Oracle表连接操作——Hash Join（哈希连接）

桃扇骨 2022-04-14 04:44 1470阅读 0赞

转自：http://space.itpub.net/17203031/viewspace-697442  
  
在Oracle中，确定连接操作类型是执行计划生成的重要方面。各种连接操作类型代表着不同的连接操作算法，不同的连接操作类型也适应于不同的数据量和数据分布情况。  
  
  
无论是Nest Loop Join（嵌套循环），还是Merge Sort Join（合并排序连接），都是适应于不同特殊情况的古典连接方法。Nest Loop Join算法虽然可以借助连接列索引，但是带来的随机读成本过大。而Merge Sort Join虽然可以减少随机读的情况，但是带来的大规模Sort操作，对内存和Temp空间压力过大。两种算法在处理海量数据的时候，如果是海量随机读还是海量排序，都是不能被接受的连接算法。本篇中，我们介绍目前比较常用的一种连接方式Hash Join连接。  
  
  
1、Hash Join（哈希连接）原理  
  
从Oracle 7.3开始，Hash Join正式进入优化器执行计划生成，只有CBO才能使用Hash Join操作。本质上说，Hash Join连接是借助Hash算法，连带小规模的Nest Loop Join，同时利用内存空间进行高速数据缓存检索的一种算法。  
  
下面我们分步骤介绍Hash Join算法步骤：  
  
i. Hash Join连接对象依然是两个数据表，首先选择出其中一个“小表”。这里的小表，就是参与连接操作的数据集合数据量小。对连接列字段的所有数据值，进行Hash函数操作。Hash函数是计算机科学中经常使用到的一种处理函数，利用Hash值的快速搜索算法已经被认为是成熟的检索手段。Hash函数处理过的数据特征是“相同数据值的Hash函数值一定相同，不同数据值的Hash函数值可能相同”；  
ii. 经过Hash处理过的小表连接列，连同数据一起存放到Oracle PGA空间中。PGA中存在一块空间为hash\_area，专门存放此类数据。并且，依据不同的Hash函数值，进行划分Bucket操作。每个Bucket中包括所有相同hash函数值的小表数据。同时建立Hash键值对应位图。  
iii. 之后对进行Hash连接大表数据连接列依次读取，并且将每个Hash值进行Bucket匹配，定位到适当的Bucket上（应用Hash检索算法）；  
iv. 在定位到的Bucket中，进行小规模的精确匹配。因为此时的范围已经缩小，进行匹配的成功率精确度高。同时，匹配操作是在内存中进行，速度较Merge Sort Join时要快很多；  
  
下面是一个Hash Join的执行计划。  
  
  
PLAN\_TABLE\_OUTPUT  
\--------------------------------------------------------------------------------  
Plan hash value: 779051904  
\----------------------------------------------------------------------------  
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |  
\----------------------------------------------------------------------------  
| 0 | SELECT STATEMENT | | 2617 | 572K| 142 (1)| 00:00:02 |  
|\* 1 | HASH JOIN | | 2617 | 572K| 142 (1)| 00:00:02 |  
| 2 | TABLE ACCESS FULL| SEGS | 2503 | 312K| 16 (0)| 00:00:01 |  
| 3 | TABLE ACCESS FULL| OBJTS | 31083 | 2914K| 126 (1)| 00:00:02 |  
\----------------------------------------------------------------------------  
Predicate Information (identified by operation id):  
\---------------------------------------------------  
1 - access("SEGS"."SEGMENT\_NAME"="OBJTS"."OBJECT\_NAME")  
  
  
从原理过程来看，Hash Join与Nest Loop Join/Merge Sort Join存在一定相似度。  
  
首先，Hash Join同Nest Loop Join一样，进行一定的嵌套循环匹配操作，不过差异在于匹配进行随机读的范围是受限范围。不会像Nest Loop Join一样直接频繁进行全表规模的随机读。  
  
其次，Hash Join同之前介绍过的Merge Sort Join有相似点，都是利用PGA的空间进行独立操作。Hash Join中的Bucket就是保存在内存的PGA中，有一块专门Hash\_Area进行该项操作。选择小表作为驱动连接表，就是尽量争取PGA内存中可以完全装下小表数据，尽量不要使用Temp表空间。这样，进行Hash匹配和精确匹配的速度就是有保证的。  
  
  
最后，Hash Join使用的场景是有限制的。其中最大的一个就是连接操作仅能使用“=”连接。因为Hash匹配的过程只能支持相等操作。还有就是连接列的数据分布要尽量做到数据分布均匀，这样产生的Bucket也会尽可能均匀。这样限制匹配的速度才有保证。如果数据列分布偏移严重，Hash Join算法效率会有退化趋势。  
  
随着系统数据量的不断增加，出现Hash Join的场景就会越来越多。下面通过一系列实验来确定Hash Join的各种特性。  
  
  
2、Hash Join连接实验  
  
首先是准备实验环境。  
  
SQL> create table segs as select \* from dba\_segments where wner='SYS';  
Table created  
  
SQL> create table objts as select \* from dba\_objects where wner='SYS';  
Table created  
  
SQL> select count(\*) from segs;  
COUNT(\*)  
\----------  
2503  
  
SQL> select count(\*) from objts;  
COUNT(\*)  
\----------  
31083  
  
SQL> create index idx\_segs\_name on segs(segment\_name);  
Index created  
  
SQL> create index idx\_objts\_name on objts(object\_name);  
Index created  
  
SQL> exec dbms\_stats.gather\_table\_stats(user,'SEGS',cascade => true);  
PL/SQL procedure successfully completed  
  
SQL> exec dbms\_stats.gather\_table\_stats(user,'OBJTS',cascade => true);  
PL/SQL procedure successfully completed  
  
  
此时，我们对比三种连接方式的成本因素。  
  
  
SQL> set autotrace traceonly;  
SQL> select \* from segs, objts where segs.segment\_name=objts.object\_name;  
已选择4870行。  
  
执行计划  
\----------------------------------------------------------  
Plan hash value: 779051904  
\----------------------------------------------------------------------------  
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |  
\----------------------------------------------------------------------------  
| 0 | SELECT STATEMENT | | 2617 | 572K| 142 (1)| 00:00:02 |  
|\* 1 | HASH JOIN | | 2617 | 572K| 142 (1)| 00:00:02 |  
| 2 | TABLE ACCESS FULL| SEGS | 2503 | 312K| 16 (0)| 00:00:01 |  
| 3 | TABLE ACCESS FULL| OBJTS | 31083 | 2914K| 126 (1)| 00:00:02 |  
\----------------------------------------------------------------------------  
Predicate Information (identified by operation id):  
\---------------------------------------------------  
1 - access("SEGS"."SEGMENT\_NAME"="OBJTS"."OBJECT\_NAME")  
统计信息  
\----------------------------------------------------------  
1 recursive calls  
0 db block gets  
814 consistent gets  
0 physical reads  
0 redo size  
356347 bytes sent via SQL\*Net to client  
3940 bytes received via SQL\*Net from client  
326 SQL\*Net roundtrips to/from client  
0 sorts (memory)  
0 sorts (disk)  
4870 rows processed  
  
SQL> select/\*+use\_nl(segs,objts)\*/\*from segs, objts where segs.segment\_name=objts.object\_name;  
  
已选择4870行。  
  
执行计划  
\----------------------------------------------------------  
Plan hash value: 2045044449  
\-----------------------------------------------------------------------------------------------  
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |  
\-----------------------------------------------------------------------------------------------  
| 0 | SELECT STATEMENT | | 2617 | 572K| 5023 (1)| 00:01:01 |  
| 1 | NESTED LOOPS | | | | | |  
| 2 | NESTED LOOPS | | 2617 | 572K| 5023 (1)| 00:01:01 |  
| 3 | TABLE ACCESS FULL | SEGS | 2503 | 312K| 16 (0)| 00:00:01 |  
|\* 4 | INDEX RANGE SCAN | IDX\_OBJTS\_NAME | 1 | | 1 (0)| 00:00:01 |  
| 5 | TABLE ACCESS BY INDEX ROWID| OBJTS | 1 | 96 | 2 (0)| 00:00:01 |  
\-----------------------------------------------------------------------------------------------  
  
Predicate Information (identified by operation id):  
\---------------------------------------------------  
4 - access("SEGS"."SEGMENT\_NAME"="OBJTS"."OBJECT\_NAME")  
  
统计信息  
\----------------------------------------------------------  
1 recursive calls  
0 db block gets  
5799 consistent gets  
0 physical reads  
0 redo size  
406352 bytes sent via SQL\*Net to client  
3940 bytes received via SQL\*Net from client  
326 SQL\*Net roundtrips to/from client  
0 sorts (memory)  
0 sorts (disk)  
4870 rows processed  
  
SQL> select/\*+use\_merge(segs,objts)\*/\*from segs, objts where segs.segment\_name=objts.object\_name;  
已选择4870行。  
执行计划  
\----------------------------------------------------------  
Plan hash value: 2272228973  
\-------------------------------------------------------------------------------------  
| Id | Operation | Name | Rows | Bytes |TempSpc| Cost (%CPU)| Time |  
\-------------------------------------------------------------------------------------  
| 0 | SELECT STATEMENT | | 2617 | 572K| | 900 (1)| 00:00:11|  
| 1 | MERGE JOIN | | 2617 | 572K| | 900 (1)| 00:00:11 |  
| 2 | SORT JOIN | | 2503 | 312K| 920K| 90 (2)| 00:00:02 |  
| 3 | TABLE ACCESS FULL| SEGS | 2503 | 312K| | 16 (0)| 00:00:01 |  
|\* 4 | SORT JOIN | | 31083 | 2914K| 8168K| 809 (1)| 00:00:10 |  
| 5 | TABLE ACCESS FULL| OBJTS | 31083 | 2914K| | 126 (1)| 00:00:02 |  
\-------------------------------------------------------------------------------------  
Predicate Information (identified by operation id):  
\---------------------------------------------------  
4 - access("SEGS"."SEGMENT\_NAME"="OBJTS"."OBJECT\_NAME")  
filter("SEGS"."SEGMENT\_NAME"="OBJTS"."OBJECT\_NAME")  
  
统计信息  
\----------------------------------------------------------  
1 recursive calls  
0 db block gets  
494 consistent gets  
0 physical reads  
0 redo size  
427743 bytes sent via SQL\*Net to client  
3940 bytes received via SQL\*Net from client  
326 SQL\*Net roundtrips to/from client  
2 sorts (memory)  
0 sorts (disk)  
4870 rows processed  
  
  
详细对比见下图：  
  
  
块读  
排序  
CPU成本  
执行时间  
Hash Join  
814  
0  
142  
0.02  
NestLoopJoin  
5799  
0  
5023  
1.01  
Merge Sort Join  
494  
2  
900  
0.11  
  
三种连接方式，SQL数据量、语句相同，最后获取不同的成本消耗。可以看出，当数据量达到万级之后，Nest Loop Join的随机读会急剧增加，带来的CPU成本和总执行时间成本也会大大增加。  
  
而使用Merge Sort Join带来的块读是相对较少，但是付出的CPU成本和执行时间也是不可忽视的。将数据集合排序映射到内存中（可能要利用Temp Tablespace），需要消耗很大的CPU和内存资源（排序段）。  
  
总体来说，Hash Join在这个SQL中还是能带来很好的综合性能的。只有块读稍大，其他指标都是可以接受的最好值。  
  
下面我们介绍与Hash Join相关的一些系统参数，和Hash Join进行的三种操作模式。不同的系统参数，可能会给CBO成本运算带来影响。不同的操作模式，帮助我们理解PGA中的hash\_area大小是如何影响到Hash Join操作的性能。  
  
=====================  
  
3、Hash Join相关参数  
  
Hash Join是CBO优化器才能生成的执行计划操作，如果是选择了RBO就不能生成包括Hash Join的执行计划。此外，与Hash Join相关的Oracle参数还包括下面几个：  
  
ü Hash\_Join\_Enable  
  
该参数是控制CBO启用Hash Join的开关。如果设置为True，则表示CBO可以使用Hash Join连接方式，否则就不可以使用。在目前的版本中，该参数已经演化为一个隐含参数，名称为“\_hash\_join\_enable”。  
  
  
SQL> col name for a20;  
SQL> col value for a10;  
SQL> col DESCRIB for a30;  
SQL> SELECT x.ksppinm NAME, y.ksppstvl VALUE, x.ksppdesc describ  
2 FROM SYS.x$ksppi x, SYS.x$ksppcv y  
3 WHERE x.inst\_id = USERENV ('Instance')  
4 AND y.inst\_id = USERENV ('Instance')  
5 AND x.indx = y.indx  
6 AND x.ksppinm LIKE '%hash\_join\_enable%';  
  
NAME VALUE DESCRIB  
\-------------------- ---------- ------------------------------  
\_hash\_join\_enabled TRUE enable/disable hash join  
  
  
该参数的隐式化，也就说明了CBO已经成熟到一定程度，Oracle官方不希望我们禁用掉这种Hash Join连接方式。当然，我们可以从system和session两层均可以暂时的禁用掉hash Join。  
  
//此时\_hash\_join\_enable=true  
SQL> explain plan for select \* from segs, tabs where segs.segment\_name=tabs.table\_name;  
Explained  
  
SQL> select \* from table(dbms\_xplan.display);  
  
PLAN\_TABLE\_OUTPUT  
\--------------------------------------------------------------------------------  
Plan hash value: 2106473715  
\---------------------------------------------------------------------------  
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |  
\---------------------------------------------------------------------------  
| 0 | SELECT STATEMENT | | 990 | 354K| 25 (4)| 00:00:01 |  
|\* 1 | HASH JOIN | | 990 | 354K| 25 (4)| 00:00:01 |  
| 2 | TABLE ACCESS FULL| TABS | 968 | 229K| 11 (0)| 00:00:01 |  
| 3 | TABLE ACCESS FULL| SEGS | 2267 | 274K| 13 (0)| 00:00:01 |  
\---------------------------------------------------------------------------  
Predicate Information (identified by operation id):  
\---------------------------------------------------  
1 - access("SEGS"."SEGMENT\_NAME"="TABS"."TABLE\_NAME")  
15 rows selected  
//session层面禁用hash\_join连接  
SQL>alter session set "\_hash\_join\_enabled"=false;  
Session altered  
  
NAME VALUE DESCRIB  
\-------------------- ---------- ------------------------------  
\_hash\_join\_enabled FALSE enable/disable hash join  
  
//相同的SQL，此时参数环境已经变化；  
SQL> explain plan for select \* from segs, tabs where segs.segment\_name=tabs.table\_name;  
Explained  
  
SQL> select \* from table(dbms\_xplan.display);  
  
PLAN\_TABLE\_OUTPUT  
\---------------------------------------------------------------------------------------------------  
Plan hash value: 3475644097  
  
\------------------------------------------------------------------------------------  
| Id | Operation | Name | Rows | Bytes |TempSpc| Cost (%CPU)| Time |  
\------------------------------------------------------------------------------------  
| 0 | SELECT STATEMENT | | 990 | 354K| | 144 (2)| 00:00:02 |  
| 1 | MERGE JOIN | | 990 | 354K| | 144 (2)| 00:00:02 |  
| 2 | SORT JOIN | | 968 | 229K| 712K| 65 (2)| 00:00:01 |  
| 3 | TABLE ACCESS FULL| TABS | 968 | 229K| | 11 (0)| 00:00:01 |  
|\* 4 | SORT JOIN | | 2267 | 274K| 824K| 79 (2)| 00:00:01 |  
| 5 | TABLE ACCESS FULL| SEGS | 2267 | 274K| | 13 (0)| 00:00:01 |  
\------------------------------------------------------------------------------------  
Predicate Information (identified by operation id):  
\---------------------------------------------------  
4 - access("SEGS"."SEGMENT\_NAME"="TABS"."TABLE\_NAME")  
filter("SEGS"."SEGMENT\_NAME"="TABS"."TABLE\_NAME")  
已选择18行。  
  
可见，当我们session级别禁用了hash Join连接之后，CBO不能进行Hash Join路径选择。于是选择了Merge Join路径，显然无论是执行时间还是CPU成本，Merge Join略逊一筹。  
  
ü Hash\_Area\_Size  
  
Hash Join操作是依赖独立的私有空间，我们称之为Hash\_Area。Hash Area在Join过程中的作用就是将连接小表尽可能的缓存在Hash Area中，供进行Hash匹配和Bucket内部精确匹配。Hash Area是贮存在PGA中，属于会话session独立的一块空间。如果Hash Area较小，不足以存放小表全部数据，就会引起Temp表空间的使用，进而影响Hash Join性能。  
  
SQL> show parameter hash  
  
NAME TYPE VALUE  
\------------------------------------ ----------- ------------------------------  
hash\_area\_size integer 131072  
  
  
因为每一个会话都会开启一个Hash Area进行Hash操作，所以通常Hash Area的大小不会设置很大。与Hash Area类似的空间是Sort Area，用于进行SQL语句中的Order by操作，也是一个依赖分配的参数项目。通常，Hash Area被分配大小为Sort Area的两倍。  
  
  
SQL> show parameter sort\_area  
  
NAME TYPE VALUE  
\------------------------------------ ----------- ------------------------------  
sort\_area\_retained\_size integer 0  
sort\_area\_size integer 65536  
  
  
进入Oracle 9i之后，特别是10g出现，Oracle共享内存和独占内存分配策略呈现自动化和自适应化的趋势，而且这种技术也逐渐成熟。DBA只需要确定Oracle数据库总的内存使用大小（memory\_target），就会根据算法、负载不断调整实现自适应的内存分区调整。  
  
作为PGA分配，Oracle推出的自动调控参数是pga\_aggregate\_target，表示所有会话的PGA总分配大小。如果不启用PGA自动分配，该参数值就是设置为0。  
  
SQL> show parameter pga  
  
NAME TYPE VALUE  
\------------------------------------ ----------- ------------------------------  
pga\_aggregate\_target big integer 0  
  
  
  
ü Hash\_multiblock\_io\_count  
  
该参数表示在进行Hash Join连接操作的时候，一次可以读取的块个数。在最新的版本中，该参数已经变成了一个隐含参数。  
  
SQL> SELECT x.ksppinm NAME, y.ksppstvl VALUE, x.ksppdesc describ  
2 FROM SYS.x$ksppi x, SYS.x$ksppcv y  
3 WHERE x.inst\_id = USERENV ('Instance')  
4 AND y.inst\_id = USERENV ('Instance')  
5 AND x.indx = y.indx  
6 AND x.ksppinm LIKE '%hash\_multiblock%';  
  
NAME VALUE DESCRIB  
\------------------------------ ---------- ------------------------------  
\_hash\_multiblock\_io\_count 0 number of blocks hash join wil  
l read/write at once  
  
  
这个参数可以追溯到Oracle 8i时代，当时设置的默认值为1。在以后的版本中，通常设置为0。这个参数对IO影响重大，不同的硬件环境、系统负载下效果不同。所以，当设置为0的时候，Oracle是会每次自动计算该值。  
  
作为我们来讲，最好不要进行该参数的设置。  
  
4、连接三模式  
  
Hash Join比较Merge Sort Join一个比较优势的地方，就是对PGA空间的有限使用上。但是，使用PGA毕竟是一种风险操作。因为Hash Area同Sort Area一样，在小表不能完全装入系统时，会调用Temp表空间的硬盘空间。这样，就会引起一些问题。  
  
下面关于三种模式的阐述，借鉴八神前辈的《Oracle Hash Join》（http://www.alidba.net/index.php/archives/440）。特此表示感谢。  
  
针对不同的状态，Oracle分别有不同的模式对应。  
  
Optimal模式  
  
这是我们进行Hash Join的最理想情况。驱动表（小表）生成的Hash数据集合可以完全存放在Hash Area的时候，我们称之为Optimal模式。  
  
ü 首先找到驱动表，获取到驱动表。存放在Hash\_Area中；  
ü 在Hash Area中，对驱动表进行Hash操作，形成Hash Bulket，形成对应的分区信息。针对多个Bulket，同时形成一个Bitmap列表，做到Bulket与Bitmap位的联系；  
ü 在各个Bulket中，分布着不同的数据行。如果连接列分布比较均匀，Bulket中数据也就比较均匀。如果Bulket中包括数据，对应该Bulket的Bitmap位上为1，否则为0；  
ü 找被驱动表的每一列，将连接列值进行Hash处理。匹配Bitmap位，如果Bitmap为0，表示该列值没有存在，直接抛弃。否则进入Bulket进行精确匹配；  
  
  
Onepass模式  
  
如果我们设置的PGA空间小，或者连接的小表体积就已经很大了，那么就会利用到临时表空间。具体处理，就是进行两次的Hash处理，在Bulket层面的上面建立Partition分区。  
  
当进行Hash操作的时候，出现的情形是一部分的Partition在内存中，另一部分Partition被存放在Temp表空间上。  
  
在进行连接匹配的时候，如果能够在Bitmap中确定到Partition在内存中，那么直接在内存中进行检索和精确匹配过程。否则从Temp表空间中将对应的Partition调取到内存中，进行匹配操作。  
  
  
Multipass模式  
  
这是一种很极端的情况，如果Hash Area小到一个Partition都装不下。当进行Hash操作后，只有半个Partition能装入到Hash Area。  
  
这种情况下，如果一个Partition匹配没有做到，还不能够放弃操作，要将剩下一半的Partition获取到进行Hash Join匹配。也就是一个Partition要经过两次的Bitmap匹配过程。  
  
  
5、结论  
  
Hash Join是一种效率很高，CBO时代很常见的连接方式。但是，相对于其他古典算法，Hash Join的综合效率很高，特别在海量数据时代。