SQL 中的连接、条件和速度

Question

在准备一些请求时，我正在写这个：

SELECT *
FROM ta A
JOIN tb B
    ON A.col1 = B.col1 
JOIN tc C
    ON B.col2 = C.col2 
WHERE B.col3 = 'whatever'
AND C.col4 = 'whatever2'

我开始思考以下问题：

SELECT *
FROM ta A
JOIN (SELECT * FROM tb WHERE col3 = 'whatever') B
    ON A.col1 = B.col1
JOIN (SELECT * FROM tc WHERE col4 = 'whatever2') C
    ON B.col2 = C.col2

（如果我没记错的话，结果应该是一样的）。我想知道它是否会明显更快？我的猜测是它会，但我有兴趣知道为什么/为什么不？

（因为我们的服务器现在宕机了，我现在不能自己测试，所以在这里问，希望你不要介意。）

（如果重要的话，引擎是 Vertica，但我的问题并不是 Vertica 特有的）

Answer 1

你的第二个查询有点不对劲，应该是：

SELECT *
FROM ta A
JOIN (SELECT * FROM tb WHERE tb.col3 = 'whatever') B
    ON A.col1 = B.col1
JOIN (SELECT * FROM tc WHERE tc.col4 = 'whatever2') C
    ON B.col2 = C.col2

注意内联视图 where 子句需要在范围内引用表，而不是视图的别名。 B 和 C 超出了内联视图的范围。

在任何情况下，因为您正在执行内部连接，所以从结果的角度来看并不重要，因为无论它发生在连接前还是连接后，条件都是相同的。

您可以合理地依赖优化器执行以下操作：

1. 仅在需要时实现所需的列。
2. 在有意义的地方下推谓词

也就是说，这两个语句之间应该没有区别。很可能它正在下推第一个谓词以使其更像第二个谓词。如果您收集了统计信息，优化器应该足够聪明，可以以相同的方式（或非常接近）查询这些信息。

这并不是说我没有看到您在 Vertica 中为我“修复”查询问题的第二个查询中的内容...但通常只有当我使用多个 COUNT(DISTINCT ...) 表达式或 theta 连接时，等等。

现在，如果这是一个外连接，那么语句会有所不同。第一个将在加入之后应用过滤器，第二个将在加入之前应用。

当然，我会提到你真的只需要解释一下这两种方法。只需确保收集到统计信息即可。

希望对您有所帮助。

Answer 2

您的第一个查询可以正常工作，但第二个查询将不会执行并导致错误。背后的原因是，你正在服用JOIN (SELECT * FROM tb WHERE B.col3 = 'whatever') B ON A.col1 = B.col1。

在这种情况下，您将该列与A.col1 = B.col1 匹配。在这里，您将从 ta 表中获得 A.col1，但不会获得 B.col1。在连接中指定子查询时，不应使用 ' * ' 运算符。联接将无法在子查询中识别此运算符。您需要指定所需的列名。就像下面查询中的示例一样，

SELECT *
FROM ta A
JOIN (SELECT col1,col2 FROM tb WHERE B.col3 = 'whatever') B
    ON A.col1 = B.col1
JOIN (SELECT col2 FROM tc WHERE C.col4 = 'whatever2') C
    ON B.col2 = C.col2

这将执行并为您提供结果。在第一个连接子查询 col1,col2 中采用两列，因为您在第二个连接条件中使用 B 表中的条件 B.col2。在 select 子句中，您可以提供 ' * ' 运算符，它为您提供所有三个表中的所有列。但是您不应该在连接的子查询中使用运算符，因为连接是以这种方式编码的。

这两个查询没有太大区别，但与第二个相比，您的第一个逻辑执行得更快。在第二个逻辑中，使用了两个子查询，在数据库中进行多次搜索，并为您提供比第一个逻辑慢一点的结果。