含重复字段表的查询性能：为何扁平化表查询成本更低？
UNNEST操作的额外开销：查询
select sum(A) from tableA, unnest(facts) where dimA = 1001需要先过滤出dimA=1001的行，再对每行的facts数组执行unnest拆分操作。这个拆分过程会生成大量临时记录，需要额外的CPU资源处理数组解析、临时数据构造，而扁平化的tableB本身就存储了拆分后的结构，不需要这一步额外计算。统计信息偏差导致成本估算错误：数据库优化器依赖统计信息判断查询成本，如果
tableA中facts数组的统计数据（比如平均元素数量、数组长度分布）不准确，优化器会低估unnest后的实际数据量，误以为tableA的扫描成本更低，但实际执行时展开后的数据规模远超预期，导致实际成本飙升。索引支持力度不同：
tableB可能针对dimA字段创建了高效的单列索引或覆盖索引，能快速定位到符合条件的行并直接聚合；而tableA即使行数少，若没有针对dimA的合适索引，或者数据库对嵌套数组字段的索引支持有限，过滤dimA=1001时需要全表扫描，再加上unnest的开销，整体成本就会超过tableB。单条记录IO开销更高：
tableA的单条记录包含整个facts数组，单条数据体积远大于tableB的单条记录。读取tableA时，即使行数少，单条大记录的IO读取时间可能比读取tableB多条小记录的总时间更长；如果内存不足，unnest操作还会触发磁盘交换，进一步拉高IO成本。聚合阶段的额外开销：
tableA在unnest后需要对临时生成的大量记录做聚合计算，临时数据的内存存储、数据传输开销都比tableB直接对已有扁平化数据聚合要高，尤其是当facts数组包含大量元素时，这种差异会更明显。
内容的提问来源于stack exchange，提问作者denim
