為什么優化器決定自連接一個表？

Question

我正在分析我的查詢，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務的項目的標題。

這是它的執行計划：

我想知道為什么它的步驟 6-8 看起來像項目表的自連接？ 並且它將連接的結果存儲為視圖，但視圖，根據行和字節列與項目表相同。 他為什么這樣做？

我也想知道 2 和 1 步驟代表什么。 我猜，2 存儲我的 CTE 的結果以在步驟 10-14 中使用它，而 1 從視圖中刪除沒有子查詢返回的“cnt”值的行，這是正確的猜測嗎？

Answer 1

除了上面的注釋之外，當您多次引用 CTE 時，還有一個啟發式方法告訴優化器具體化 CTE，這就是您看到臨時表轉換的原因。

關於此查詢的其他一些評論/問題。 我假設這種關系是一個 PROJECT 可以有 0 個或多個任務，並且每個 TASK 只針對一個 PROJECT。 在那種情況下，我想知道為什么你有一個外部連接？ 此外，您將加入 ACTUAL_FINISH_DATE 列。 這意味着如果您有一個項目，其中所有任務都已完成，那么外部聯接將實現不匹配的行，這將使您的查詢結果看起來表明有 1 個未完成的任務。 所以我認為你的 CTE 應該看起來更像：

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  

話雖如此，這些“在組中查找匹配項（計數、最大值等）”類型的查詢在編寫為 window function 時通常更有效。 這樣你就可以消除自我加入。 當您擁有數百萬或數十億行時，這可能會產生很大的性能差異。 因此，例如，您的查詢可以重寫為：

 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