【入門編】ハッシュ結合 – PostgreSQL

こんにちは！データベースの世界へようこそ。

PostgreSQLを触っていると、「結合（JOIN）」という言葉によく出会いますよね。二つのテーブルをガッチャンコして、新しいデータを作る作業です。

今日はその中でも、特に頭のいいやり方である「ハッシュ結合（Hash Join）」についてお話しします。難しそうな名前ですが、実は私たちの日常の中にある「ある作業」にそっくりなんですよ。

—

例えば、手元に「クラス全員の名前が書かれた名簿」と、「バラバラの順番で並んでいるテストの点数表」があるとします。この二つを突き合わせて、誰が何点を取ったかを確認したいとき、あなたならどうしますか？

一番原始的なのは、名簿の1人目を見て、点数表の最初から最後までを全部探す…これを全員分繰り返す方法です。でも、これだと時間がかかりすぎて、日が暮れちゃいますよね。

そこで、賢い人はこう考えます。

1. 小さい方のテーブルを、頭の中で「整理」して覚える（ハッシュテーブルの作成）
2. もう一方のテーブルをペラペラめくりながら、さっき覚えた情報と照らし合わせる（プローブ）

これが、PostgreSQLが誇る「ハッシュ結合」の仕組みです。

—

PostgreSQLが裏側でやっていることを、もう少し具体的に見ていきましょう。

まず、結合する二つのテーブルのうち、データ量が少なそうな方をメモリ上に展開します。このとき、ただ並べるのではなく、「どこに何があるか」を瞬時に見つけられるように、特殊な計算（ハッシュ関数）をしてインデックスを付けた箱を作ります。これが「ハッシュテーブル」です。

次に、残りの大きなテーブルを上から順番にスキャンしていきます。

大きなテーブルから一行読むたびに、先ほど作った「カンニングペーパー」をチラッと見ます。「このIDの人は、さっき作った箱のこの場所だね！」と、迷うことなくパッと答え合わせができるんです。

わざわざ全部を探し回る必要がないので、「あ、この人ならさっきのリストのここ！」と直感的に繋げられるのが、ハッシュ結合のすごいところですね。

—

ここまで聞くと「じゃあ全部ハッシュ結合でいいじゃん！」と思うかもしれません。でも、一つだけ弱点があるんです。

それは、「メモリ（作業机）の広さには限界がある」ということ。

もし結合したいデータがとてつもなく大きくて、メモリという机の上に乗り切らなくなると、PostgreSQLは必死になって机の上の書類を一時的に床（ディスク）に退避させます。この「床に広げる作業」が発生すると、途端に処理が遅くなってしまいます。

「机（メモリ）に収まるサイズのデータなら爆速だけど、溢れるとちょっと大変」

これが、ハッシュ結合の性格なんです。

—

「そんな裏側の仕組み、知らなくてもSQLは動くよ！」と思われるかもしれません。確かにその通りです。

でも、データベースが「なぜこのやり方を選んだのかな？」と想像できるようになると、パフォーマンスが出ないときに「あ、もしかしてメモリが足りなくて苦しんでるのかな？」といった具合に、問題の根っこに気づけるようになります。

PostgreSQLは、今日もあなたのクエリを少しでも速くしようと、メモリという机の上で一生懸命計算してくれています。そんな愛着を持って付き合ってあげると、きっとデータベースとの距離もぐっと縮まりますよ。

また気になることがあったら、いつでも聞きに来てくださいね！それでは、良いデータベースライフを！