DB2大表查询优化求助：提取Table1中日期早于Table2对应最新日期的数据

看起来你遇到了典型的相关子查询在大表上性能拉胯的问题——原查询里，Table1的每一行都会触发一次Table2的子查询去计算MAX日期，数据量上万的时候重复执行次数太多，自然慢得离谱。我给你几个针对性的优化方案，在DB2大表场景下亲测有效：

1. 用预聚合替代相关子查询（核心优化） #

先把Table2的每个NAME对应的最新日期提前算出来，只扫一次Table2，再和Table1做关联，避免重复计算：

WITH T2_MAX_DATES AS (
    SELECT 
        NAME, 
        MAX(DATE(TIMESTAMP_DATE)) AS MAX_LATEST_DATE
    FROM TABLE2
    GROUP BY NAME
)
SELECT t1.*  -- 注意：如果不需要所有字段，尽量指定具体列，减少数据传输开销
FROM TABLE1 t1
INNER JOIN T2_MAX_DATES t2
    ON t1.NAME = t2.NAME
WHERE t1.START_DATE < t2.MAX_LATEST_DATE;

这个写法只需要扫描Table2一次完成聚合，再和Table1做一次关联查询，性能比原查询提升几个量级。

2. 给表加针对性索引（大表性能的关键） #

索引能让DB2跳过全表扫描，直接定位到需要的数据：

• 给Table2创建复合索引：

  CREATE INDEX IX_T2_NAME_TIMESTAMP ON TABLE2 (NAME, TIMESTAMP_DATE DESC);
  

  这个索引会按NAME分组，并且每个组内的TIMESTAMP_DATE是降序排列的，计算MAX的时候直接取每组第一条数据，不需要扫描整个Table2。
• 给Table1创建复合索引：

  CREATE INDEX IX_T1_NAME_START_DATE ON TABLE1 (NAME, START_DATE);
  

  这个索引能加速Table1和预聚合结果的关联，同时快速过滤出符合日期条件的行。

3. 其他辅助优化建议 #

• 避免SELECT *：如果只需要NAME和START_DATE，就写SELECT t1.NAME, t1.START_DATE，减少不必要的数据读取和传输，尤其是大表有很多字段的时候，这点影响很明显。
• 更新表统计信息：如果表的数据经常变更，DB2的优化器可能拿不到最新的统计信息，导致执行计划不佳。执行以下语句更新统计信息：

  RUNSTATS ON TABLE TABLE1 AND INDEXES ALL;
  RUNSTATS ON TABLE TABLE2 AND INDEXES ALL;
  

• 考虑临时表（可选）：如果Table2的数据非常庞大，且这个查询是高频执行的，可以把预聚合的结果存入临时表，后续查询直接用临时表关联，进一步减少重复计算。

用上面的方案，你的示例数据会正确返回JOHN和JIM的行——ALEX的START_DATE（2023-01-01）晚于Table2中的最新日期（2022-05-01），会被正确过滤掉，完全符合你的预期。

备注：内容来源于stack exchange，提问作者MR JACKPOT