结论先行的话就是： 对于相对来说简单的SQL，Inner join的方式过滤和放在Where条件中过滤性能上来说是一样的， 但是对于复杂的SQL，有可能出现Inner join过滤出现性能问题的情况，此时可以尝试将条件放在where中做尝试，这个问题没有什么定论
前段时间遇到一个存储过程，参数之一是一个字符串，在存储过程中，把字符串拆分成一个临时表之后存为一个key值的临时表，作为其中一个查询条件， 逻辑实现上有两种处理方式
insert into #t select key from split_function('传递进来的字符串',',')
第一种是与物理表做inner join，类似如下
select * from tableA a inner join tableB b on a.id = b.id inner join #t c on b.key=c.key inner join otherTables d on a.id=d.id where a.column2 between @paramater1 and @parameter2 and other query condition
第二种是将这个过滤条件放在where 条件中
select * from tableA a inner join tableB b on a.id = b.id inner join otherTables c on a.id=c.id where a.column between @paramater1 and @parameter2 and b.key in (select key from #t) and other query condition
实际上这个存储过程本身比较复杂，十多张表的一个复杂的join和多钟过滤逻辑，其中有几张大表将近千万级，核心点的不同在于类似上面查询条件的处理方式, 本身的逻辑是用第一种方式去实现的，因为有较大的性能问题，一开始把重点放在索引，统计信息之类上面，怎么也找不到原因 发现在性能始终很差，上面我只是举一个简单的例子，实际情况远远比上面复杂，上很难去模拟实际的逻辑
这个问题困惑了我好久， 因为当时没意识到上述第一种写法下的用inner join中间结果集的方式过滤和直接放在where 条件中的区别， 后来仔细观察执行计划，发现第一种方式的执行计划是这样的： 执行计划最开始对物理表做过滤的时候，没有先用#t中的值去过滤物理表，仅仅用TableA上column2 的过滤条件得到一个结果集，然后用这个较大的结果集去驱动其他表，最后再去跟#t做join， 等于是中间结果集非常大，最后才去跟#t做join过滤，性能上比较差
由于当时以来没意识到时上述inner join #t的方式造成的，把问题集中在索引上，对索引，统计信息之类的做各种分析优化，都没有得到怎么改善 后来换成第二种方式，效率提高了很多， 生成的图形化的执行计划，估计两屏都显示不下，通过一步一步的观察， 看了好久，才发现是两种方式的差别在于这里： 对于物理表的处理是这样的：用上column2 和 #t 与TABLEB的结果共同去过滤TableA，得到一个中间结果集，然后去驱动其他的表 虽然最后的结果是一样的，但是这个查询的效率差别非常大，因为一开始对TableA过滤的时候，得到的是一个比较小的结果，后面再去驱动其他表或者是跟其他表join， 由于这里生成的中间结果集事先利用了#t的过滤条件，所以中间结果集比较小， 因此后继跟其他表join起来，整体代价比较小，性能上有一个较大的提升
这个问题困惑了好多天，本来想自己写个demo验证一下的，无奈实际场景太复杂了，很难模拟出那种数据和表之间的逻辑关系。 不过可以明确的是，上述写法，对于简单的demo，可能性能上区别不大，但是执行计划的差别还是很明显的，对于复杂的情况，可能就要具体分析了 以后优化sql的时候，多个思路，尤其是在复杂的条件下，面对查询条件的处理方式，是否有必要用inner join的方式达到过滤数据的目的，一定要慎重。
最后上两个简单的demo，看一下执行计划的区别，实际情况是在是模拟不出来，只能这样通过执行计划看一下两者之间的区别 截图可以看到，上述demo中的两种写法，分别用Inner join和Where处理一个表中的数据，逻辑上是一样的，但是在执行计划上并不是完全一样的，如果执行计划不一样，性能上肯定有差别 这里只能建议，遇到类似问题，尝试改写SQL，看看默认情况下执行计划是否会发生变化，从而选择一种性能较好的写法。 （本文不讨论索引，仅仅在相同的表结构情况下，从执行计划差异的角度来看问题的）
