SQL Server 何时会选择散列连接而不是合并连接？答案

【问题标题】：When will SQL Server Choose a Hash Join over a Merge Join?SQL Server 何时会选择散列连接而不是合并连接？
【发布时间】：2015-05-07 09:40:12
【问题描述】：

我有一个大型查询，其中包含许多我正在尝试调整的连接，一个警告信号是整个过程中使用了很多很多哈希连接。我下到查询树的底部，找到了那里的第一个连接，这是一个内部连接。

表 A 正在使用聚集索引扫描来检索其数据，这些数据按连接列排序。表 B 正在使用非聚集索引扫描，它也按连接列排序。

当我单独连接这两个表并选择同一组列时，优化器使用合并连接。要连接的集合大小大致相同，而且不是很大（

什么可以解释在这种情况下优化器选择散列连接而不是合并连接？

编辑

根据要求，我添加了更多细节。索引定义为：

CREATE NONCLUSTERED INDEX NCL_Asset_Issuer_MergeInduce ON Asset.IssuerCompanyId (CompanyId)INCLUDE (IsPrivate,HasPublicEquity,Ticker,FinancialTemplateID,BondTicker,SICOther1ID,SICOther4ID,SICSandPID,SICOther3ID,SICMoodyID,CurrencyTypeID,SecondaryAnalystID,AnalystID,SICOshaID,SecondaryBondTicker,FiscalYearEnd,EquityExchangeID);

CREATE NONCLUSTERED INDEX NCL_Asset_IssuerCustom_IssuerId ON Asset.IssuerCustom (IssuerID) INCLUDE (Text3,ListItem1ID,ListItem5ID,ListItem3ID,ListItem2ID,Version,text4,TextLong15,ListItem6ID)

正如我之前提到的，以下查询将返回一个合并连接：

SELECT IsPrivate,HasPublicEquity,Ticker,FinancialTemplateID,BondTicker,SICOther1ID,SICOther4ID,SICSandPID,SICOther3ID,SICMoodyID,CurrencyTypeID,SecondaryAnalystID,AnalystID,SICOshaID,SecondaryBondTicker,FiscalYearEnd,EquityExchangeID,ic.ListItem2Id,ic.ListItem3ID,ic.IssuerId
FROM Asset.Issuer i
INNER JOIN Asset.IssuerCustom ic ON i.CompanyId = ic.IssuerId;

如您所见，查询同时使用了上述两个索引。另一方面，同样的连接出现在一个更大的查询中，下图显示了计划的一角，这个连接作为哈希连接发生：

我可以看到的一个区别是，在哪个表是“内部”表与哪个是“外部”表方面存在逆转。不过，如果两个查询都是同一列上的内部联接，为什么这会影响执行计划？

【问题讨论】：

是否可以通过包含所需的 INCLUDE 列来使非聚集索引成为“覆盖”索引以满足查询的 SELECT/WHERE/ORDER BY 要求？被连接的两个表的行数是否大致相同？您确定在“大型”查询中，您指定的索引在您看到散列连接的所有情况下都被使用？
A merge join 只有在两个输入都已经排序时才可能 - 否则，将选择其他一些连接（通常是哈希连接）
我从未见过在适用的情况下不使用合并连接的情况。它每行更便宜，启动成本更低，因此如果适用，它总是更优越。发布表定义和实际执行计划。我们肯定会找到合并连接不适用的原因。
我添加了更多细节。大型查询太大而无法分析，但索引和行数如上所示。我指出的一件事是表格的左/右方向发生了变化，但都是内连接，所以应该没关系。
统计数据也会影响加入选择。某些连接只有在您有大量记录时才会更有效，因此它将使用估计的记录数来做出选择。

标签： sql-server hash merge

【解决方案1】：

SQL Server 查询优化器不保证最佳查询。它会在自己设置的时间内寻找最佳查询。随着查询变大，使用多个连接，不同组合的数量呈指数级增长，因此不可能探索每条可能的路径并因此保证最佳解决方案。

通常，如果您的表设计合理（具有适当的索引）并且统计信息是最新的，您应该能够相信查询优化器会做得很好。

不同的连接选择可能是由于可用的资源不同 -（CPU 和内存）考虑到并行执行的计划的其他部分。

如果您想进一步调查，我会使用连接提示测试运行，以确定执行计划是否做出了最佳决策。也可能值得使用查询提示 MAXDOP=1 进行测试，以确定并行执行是否会影响优化器所做的选择。

【讨论】：