带同表聚合子查询的SQL调优：大表查询性能提升求助

嘿，我来帮你拆解这个慢查询的问题！你的查询耗时30秒，核心是两个致命性能瓶颈，我们一步步来优化：

1. 先修复最严重的笛卡尔积问题 #

你原查询里from table1 t1, table2 t3没有写任何关联条件，这会生成2000万 × 1万 = 200亿条临时数据，后续的distinct还要对这么大数据去重，这绝对是性能杀手！首先必须补上t1和t3的关联条件，比如假设它们通过code关联，那要写成JOIN table2 t3 ON t1.code = t3.code（根据实际业务逻辑调整关联字段）。

2. 替换低效的关联子查询 #

原查询里的(select min(t2.dat) from table1 t2 where t2.code=t1.code)是关联子查询，会对table1的每一行单独执行一次min计算——2000万条数据就等于全表扫2000万次，这完全没必要。我们可以提前用分组查询算出每个code的最小日期，再和原表关联：

优化后的查询语句（用CTE提前计算） #

DECLARE @PreviousMonthDate DATETIME;
-- 简化上月初日期的计算方式
SET @PreviousMonthDate = DATEADD(MONTH, DATEDIFF(MONTH, 0, GETDATE()) - 1, 0);

-- 提前计算每个code的最小日期，过滤出符合条件的code
WITH CodeValid AS (
    SELECT code
    FROM table1
    GROUP BY code
    HAVING MIN(dat) > @PreviousMonthDate
)
-- 关联查询获取所需字段，注意补上t1和t3的关联条件
SELECT DISTINCT t1.code, t1.ent, t3.lib, t3.typ
FROM CodeValid cv
JOIN table1 t1 ON cv.code = t1.code
JOIN table2 t3 ON t1.code = t3.code -- 这里替换成实际的关联字段！

如果t1.ent、t3.lib、t3.typ对于每个code都是唯一值，那DISTINCT可以直接去掉，进一步减少开销。

3. 加索引加速查询 #

索引是大数据量查询的关键，针对这个场景建议创建两个复合索引：

• 给table1的code和dat建索引，包含需要查询的ent字段，这样分组计算min(dat)时直接走索引，不用扫全表：

CREATE NONCLUSTERED INDEX IX_table1_code_dat_ent 
ON table1 (code) 
INCLUDE (dat, ent);

• 给table2的关联字段（比如code）建索引，包含lib、typ字段，加速连接查询：

CREATE NONCLUSTERED INDEX IX_table2_code_lib_typ 
ON table2 (code) 
INCLUDE (lib, typ);

4. 额外优化建议 #

• 查看执行计划：在SSMS里按Ctrl+M打开实际执行计划，看看是否还有全表扫描、哈希匹配（笛卡尔积残留）等问题，针对性调整。
• 避免不必要的字段：如果table1或table2有其他冗余字段，不要在查询中返回，减少数据传输量。

内容的提问来源于stack exchange，提问作者david hale