使用DISTINCT

Question

让我们使用以下脚本创建一个简单的表order(id: int, category: int, order_date: int)

IF OBJECT_ID('dbo.orders', 'U') IS NOT NULL  DROP TABLE dbo.orders

SELECT TOP 1000000
      NEWID() id, 
      ABS(CHECKSUM(NEWID())) % 100 category, 
      ABS(CHECKSUM(NEWID())) % 10000 order_date
INTO orders
FROM    sys.sysobjects
CROSS JOIN sys.all_columns

现在，我有两个等效的查询（至少我相信它们是等价的）：

-- Q1
select distinct o1.category,
       (select count(*) from orders o2 where order_date = 1 and o1.category = o2.category) 
from orders o1

-- Q2
select o1.category,
       (select count(*) from orders o2 where order_date = 1 and o1.category = o2.category) 
from (select distinct category from orders) o1

然而，当我运行这些查询时，它们具有明显不同的特征。对于我的数据，Q2快两倍，这显然是由于查询计划在加入之前首先找到唯一类别（以下查询计划中的哈希匹配）这一事实。

如果添加请求索引

，差异仍然存在

CREATE NONCLUSTERED INDEX ix_order_date ON orders(order_date)
INCLUDE (category)

此外，Q2也可以有效地使用以下指数，而Q1保持不变：

CREATE NONCLUSTERED INDEX ix_orders_kat ON orders(category, order_date)

我的问题是：

1. 这些查询是否相同？
2. 如果是，那么SQL Server 2016查询优化器在Q1的情况下找到第二个查询计划的障碍是什么（我认为在这种情况下搜索空间必须非常小）？
3. 如果不是，你可以张贴一个反例吗？

修改

我对这个问题的动机是，我想理解为什么查询优化器在重写甚至简单查询方面都很差，而且它们依赖于SQL语法。 SQL语言是一种声明性语言，因此，为什么SQL查询处理器经常被语法驱动，即使是像这样的简单查询呢？

Answer 1

查询功能等效，这意味着它们应返回相同的数据。

但是，SQL引擎会对它们进行不同的解释。第一个（SELECT DISTINCT）生成所有结果，然后删除重复项。

第二个首先提取不同的值，因此子查询仅在适当的子集上调用。

索引可能会使查询更有效，但它不会从根本上影响distinct处理是在子查询之前还是之后发生。

在这种情况下，结果是相同的。但是，根据子查询，这不一定是真的。