SQL Server 查询：Union vs Distinct union 所有性能

Posted 2023-04-14

【中文标题】SQL Server 查询：Union vs Distinct union 所有性能

【英文标题】：SQL Server query: Union vs Distinct union all performance

【发布时间】：2016-01-29 19:59:45

【问题描述】：

这两个语句之间的 SQL 在性能上有区别吗？

SELECT distinct 'A' as TableName, Col1, Col2, Col3 FROM A 
UNION ALL 
SELECT distinct 'B' as TableName, Col1, Col2, Col3 from B

对

SELECT 'A' as TableName, Col1, Col2, Col3 FROM A 
UNION 
SELECT 'B' as TableName, Col1, Col2, Col3 from B

此问题与UNION vs DISTINCT in performance 等类似问题之间的区别在于，我可以提前确认我正在使用的各个表在它们之间 不会有任何重复记录，仅在各个表。

执行计划在我看来是一样的，因为它在连接之前对各个表进行排序。但是，如果我从它们中删除标量，则 UNION ALL 的计划基本保持不变，但 UNION 更改为在不同之前连接。我将把大约 20 个表连接在一起，目前尚不清楚做 20 个单独的 DISTINCT 是否比最后做一个大的 DISTINCT 更快，因为我仍然可以确认这些表不会在它们之间共享任何重复项（仅在同一表）。

【问题讨论】：

将两个查询放在一个会话中，激活执行计划并执行。比较实际执行计划中的百分比

那是我做的，但我当时只有几千条记录——不足以测试实际总执行时间的差异，更不用说调整行数、列数，列的数据类型等，以获得一般答案。正如我所说，我运行的执行计划看起来是一样的。即使不是这样，就总执行时间而言，一个下降另一个上升并不意味着任何事情。

【参考方案1】：

DISTINCT不一定是排序实现的，也可以是散列实现的。

这两者都是消耗内存的操作，减少被区分的数据的大小可以帮助减少所需的内存量，这有利于并发性。

排序的算法复杂度是 n log n，这意味着随着 n 的增长，所需的工作量也会增长linearitmically。在此基础上，排序 10 组较小的尺寸集 s 通常应该比排序一组较大的尺寸集 10*s 快​​。

【参考方案2】：

我们暂时不要谈论 SQL。

案例 1：比如说，有一个 100 个数字的列表。

List: 1,2,3,4,....60 and then 61 repeats 40 times.

列表没有排列，您事先不知道这一点。现在您正尝试从 100 个数字 列表中搜索唯一值，然后对它们进行排序。

案例2：如你所说，有两个列表，它们之间没有重复记录。

List 1: 1,2,3,4,....60
List 2: 61,61,61,61... 40 times

它满足你提到的条件。类似地，清单一具有随机顺序的数字。但现在您正在从 60 列表中搜索唯一值，而不是从 100 个数字的更大集合以及另一个列表中您将获得 61 的列表。

转向 SQL，这完全取决于您在每个单独的表中拥有的数据大小，并且可能是其他一些因素。

我接受这不是一个完整的答案，仍然希望这会有所帮助。