先过滤后加入还是先加入后过滤？

Question

考虑 5 个表，每个表都有超过 10 亿条记录。

一个查询需要加入它们。而且我知道他们需要的记录不到 10%。假设它们都有一个日期维度，并且只需要当月的数据。

什么应该更快：

1）使用简单的SELECT：连接所有表，然后过滤（WHERE）当月每个表的维度。

2）创建5个临时表，过滤每个源表为当月记录，这里我们也可以趁机只选择需要的列，然后加入这些临时表。

额外的可能性：

3) 维护二级表，只有当前月/年的数据。这些表由提供主要表的相同 ETL 维护。

Answer 1

建立查询并查看。
查询优化器通常足够聪明，可以提前过滤。
SQL 是合乎逻辑的 - 在 where 中并不意味着它将最后处理。

很明显，您需要连接和过滤器的索引。

当您达到 5 个或更多连接时，优化器通常会变得防御并进入循环连接。
我有引文吗 - 没有。这是一个观察。

当达到 5 个或更多时，将条件拉入连接可以帮助优化器。
我有引文吗 - 没有。这是一个观察。

select * 
from tableA 
join tableB  
      on tableA.fkB = tableB.id 
     and tableA.date1 >= @date1start   
     and tableA.date1 <  @date1end 
join tableC  
      on tableA.fkC = tableC.id 
     and tableC.filter1 = 'do me early'  

一次建立一个连接，看看它什么时候变得愚蠢。
一次优化一个连接。

如果您要实现，请在#temp 上放一个 pk。
从你认为你会得到最大冲击的地方开始。

where / join 中的 OR 条件是最麻烦的，通常会导致循环连接。
这些应该是第一个实现的。

您可以强制散列连接，但这是一个滑坡，可能会变坏。

所有表都有日期维度似乎有点奇怪，您通常会有一些具有更多静态类型数据的查找类型表。

如果您不需要表中的输出，那么 where exists可能会更好地执行。