Comprendre les algorithmes de jointure
Découvrez comment PostgreSQL exécute différents types de jointures : boucle imbriquée, jointure par hachage et jointure par fusion.
Comprendre les algorithmes de jointure est une leçon PostgreSQL Performance & Query Optimization gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage PostgreSQL Performance & Query Optimization, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours PostgreSQL Performance & Query Optimization comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
Joins: Connecting Data
Welcome to understanding PostgreSQL join algorithms! Joins are fundamental for combining data from multiple tables.
They allow you to retrieve related information that is spread across your database schema, forming a complete picture.
Beyond Basic Joins
When you write a JOIN clause, PostgreSQL doesn't just pick one way to execute it. It has several powerful algorithms at its disposal.
The database's query planner chooses the most efficient algorithm based on factors like table size, available indexes, and data distribution.
Nested Loop Join Basics
The Nested Loop Join (NLJ) is the simplest algorithm. It works like a nested 'for' loop:
- For each row in the outer table...
- It scans the inner table for matching rows.
NLJ is efficient for small datasets or when the inner table's join column is indexed, allowing quick lookups.
NLJ in Action
Consider joining a small users table with a user_details table. If user_details.user_id is indexed, NLJ can be very fast.
Try creating and joining these tables:
CREATE TABLE users (user_id INT PRIMARY KEY, name VARCHAR(50));
CREATE TABLE user_details (detail_id INT PRIMARY KEY, user_id INT, address VARCHAR(100));
INSERT INTO users VALUES (1, 'Alice'), (2, 'Bob');
INSERT INTO user_details VALUES (101, 1, '123 Main St'), (102, 2, '456 Oak Ave');
SELECT u.name, ud.address
FROM users u
JOIN user_details ud ON u.user_id = ud.user_id;Hash Join: Faster Matches
Hash Join is often chosen for larger, unsorted tables, especially with equality (=) join conditions. It works in two phases:
- Build Phase: PostgreSQL scans the smaller (or estimated smaller) table and builds an in-memory hash table using the join key.
- Probe Phase: It scans the larger table, hashes each row's join key, and probes the hash table for matches.
This method is very effective when enough memory is available for the hash table.
Hash Join Scenario
Imagine joining two large tables, products and sales, on their product_id. If neither table is sorted or indexed on product_id, a Hash Join is a strong candidate.
The planner will likely choose Hash Join for this query:
CREATE TABLE products (product_id INT PRIMARY KEY, name VARCHAR(50));
CREATE TABLE sales (sale_id INT PRIMARY KEY, product_id INT, quantity INT);
INSERT INTO products VALUES (1, 'Laptop'), (2, 'Mouse');
INSERT INTO sales VALUES (1001, 1, 2), (1002, 2, 1), (1003, 1, 3);
SELECT p.name, s.quantity
FROM products p
JOIN sales s ON p.product_id = s.product_id;Merge Join: Sorted Efficiency
The Merge Join is highly efficient when both tables are already sorted on their join keys, or can be sorted cheaply. It also works in phases:
- Sort Phase: If not already sorted, both tables are sorted on their join columns.
- Merge Phase: PostgreSQL simultaneously scans both sorted tables, merging matching rows. It's like merging two sorted lists.
This is beneficial for range joins or when data is retrieved in sorted order.
Merge Join Use Case
If you're joining two tables, employees and departments, and both are indexed (and thus often sorted) on their respective ID columns, or if your query involves an ORDER BY on the join key, a Merge Join can be optimal.
PostgreSQL might use Merge Join here:
CREATE TABLE employees (emp_id INT PRIMARY KEY, dept_id INT, name VARCHAR(50));
CREATE TABLE departments (dept_id INT PRIMARY KEY, dept_name VARCHAR(50));
INSERT INTO employees VALUES (1, 10, 'John'), (2, 20, 'Jane');
INSERT INTO departments VALUES (10, 'HR'), (20, 'IT');
SELECT e.name, d.dept_name
FROM employees e
JOIN departments d ON e.dept_id = d.dept_id
ORDER BY e.emp_id;PostgreSQL's Decisions
The PostgreSQL query planner uses a cost-based optimizer to decide which join algorithm to use. It estimates the cost of each possible plan based on:
- Table and index statistics
- Available memory (
work_mem) - Join condition type (e.g., equality, range)
- Estimated row counts
Using EXPLAIN is crucial to see which algorithm the planner chose!
Algorithm Challenge
You need to join two very large tables, customers and orders, on customer_id. There are no indexes on customer_id in either table, and the data is unsorted. Which join algorithm is PostgreSQL most likely to choose for optimal performance?
Join Algorithms: Key Takeaways
In this lesson, you explored the three primary join algorithms PostgreSQL uses:
- Nested Loop Join: Simple, good for small sets or indexed inner tables.
- Hash Join: Efficient for large, unsorted tables with equality joins, using a hash table.
- Merge Join: Best when tables are already sorted on join keys or can be sorted cheaply.
Understanding these helps you interpret EXPLAIN plans and write more performant queries. Next, we'll look at rewriting complex joins!
Questions Fréquemment Posées
La leçon « Comprendre les algorithmes de jointure » est-elle gratuite ?
Oui — le texte complet de « Comprendre les algorithmes de jointure » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours PostgreSQL Performance & Query Optimization, passe à CoddyKit PRO. Le cours PostgreSQL Performance & Query Optimization comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Comprendre les algorithmes de jointure » ?
Découvrez comment PostgreSQL exécute différents types de jointures : boucle imbriquée, jointure par hachage et jointure par fusion. Tu pratiques PostgreSQL Performance & Query Optimization avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer PostgreSQL Performance & Query Optimization ?
Aucune expérience préalable n'est requise. PostgreSQL Performance & Query Optimization sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.
Combien de temps prend la leçon « Comprendre les algorithmes de jointure » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon PostgreSQL Performance & Query Optimization ?
Oui. Chaque leçon PostgreSQL Performance & Query Optimization inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Comprendre les algorithmes de jointure
- Réécrire des jointures complexes
- Sous-requêtes, CTE ou jointures
- Optimiser les jointures LATERAL et les recherches corrélées