Merge Join

算子说明

合并连接（Merge Join）是一种高效的连接方法，它依赖于排序操作。在进行合并连接时，GaussDB会对两个表的连接字段进行排序，然后同步扫描两个表，寻找匹配的行。 Merge Join的时间复杂度为O(n+m), 其中n和m分别代表两个表的行数。然而，如果需要排序操作，这个排序操作的时间复杂度可能会达到max(O(logn), O(logm)), 这通常会比直接的Merge Join操作更加耗时。 在GaussDB中，优化器更倾向于选择Hash Join，即使需要连接的两张表已经经过排序。

典型场景

• 当两个表的大小接近时。
• 当两个表的连接字段已经被排序或者已经有序时，比如通过索引保持排序。

示例

示例：两表做连接操作，且两表大小接近。

--数据准备。 
gaussdb=# CREATE TABLE t1(id int,info text); 
CREATE TABLE 
gaussdb=# CREATE TABLE t2(id int,info text); 
CREATE TABLE 
gaussdb=# INSERT INTO t2 SELECT generate_series(1,100000),'bill'||generate_series(1,100000); 
INSERT 0 100000 
gaussdb=# INSERT INTO t1 SELECT generate_series(1,100000),'bill'||generate_series(1,100000); 
INSERT 0 100000

--执行结果。 
gaussdb=# EXPLAIN SELECT /*+ MERGEJOIN(t2 t1) */ * FROM t2 JOIN t1 ON (t1.id=t2.id); 
                              QUERY PLAN                               
-----------------------------------------------------------------------
 Merge Join  (cost=19421.64..21421.64 rows=100000 width=26)
   Merge Cond: (t2.id = t1.id)
   ->  Sort  (cost=9710.82..9960.82 rows=100000 width=13)
         Sort Key: t2.id
         ->  Seq Scan on t2  (cost=0.00..1406.00 rows=100000 width=13)
   ->  Sort  (cost=9710.82..9960.82 rows=100000 width=13)
         Sort Key: t1.id
         ->  Seq Scan on t1  (cost=0.00..1406.00 rows=100000 width=13)
(8 rows)

--删除。
gaussdb=# DROP TABLE t1,t2;

上述示例中，Merge Join算子输出信息如下所示。

示例：当两个表的连接字段已经被排序或者已经有序时，比如通过索引保持排序。

--数据准备。 
gaussdb=# DROP TABLE IF EXISTS t1;
gaussdb=# DROP TABLE IF EXISTS t2;
gaussdb=# CREATE TABLE t1(id int,info text); 
CREATE TABLE 
gaussdb=# CREATE TABLE t2(id int,info text); 
CREATE TABLE 
gaussdb=# CREATE INDEX t1_k on t1(id);
CREATE INDEX
gaussdb=# INSERT INTO t2 SELECT generate_series(1,100000),'bill'||generate_series(1,100000); 
INSERT 0 100000 
gaussdb=# INSERT INTO t1 SELECT generate_series(1,100000),'bill'||generate_series(1,100000); 
INSERT 0 100000

--收集统计信息。
gaussdb=# ANALYZE t1;
ANALYZE
gaussdb=# ANALYZE t2;
ANALYZE

--执行结果。 
gaussdb=# EXPLAIN SELECT /*+ MERGEJOIN(t2 t1) */ * FROM t2 JOIN t1 ON (t1.id=t2.id);
                                  QUERY PLAN
------------------------------------------------------------------------------
 Merge Join  (cost=9710.87..14918.02 rows=100000 width=26)
   Merge Cond: (t1.id = t2.id)
   ->  Index Scan using t1_k on t1  (cost=0.00..3457.25 rows=100000 width=13)
   ->  Sort  (cost=9710.82..9960.82 rows=100000 width=13)
         Sort Key: t2.id
         ->  Seq Scan on t2  (cost=0.00..1406.00 rows=100000 width=13)
(6 rows)

--删除。
gaussdb=# DROP TABLE t1,t2;