こんにちは！データベースの世界へようこそ。
普段何気なく「SELECT FROM …」なんてクエリを書いていますが、その裏側でデータベース（PostgreSQL）がいったい何を考えているのか、気になったことはありませんか？
今日は、数ある結合（JOIN）のテクニックの中でも、特に「賢いやり方」として知られる「ハッシュ結合（Hash Join）」について、お話ししようと思います。難しい専門用語はなるべく置いておいて、日常の風景に例えてみましょう。
—
宿題の「答え合わせ」で考えてみよう
想像してみてください。あなたは今、クラス全員分（30人）のテスト用紙を採点したあと、手元にある「解答一覧表」を見ながら、一人ひとりの点数を確認する作業をしています。
このとき、あなたならどんなやり方をしますか？
1. 力技のやり方： テスト用紙を1枚手に取るたびに、解答一覧表の最初から最後までを端から端まで指でなぞって、一致する名前を探す。これを30回繰り返す。
2. 賢いやり方： あらかじめ解答一覧表を「名前の頭文字」ごとに箱に分けて整理しておき、テスト用紙を手に取ったら、その名前の箱だけをパッと見て答えを確認する。
実は、「ハッシュ結合」は、この「2. 賢いやり方」をデータベースがやっている状態なんです。
—
PostgreSQLがやっている「ハッシュテーブル」という整理術
データベースの世界では、結合する2つのテーブルのうち、片方を「ハッシュテーブル」という特別な整理棚に作り替えます。
これが、先ほどの例で言う「名前の頭文字ごとの箱」にあたります。
手順はとってもシンプル！
1. 下準備（構築フェーズ）： 小さい方のテーブルをメモリ上に読み込み、パッと検索できるように「ハッシュテーブル」というインデックス付きの棚を作ります。
2. 照らし合わせ（プローブフェーズ）： もう片方のテーブルを順番にスキャンしていきます。読み込んだデータが、さっき作った「ハッシュテーブル」のどこに当てはまるか、一瞬で探しに行きます。
もし、いちいち全部のデータを見に行っていたら（さっきの「力技」ですね）、データが増えれば増えるほど時間はかかってしまいますよね。でも、ハッシュ結合なら、この「整理棚」のおかげで、データ量が多くても効率よく相手を見つけることができるんです。
—
なぜこれが「最強」と言われるのか
PostgreSQLのエンジニアたちがこの手法を好む理由は、「一度整理してしまえば、あとは速い」という一点に尽きます。
もちろん、デメリットもあります。もし、メモリ上に作りたい「整理棚（ハッシュテーブル）」が大きすぎて、メモリに入りきらなくなったらどうなるでしょうか？
そう、デスクから溢れた書類を一旦床に置くように、ハードディスク（一時領域）にデータを書き出さなければならず、急にスピードが落ちてしまうんです。だからこそ、データベースは賢く「このデータ量ならハッシュ結合が速いかな？ それとも別の方法がいいかな？」と、常に計算しているんですね。
—
まとめ：データベースも「段取り」が8割
結局のところ、ハッシュ結合とは「あらかじめ相手を見つけやすく整理しておく」という、段取り上手なテクニックのことです。
普段皆さんが実行しているSQLが、裏側でこんなふうに「どうやったら一番楽に答えが見つかるか」を一生懸命考えていると思うと、なんだか愛着が湧いてきませんか？
「ハッシュ結合」という言葉を聞いたら、ぜひ「ああ、今あの子は一生懸命、頭の中で整理棚を作っているんだな」と想像してみてくださいね。
それでは、また次回の記事でお会いしましょう！データベースの世界は、知れば知るほど面白いですよ。
コメント