锋利的SQL2014：联接算法

摘自作者新书《锋利的SQL》（第2版），网购京东：http://item.jd.com/11692900.html

在Microsoft SQLServer Management Studio中执行查询时，如果选定工具栏中的按钮，可以看到为查询生成的执行计划。执行计划以图形方式显示了SQL Server查询优化器选择的数据检索方法，如表扫描、排序、哈希匹配等。对于联接查询，SQL Server会根据联接表之间的数据、索引等情况，选择使用嵌套循环联接、合并联接或哈希联接。

7.7.1 嵌套循环联接

嵌套循环联接也称为“嵌套迭代”，它将一个联接输入用作外部输入表（显示为图形执行计划中的顶端输入），将另一个联接输入用作内部（底端）输入表。外部循环逐行处理外部输入表。内部循环会针对每个外部行执行，在内部输入表中搜索匹配行。简单地讲，就是扫描其中的一个联接表，并为该表中的每一行在另一个联接表中搜索匹配行。
如果外部输入较小（不到10行）而内部输入较大且预先创建了索引，则嵌套循环联接尤其有效。在许多小事务中（如那些只影响较小的一组行的事务），索引嵌套循环联接优于合并联接和哈希联接。但在大型查询中，嵌套循环联接通常不是最佳选择。
例如，下面的查询由于Sales.Customer表行数只有1行，而Sales.SalesOrderHeader数据量较大，因此将使用嵌套循环联接，生成的执行计划如图7-11所示。
USE AdventureWorks2014;
GO
SELECT *
FROM Sales.Customer
INNER JOINSales.SalesOrderHeader
ONCustomer.CustomerID = SalesOrderHeader.CustomerID
WHERE Customer.CustomerID = 1;



图7-11 使用嵌套循环的执行计划
在该计划中存在两个嵌套循环，其中只有左边的嵌套循环符用于Sales.Customer 与Sales.SalesOrderHeader 的联接，而右边的嵌套循环是用于Sales.SalesOrderHeader的索引查找与物理行定位（键查找）之间的联接。执行计划右上角的Sales.Customer表被作为外部输入，在聚集索引中查找客户。对于每个客户，嵌套循环运算将对SalesOrderHeader.CustomerID 列上的IX_SalesOrderHeader_CustomerID索引执行一次查找，然后再跟一个键查找来定位要访问的数据行。

7.7.2 合并联接

合并联接要求两个输入都在合并列上排序，合并列由联接谓词的等效（ON）子句定义。由于每个输入都已排序，因此合并联接将从每个输入获取一行并将其进行比较。例如，对于内联接操作，如果行相等则返回。如果行不相等，则废弃值较小的行并从该输入获得另一行。这一过程将重复进行，直到处理完所有的行为止。
合并联接操作可以是常规操作，也可以是多对多操作。多对多合并联接使用临时表存储行。如果每个输入中有重复值，则在处理其中一个输入中的每个重复项时，另一个输入必须重绕到重复项的开始位置。
合并联接本身的速度很快，但是如果合并列上未建立索引，选择合并联接有可能会非常费时，因为它首先要对列进行排序操作。然而，如果数据量很大且能够从索引中获得预排序的所需数据，则合并联接通常是最快的可用联接算法。
例如，下面的查询语句将获取订单的详细信息，由于SalesOrderHeader和SalesOrderDetail在合并列SalesOrderID上都具有聚集索引，已经将列进行了排序，所以查询优化器会选择合并联接。如图7-12所示。
USE AdventureWorks2014;
GO
SELECT *
FROM Sales.SalesOrderHeader
INNER JOINSales.SalesOrderDetail
ONSalesOrderHeader.SalesOrderID = SalesOrderDetail.SalesOrderID;



图7-12 使用合并联接的执行计划

7.7.3 哈希联接

哈希联接可以有效处理未排序的大型非索引输入。因此，它对处理复杂查询的中间结果很有用。查询的中间结果是未经索引的，而且通常不会为查询计划中的下一个操作进行适当的排序。并且，查询优化器只估计中间结果的大小。而对于复杂查询，估计可能有很大的误差，因此如果中间结果比预期的大得多，则处理中间结果的算法不仅必须有效而且必须适度弱化。再像合并联接那样严格要求具备排序列，对于中间结果而言是不现实的，排序成本的付出可能要远远大于数据的直接检索成本。
选择哈希联接的两种情况：一是没有为联接创建合适的索引，二是中间结果比较大。
哈希联接有两种输入：生成输入和探测输入。查询优化器会选择二者中较小的那个作为生成输入，对联接列值应用哈希函数，将生成输入中的行分配到哈希桶中。哈希桶是一种存放所访问数据位置的结构，有了它，进行数据检索时，可以避免不必要的表扫描。
为了验证无索引情况下的哈希联接使用，首先使用下面的语句创建Sales.Customer和Sales.SalesOrderHeader表的副本。
USE AdventureWorks2014;
GO
SELECT TOP 10 *
INTO MyCustomer
FROM Sales.Customer
ORDER BY CustomerID;

SELECT TOP 100 *
INTO MySalesOrderHeader
FROM Sales.SalesOrderHeader
ORDER BY CustomerID;
执行下面的查询，可以看到如图7-13所示的执行计划。
SELECT *
FROM MyCustomer
INNER JOINMySalesOrderHeader
ONMyCustomer.CustomerID = MySalesOrderHeader.CustomerID;



图7-13 使用哈希联接的执行计划
下面再来看一个比较有趣的示例。下面的查询语句中仅选择了Sales.Customer中CustomerID = 1的行与Sales.SalesOrderHeader进行联接，由于联接行数很小，所产生中间结果的数据量也比较小，因此，可以看到查询优化器为语句使用了嵌套循环联接。如图7-14所示。
USE AdventureWorks2014;
GO
SELECT *
FROM Sales.Customer
INNER JOINSales.SalesOrderHeader
ONCustomer.CustomerID = SalesOrderHeader.CustomerID
WHERE Customer.CustomerID = 1;



图7-14 数据量较小时使用嵌套循环联接
同样是上面的联接，去除掉WHERE筛选条件后数据量明显增大，执行该语句会发现查询优化器使用了哈希联接方式。如图7-15所示。
SELECT *
FROM Sales.Customer
INNER JOINSales.SalesOrderHeader
ONCustomer.CustomerID = SalesOrderHeader.CustomerID;



图7-15 数据量较大时使用哈希联接

7.7.4 使用联接提示强制联接策略

联接提示用于指定查询优化器在两个表之间强制执行联接策略，提示符包括LOOP JOIN、MERGE JOIN和HASH JOIN，分别用于嵌套循环、哈希和合并联接。如果指定了多个联接提示，则优化器从允许的联接策略中选择开销最少的联接策略。此外，也可以使用OPTION子句指定联接策略。但是这种方式会影响查询中的所有联接，通常用于旧式联接语法。

1．为每个联接指定单独的联接策略

可以在FROM子句中使用LOOP JOIN、MERGE JOIN和HASH JOIN提示符为每个联接单独指定联接策略。例如，下面的查询语句指定使用嵌套循环联接。
USE AdventureWorks2014;
GO
SELECT *
FROM Sales.Customer
INNER LOOPJOIN Sales.SalesOrderHeader
ONCustomer.CustomerID = SalesOrderHeader.CustomerID;
又如，下面的查询语句指定使用合并联接。
USE AdventureWorks2014;
GO
SELECT *
FROM Sales.Customer
INNERMERGE JOIN Sales.SalesOrderHeader
ONCustomer.CustomerID = SalesOrderHeader.CustomerID;
在多表联接中使用联接提示时，会影响联接的执行顺序。在前面介绍了，在不影响返回结果正确的情况下，查询优化器会按照效率优先的原则，选择首先执行的联接。例如，下面语句的执行计划如图7-16所示，可以看到首先执行的是Sales.SalesOrderHeader与Sales.SalesOrderDetail的联接，然后将联接结果再与Sales.Customer进行联接。
USE AdventureWorks2014;
GO
SELECT *
FROM Sales.Customer
INNER JOINSales.SalesOrderHeader
ONCustomer.CustomerID = SalesOrderHeader.CustomerID
INNER JOINSales.SalesOrderDetail
ON SalesOrderHeader.SalesOrderID =SalesOrderDetail.SalesOrderID;



图7-16 未使用联接提示的执行计划
下面的语句为Sales.Customer和Sales.SalesOrderHeader指定了合并联接提示，并且这个提示仅对这两个表起作用，与Sales.SalesOrderDetail的联接策略仍旧由查询优化器决定。由于明确指定了Sales.Customer与Sales.SalesOrderHeader使用合并联接，优化器会先执行该联接，而不是先执行Sales.SalesOrderHeader与Sales.SalesOrderDetail的联接。否则，就会造成Sales.Customer与Sales.SalesOrderHeader和Sales.SalesOrderDetail的联接结果再执行合并联接。图7-17是该语句的执行计划。
SELECT *
FROM Sales.Customer
INNERMERGE JOIN Sales.SalesOrderHeader
ONCustomer.CustomerID = SalesOrderHeader.CustomerID
INNER JOINSales.SalesOrderDetail
ONSalesOrderHeader.SalesOrderID = SalesOrderDetail.SalesOrderID;



图7-17 使用联接提示后的执行计划
如果希望Sales.Customer与Sales.SalesOrderHeader和Sales.SalesOrderDetail的联接结果执行合并联接，则应当使用嵌套联接的方式实现，参考下面的语句：
SELECT *
FROM Sales.Customer
INNERMERGE JOIN (Sales.SalesOrderHeader
INNER JOIN Sales.SalesOrderDetail
ONSalesOrderHeader.SalesOrderID = SalesOrderDetail.SalesOrderID)
ONCustomer.CustomerID = SalesOrderHeader.CustomerID;

2．为全部联接指定统一的联接策略

当使用旧式联接语法时，应当使用OPTION子句指定联接策略，但是，这种策略会影响语句中的全部联接，无法为每个联接单独指定不同的联接策略，如：
SELECT *
FROM Sales.Customer, Sales.SalesOrderHeader,Sales.SalesOrderDetail
WHERE Customer.CustomerID =SalesOrderHeader.CustomerID
AND SalesOrderHeader.SalesOrderID= SalesOrderDetail.SalesOrderID
OPTION (MERGE JOIN);
该语句的执行计划如图7-18所示，可以看到三个表之间全部使用了合并联接策略。



图7-18 为全部联接使用统一联接策略的执行计划
在ANSI SQL:1992规范中，也可以使用OPTION子句，它同样也是影响语句中的全部联接，如：
SELECT *
FROM Sales.Customer
INNER JOINSales.SalesOrderHeader
ONCustomer.CustomerID = SalesOrderHeader.CustomerID
INNER JOINSales.SalesOrderDetail
ONSalesOrderHeader.SalesOrderID = SalesOrderDetail.SalesOrderID
OPTION (MERGE JOIN);