SQL JOIN Merge Join

1概述
Merge join 合并连接。两个集合进行merge join，需要有一个等值的条件，然后需要两个已排序好的集合。

2 one-to-many与many-to-many
2.1 One-to-many
当参与merge join的两个集合中，其中一个集合在等值条件上是具有唯一性(如SELECT * FROM T1 INNER JOIN T2 ON T1.A=T2.B，如果T1在A列上具有唯一性)，那么即为one-to-many。主要步骤为：首先从两个集合中各取出一条记录进行比较，如果符合join条件，那么取出该行；否则将值小记录从集合中移除，然后取值小集合的下一行，继续比较。
2.2 many-to many
当参与merge join的两个集合中，没有一个集合在等值条件上具有唯一性时，则采用many-to-many(SELECT * FROM T1 INNER JOIN T2 ON T1.A=T2.B,当列A与列B都不具有唯一性)。主要步骤为：在A和B中都存在A1,A2..An,B1,B2..Bn，那么正常情况下需要为A的每一条记录(A1,A2..An)都要将B中的B1,B2..Bn读取出来，这样浪费性能。所在数据库在处理时，将B中的匹配行储存在tempdb中，如果A中的下一行相等，则读取tempdb中的内容，否则删除tempdb中的数据。
2.3 one-to-many与many-to-many的比较
很显然，one-to-many的效率更高，因为它不需要临时表。那么如何让查询优化器知道我们其中某个集合具有唯一性呢。方法一是：建立聚集索引；二是如distinct、group by操作符。

3排序与索引
数据库几个大的操作之一就是大表的排序，所以使用merge join如果表数据量比较大，并且无索引，那么并不适合merge join。所以当数据量很大，就需要为其添加索引。

4示例
测试数据

IF  EXISTS (SELECT * FROM sys.objects WHERE object_id = OBJECT_ID(N'[dbo].[GoodsType]'))
DROP TABLE [dbo].[GoodsType]
GO
--商品类型表
CREATE TABLE dbo.[GoodsType]
(
    id int,
    good_type_name nvarchar(50)
);

INSERT INTO dbo.GoodsType
SELECT 1,'服装'
UNION ALL
SELECT 2,'数码'
UNION ALL
SELECT 3,'家电'

IF  EXISTS (SELECT * FROM sys.objects WHERE object_id = OBJECT_ID(N'[dbo].[Goods]'))
DROP TABLE [dbo].[Goods]
GO
--商品类型表
CREATE TABLE dbo.[Goods]
(
    id int,
    good_name nvarchar(50),
    good_type int
);

INSERT INTO dbo.Goods
SELECT 1,'ADT恤',1
UNION ALL
SELECT 2,'AD外套',1
UNION ALL
SELECT 3,'T002电视',2
UNION ALL
SELECT 4,'海尔洗衣机',2
UNION ALL
SELECT 5,'HP222',3

4.1
未建任何索引，执行SQL

SET STATISTICS PROFILE ON
SELECT * 
FROM Goods AS G
    INNER JOIN GoodsType AS GT ON G.good_type=GT.id
OPTION(MERGE JOIN)

结果：

说明
1>未建立索引时，需要为两个集合进行排序；
2>虽然在连接条件上唯一，但是未建唯一聚集索引时，为多对多的连接；

4.2
建立非聚集索引，执行SQL

CREATE CLUSTERED INDEX GT ON GOODSTYPE(ID)
CREATE CLUSTERED INDEX G ON GOODS(good_type)

SET STATISTICS PROFILE ON
SELECT * 
FROM Goods AS G
    INNER JOIN GoodsType AS GT ON G.good_type=GT.id
OPTION(MERGE JOIN)

结果：

说明：
1>建立索引后，执行merge join无排序的开销
2>虽然两个集合都建立了索引，并且连接的关键字也无重复，但还是多对多的连接，因为优化器不知道它是唯一的。

4.3
为其中一个集合建立唯一聚集索引，执行SQL

DROP INDEX GT ON GOODSTYPE
CREATE UNIQUE CLUSTERED INDEX GUT ON GOODSTYPE(ID)

SET STATISTICS PROFILE ON
SELECT * 
FROM Goods AS G
    INNER JOIN GoodsType AS GT ON G.good_type=GT.id
OPTION(MERGE JOIN)

结果

说明：
1>为其中的一个集合建立唯一聚集索引时，此时的连接为一对一的连接（执行计划中无一对一连接的概念）

5总结
当不适合使用nested join时，可以考虑使用merge join。在使用merge join时，需要注意两个概念：一是排序，最好是索引排序，否则大数据量的实时排序会增加太多的成本；二是连接方式，是一对多还是多对多，如果关键字不重复，可以建立唯一聚集索引，即尽量使用一对多的连接。