随着云技术的发展,对云上的数据进行分析的需求正在不断提升。在分析型应用中连接查询是最复杂和代价高昂的操作,其往往涉及较多的数据,会带来繁重的磁盘输入输出（I/O）,在计算存储分离场景中还会带来繁重的网络I/O,从而降低哈希连接的执行效率。因此,为计算存储分离数据库提供优化的哈希连接功能具有重要意义。从哈希连接的优化入手,面向计算层,提出了采用哈希连接和索引灵活选择的优化方法CEHJ（Calculate Layer Hash Join）。该方法通过为原来的执行器增加哈希连接执行功能,使哈希连接可以部分取代块循环嵌套连接;同时,在给出的哈希连接执行的代价估算方法中,对两表之间的等值连接,通过分析通过哈希连接取代索引循环嵌套连接的可能性,使优化器可以自动选择对一个单位的等值连接是选择哈希连接进行处理还是索引循环嵌套连接进行处理。为了降低哈希连接参与的表的网络I/O,从代价估算、查询下推、存储节点并行执行、数据管理四个部分入手,进行查询下推哈希连接优化（SQL Push Down Hash Join,SPHJ）。代价估算部分计算单表参与查询执行的所有列的大小之和占整行记录大小的比例,判断是否需要对特定的表进行单表下推优化。查询下推部分遍历优化器给出的执行计划,根据识别出的信息构造相关SQL语句并发送给相应存储节点,剔除在原执行计划中已经下推的条件,接收来自存储节点的执行结果。对原来的存储节点进行调整,使之支持选择投影操作,并将查询结果返回给计算层数据管理部分。数据管理部分构造执行器获取数据的新接口,支持缓存数据并可供执行器通过接口获取相应数据。为了使哈希连接的执行更接近数据,在单表查询下推优化基础之上,增加哈希连接下推到存储节点并行执行,参与哈希连接的表的相关选择和投影以及条件也会在存储节点执行,执行结果返回给计算层作为中间结果,聚合排序等操作在计算层执行。使用TPC-H对优化前后的执行效果进行测试,结果表明在保证查询返回结果正确性的前提下,哈希连接的执行效率得到了明显的提升,进而提升了整个查询的执行效率,平均执行时间比优化前快10倍以上。