合并目标表的子集

我正在尝试使用一条MERGE语句从表中插入或删除行，但是我只想对这些行的子集进行操作。的文档中MERGE有一个措辞非常强烈的警告：

重要的是仅指定目标表中用于匹配目的的列。即，指定目标表中与源表的相应列进行比较的列。不要尝试通过过滤掉ON子句中的目标表中的行来提高查询性能，例如通过指定AND NOT target_table.column_x = value。这样做可能会返回意外和错误的结果。

但这正是我要做的MERGE工作。

我拥有的数据是一个标准的项目对类别的多对多联接表（例如，哪些项目包括在哪些类别中），如下所示：

CategoryId   ItemId
==========   ======
1            1
1            2
1            3
2            1
2            3
3            5
3            6
4            5

我需要做的是用新的项目列表有效地替换特定类别中的所有行。我最初的尝试是这样的：

MERGE INTO CategoryItem AS TARGET
USING (
  SELECT ItemId FROM SomeExternalDataSource WHERE CategoryId = 2
) AS SOURCE
ON SOURCE.ItemId = TARGET.ItemId AND TARGET.CategoryId = 2
WHEN NOT MATCHED BY TARGET THEN
    INSERT ( CategoryId, ItemId )
    VALUES ( 2, ItemId )
WHEN NOT MATCHED BY SOURCE AND TARGET.CategoryId = 2 THEN
    DELETE ;

这似乎在我的测试中有效，但是我确实在做MSDN明确警告我不要做的事情。这使我担心以后会遇到意外问题，但是我看不到任何其他方法可以使我MERGE仅影响具有特定字段值（CategoryId = 2）的行，而忽略其他类别的行。

是否有“更正确”的方法来达到相同的结果？MSDN向我警告的“意外或错误结果”是什么？

该MERGE语句具有复杂的语法和甚至更复杂的实现，但是从本质上讲，该想法是联接两个表，筛选出需要更改（插入，更新或删除）的行，然后执行请求的更改。给定以下样本数据：

DECLARE @CategoryItem AS TABLE
(
    CategoryId  integer NOT NULL,
    ItemId      integer NOT NULL,

    PRIMARY KEY (CategoryId, ItemId),
    UNIQUE (ItemId, CategoryId)
);

DECLARE @DataSource AS TABLE
(
    CategoryId  integer NOT NULL,
    ItemId      integer NOT NULL

    PRIMARY KEY (CategoryId, ItemId)
);

INSERT @CategoryItem
    (CategoryId, ItemId)
VALUES
    (1, 1),
    (1, 2),
    (1, 3),
    (2, 1),
    (2, 3),
    (3, 5),
    (3, 6),
    (4, 5);

INSERT @DataSource
    (CategoryId, ItemId)
VALUES
    (2, 2);

目标

╔════════════╦════════╗
║ CategoryId ║ ItemId ║
╠════════════╬════════╣
║          1 ║      1 ║
║          2 ║      1 ║
║          1 ║      2 ║
║          1 ║      3 ║
║          2 ║      3 ║
║          3 ║      5 ║
║          4 ║      5 ║
║          3 ║      6 ║
╚════════════╩════════╝

资源

╔════════════╦════════╗
║ CategoryId ║ ItemId ║
╠════════════╬════════╣
║          2 ║      2 ║
╚════════════╩════════╝

理想的结果是用源中的数据替换目标中的数据，但仅用于CategoryId = 2。按照MERGE上面给出的描述，我们应该编写一个仅在键上连接源和目标的查询，并仅在WHEN子句中过滤行：

MERGE INTO @CategoryItem AS TARGET
USING @DataSource AS SOURCE ON 
    SOURCE.ItemId = TARGET.ItemId 
    AND SOURCE.CategoryId = TARGET.CategoryId
WHEN NOT MATCHED BY SOURCE 
    AND TARGET.CategoryId = 2 
    THEN DELETE
WHEN NOT MATCHED BY TARGET 
    AND SOURCE.CategoryId = 2 
    THEN INSERT (CategoryId, ItemId)
        VALUES (CategoryId, ItemId)
OUTPUT 
    $ACTION, 
    ISNULL(INSERTED.CategoryId, DELETED.CategoryId) AS CategoryId,
    ISNULL(INSERTED.ItemId, DELETED.ItemId) AS ItemId
;

得到以下结果：

╔═════════╦════════════╦════════╗
║ $ACTION ║ CategoryId ║ ItemId ║
╠═════════╬════════════╬════════╣
║ DELETE  ║          2 ║      1 ║
║ INSERT  ║          2 ║      2 ║
║ DELETE  ║          2 ║      3 ║
╚═════════╩════════════╩════════╝
╔════════════╦════════╗
║ CategoryId ║ ItemId ║
╠════════════╬════════╣
║          1 ║      1 ║
║          1 ║      2 ║
║          1 ║      3 ║
║          2 ║      2 ║
║          3 ║      5 ║
║          3 ║      6 ║
║          4 ║      5 ║
╚════════════╩════════╝

执行计划是：

请注意，两个表都已完全扫描。我们可能认为这种效率低下，因为CategoryId = 2目标表中只有行会受到影响。这是联机丛书中的警告出现的地方。一种旨在优化以仅接触目标中必要行的误导尝试是：

MERGE INTO @CategoryItem AS TARGET
USING 
(
    SELECT CategoryId, ItemId
    FROM @DataSource AS ds 
    WHERE CategoryId = 2
) AS SOURCE ON
    SOURCE.ItemId = TARGET.ItemId
    AND TARGET.CategoryId = 2
WHEN NOT MATCHED BY TARGET THEN
    INSERT (CategoryId, ItemId)
    VALUES (CategoryId, ItemId)
WHEN NOT MATCHED BY SOURCE THEN
    DELETE
OUTPUT 
    $ACTION, 
    ISNULL(INSERTED.CategoryId, DELETED.CategoryId) AS CategoryId,
    ISNULL(INSERTED.ItemId, DELETED.ItemId) AS ItemId
;

ON子句中的逻辑被用作连接的一部分。在这种情况下，该联接是完全外部联接（有关原因，请参阅此联机丛书条目）。作为外部联接的一部分，在目标行上应用类别2的检查最终会导致删除具有不同值的行（因为它们与源不匹配）：

╔═════════╦════════════╦════════╗
║ $ACTION ║ CategoryId ║ ItemId ║
╠═════════╬════════════╬════════╣
║ DELETE  ║          1 ║      1 ║
║ DELETE  ║          1 ║      2 ║
║ DELETE  ║          1 ║      3 ║
║ DELETE  ║          2 ║      1 ║
║ INSERT  ║          2 ║      2 ║
║ DELETE  ║          2 ║      3 ║
║ DELETE  ║          3 ║      5 ║
║ DELETE  ║          3 ║      6 ║
║ DELETE  ║          4 ║      5 ║
╚═════════╩════════════╩════════╝

╔════════════╦════════╗
║ CategoryId ║ ItemId ║
╠════════════╬════════╣
║          2 ║      2 ║
╚════════════╩════════╝

根本原因与外部连接ON子句中谓词的行为与该WHERE子句中指定的谓词行为不同的原因相同。该MERGE语法（并根据规定的条款中加入执行）只是使它很难看到，这是如此。

在线丛书中的指南（在“ 优化性能”条目中进行了扩展）提供了一些指南，这些指南将确保使用MERGE语法来表达正确的语义，而用户不必了解所有实现细节，也不必考虑优化器合法重新安排的方式。事情出于执行效率的原因。

该文档提供了三种可能的方法来实施早期筛选：

在WHEN子句中指定过滤条件可确保得到正确的结果，但可能意味着从源表和目标表读取和处理的行超出了严格必要的数量（如第一个示例所示）。

通过包含过滤条件的视图进行更新还可以保证结果正确（因为必须通过视图更新才能访问更改的行），但这确实需要专用视图，并且该视图遵循奇特的条件来更新视图。

使用公用表表达式与将谓词添加到ON子句有相似的风险，但是原因略有不同。在许多情况下，这是安全的，但需要对执行计划进行专家分析以确认这一点（以及广泛的实际测试）。例如：

WITH TARGET AS 
(
    SELECT * 
    FROM @CategoryItem
    WHERE CategoryId = 2
)
MERGE INTO TARGET
USING 
(
    SELECT CategoryId, ItemId
    FROM @DataSource
    WHERE CategoryId = 2
) AS SOURCE ON
    SOURCE.ItemId = TARGET.ItemId
    AND SOURCE.CategoryId = TARGET.CategoryId
WHEN NOT MATCHED BY TARGET THEN
    INSERT (CategoryId, ItemId)
    VALUES (CategoryId, ItemId)
WHEN NOT MATCHED BY SOURCE THEN
    DELETE
OUTPUT 
    $ACTION, 
    ISNULL(INSERTED.CategoryId, DELETED.CategoryId) AS CategoryId,
    ISNULL(INSERTED.ItemId, DELETED.ItemId) AS ItemId
;

这样可以产生最佳方案的正确结果（不再重复）：

该计划仅从目标表中读取类别2的行。如果目标表很大，这可能是重要的性能考虑因素，但是使用MERGE语法很难弄错这个问题。

有时，将MERGE单独编写为DML操作更容易。这种方法甚至比单个方法的性能更好MERGE，这一事实常常使人们感到惊讶。

DELETE ci
FROM @CategoryItem AS ci
WHERE ci.CategoryId = 2
AND NOT EXISTS 
(
    SELECT 1 
    FROM @DataSource AS ds 
    WHERE 
        ds.ItemId = ci.ItemId
        AND ds.CategoryId = ci.CategoryId
);

INSERT @CategoryItem
SELECT 
    ds.CategoryId, 
    ds.ItemId
FROM @DataSource AS ds
WHERE
    ds.CategoryId = 2;