Hash join原理疑问：哈希值与非哈希值如何完成比对

你提到的「哈希值和非哈希值直接比对」是对Hash Join执行流程的常见误解，实际不存在这种跨类型比对的情况，完整的匹配逻辑如下：

• 首先明确构建哈希表时的存储规则：优化器选定的内表（也就是你说的做了哈希处理的表A）在构建哈希表阶段，并不是把连接列替换成哈希值丢弃原值，而是对每一行的连接列原始值用固定哈希函数计算哈希值，再把「哈希值+连接列原始值+整行数据」一起存到哈希表对应哈希桶中，哈希值只是用来快速缩小匹配范围的索引，不会用来做最终的匹配判定。
• 外表（也就是你说的未做哈希处理的表B）在扫描匹配阶段，会对每一行的连接列原始值，用和内表构建阶段完全相同的哈希函数计算哈希值，先拿这个算出来的哈希值去内表哈希表里定位到对应的哈希桶，这个阶段已经过滤掉了99%以上不匹配的行。
• 最后一步会做原值校验：定位到对应哈希桶后，会把外表当前行的连接列原始值，和桶里所有记录的连接列原始值逐一比对，完全相等的才会判定为连接匹配。这一步是为了规避哈希冲突问题——不同的原始值可能算出相同的哈希值，仅靠哈希值匹配会出现误判。

举个直观的例子：内表有一行连接列值为5，计算哈希值为0xffa1，存到哈希表0xffa1桶里的记录同时保留了原始值5；外表扫描到一行连接列值为5时，先算哈希得到0xffa1定位到对应桶，再比对原始值都是5，才会判定匹配；如果外表某行连接列值为99刚好也算出哈希值0xffa1，定位到桶后比对原始值不一致，就会直接过滤掉。

内容的提问来源于stack exchange，提问作者Blue Clouds