为何Hash Join仅适用于等值连接？MySQL存储引擎开发技术问询

一、为什么Hash Join仅适用于等值连接 #

• 哈希匹配的核心依赖哈希函数的等值映射特性：只有当连接条件是等值判断时，两个表中匹配的行才能通过相同的连接键计算出一致的哈希值，从而定位到哈希表的同一个桶中。非等值条件（如><、LIKE等）无法通过哈希函数生成稳定的映射关系，根本没法利用哈希表的快速查找能力。
• Hash Join的执行逻辑决定了它只能处理等值匹配：先基于驱动表构建哈希表，再用被驱动表的每行数据计算哈希值去匹配桶内数据——这个过程只能验证“连接键是否相等”，无法处理范围类的比较逻辑。
• 非等值连接强行使用Hash Join会失去性能优势：如果用Hash Join处理非等值条件，最终会退化成两张表的全量数据比对，完全发挥不出哈希表O(1)级查找的优势，所以MySQL直接将其限制为仅支持等值连接。

二、MySQL中Hash Join及哈希表的具体结构 #

Hash Join的执行流程 #

• 构建阶段：优化器会选择数据量较小的表作为驱动表，遍历驱动表的每一行，对连接键计算哈希值，将该行数据插入到对应哈希桶中。如果内存不足以容纳整个哈希表，会把溢出的哈希桶写入磁盘临时文件。
• 探测阶段：遍历被驱动表的每一行，同样计算连接键的哈希值，定位到对应的哈希桶（内存中的直接访问，磁盘上的则先读取到内存），逐一比对桶内数据的连接键，匹配成功则合并输出结果。

哈希表的内部结构 #

• 哈希桶数组：底层是一个动态扩容的数组，每个元素对应一个哈希桶的入口。初始大小由驱动表的预估行数决定，当哈希冲突率过高时会自动扩容，以保证查找效率。
• 哈希桶链表：每个哈希桶内部是一个链表结构，用于存储哈希值相同的驱动表数据行。当出现哈希冲突时，新的数据行会追加到链表的末尾，后续匹配时需要遍历链表做精确比对。
• 内存与磁盘的协同：哈希表的大小受join_buffer_size参数限制，当内存中的哈希数据超过阈值，MySQL会将部分桶写入磁盘临时文件，探测阶段需要先将磁盘上的对应桶加载到内存再进行匹配。
• 数据存储细节：哈希桶中不仅存储连接键的哈希值，还会保留连接键的原始值（用于哈希冲突时的精确匹配），以及查询需要输出的其他列数据，避免后续回表查询。

内容的提问来源于stack exchange，提问作者Hun Shim