SQL执行计划解析（2）- 基本查询的图形执行计划（中）

2.表连接（Table join)

到目前为止我们都是在和单个表打交道，下边我们看下查询中的连接。下边这个查询获取雇员信息，把FirstName和LastName连接起来，这样返回的信息显得更为友好。

SELECT 
  e.[Title],
  a.[City],
  c.[LastName] + ', ' + c.[FirstName] AS EmployeeName
FROM 
  [HumanResources].[Employee] e
JOIN 
  [HumanResources].[EmployeeAddress] ed 
ON 
  e.[EmployeeID] = ed.[EmployeeID]
JOIN 
  [Person].[Address] a 
ON 
  [ed].[AddressID] = [a].[AddressID]
JOIN 
  [Person].[Contact] c 
ON 
  e.[ContactID] = c.[ContactID];

 执行计划如图

图2-12

这个查询中出现了多个的处理步骤，每个步骤的开销也不同，它们在执行树中从右到坐一步一步累计起来。其中3个开销最大的操作分别是

1.对Person.Address表的索引扫描（Index Scan），45%

2.HumanResource.EmployeeAddress表和Person.Address表之间的Hash Match Join操作，28%

3.Person.Contact表上的聚集索引扫描，17%

右上角的是对HumanResource.EmployeeAddress表的索引扫描，它的下边就是对Person.Address表的索引扫描，也就是我们的开销最大的运算符。看下ToolTip，如图2-13，我们可以看到这是对索引IX_Address_AddressLine1_AddressLine2_City_StateProvinceID_PostalCode执行的扫描，存储引擎遍历了19614行的数据来找到我们需要的。

图2-13

如Output list里所示，查询优化器需要AddressId列和City列。查询优化器按照表中的索引和列的可选择性进行计算，它认为最好的方式就是遍历索引。遍历19614行的数据的开销占据了总开销的45%。
0.180413仅仅是个内部计算出的数字，优化器用于衡量各个操作的相对开销，这个数字越低操作的效率越高。

Hash Match Join

继续上边的例子，这两个索引扫描的输出通过hash match join组合起来。

在我们讨论Hash Match Join是什么之前，需要了解两个概念，Hash运算（即散列算法） 和Hash表。

Hash运算是一种编程技术，用来把数据转换为符号形式，使数据可以更容易更快速地被检索。例如，表中的一行数据，可以通过程序转化为一个唯一的值，这个值就代表了这行数据的内容。这和数据加密很类似，一个hash值同样也可以被转换回原始数据。

Hash表是一个数据结构，它把所有的元素都切分成同等大小的“类”或“块”，允许对这些元素的快速访问。hash函数决定了元素应该进入哪个“块”。例如，你可以从表里取出一行数据，将其转换为hash值，然后将hash值存入hash表。

Hash Match Join 发生时，Sql Server连接一大一小两张表，对小表里的数据行进行hash运算，将生成的hash值插入到hash表里，然后遍历大表里的数据，每次取出一行在hash表里寻找匹配的行。对小表进行hash运算是为了降低hash表的大小，hash值可以进行快速的比较。如果两张表都很大，那么hash match jion和其他类型的join比起来就非常低效。

Hash Match Join对大数据集尤其是其中一个表比另外的一个小很多的时候效率很高。对表没有按照join列排序或者表中没有可用索引的情况，hash match join也是很有效的方式。

Hash Match Join的出现也可能意味着存在更高效的连接方式（Nested Loop或Merge），这可能是以下原因造成的：
  1.索引缺失或者索引不正确
  2.where语句缺失
  3.where语句里有对索引列的计算或转换使得索引失效
在这些情况下，优化器认为Hash Match Join是连接两张表的最高效的方式，但是有可能可以通过增加索引、或者增加where语句来减少数据量等方式获得更高效的查询。

聚集索引查找（Clustered Index Seek）

接下来我们看占用17%的操作，是对Person.Contact表上的PK_Contact_ContactID聚集索引查找，对于这个表来说PK_Contact_ContactID既是主键又是聚集索引。

图2-15

从Seek Predicates节可以看出，这个操作直接将HumanResources.Employee表和Person.Contact表的ContactID列进行连接。

Nested Loop Join（嵌套循环连接）

图2-16

顾名思义，Nested Loop Join这个操作使用嵌套双层循环，在我们这个计划里下边这个（17%那个）运算符的结果在外层。由于两个数据集都很小，所以这是个很高效的操作。
只要内层数据集小，外层数据集（小不小不要紧）有索引的情况下，Nested Loop Join是一种非常高效的连接机制。除非数据集超大，这种连接方式应该是你最希望看到的连接方式。

标量计算（Compute Scarlar）

图2-17

标量计算表示此操作产生了一个标量值，通常是通过计算。我们这个例子中，假名EmployeeName组合了LastName和FirstName并用逗号连接。

 

Merge Join

除了Hash Match 和Nested Loop外，还有一种连接即Merge Join。执行以下查询。

SELECT 
  c.CustomerID
FROM 
  Sales.SalesOrderDetail od
JOIN 
  Sales.SalesOrderHeader oh
ON 
  od.SalesOrderID = oh.SalesOrderID
JOIN S
  ales.Customer c
ON 
  oh.CustomerID = c.CustomerID

 执行计划如图

图2-18

使用Merge Join连接的两张表必须是按照连接列预先排序好了的，这中情况下Merge Join是一种高效的连接方式。如果连接的表没有按照连接列预先排序的话，查询优化器要么先排序再执行Merge

 Join, 或者执行效率稍低些的Hash Match Join。

PS：以前做cobol时处理数据的一种方式，估计原理是一样的。有两组数据，都是排好序的，假设是按某个字段从小到大。设两个指针分别代表左右两个数据的当前记录位置，比较当前位置的数据大小，如果左边的小右边大，那么左边的指针向前移动一位，如果右边的小左边的大，那么右边的指针向前移动一位，如果一样大，那么这是匹配的两条数据，左右同时向前移动一位。这只是连接列的值唯一的情形，也可能是多对多的匹配，当多对多匹配时，Merge Join就必须使用cache了，原理应该是这样子，这样就避免了双层循环，所以如果是排好序的两张表连接，Merge Join的效率应该是最高的。