracle中，它是从7.3开始引入的，
以代替sort-merge和nested-loop join方式，提高效率。在CBO（hash join只有在CBO才可能被使用到）模式下，优化器计算代价时，
首先会考虑hash join。
     可以通过提示use_hash来强制使用hash join，也可以通过修改会话或数据库参数HASH_JOIN_ENABLED=FALSE（默认为TRUE）强
制不使用hash join。
     Hash join的主要资源消耗在于CPU（在内存中创建临时的hash表，并进行hash计算），而merge join的资源消耗主要在于此盘IO
（扫描表或索引）。在并行系统中，hash join对CPU的消耗更加明显。所以在CPU紧张时，最好限制使用hash join。
     在绝大多数情况下，hash join效率比其他join方式效率更高：
     在Sort-Merge Join(SMJ)，两张表的数据都需要先做排序，然后做merge。因此效率相对最差；
     Nested-Loop Join(NL)效率比SMJ更高。特别是当驱动表的数据量很大（集的势高）时。这样可以并行扫描内表。
     Hash join效率最高，因为只要对两张表扫描一次。

     Hash join一般用于一张小表和一张大表进行join时。Hash join的过程大致如下（下面所说的内存就指sort area，关于过程，后
面会作详细讨论）：
1．  一张小表被hash在内存中。因为数据量小，所以这张小表的大多数数据已经驻入在内存中，剩下的少量数据被放置在临时表空间中；
2．  每读取大表的一条记录，就和小表中内存中的数据进行比较，如果符合，则立即输出数据（也就是说没有读取临时表空间中的小表的数
据）。而如果大表的数据与小表中临时表空间的数据相符合，则不直接输出，而是也被存储临时表空间中。
3．  当大表的所有数据都读取完毕，将临时表空间中的数据以其输出。

     如果小表的数据量足够小（小于hash area size），那所有数据就都在内存中了，可以避免对临时表空间的读写。

     如果是并行环境下，前面中的第2步就变成如下了：
2．  每读取一条大表的记录，和内存中小表的数据比较，如果符合先做join，而不直接输出，直到整张大表数据读取完毕。如果内存足够，
Join好的数据就保存在内存中。否则，就保存在临时表空间中。
二、  Oracle中与hash join相关的参数
     首先，要注意的是，hash join只有在CBO方式下才会被激活。在oracle中与hash join相关的参数主要有以下几个：
1．             HASH_JOIN_ENABLED
     这个参数是控制查询计划是否采用hash join的“总开关”。它可以在会话级和实例级被修改。默认为TRUE，既可以（不是一定，要看优
化器计算出来的代价）使用。如果设为FALSE，则禁止使用hash join。
2．             HASH_AREA_SIZE
     这个参数控制每个会话的hash内存空间有多大。它也可以在会话级和实例级被修改。默认（也是推荐）值是sort area空间大小的两倍
（2*SORT_AREA_SIZE）。要提高hash join的效率，就一定尽量保证sort area足够大，能容纳下整个小表的数据。但是因为每个会话都会
开辟一个这么大的内存空间作为hash内存，所以不能过大（一般不建议超过2M）。
     在Oracle9i及以后版本中，Oracle不推荐在dedicated server中使用这个参数来设置hash内存，而是推荐通过设置
PGA_AGGRATE_TARGET参数来自动管理PGA内存。保留HASH_AREA_SIZE只是为了向后兼容。在dedicated server中，hash area是从
PGA中分配的，而在MTS(Multi-Threaded Server)中，hash area是从UGA中分配的。
     另外，还要注意的是，每个会话并不一定只打开一个hash area，因为一个查询中可能不止一个hash join，这是就会相应同时打开多个
hash area。
3．             HAHS_MULTIBLOCK_IO_COUNT
     这个参数决定每次读入hash area的数据块数量。因此它会对IO性能产生影响。他只能在init.ora或spfile中修改。在8.0及之前版本，
它的默认值是1，在8i及以后版本，默认值是0。一般设置为1-(65536/DB_BLOCK_SIZE)。
     在9i中，这个参数是一个隐藏参数：_HASH_MULTIBLOCK_IO_COUNT，可以通过表x$ksppi查询和修改。
     另外，在MTS中，这个参数将不起作用（只会使用1）。
     它的最大值受到OS的IO带宽和DB_BLOCK_SIZE的影响。既不能大于MAX_IO_SIZE/DB_BLOCK_SIZE。
     在8i及以后版本，如果这个值设置为0，则表示在每次查询时，Oracle自己自动计算这个值。这个值对IO性能影响非常大，因此，建议不要
修改这个参数，使用默认值0，让Oracle自己去计算这个值。
     如果一定要设置这个值，要保证以下不等式能成立：
     R/M < Po2(M/C)
     其中，R表示小表的大小；M=HASH_AREA_SIZE*0.9；Po2(n)为n的2次方；C=HASH_MULTIBLOCK_IO_COUNT*DB_BLOCK_SIZE。
三、  Hash join的过程
     一次完整的hash join如下：
1．             计算小表的分区（bucket）数
     决定hash join的一个重要因素是小表的分区（bucket）数。这个数字由hash_area_size、hash_multiblock_io_count和
db_block_size参数共同决定。Oracle会保留hash area的20%来存储分区的头信息、hash位图信息和hash表。因此，这个数字的计算公式是：
     Bucket数=0.8*hash_area_size/(hash_multiblock_io_count*db_block_size)
2．             Hash计算   
     读取小表数据（简称为R），并对每一条数据根据hash算法进行计算。Oracle采用两种hash算法进行计算，计算出能达到最快速度的hash值
（第一hash值和第二hash值）。而关于这些分区的全部hash值（第一hash值）就成为hash表。
3．             存放数据到hash内存中
     将经过hash算法计算的数据，根据各个bucket的hash值（第一hash值）分别放入相应的bucket中。第二hash值就存放在各条记录中。
4．             创建hash位图
     与此同时，也创建了一个关于这两个hash值映射关系的hash位图。
5．             超出内存大小部分被移到磁盘
     如果hash area被占满，那最大一个分区就会被写到磁盘（临时表空间）上去。任何需要写入到磁盘分区上的记录都会导致磁盘分区被更新。这
样的话，就会严重影响性能，因此一定要尽量避免这种情况。
     2-5一直持续到整个表的数据读取完毕。
6．             对分区排序
     为了能充分利用内存，尽量存储更多的分区，Oracle会按照各个分区的大小将他们在内存中排序。
7．             读取大表数据，进行hash匹配
     接下来就开始读取大表（简称S）中的数据。按顺序每读取一条记录，计算它的hash值，并检查是否与内存中的分区的hash值一致。如果是，返
回join数据。如果内存中的分区没有符合的，就将S中的数据写入到一个新的分区中，这个分区也采用与计算R一样的算法计算出hash值。也就是说这些
S中的数据产生的新的分区数应该和R的分区集的分区数一样。这些新的分区被存储在磁盘（临时表空间）上。
8．             完全大表全部数据的读取
     一直按照7进行，直到大表中的所有数据的读取完毕。

9．             处理没有join的数据
     这个时候就产生了一大堆join好的数据和从R和S中计算存储在磁盘上的分区。
10．       二次hash计算
     从R和S的分区集中抽取出最小的一个分区，使用第二种hash函数计算出并在内存中创建hash表。采用第二种hash函数的原因是为了使数据分布
性更好。
11．       二次hash匹配
     在从另一个数据源（与hash在内存的那个分区所属数据源不同的）中读取分区数据，与内存中的新hash表进行匹配。返回join数据。
12．       完成全部hash join
     继续按照9-11处理剩余分区，直到全部处理完毕。

     整个hash join就完成了。

四、  关于唯一健值的hash位图
     这个位图包含了每个hash分区是否有有值的信息。它记录了有数据的分区的hash值。这个位图的最大作用就是，如果S表中的数据没有与内存中的
hash表匹配上，先查看这个位图，已决定是否将没有匹配的数据写入磁盘。那些不可能匹配到的数据（即位图上对应的分区没有数据）就不再写入磁盘。