在SQL Server資料庫中，查詢優化器在處理表連線時，通常會使用一下三種連線方式：

• • • 巢狀迴圈連線（Nested Loop Join）
    • 合併連線 （Merge Join）
    • Hash連線 （Hash Join）

　　充分理解這三種表連線工作原理，可以使我們在優化SQL Server連線方面的程式碼有據可依，為開展優化工作提供一定的思路。接下來我們來認識下這三種連線。

1. 巢狀迴圈連線（Nested Loop Join）

　　該連線方式通常在小資料量並且語句比較簡單的場景中使用，也是比較常見的連線方式，比如以下示例：

   1:  use AdventureWorks2008 

   2:  go 

   3:  SELECT H.* 

   4:  FROM Sales.SalesOrderHeader H 

   5:  JOIN Sales.Sale

   1:  use AdventureWorks2008 

sOrderDetail D

   6:  ON H.SalesOrderID=D.SalesOrderID 

   7:  WHERE H.SalesOrderID = 43659 

　　AdventureWorks2008資料庫是SQL Server的一個sample，你可以在微軟官方網站上自由下載。http://msftdbprodsamples.codeplex.com/releases/view/37109

　　我們在資料庫中執行這段程式碼：

　　通過執行計劃我們可以看到，資料庫的優化器使用了巢狀連線（Neasted Loops）,上面第一行中的Sales.SalesOrderHeader表因為只有一行資料所以做為外部表使用，SalesOrderDetail有12行資料做為內部表使用。

　　巢狀迴圈的工作原理如圖所示：

圖1 巢狀迴圈工作原理圖

　　其原理就是根據條件從表中過濾出一個外部連結表，迴圈的從外部表中讀取一行資料，去內部表中進行匹配，偽碼如下：

For (i=0;i< Number of outerTable Row;i++)

{

    OuterTable[i] connect InnerTable[1,2.....N] To Create New Row

    WHERE OuterTable[i].data.value = OuterTable[1,2.....N].data.Value

}

　　瞭解巢狀的工作原理後，我們不難發現，這種連線的方式具有一定的侷限性的：

1. 因為演算法是迴圈進行的，所以比較適合資料量較小的表進行連線，尤其是外部表的資料。

2. 兩張表最好是排序的。表中的條件列和連線列最好有索引，尤其是內部表必須有索引，這樣工作效率會成倍增加。

當外部表較小，而內部表較大並且連線欄位上有索引的情況下，迴圈巢狀非常高效。並且巢狀迴圈是三種方式中唯一支援不等式連線的方式。

2. 合併連線 （Merge Join）

　　在SQL Server資料庫中，如果查詢優化器，發現要連線的兩張物件表，在連線列上都已經排序幷包含索引，那麼優化器將會極大可能選擇“合併”連線策略。條件是：兩個表都是排序的，並且表連線條件中至少有一個等號連線，查詢分析器會去選擇合併連線。

　　程式碼示例：

   1:  USE AdventureWorks2008 

   2:   

   3:  GO 

   4:   

   5:  SELECT P.* 

   6:   

   7:  FROM Production.ProductModel P 

   8:   

   9:  JOIN Production.ProductModelProductDescriptionCulture PPMD 

  10:   

  11:  ON P.ProductModelID = PPMD.ProductModelID 

　　根據執行計劃我們可以看到，這次的連線操作使用的合併連線：

　　這兩張表中，資料量分別為128和762行資料，連線列是表中的主鍵並且資料是有序的，因此資料庫的查詢優化器自動選擇了合併連線。合併連線的工作原理如下圖所示：

圖2 合併連線的工作原理

　　資料庫優化器在決定使用合併連線後，並行的在兩個表（術語叫輸入集合）中各取第一行資料，進行匹配，匹配則返回匹配行並進行連線。如果不匹配，那麼小的那一個表（輸入集合），則順序取下一行資料繼續嘗試匹配。

　　通過其工作原理我們可以發現，合併連線可以看成是一個類似於併發工作機制。操作分別在兩個表（輸入集合）依次獲取資料並進行比較，這就要求兩張表是有序的，有序的排列會極大的提高工作的效率。

　　有關表排序的問題，如果連線語句中使用Sort關鍵字來排序資料表，那麼SQL Server的優化器會比較傾向於Hash Join。在合併連線中，並不排斥order by, group by, distinct等關鍵字，在使用這些語句時，查詢優化器也有極大的可能選擇合併連線。

　　當我們使用一些查詢限定條件，比如不等式（>,<,>=等）限定條件範圍，那麼合併連線的效率會有更好。

　　合併連線的限定條件：

1. 兩張表的連線列需要排序

2. 連線列必須有索引

3. 雜湊連線（Hash Join）

　　當我們嘗試將兩張資料量較大，沒有排序和索引的兩張表進行連線時，SQL Server的查詢優化器會嘗試使用Hash Join。

程式碼示例：

   1:  SELECT * 

   2:   

   3:  FROM Production.Product P 

   4:   

   5:  Join Production.ProductSubcategory SPC 

   6:   

   7:  on P.ProductSubcategoryID = SPC.ProductSubcategoryID 

　　根據執行計劃我們可以看到，這次的連線操作使用的雜湊連線：

　　該連線在處理大量無序的資料時，效率較高，但是對處理器和記憶體資源的消耗較大。實現過程如下：

　　Hash Join連線的執行操作分為兩個階段，建立和探測。

　　建立是指對輸入表進行的一系列的操作。首先優化器會將輸入表中的每一行資料掃描到系統記憶體中，然後根據內建的雜湊演算法計算出相應雜湊值，相同雜湊值的資料會被分到一個Hash池中。這些雜湊值和資料地址儲存在一個Hash表中，提供給探測使用。通常優化器會選擇資料較少的表作為建立輸入表。

　　建立完成後，開始探查工作。另一個連線表（我們叫探查輸入）同樣會被逐行的掃描、計算，得出一個Hash值。連線操作會使用探查輸入的Hash值和建立輸入的Hash值列表進行掃描和匹配工作，最終建立連線。

　　上圖是Hash連線的工作流程，接下來我們可以來了解下雜湊演算法的實現的機制，以下的內容是個人對演算法的理解，若有偏頗請指正。

　　Hash的實際含義是“雜湊”的意思，它主要的功能就是將一組資料，通過演算法，變換成固定長度的輸出，這個輸出我們就稱之為雜湊值（Hash值），通常在安全領域，如密碼學中使用較多。

　　在SQL Server裡面雜湊雜湊函式是黑盒的，沒有具體的演算法可以參考。實際上很多開發人員在解決海量資料查詢的時候，都會採用Hash方式，並且開發適合需求的雜湊演算法。常用的一些演算法包括一些取餘、MD2、MD4、MD5 和 SHA-1等等。

　　因為演算法，不同的資料可能會生成相同的雜湊值。它將大量的資料按照規則分散到不同資料堆或者連結串列中，建立內部的對映關係。我們可以認為他是將陣列和連結串列結合在一起，想要達到一種定址容易、插入刪除方便的資料結構，而Hash表就是一種資料內容和資料存放地址之間的對映關係。

　　雜湊函式的選擇會決定影響Hash表元數量大小和每個鍵值包含的資料多少，這個是數學上的問題這裡不進行進一步討論。

　　說到這裡，可能大家還是不太理解，我們這裡舉例來說明：

　　比如說有兩張表：

表A{A,F,C,D,B,E……}

表B{F,B,E,D,A,F…….}

　　並且表A的資料量小於表B，這兩張表進行Hash連線的過程如下：

1. 首先資料庫會將表A中的所有資料，掃描存入記憶體中。

2. 記憶體中的表A的資料，經過雜湊函式依次得到對應的雜湊值（Hash值）。

3. 表A中相同雜湊值（鍵值）的資料，會統一的放入到一個Hash池中。個人認為Hash池中的資料，就是陣列和連結串列的集合。Hash的鍵值可以看到是一個數組的下標，而池中的資料以連結串列的形式連線在陣列中。

Hash【鍵值】-->資料1-->資料2..............

如圖中的一組資料，資料A和資料C具有相同的Hash值，值為001，那麼他們都被分配到以001命名的Hash池中。

4. 將Hash值和對應的資料，依次存入到一個Hash表中，建立結束。

5. 探測階段，資料庫依次讀取掃描表B中的每一行資料，並通過雜湊函式計算出一個Hash值。

6. 根據Hash值，去Hash表中和表A的鍵值進行匹配，找到對應的Hash池。

7. 接下來將表B的資料去和對應的Hash池中的每條資料，去對比和匹配。如果匹配成功則進行資料連線。

　　通過對原理的瞭解，我們可以看到這種連線方式，需要大量的計算操作，對CPU帶來一定的壓力。通常Hash 連線操作在記憶體中進行，如果記憶體不足，資料庫會將資料寫入到硬碟中，影響效能。

    4.小結

三種連線方式的特點：

三種方式對資源的壓力：

　　以上是個人對三種連線的個人理解，不當之處請指正。

題外話：

　　其實我們可以把這三種連線比喻成相親。

　　巢狀連線就是熟人介紹，親戚朋友根據你的條件，搜尋下週圍的資源，然後安排你和幾個姑娘見面，看看能不能匹配上。如果你的條件很明確（外部表索引），並且朋友對姑娘比較熟悉，對方的要求也很明確（內部表索引），那麼成功率就會比較高。

　　合併連線就是社群或者網站組織的小型相親聯誼會，比如電影《戀愛33天中》那種8分鐘面對面的形式。男女雙方面對面進行交談（匹配判斷），每幾分鐘就換一個人再次交談，由於大家條件和目的性明確（都有索引），所以整個流程效率會比較高。

    Hash連線則就像是萬人相親大會，比如上海的中山公園（條件好的已婚人士慎入）。單身青年的父母，入園後由於各種原因隨機的分成各個小群組（經過雜湊函式分成Hash池）。然後參與者根據自己的判斷（確認Hash鍵值），找到合適小組後（Hash鍵值相等），依次交談交換條件和資訊（嘗試匹配），看看裡面有沒有合適人選，有就進一步瞭解（匹配成功，連線）。