Алгоритм соединения хэшированием

Материал из Википедии — свободной энциклопедии
Перейти к: навигация, поиск

Алгоритм соединения хэшированием (hash join) разновидность алгоритма соединения.

Алгоритм получает на вход две таблицы и условие соединения. Результатом его работы является таблица с результатами соединения.

Меньшая из двух входных таблиц помещается в специальную структуру данных в памяти: хэш-таблицу, которая обеспечивает очень высокую скорость поиска. Затем для каждой строки из большей таблицы выполняется поиск значений, соответствующих условию соединения. Результаты помещаются в выходную таблицу.

На псевдокоде алгоритм можно описать примерно так:

[ХэшТаблица] = СтроитьХэшТаблицу([МеньшаяТаблица], [Имена колонок МеньшейТаблицы по которым будет делаться соединение]);
Для каждой строки [r] из [БольшаяТаблица]
   Вывести ([r], ИскатьВХэшТаблице([ХэшТаблица],[Имена колонок БольшойТаблицы по которым делается соединение]));

Преимущества:

  • Соединение хэшированием существенно быстрее соединения вложенными циклами. При относительно небольшом размере меньшей таблицы это самый эффективный вид соединения.

Недостатки:

  • Условием соединения может быть только равенство.
  • Большая потребность в памяти для построения хэш-таблицы, что крайне ограничивает масштабируемость алгоритма при увеличении размеров меньшей таблицы.
  • Хэш-таблица должна быть построена полностью, до того как первый результат будет записан в результирующую таблицу, что делает этот вид соединения неприемлемым при необходимости получить первую строку результата как можно быстрее.

В реальных системах используются более изощрённые схемы хэширования, чем в приведённом примере, в основном нацеленные на уменьшение потребности в памяти для построения хэш-таблицы. Например, данные обеих таблиц разбиваются на части, а хэш-таблица строится только для одной из этих частей.

Ссылки[править | править вики-текст]