为什么优化器决定自连接一个表？

Question

我正在分析我的查询，如下所示：

WITH Project_UnfinishedCount AS (
    SELECT P.Title AS title, COUNT(T.ID) AS cnt
    FROM PROJECT P LEFT JOIN TASK T on P.ID = T.ID_PROJECT AND T.ACTUAL_FINISH_DATE IS NULL 
    GROUP BY P.ID, P.TITLE                                                                  
)
SELECT Title
FROM Project_UnfinishedCount
WHERE cnt = (
    SELECT MAX(cnt)
    FROM Project_UnfinishedCount
    );

它返回具有最多未完成任务的项目的标题。

这是它的执行计划：

我想知道为什么它的步骤 6-8 看起来像项目表的自连接？ 并且它将连接的结果存储为视图，但视图，根据行和字节列与项目表相同。 他为什么这样做？

我也想知道 2 和 1 步骤代表什么。 我猜，2 存储我的 CTE 的结果以在步骤 10-14 中使用它，而 1 从视图中删除没有子查询返回的“cnt”值的行，这是正确的猜测吗？

Answer 1

除了上面的注释之外，当您多次引用 CTE 时，还有一个启发式方法告诉优化器具体化 CTE，这就是您看到临时表转换的原因。

关于此查询的其他一些评论/问题。 我假设这种关系是一个 PROJECT 可以有 0 个或多个任务，并且每个 TASK 只针对一个 PROJECT。 在那种情况下，我想知道为什么你有一个外部连接？ 此外，您将加入 ACTUAL_FINISH_DATE 列。 这意味着如果您有一个项目，其中所有任务都已完成，那么外部联接将实现不匹配的行，这将使您的查询结果看起来表明有 1 个未完成的任务。 所以我认为你的 CTE 应该看起来更像：

SELECT P.Title AS title, COUNT(T.ID) AS cnt
FROM PROJECT P 
JOIN TASK T on P.ID = T.ID_PROJECT
WHERE T.ACTUAL_FINISH_DATE IS NULL 
GROUP BY P.ID, P.TITLE  

话虽如此，这些“在组中查找匹配项（计数、最大值等）”类型的查询在编写为 window function 时通常更有效。 这样你就可以消除自我加入。 当您拥有数百万或数十亿行时，这可能会产生很大的性能差异。 因此，例如，您的查询可以重写为：

 SELECT TITLE, CNT
 FROM (
    SELECT P.Title AS title, COUNT(T.ID) AS cnt
           , RANK() OVER( ORDER BY COUNT(*) DESC ) RNK
    FROM PROJECT P
    JOIN TASK T on P.ID = T.ID_PROJECT
    WHERE T.ACTUAL_FINISH_DATE IS NULL 
    GROUP BY P.ID, P.TITLE  
      )
  WHERE RNK=1