由以上信息可得出,OUTER APPLY 就相当于数学中的并集,而CROSS APPLY相当于数学中的交集,关于交集与并集的介绍如下:
并集为下图中的所有红色部分,即为A和B的全部:
交集为下图中的红色部分,也就是A和B相交的部分:
2.OUTER APPLY 和LEFT JOIN
LEFT JOIN 关键字会从左表 (Category) 那里返回所有的行，即使在右表 (CategoryDetail) 中没有匹配的行。
注释：在某些数据库中， LEFT JOIN 称为 LEFT OUTER JOIN。
下面我们来看看LEFT JOIN 的查询结果(还是1.CROSS APPLY 和 OUTER APPLY中的例子):
SELECT *
FROM dbo.Category a
LEFT JOIN dbo.CategoryDetail b ON b.CategoryId = a.Id ;
LEFT JOIN 关键字会从左表 (Category) 那里返回所有的行，即使在右表 (CategoryDetail) 中没有匹配的行。效果和OUTER APPLY 一样。
OUTER APPLY 和 LEFT JOIN 的主要区别为:
一个LEFT JOIN 关键字只能JOIN 一个表,不能解决一个复杂的SELECT 语句,或者函数方法等。
一个OUTER APPLY 关键字可以包含一个独立的复杂的SELECT 语句,或者其他函数方法等。
OUTER APPLY 和 LEFT JOIN 性能的区别:
通过本文总结可知LEFT JOIN和OUTER APPLY性能比较的总结可知 LEFT JOIN 要比 OUTER APPLY 性能要快。所以建议能用LEFT JOIN的尽量不要用OUTER APPLY。
附注:
附Category 表和CategoryDetail 表的结果及插入数据的脚本:
CREATE TABLE [dbo].[CategoryDetail](
[Id] [int] IDENTITY(,) NOT NULL,
[CategoryId] [int] NULL,
[Cry] [varchar]() NULL,
CONSTRAINT [PK_CategoryDetail] PRIMARY KEY CLUSTERED
(
[Id] ASC
)WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, IGNORE_DUP_KEY = OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON) ON [PRIMARY] ) ON [PRIMARY] GO
SET ANSI_PADDING OFF
GO
SET IDENTITY_INSERT [dbo].[CategoryDetail] ON
INSERT [dbo].[CategoryDetail] ([Id], [CategoryId], [Cry]) VALUES (, , N'喵')
INSERT [dbo].[CategoryDetail] ([Id], [CategoryId], [Cry]) VALUES (, , N'汪')
SET IDENTITY_INSERT [dbo].[CategoryDetail] OFF
/****** Object: Table [dbo].[Category] Script Date: // :: ******/
SET ANSI_NULLS ON
GO
SET QUOTED_IDENTIFIER ON
GO
SET ANSI_PADDING ON
GO
CREATE TABLE [dbo].[Category](
[Id] [int] IDENTITY(,) NOT NULL,
[Name] [varchar]() NULL,
CONSTRAINT [PK_Category] PRIMARY KEY CLUSTERED
(
[Id] ASC
)WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, IGNORE_DUP_KEY = OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON) ON [PRIMARY] ) ON [PRIMARY] GO
