Implementing Join

Join 操作一般有三种实现策略

1. nested loop -- 2层循环 遍历 R 和 S 表 (广泛使用)
2. sort-merge -- 先对R，S 表进行排序， 在归并
3. hash-based 基于哈希

Nested Loop Join （连接操作最基本的算法）

Using a page-by-page scan of the outer relation.
For each outer page, do a page-by-page scan of the inner relation
选 R，S 中较小的一个 作为 the outer relation， 较大的作为 the inner relation

Result = {}
// 在 R 表中 读 1 块 block 进入内存 
for each page i in R {
   pageR = getPage(R,i)
// 在 S表中 读 1 块block 进入内存
   for each page j in S {
      pageS = getPage(S,j)
      for each pair of tuples tR,tS
                       from pageR,pageS {
         if (tR.a == tS.b)
            Result = Result ∪ (tR:tS)
}  }  }

基于块的嵌套循环的连接算法就是，每次读R表中一个block进入内存， 就把S表中，所有block依次读入内存进行比较操作， 所以S表一共被读入了 次。

I/O复杂度
cost = （一般把小的表 作为）

内存需求：
这种算法的内存需求很小， 最低只要 3 block , 2块分别给R，S作为input, 一块作为output输出result.

Block Nested Loop Join

如果 两个关系 都不能存入内存 ,

image.png

1. 将 R表 切分为 大小为 N-2( N：memory buffer ) 的若干个子集合 --- 个子集合
2. 内存中 N-2为 , 1 为 , 1 为 output buffer.

Nested Loop join算法内存需求很低，并没有充分利用内存。
如果能把R，S中较小的一个表完全读入内存， 那么只要1 个block 遍历 一遍S表就可以完成join ， 这也是理论上 R Join S 的最低 I/O 开销---, 需要满足 .

如果 , 我们就依次读入 N-2 块 R page, 在 遍历 S 表， 如此重复，一共需要 次 读入 S 表。
所以总的 I/O 复杂度为

内存需求：
这里明显是 内存拉满，减少 buffer 会导致 读入R 表轮次上升，从而导致 cost 上升。

---

Index Nested Loop Join

上面 2种算法 有一个问题 ， 都要线性的依次读入整个S表的所有 page 到内存与R比较才能防止遗漏，如果 能在S表上加入索引（稀疏 或者稠密索引）, 依靠索引能减少读入 S表的page 数量， 这样就可以节省 I/O开销。

for each tuple r in relation R {
    use index to select tuples
        from S where s.j = r.i
    for each selected tuple s from S {
        add (r,s) to result
}   }

I/O 复杂度为

表示根据索引找到与该 记录相match的 所需要的一次开销。 比如，S表该连接键上有个 cluster B+ 树索引， 在B+树上检索出 相应的 地址需要2 次操作， 根据地址找到对应记录 并与 相比较需要1 次操作， 那么 就等于2+1 = 3.

---

Sort-merge Join

Sort-merge 算法分2步

1. 对 R， S 表进行排序 （多路归并排序）
   
   
   总cost :

2.两个排序表的merge
- Best case :
- Worst case:

---

grace hash join

grace hash join 为了保证散列函数的性能， 对内存有最低要求，即：
.

1. 使用 散列函数 h1 对 R， S 进行分区。

   
   Partition phase

2. 使用散列函数 h2 把R表的所有分区都映射入内存中 ，再依次映射S表的每一个分区.

   
   Probe/join

Cost of grace hash join:

1. partition relation R : 一读一写
2. partition relation S: 一读一写
   3.probe/join :

总开销：

---

hybird hash join

---