【StoneDB Class】入门第五课：StoneDB 中的表连接
本次课程为大家讲述 StoneDB 中的表连接。StoneDB 的表连接方式有 Nested Loop Join、Sort Merge Join、Map Join、Hash Join，不同的连接方式有不同的使用场景，在 StoneDB 中使用最广泛的是 Map Join 和 Hash Join。下面为大家详细介绍上述提到的四种表连接方式。
Nested Loop Join
通过一个示例来理解 Nested Loop Join 的原理：
mysql> select count(*) from t1,t2 where t1.id <> t2.id and t1.last_name='八';+----------+| count(*) |+----------+| 9999998 |+----------+1 row in set (28.90 sec)
向右滑动代码
假设优化器会选择表 t1 为驱动表，表 t2 为被驱动表，Nested Loop Join 的执行过程如下：
1）遍历驱动表的结果集，取出结果集中的第1条记录；
2）遍历被驱动表的结果集，按照关联字段去判断被驱动表的结果集中是否存在匹配的记录，如果匹配成功，则返回数据，否则就被丢弃；
3）直到遍历完驱动表的结果集为止。
从执行过程可知，驱动表有多少结果集，被驱动表就需要扫描多少次。如果驱动表的结果集很大，被驱动表就要扫描很多次，SQL 的性能就会非常的差。在其它数据库中，如果表连接方式是 Nested Loop Join，且被驱动表的关联字段是索引字段，那么 Nested Loop Join 还是很高效的。但在 StoneDB 中，即使表连接的关联条件是等值查询，且被驱动表的关联字段是索引字段，优化器也不会选择 Nested Loop Join，而选择 Hash Join 或者 Map Join。
Nested Loop Join 的使用场景：多表关联的连接字段是非等值查询。
要想知道表与表之间进行关联使用的是哪种表连接方式，需要设置参数 tianmu_control_trace，然后查看 trace.log，trace.log 的默认保存路径在 log 目录下。
set global tianmu_control_trace=1;--SQLset global tianmu_control_trace=0;more /stonedb57/install/log/trace.log
Sort Merge Join
通过一个示例来理解 Sort Merge Join 的原理：
mysql> select count(*) from t3,t4 where t3.id > t4.id and t3.last_name='八';+---------------+| count(*) |+---------------+| 1618433818772 |+---------------+1 row in set (4.93 sec)
向右滑动代码
在多表关联返回较大数据量时，Nested Loop Join 存在性能问题，因此出现了 Sort Merge Join，Sort Merge Join 的执行过程如下：
1）根据谓词条件访问其中的一张表，得到的结果集按照表中的连接字段排序，排好序的结果集记为结果集 R1；
2）根据谓词条件访问另外一张表，得到的结果集按照表中的连接字段排序，排好序的结果集记为结果集 R2；
3）遍历结果集 R1，即取出结果集R1中的第1条记录去和结果集 R2 中按照连接字段判断是否存在匹配的记录，直到遍历完结果集 R1 中所有的记录。
从执行过程可知，Sort Merge Join 需要对连接字段进行排序，我们知道在数据库中做排序是比较消耗资源的，如果无法使用内存排序，那么就需要使用磁盘排序，磁盘排序会生成临时文件，导致大量 IO 和空间占用等问题。在未出现 Hash Join 之前，Sort Merge Join 是处理大数据较为理想的表连接方式。
Sort Merge Join 的使用场景：多表关联的连接字段出现大于、小于比较。
Hash Join
通过一个示例来理解 Hash Join 的原理：
mysql> select count(*) from t2,t3 where t2.first_name=t3.first_name;+---------------+| count(*) |+---------------+| 1303595576856 |+---------------+1 row in set (2.46 sec)
向右滑动代码
假设优化器会选择表 t2 为驱动表，表 t3 为被驱动表，Hash Join 的执行过程如下：
1）在内存中建立 hash table，根据 hash 函数计算出表 t2 结果集中关联字段的 hash value，将计算出的 hash value 存放到内存的 hash table；
2）根据 hash 函数计算出表 t3 结果集中关联字段的 hash value；
3）表 t3 结果集中关联字段的 hash value 与内存中的 hash table 进行匹配，如果匹配成功，则返回数据，否则就被丢弃。
从执行过程可知，每张表只需要扫描一次，hash 函数可以把 hash value 均匀地打散，匹配的效率还是非常高效的。
Hash Join 的使用场景：多表关联返回大量数据，且连接字段必须是等值查询。
Map Join
通过一个示例来理解 Map Join 的原理：
mysql> select count(*) from t2,t3 where t2.id = t3.id;+----------+| count(*) |+----------+| 5000000 |+----------+1 row in set (14.49 sec)mysql> set global tianmu_force_hashjoin=on;Query OK, 0 rows affected (0.01 sec)mysql> select count(*) from t2,t3 where t2.id = t3.id;+----------+| count(*) |+----------+| 5000000 |+----------+1 row in set (2.40 sec)
向右滑动代码
Map Join 的执行过程与 Hash Join 的执行过程很相似，通常情况下 Hash Join 算法比 Map Join 高效，如果把参数 tianmu_force_hashjoin 打开，原本优化器选择的表连接方式是 Map Join，现在会选择 Hash Join。
以上是本次课程的全部内容，感谢各位继续关注。如果您对 StoneDB 感兴趣，欢迎前往 StoneDB 代码仓库了解更多，期待您的加入。
官网：https://stonedb.io/
Github: https://github.com/stoneatom/stonedb
可扫码添加小助手
加入StoneDB开源社区用户群
讨论交流，共同进步