Hash join의 등가 조건과 merge join의 정렬 조건을 범위 부등호 조인에도 그대로 적용할 수 있나요?

구두 답변

정의를 외우기보다, 원리와 조건을 연결해 설명해 보세요.

그대로 적용할 수 없습니다. hash join의 기본 후보 분할은 a.key = b.key처럼 동일한 값을 버킷으로 보내는 데 적합합니다. a.start <= b.point AND b.point < a.end는 point가 구간 안에 들어가는 관계라 단일 equality bucket이 모든 후보를 결정하지 못합니다. merge join도 양쪽이 정렬되어 있다는 사실만으로 범위 부등호를 자동으로 선형 처리하지 않습니다.

예를 들어 구간 [10,20)과 point 15는 매칭되지만 [12,18)도 point 15와 매칭됩니다. 한 point가 여러 구간과 연결될 수 있어 출력 카디널리티는 단순 1:1이 아닙니다. 정렬된 경계 스트림, 범위 인덱스, 작은 입력을 기준으로 한 nested loop와 residual filter를 비교해야 합니다. equality 조건이 함께 있으면 hash로 1차 후보를 줄이고 범위 조건을 residual로 검사할 수 있지만, residual 후보가 많으면 hash가 범위 선택성 문제를 해결한 것이 아닙니다.

통계가 구간 겹침과 point 분포의 상관을 놓치면 estimated rows가 작아져 nested loop·sort·메모리 선택이 틀어질 수 있습니다. 먼저 representative fixture에서 실제 후보 수를 세고 estimated/actual rows, loops, residual filter 뒤 행 수를 비교합니다. 느리다는 이유로 hash hint나 영구 plan pin을 바로 두지 않고 분포별 계획, 통계 개선, 범위 접근 경로를 순서대로 실험합니다.

득점 포인트

이해가 드러나는 지점을 확인해 보세요.

equality hash key와 범위 residual 조건을 분리해 설명합니다.
[10,20), [12,18), point 15의 다중 매칭 상태를 추적합니다.
estimated/actual rows와 residual 이후 행 수를 선택도 오류의 증거로 연결합니다.

감점 포인트

놓치기 쉬운 조건과 오해를 짚어 보세요.

hash join이 모든 비교 조건을 같은 버킷 방식으로 처리한다고 합니다.
merge join이면 모든 부등호 조인이 자동 선형화된다고 단정합니다.
실행이 느리다는 이유만으로 영구 hint를 먼저 처방합니다.

더 파고들 거리

하나 더 질문하며 이해의 범위를 넓혀 보세요.

구간 중첩 통계가 없을 때 균등·집중·겹침 분포 fixture를 어떻게 구성할지 생각해 보세요.
residual 후보가 큰 계획에서 범위 인덱스와 정렬 경계 스트림을 어떤 비용으로 비교할지 검토하세요.

득점·감점 포인트는 학습용 자기 점검 기준이며, 특정 회사의 실제 채점표가 아닙니다.