文档用途

介绍HGDB中的扫描类型

详细信息

1、全表扫描
全表扫描在HGDB中也称为顺序扫描（seq scan），全表扫描就是把表的所有数据块从头到尾读一遍，然后筛选出符合条件的数据块。

全表扫描在explain命令输出结果中用“Seq Scan”表示，如下所示：

highgo=# explain select * from emp;QUERYPLAN------------------------------------------------------Seq Scanonemp(cost=0.00..1.14rows=14width=116)(1行记录)

2、索引扫描

索引通常是为了加快查询数据的速度而增加的。索引扫描，就是在索引中找出需要的数据行的物理位置，然后再到表的数据块中把相应的数据读出来。

索引扫描在explain命令输出结果中用"Index Scan"表示，如下：

highgo=# explain select * from people where id=14;QUERYPLAN---------------------------------------------------------------------IndexScanusinginx_idonpeople(cost=0.44..8.45rows=1width=8)IndexCond:(id=14)(2行记录)

3、位图扫描

位图扫描也是走索引的一种方式。方式是扫描索引，把满足条件的行或块在内存中建一个位图，扫描完索引后，再根据位图列表的数据文件把相应的数据读出来。如果走了两个索引，可以把两个索引形成的位图进行"and"或"or"计算，合并成一个位图，再到表的数据文件中把数据读出来。

当执行计划的结果中行数很多时会进行位图扫描，如非等值查询、IN子句或有多个条件都可以走不通的索引时。

以下示例是返回值较多：

highgo=# explain select ename from test where empno=7499;QUERYPLAN----------------------------------------------------------------------------Bitmap Heap Scanontest(cost=79.79..613.59rows=4064width=5)Recheck Cond:(empno=7499)->BitmapIndexScanoninx_empno(cost=0.00..78.77rows=4064width=0)IndexCond:(empno=7499)(4行记录)`

在位图扫描中，可以看到"Bitmap Index Scan"先在索引中找到符合条件的行，然后在内存中建立位图，之后再到表中扫描，也就是看到" Bitmap Heap Scan"。

4、条件过滤

条件过滤，一般就是在where条件上加的过滤条件，当扫描数据行时，会找出满足过滤条件的行。条件过滤在执行计划中显示为"Filter"，示例如下：

highgo=# explain select ename from emp where empno=7499;QUERYPLAN----------------------------------------------------Seq Scanonemp(cost=0.00..1.18rows=1width=38)Filter:(empno=7499)(2行记录)

5、Nestloop Join

嵌套循环（Nestloop Join）是在两个表连接时一种连接方式。在嵌套循环中，内表被外表驱动，外表返回的每一行都要在内表中检索找到与它匹配的行，因此整个查询返回的结果集不能太大，要把返回子集较小的表作为外表，且内表的连接字段上要有索引。

执行过程：确定一个驱动表（outer table），另一个表为inner table，驱动表中每一行与inner table中的相应记录关联。

示例如下：

highgo=# explain select * from people,dept where dept.deptno=people.id;QUERYPLAN---------------------------------------------------------------------------NestedLoop(cost=0.44..5719.30rows=680width=100)->Seq Scanondept(cost=0.00..16.80rows=680width=92)->IndexScanusinginx_idonpeople(cost=0.44..8.38rows=1width=8)IndexCond:(id=dept.deptno)(4行记录)

6、Hash Join

优化器使用两个比较的表，并利用连接键在内存中建立散列表，然后扫描较大的表并探测散列表，找出与散列表匹配的行。

这种方式适用于较小的表可以完全放于内存中的情况，这样总成本就是访问两个表的成本之和。但如果表很大，不能完全放入内存，优化器会将它分割成若干不听的分区，把不能放入内存的部分写入磁盘的临时段，此时要有较大的临时段以便提高I/O的性能。

示例如下：

highgo=# explain select * from test,dept where dept.deptno=test.deptno;QUERYPLAN--------------------------------------------------------------------HashJoin(cost=25.30..1870.22rows=57344width=127)HashCond:(test.deptno=dept.deptno)->Seq Scanontest(cost=0.00..1056.44rows=57344width=35)->Hash(cost=16.80..16.80rows=680width=92)->Seq Scanondept(cost=0.00..16.80rows=680width=92)(5行记录)

因为dept表小于test表，所以Hash Join先在较小的表dept上建立散列表，然后扫描较大的表test，并探测散列表，找出与之相匹配的行。

7、Merge Join

通常情况下，散列连接的效果比合并连接好，但如果源数据上有索引，或者结果已经被排过序，在执行排序合并连接时，就不需要排序了，这时合并连接的性能会优于散列连接。

下面示例中，people的id字段和dept01的depto字段都有索引，且从索引扫描的数据已经排好序，可以直接走Merge Join：

highgo=# explain select people.id from people,dept01 where people.id=dept01.deptno;QUERYPLAN-------------------------------------------------------------------------------------------------MergeJoin(cost=0.86..64873.59rows=1048576width=4)MergeCond:(people.id=dept01.deptno)->IndexOnly Scanusingpeople_pkeyonpeople(cost=0.44..303935.44rows=10000000width=4)->IndexOnly Scanusingidx_deptnoondept01(cost=0.42..51764.54rows=1048576width=2)(4行记录)

删除dept01上的索引，会发现执行计划中先对dept01排序后在走Merge Join，示例如下：

highgo=# explain select people.id from people,dept01 where people.id=dept01.deptno;QUERYPLAN-------------------------------------------------------------------------------------------------MergeJoin(cost=136112.80..154464.29rows=1048576width=4)MergeCond:(people.id=dept01.deptno)->IndexOnly Scanusingpeople_pkeyonpeople(cost=0.44..303935.44rows=10000000width=4)->Materialize(cost=136112.36..141355.24rows=1048576width=2)->Sort(cost=136112.36..138733.80rows=1048576width=2)SortKey: dept01.deptno->Seq Scanondept01(cost=0.00..16918.76rows=1048576width=2)(7行记录)

上面执行计划中，可看到“Sort Key: dept01.deptno”，这就是对表dept01的id字段进行排序。