描述(Description)

Daft 的 probe_inner (hash join 核心探测函数) 存在性能优化空间。当前实现存在以下瓶颈：

1. 迭代器开销：probe_indices 返回嵌套迭代器，需要多层 enumerate 和 flatten 操作
2. 动态分发开销：GrowableRecordBatch 使用 trait 对不同数据类型进行动态分发
3. 逐元素 extend：每找到一个匹配行就调用一次 extend，当 fanout 较大时调用次数非常多

复现(Reproduction)

使用 TPC-H 基准测试评估 Daft hash join 性能：

测试用例	优化前(9654)	优化后(9654)	优化前(920B)	优化后(920B)
Q1	6.694	6.786	6.093	6.106
Q2	0.956	0.952	1.243	1.213
Q3	4.481	4.445	5.844	5.642
Q9	15.142	14.631	23.854	22.899
Q21	44.909	45.522	50.094	49.556

平台	优化前(s)	优化后(s)	变化幅度
9654 (AMD9654)	4.746	4.721	-0.53%
920B (鲲鹏ARM64)	6.145	5.973	-2.81%

跨平台性能比：0.7953 → 0.8052，提升约 1.24%

期望结果(Expected behavior)

优化 probe_inner 函数，减少迭代器开销和动态分发开销，提升 hash join 在各平台上的性能。

测试环境(Environment)

• 操作系统及架构：Linux x86_64 (9654), Linux aarch64 (920B)
• daft版本：v0.7.5
• rust版本：nightly-2025-09-03

修复建议(Suggested Fix)

1. 新增 probe_indices_vec 方法：将嵌套迭代器展开为扁平的三元组向量 (probe_idx, rb_idx, row_idx)
2. 使用 take 批处理替代 extend 逐元素扩展：按 RecordBatch 分桶后一次性 take
3. 自适应策略选择：根据 matches_len 和 fanout 判断使用 extend 还是 take

涉及文件：

• src/daft-local-execution/src/join/inner_join.rs
• src/daft-local-execution/src/join/anti_semi_join.rs
• src/daft-local-execution/src/join/left_right_join.rs
• src/daft-local-execution/src/join/outer_join.rs
• src/daft-recordbatch/src/probeable/mod.rs
• src/daft-recordbatch/src/probeable/probe_table.rs

严重程度(Severity)

• 该优化提升 Daft hash join 的整体性能
• 影响所有使用 hash join 的场景，TPC-H 基准测试显示跨平台性能比提升约 1.24%