Изучение алгоритмов соединения
Изучите, как PostgreSQL выполняет разные типы соединений: вложенный цикл, хеш-соединение и соединение слиянием.
«Изучение алгоритмов соединения» — бесплатный урок PostgreSQL Performance & Query Optimization на CoddyKit. Это урок 1 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения PostgreSQL Performance & Query Optimization, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс PostgreSQL Performance & Query Optimization содержит 4 уроков всего.
Части этого урока еще не переведены и отображаются на английском.
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!
Часто задаваемые вопросы
Урок «Изучение алгоритмов соединения» бесплатный?
Да — полный текст урока «Изучение алгоритмов соединения» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс PostgreSQL Performance & Query Optimization, подпишись на CoddyKit PRO. Курс PostgreSQL Performance & Query Optimization содержит 4 уроков всего.
Чему я научусь в уроке «Изучение алгоритмов соединения»?
Изучите, как PostgreSQL выполняет разные типы соединений: вложенный цикл, хеш-соединение и соединение слиянием. Ты практикуешь PostgreSQL Performance & Query Optimization с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.
Нужен ли мне опыт, чтобы начать PostgreSQL Performance & Query Optimization?
Предыдущий опыт не требуется. PostgreSQL Performance & Query Optimization на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 1 из 4.
Сколько времени занимает урок «Изучение алгоритмов соединения»?
Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.
Можно ли писать и запускать код в этом уроке PostgreSQL Performance & Query Optimization?
Да. Каждый урок PostgreSQL Performance & Query Optimization включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.
Все уроки этого курса
- Изучение алгоритмов соединения
- Переписывание сложных соединений
- Подзапросы, CTE и соединения
- Оптимизация соединений LATERAL и коррелированных обращений