这是本系列第三篇。
点击下面链接，可以阅读上两篇：
可以拿来吊打面试官的 SQL Join （一） 可以拿来吊打面试官的 SQL Join （二）
我在这个系列中，所分享的知识，力求逻辑严谨，实战辅证。但一如所有的文章一样，读者需要自己思考，是否正确无误，是否可以拿来直接作用于生产环境。对于没有理解透彻，就直接用于生产而造成的损失，本人概不负责。
不仅仅是看我的文章，看所有的文章，书籍或者教程，读者朋友们都该用自己的思维，带着批判的眼光，谨慎对待作者发表的观点，切勿盲目轻信。
回到正题，上一讲中，文末留了个预告，这回要讲 WHERE 和 ON 时，对索引的访问方式，以及无索引时，访问效率如何提高。
拿上讲中的例子，来做探讨。基于公平的基础上，我们比较 WHERE 和 ON 的性能，实际可以归纳成比较下两个例子的快慢：
代码语言：javascript复制SELECT Header.OrderId
, Detail.ProductName
, Detail.Amount
FROM tblOrderHeader Header
INNER JOIN tblOrderDetail Detail
ON Header.OrderId = Detail.OrderId
AND Detail.Amount > 1000
WHERE Header.OrderDate > '2020-01-01'
Detail.Amount > 1000 放在 WHERE 中：
代码语言：javascript复制SELECT Header.OrderId
, Detail.ProductName
, Detail.Amount
FROM tblOrderHeader Header
INNER JOIN tblOrderDetail Detail
ON Header.OrderId = Detail.OrderId
WHERE Header.OrderDate > '2020-01-01'
AND Detail.Amount > 1000
从原业务库，复制了一份轻量型的数据。暂时还没加上索引，肯定是不够优化的。正是由于这份原始的数据，我们得以窥探，在没有任何索引的时候，两表怎么优化。
面对调优，我的黄氏三板斧，大家应该都不陌生了。如果是新关注的读者，可以到文末的搜索框里搜索。点击#三板斧#的标签即可。
在这里，用到执行计划。
以上就是二段 SQL 的执行计划。一模一样。
不出意外的，如果没有索引，那么表扫描(Table Scan)是唯一的 Join 解法。平时跟大家说，要懂点英语，要懂点英语，好处就在这里。Table Scan, Hash Match, 下次你面试的时候，听到这些词，就不会胆怯。
按照 Table Scan 的图标，点进去，我们会有惊喜。
上面两个执行算子，都使用了 Predicate. Predicate 在这里的作用是条件判断。即筛选满足条件的记录。
Predicate 在 Table Scan 里面出现，说明它仅仅能减少结果数据集，不等于减少从磁盘读到的数据。因为 Table Scan 就说明了，数据的查找方式，是按照全表扫描方式进行的。
有细心的读者，可能会发现，这里有个 Hash Match （Inner Join）.
好多读者对 Left Join, Right Join , Full Join 滚瓜烂熟。但对于 Hash Join, Merge Join, Nested Loop Join 是一点概念都没有。
这大概就是不好好读书，带来的差别。
回忆下我们这两张表数据的来历，就知道，在Join字段上，并没有加索引。没有索引的情况下，Join 怎么提高性能呢？答案就是 Hash join. 至于它的原理，还有 Merge Join, Nested Loop Join 的内幕，我打算留到后面，找合适的机会再讲。其实，我的知识星球里面，早已写得很明白。
如何给这段 SQL 提高性能? 解决之道在于索引。
代码语言：javascript复制## 尝试给两表加索引
CREATE INDEX IDX_HEADER ON tblOrderHeader(OrderId)
CREATE INDEX IDX_DETAIL ON tblOrderDetail(OrderId)
## end
但是呢，加了索引之后，发现执行时间还长了。真别不信，有时候 Table Scan 真要快很多。这就是个例子。
所以，我们继续要加索引：
代码语言：javascript复制CREATE INDEX IDX_HEADER_ORDER_DATE ON tblOrderHeader(OrderDate)
CREATE INDEX IDX_DETAIL_AMOUNT ON tblOrderDetail(Amount)
索引加对，速度爆表
等到加完索引，再回头比较两个 INNER JOIN, 其实他们的执行计划和速度都是一模一样的。
在本文中，提供了比较两个 Join 写法的思路，还有通过增加索引，提高性能的实战操作经验。现实环境中，条件比上面两个表，要复杂的多。可能需要花费我们一些耐心，才能找到最优解。
上面很多执行计划，其实都只写了一半，大家有可能看得云里雾里。没关系，下一文，我会继续展开讲解下在本章中出现的执行计划操作符。
