hash join 的一个疑问

例如官方文档中： ··· mysql> EXPLAIN FORMAT=TREE SELECT * FROM t1 JOIN t2 ON t1.c1 < t2.c1\G *************************** 1. row *************************** EXPLAIN: -> Filter: (t1.c1 < t2.c1) (cost=4.70 rows=12) -> Inner hash join (no condition) (cost=4.70 rows=12) -> Table scan on t2 (cost=0.08 rows=6) -> Hash -> Table scan on t1 (cost=0.85 rows=6) ···

https://dev.mysql.com/doc/refman/8.0/en/hash-joins.html
https://mysqlserverteam.com/hash-join-in-mysql-8/

Hash

join

Rows

cost

2 replies • 2021-01-01 17:17:22 +08:00

lpts007

Dec 31, 2020

non-equi-join，哈希函数直接返回原值或前缀就行了。
应该就是把数据从 engine 那里全要过来（区别于 BNJ 的传个 block 进入 engine 进行匹配），server 自己干，配的 buffer 不够就用临时文件。

又想到了 5.6 的索引下推，这不就是一个 bug 修复吗。

RudyC

Jan 1, 2021

@lpts007 感谢回复，但还是有几处不明白的地方。

1. 在 non-equi-join 的时，因为没有条件，build 这个阶段是以哪个字段作为 hash table 的 key 呢？
2. 同样在 probe 阶段中，由于没有条件限制，此处是否不需要进行 key exist 而是直接遍历 hash table 的 buffer 以及文件呢？如果需要进行 key exist，那么是选取的哪个字段呢？我测试两份同样的表数据，在 5.7 和 8.0.22 中分别进行 join，5.7 则是以预期的笛卡尔积的结果集（ BNL ），8.0.22 中虽然结果集也是一样，不过顺序则是以小表（即用作 hash table 的表）进行倒序排序。