SQL优化 查询语句中，用 inner join 作为过滤条件和用where作为过滤条件的区别
前段时间遇到一个存储过程，参数之一是一个字符串，实际作用是在存超过中是作为一个查询条件处理的
在存储过程中，把字符串拆分成一个临时表之后作key值，作为一个查询条件，逻辑实现上有两种处理方式
insert into #t
select key from split_function('传递进来的字符串',',')
第一种是与物理表做inner join，类似如下
select * from tableA a inner join tableB b on a.id=b.id
inner join #t c on b.key=c.key
where
a.column2 between @paramater1 and @parameter2
第二种是将这个过滤条件放在where 条件中
select * from tableA a inner join tableB b on a.id=b.id
where
a.column between @paramater1 and @parameter2
and b.key in (select key from #t)
实际上这个存储过程本身比较复杂，十多张表的一个复杂的join和多钟过滤逻辑，其中有几张大表将近千万级，核心点的不同在于类似上面查询条件的处理方式,
本身的逻辑是用第一种方式去实现的，一开始把重点放在索引，统计信息之类上面，怎么也找不到原因
发现在性能很差，本身这里我只是举一个简单的例子，实际上很难去模拟实际的逻辑
这个问题困惑了我好久，
一开始没想到原因在于上述的用inner join中间结果集的方式过滤和直接放在where 条件中的区别，
后来仔细观察执行计划，发现第一种方式的执行计划是这样的：
执行计划最开始对物理表做过滤的时候，没有先用#t中的值去过滤物理表，仅仅用TableA上column2 的过滤条件得到一个结果集，然后用这个较大的结果集去驱动其他表，最后再去跟#t做join，
等于是中间结果集非常大，最后才去跟#t做join过滤，性能上比较差
其实一直以来没意识到时上述inner join #t造成的，一开始是对索引，统计信息之类的做各种优化，都没有得到怎么改善
后来换成第二种方式，对于物理表的处理是这样的：用上column2 和 #t共同去过滤TableA，等到一个中间结果集，然后去驱动其他的表
生成的图形化的执行计划，估计两屏都显示不下，通过一步一步的观察，看了好久，才发现是这个差别，
虽然最后的结果是一样的，但是这个查询的效率差别非常大，因为一开始对TableA过滤的时候，得到的是一个比较小的结果，后面再去驱动其他表或者是跟其他表join，代价都比较小
这个问题困惑了好多天，本来想自己写个demo验证一下的，无奈实际场景太复杂了，很难模拟出那种数据和表之间的逻辑关系。
不过可以明确的是，上述写法，对于简单的demo，可能性能上区别不大，但是执行计划的差别还是很明显的
以后优化sql的时候，多个思路，尤其是在复杂的条件下，面对查询条件的处理方式，一定要慎重
正文到此结束
热门推荐
相关文章
近期评论
-
文章和留言都翻到11页了 没有OOM
-
-
朋友，翻页到11页，及以后，会出现OOM，无法访问
-
-
搞个gitee的项目
-
-
版本号是多少，你可以下载哪个代码仓库，jdk选1.8 直接跑就行
-
-
-
Loading...
![[HBLOG]公众号](https://www.liuhaihua.cn/img/qrcode_gzh.jpg)
