SQL Server逻辑查询处理—它如何管理庞大的数据集？

我正在阅读有关SQL Server性能的内容：

我遇到的一件令人惊讶的事情是它如何处理逻辑处理中的“FROM”阶段。据我所知，SQL Server将执行以下操作：

1） 对于前两个表，它将创建一个虚拟表（VT1），由两个表的笛卡尔连接组成

2） 对于每个附加表，它将创建VT1和附加表的笛卡尔连接，结果将变成VT1

我敢肯定，在封面下还有很多内容，但从表面上看，如果您处理的是大表（和大查询），这似乎需要大量的处理/内存

---

我只是想知道是否有人能快速解释一下SQL Server是如何在任何一种现实的时间/空间框架中做到这一点的？

实际上，优化者会查看整个查询、估计的行、统计数据、约束等

从逻辑上讲，它是按照前面提到的顺序进行的

人为的例子：

SELECT
   BT.col1, LT.col2
FROm
   BigTable BT
   JOIN
   LT.Table LT ON BT.FKCol = LT.PKCol
WHERE
   LT.PKCol = 2
ORDER BY
   BT.col1

BT和LT的笛卡尔坐标可能是1亿

但乐观主义者：

• 知道PKCol是唯一的，因此它只需要一行
• 可以使用统计信息估计来自BT的行数
• 查找索引（例如，在BT上覆盖FKCol的索引，包括col1）
• 可能会首先应用WHERE
• 例如，将查找ORDER BY或GROUP BY，以查看它是否可以节省一些假脱机（重新处理）

---

实际上，优化者将查看整个查询、估计行、统计信息、约束条件等

从逻辑上讲，它是按照前面提到的顺序进行的

人为的例子：

SELECT
   BT.col1, LT.col2
FROm
   BigTable BT
   JOIN
   LT.Table LT ON BT.FKCol = LT.PKCol
WHERE
   LT.PKCol = 2
ORDER BY
   BT.col1

BT和LT的笛卡尔坐标可能是1亿

但乐观主义者：

• 知道PKCol是唯一的，因此它只需要一行
• 可以使用统计信息估计来自BT的行数
• 查找索引（例如，在BT上覆盖FKCol的索引，包括col1）
• 可能会首先应用WHERE
• 例如，将查找ORDER BY或GROUP BY，以查看它是否可以节省一些假脱机（重新处理）

---

如果您真的对SQL Server的工作方式感兴趣，请阅读本书：

---

如果您真的对SQL Server的工作方式感兴趣，请阅读本书：

---

我不知道您正在阅读的资源，但您描述的是以下行为：

SELECT ... FROM tableA, tableB, tableC, ....

这使用笛卡尔连接（也称为交叉连接），并且非常昂贵。对于足够大的数据集，SQL Server（或任何RDBMS）无法在任何现实的时间/空间框架内实现这一点

使用ON子句并指定联接类型的性能要好得多：

SELECT ... FROM tableA JOIN tableB on tableB.a_id = tableA.a_id

---

在实际应用中，交叉连接应该很少，或者至少限于非常小的数据集。对于许多应用程序来说，从不交叉连接并不少见。

我不知道您正在阅读的资源，但您描述的是以下行为：

SELECT ... FROM tableA, tableB, tableC, ....

这使用笛卡尔连接（也称为交叉连接），并且非常昂贵。对于足够大的数据集，SQL Server（或任何RDBMS）无法在任何现实的时间/空间框架内实现这一点

使用ON子句并指定联接类型的性能要好得多：

SELECT ... FROM tableA JOIN tableB on tableB.a_id = tableA.a_id

---

在实际应用中，交叉连接应该很少，或者至少限于非常小的数据集。对于许多应用程序来说，不进行交叉连接并不少见。

carthesian连接只是对结果的描述，而不是实际结果。在表A、B、C…X的完全carthesian联接之后，将应用过滤运算符（仍作为定义），例如联接的子句和查询的WHERE子句。最后，这个定义又被转换成一个执行计划，其中将包含物理调用操作符，如嵌套循环、散列连接或合并连接，并且这个操作符在迭代时将按照查询定义中的要求生成结果

---

所以大的100x100x100。。。carthesian多维数据集永远不会具体化，它只是一个定义。

carthesian连接只是对结果的描述，而不是实际结果。在表A、B、C…X的完全carthesian联接之后，将应用过滤运算符（仍作为定义），例如联接的子句和查询的WHERE子句。最后，这个定义又被转换成一个执行计划，其中将包含物理调用操作符，如嵌套循环、散列连接或合并连接，并且这个操作符在迭代时将按照查询定义中的要求生成结果

---

所以大的100x100x100。。。carthesian多维数据集永远不会被物化，它只是一个定义。

笛卡尔连接（从我所知）发生在执行查询时的“幕后”（即使使用“ON”子句）。这发生在查询处理的“FROM”阶段。“打开”阶段（在“从”阶段之后）然后修剪VT1并生成VT2（小得多）。我只是好奇VT1阶段如何能便宜地工作？@Marty：如果不提供你所阅读内容的参考，你的问题可能会有一些解释。我指的是执行的查询，因为我就是这样解释你的问题的。请参阅Remus的答案以获得解释。对此表示抱歉：感谢您的评论！笛卡尔连接（据我所知）在执行查询时发生在“幕后”（即使使用“ON”子句）。这发生在查询处理的“FROM”阶段。“打开”阶段（在“从”阶段之后）然后修剪VT1并生成VT2（小得多）。我只是好奇VT1阶段如何能便宜地工作？@Marty：如果不提供你所阅读内容的参考，你的问题可能会有一些解释。我指的是执行的查询，因为我就是这样解释你的问题的。请参阅Remus的答案以获得解释。对此表示抱歉：感谢您的评论+1：这是一个很好的观点。在我的回答中，我