为什么散列连接的复杂性为O（n + m）？

Question

在网上搜索后，我发现连接两个表的Hash Join算法的复杂性被称为O（N + M），其中N和M是两个表的元组数。 / p>

我想知道为什么O（N + M），而不是最坏情况下的O（N * M）？

据我所知，Hash Join是equi join的一个实现：给定两个表R和S，它是从它们的交叉积R * S中选择元组t，其中t [RA] = t [SA]， A是R和S的共同属性。

注意： 1）我想知道复杂性是否为O（N + M），特别是当加入属性中的数据值不唯一时（即我们没有加入关键属性）。 2）请注意，加入属性A可能是也可能不是关键。

Answer 1

搜索算法基本上是：

1. 从R（O（n））

哈希每个元组

2. 从S（O（m））散列每个元组

   2.1每次从S舍入一个元组时，在R（O（1））的哈希值中查找

   2.2仅当为R找到匹配的散列时，比较实际的元组值（O（1））

因此，您只需要为每个元组（n + m）计算一个哈希值并进行哈希查找，理想情况下每个哈希查找为O（1）。

当然，如果散列函数不适合实际数据，或散列表太小，散列查找仍然是O（1），但你可能需要做很多完整的元组比较，其中大部分都是echo 0 | nc <ip> <port> 。因此，最差最坏情况，对于最坏情况哈希表，再次接近O（n * m）。