是的,PostgreSQL 15 默认启用 Hash Semi Join,但需满足右表可放入 work_mem、连接列有索引或能高效扫描等条件;若统计信息过期、NULL 值多、work_mem 不足或无索引,则可能退化为 Nested Loop。

PostgreSQL 15 默认是否启用 Hash Semi Join?
是的,只要满足基本条件(右表可放入 work_mem、连接字段有索引或能高效扫描),PostgreSQL 15 的优化器会自动将 EXISTS 或 IN 子查询转换为 Hash Semi Join。但这个“自动”不等于“必然”——它依赖执行计划中对右表(子查询表)的估算大小。如果优化器误判右表太大,就会退回到 Nested Loop Semi Join,导致每行左表都触发一次索引查找。
为什么 EXPLAIN 显示 Hash Semi Join 却依然慢?
常见原因不是没用上哈希半连接,而是哈希构建阶段本身代价高:
- 右表实际行数远超
pg_class.reltuples统计值(ANALYZE过期) - 右表连接字段存在大量 NULL 值,哈希表无法有效去重,探测效率下降
-
work_mem不足,哈希表被迫落盘,I/O 暴涨(查EXPLAIN ANALYZE输出里是否有Hash chain length或disk提示) - 右表虽小但无索引,优化器放弃哈希策略,改用嵌套循环
验证方式:在 EXPLAIN ANALYZE 结果中确认 Hash Cond 行存在,且其下有 Hash 节点(而非 Seq Scan 直接挂在 Semi Join 下)。
如何强制或引导使用 Hash Semi Join?
不推荐直接 SET enable_nestloop = off 全局禁用(可能破坏其他查询),更稳妥的是针对性干预:
- 确保右表连接字段有索引:
CREATE INDEX CONCURRENTLY ON b (id); - 更新统计信息:
ANALYZE b;(尤其当右表数据变更频繁时) - 临时调高
work_mem(仅当前会话):SET LOCAL work_mem = '64MB'; - 若右表极小(SELECT a.* FROM a WHERE a.id = ANY(ARRAY(SELECT DISTINCT id FROM b)); —— 这会触发数组哈希探测,绕过子查询上拉逻辑
注意:DISTINCT 在子查询里不保证触发哈希半连接;真正起作用的是优化器判断“右表唯一键集足够小”,所以 SELECT DISTINCT id FROM b 配合索引才有效。
递归 CTE 替代方案适用哪些场景?
当右表唯一值极少(如几十到几百个)、但总行数极大(百万级+)、且存在严重数据倾斜(某个 id 出现数十万次)时,递归 CTE 提取唯一键比哈希构建更轻量:
WITH RECURSIVE uniq_ids AS ( SELECT min(id) AS id FROM b UNION ALL SELECT (SELECT min(id) FROM b WHERE id > u.id) FROM uniq_ids u WHERE u.id IS NOT NULL ) SELECT a.* FROM a WHERE a.id IN (SELECT id FROM uniq_ids);
关键点:该写法依赖 b.id 上的 B-tree 索引实现每次 min(id) 的 O(log N) 查找,整体复杂度接近 O(K × log N),K 是唯一值数量。一旦 K 超过几千,就失去优势,此时应优先修复统计信息或加大 work_mem。
最易被忽略的是:哈希半连接性能高度依赖右表的“逻辑大小”而非物理大小——优化器看到的是 pg_stats 里的 n_distinct 和 most_common_vals,不是你心里想的“应该只有 100 个值”。别跳过 ANALYZE。

















