使用IN-over-internaljoin优化Sql查询

鉴于：

表y

• id int聚集索引

• name nvarchar（25）

另一张表

• id int聚集索引

• name nvarchar（25）

表格功能

• 进行一些数学运算，然后返回一个有效的ID

比较：

SELECT y.name
  FROM y
 WHERE dbo.SomeFunction(y.id) IN (SELECT anotherTable.id 
                                    FROM AnotherTable)

vs:

问题：

在对这两个查询计时时，我发现在大型数据集上，使用

的第一个查询要比使用
内部联接的第二个查询快得多。我不明白为什么有人能帮我解释一下

您的第二个查询有点滑稽-您能试试这个吗

SELECT y.name 
FROM dbo.y
INNER JOIN dbo.AnotherTable a ON a.id = dbo.SomeFunction(y.id) 

这有什么区别吗

否则：看看执行计划！可能把它们贴在这里。如果不了解更多关于表（数据量和分布等）和系统（RAM、磁盘等）的信息，就很难给出一个“全局”的答案有效语句
一般来说，
中的
与
JOIN
不同，因为
JOIN
可以返回额外的行，其中一行在
JOIN
-ed表中有多个匹配项

从估计的执行计划可以看出，在本例中，这两个查询在语义上是相同的

SELECT
        A.Col1
        ,dbo.Foo(A.Col1)
        ,MAX(A.Col2)
        FROM A
        WHERE dbo.Foo(A.Col1)  IN (SELECT Col1 FROM B)
    GROUP BY
        A.Col1,
        dbo.Foo(A.Col1)

对

SELECT
        A.Col1
        ,dbo.Foo(A.Col1)
        ,MAX(A.Col2)
        FROM A
        JOIN B ON dbo.Foo(A.Col1) = B.Col1
    GROUP BY
        A.Col1,
        dbo.Foo(A.Col1)     

即使重复项是由
联接引入的
也会被
分组依据
删除，因为它只引用左侧表格中的列。此外，这些重复行不会改变结果，因为
MAX（A.Col2）
不会改变。然而，并非所有骨料都是如此。如果要使用
SUM（A.Col2）
（或
AVG
或
COUNT
），则重复项的存在将改变结果

SQL Server似乎没有任何逻辑来区分聚合（如
MAX
）和聚合（如
SUM
），因此很可能它正在扩展所有重复项，然后在以后聚合它们，并且只需做更多的工作

对于
IN
vs
28271800
for
JOIN
，被聚合的估计行数是
2893.54
，但是这些估计不一定非常可靠，因为JOIN谓词是不可组织的。
好吧，首先：去掉
dbo.SomeFunction（y.id）
隐含的标量UDF。即使用一行内联表值函数替换它，效果也会更好

至于你的实际问题，我在其他情况下也发现了类似的结果，同样感到困惑。优化器只是以不同的方式对待它们；我很想看看其他人提供了什么答案。
请咨询优化器/解释计划-我们无法告诉您您的数据发生了什么。我不确定，但我猜这是因为在这种情况下，它会从另一个表中获得一次id列表，而在内部连接中，它必须有效地准备记录的完整外部产品，并检查每一个记录。您的函数调用阻止它自己进行任何优化。@gh9-明显的区别是
版本中的

对半联接执行哈希联接，而联接执行合并联接。您是否可以发布实际的计划，而不是估计的计划，以查看实际的行数。@gh9-由于实际查询中的

GROUP BY

，因此查询的语义是它们都将返回相同的结果。我想知道

联接是否最终扩展了处理的中间行数因为
分组依据
，所以只能在稍后消除重复项。即使不是，也可以查看每个运算符与估计值之间的行数。@gh9-我将发布一个带有潜在解释的答案。我感谢您花时间解释，并在我上传信息时耐心等待。非常感谢+1个好建议：“隐含的标量UDF”——我没有立即发现；）
SELECT
        A.Col1
        ,dbo.Foo(A.Col1)
        ,MAX(A.Col2)
        FROM A
        JOIN B ON dbo.Foo(A.Col1) = B.Col1
    GROUP BY
        A.Col1,
        dbo.Foo(A.Col1)