 | 博主历时三年精心创作的《大数据平台架构与原型实现：数据中台建设实战》一书现已由知名IT图书品牌电子工业出版社博文视点出版发行，点击《重磅推荐：建大数据平台太难了！给我发个工程原型吧！》了解图书详情，京东购书链接：https://item.jd.com/12677623.html，扫描左侧二维码进入京东手机购书页面。 |
我们可能在一些介绍数据库 Join 档中看到 Build 和 Probe，分别代表着 Join 操作中的 右表 和 左表，为什么会有这样的称呼呢？原来它们都出自于一种叫 ”Hash Join“ 的 join 算法（常见的 Join 算法有：Hash Join、Loop Join、Merge Join）。先看一下名词解释：
-
Hash Join：一种实现 Join 的算法，它通过在 Join 的一侧构建 Hash Table 并在另一侧不断匹配 Hash Table 来得到 Join 的结果。
-
Build Side （构建端 / 右表）：Hash Join 中用于构建 Hash Table 的一侧，称为 Build Side。多数引擎默认以 Join 的右表作为 Build Side。
-
Probe Side（探查端 / 左表）：Hash Join 中用于不断匹配 Hash Table 的一侧，称为 Probe Side。多数引擎默认以 Join 的左表作为 Probe Side。
下面，简答介绍一下 Hash Join 的原理，我们基于 Hash join in MySQL 8 一文给出的解释展开，讲解使用的 SQL 示例为：
SELECT
given_name, country_name
FROM
persons JOIN countries ON persons.country_id = countries.country_id;
Hash Join 的实现分为：构建和探查两个阶段，以下是详细介绍。
Hash Join 原理：构建阶段
在 Hash Join 算法下，当两张表要 Join 时，SQL 引擎会在内存中创建一张哈希表，然后选择将其中一张较小的表（按字节度量而不是行数）的数据加载到这张哈希表中，并以 Join 列的值作哈希的 Key。既然是要将表的数据加载到内存中，所以，不难理解算法为什么要选择加载小表而不是大表。
在上面的 SQL 示例中，countries 表肯定是一张小表，所以它会被加载到内存的哈希表中，也就是成为 Build Side，而 Join 列 country_id的值经 hash 后的值会作为哈希表中 Key。
❖ 至于为什么现在都将右表称为 Build Side，左表称为 Probe Side，我并没有找到比较主流的有说服力的观点，可能是因为算法在最初提出时就是这样约定的：选择右表作 Build Side, 左表作 Probe Side，后来随着 SQL 引擎的优化，虽然能自动选择小表作为 Build Side 了，但这种称谓习惯被保留了下来。欢迎了解其中原委的读者补充
下图形象地展示了构建阶段的工作原理：
Hash Join 原理：探查阶段
构建阶段完成后，SQL 引擎就从 探测端 逐行读取记录，然后用 Join 列的 Hash 值去内存中的哈希表中查找是否有对应记录，有就是匹配到了 构建端 的记录，然后联合两端的数据作为结果输出。
同样以上面的示例 SQL 为例，SQL 引擎逐行读取 persons 表中的记录，取出它的 country_id 列进行 hash 处理，以得到的哈希值为 Key 去哈希表中查找，找同相同哈希值的记录就意味着和 countries 表中的一条记录 Join 上了。
下图展示了探查阶段的工作原理：
不过，上图并不算好，没有把“探查”动作描述出来，下图相对更加形象一些：
Hash Join 的限制
最后，提醒一下 Hash Join 的限制，其实从上面的原理介绍中你大概能推测出来：由于 Hash Join 是使用 join 列的哈希值进行匹配的，所以，关联条件中必须包含至少一个 equi join(=) ！
参考资料：
https://www.zhihu.com/question/35906621
https://dev.mysql.com/blog-archive/hash-join-in-mysql-8/
