SQL ETL批处理过程中联接的索引

假设我在批处理ETL过程中有一个CTA，具有如下连接：

-- SQL Server syntax
SELECT *
INTO output
FROM input1 JOIN input2 on (input1.join_column = input2.join_column)

-- Everyone else
CREATE TABLE output AS 
SELECT *
FROM input1 JOIN input2 on (input1.join_column = input2.join_column)

在

input1.join\u列

或

input2.join\u列

上使用索引（聚集或其他）有什么好处吗？如果我希望命中两个表中的每一行

我的印象是，索引对于选择性谓词非常有用——也就是说，帮助您快速获得一小部分行。但我想知道，在执行类似ETL的操作时，加入是否有任何附带好处

---

我的问题主要针对SQL Server，但我也有兴趣知道PostgreSQL的答案

索引可能会有所帮助，但这要视情况而定

数据库有许多不同的方式来处理连接：

• 嵌套循环（先在一个表中循环，然后再在另一个表中循环）
• 使用索引嵌套循环（在一个表中循环并在另一个表中查找值）
• 对表进行排序并合并
• 使用索引对表进行排序和合并
• 散列

（还有更多关于这些的变体！）

优化器的选择取决于数据库、硬件、数据和统计数据的功能

这就是说，对于这种类型的

连接

，第二种方法非常常见，如果两个表都适合内存，则性能良好。处理过程基本上是在一个表中循环，并使用索引在另一个表中查找适当的值

散列和合并（没有索引）都需要读取和写入中间数据结构的数据。这会在实践中减慢算法的速度——即使理论性能更好

---

因此，是的，索引对于这些类型的查询非常有用。

索引可能会有所帮助，但这取决于具体情况

数据库有许多不同的方式来处理连接：

• 嵌套循环（先在一个表中循环，然后再在另一个表中循环）
• 使用索引嵌套循环（在一个表中循环并在另一个表中查找值）
• 对表进行排序并合并
• 使用索引对表进行排序和合并
• 散列

（还有更多关于这些的变体！）

优化器的选择取决于数据库、硬件、数据和统计数据的功能

这就是说，对于这种类型的

连接

，第二种方法非常常见，如果两个表都适合内存，则性能良好。处理过程基本上是在一个表中循环，并使用索引在另一个表中查找适当的值

散列和合并（没有索引）都需要读取和写入中间数据结构的数据。这会在实践中减慢算法的速度——即使理论性能更好

---

因此，是的，索引对于这些类型的查询非常有用。

您是否创建了索引并对性能进行了基准测试？运行时间？读取？您是否创建了索引并对性能进行了基准测试？运行时间？阅读？