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';

sql> select count(*) from segs;

COUNT(*)

----------

2503

sql> select count(*) from objts;

31083

sql> create index idx_segs_name on segs(segment_name);

Index created

sql> create index idx_objts_name on objts(object_name);

sql> exec dbms_stats.gather_table_stats(user,'SEGS',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

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

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

统计信息

1recursive calls

0db block gets

814consistent gets

0physical reads

0redo size

356347bytes sent via sql*Net to client

3940bytes received via sql*Net from client

326sql*Net roundtrips to/from client

0sorts (memory)

0sorts (disk)

4870rows processed

sql> select/*+use_nl(segs,objts)*/*from segs,102);background:#C0C0C0;">Plan hash value: 2045044449

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

|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 |

4 - access("SEGS"."SEGMENT_NAME"="OBJTS"."OBJECT_NAME")

5799consistent gets

406352bytes sent via sql*Net to client

sql> select/*+use_merge(segs,102);background:#C0C0C0;">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 |

filter("SEGS"."SEGMENT_NAME"="OBJTS"."OBJECT_NAME")

494consistent gets

427743bytes sent via sql*Net to client

2sorts (memory)

详细对比见下图：

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。