在处理大数据时，是什么使 temp tables 比 table 变量更有效？
What is that makes temp tables more efficient than table variables when working with large data?
在 SQL 服务器中，在处理大数据（比如插入或更新 100000 行）（参考：SQL Server Temp Table vs Table Variable Performance Testing）
我看过很多比较 temp table 和 table 变量的文章，但仍然不明白是什么让 temp tables 在处理大数据时更高效？仅仅是它们的设计行为方式还是其他什么？
Table variables 没有 statistics，因此 table 变量的基数估计为 1。
您可以使用 recompile 选项强制至少纠正 cardinality estimation，但您绝不能生成 column statistics，即 [= 不存在列值的数据分布 temporary tables.
后果很明显：每个使用 table variable 的查询都会 低估。
另一个骗局是这个：
Queries that insert into (or otherwise modify) @table_variables cannot
have a parallel plan, #temp_tables are not restricted in this manner.
您可以在这里阅读更多内容：
Parallelism with temp table but not table variable?
该主题的答案还有一个 link 补充阅读非常有帮助
在 SQL 服务器中，在处理大数据（比如插入或更新 100000 行）（参考：SQL Server Temp Table vs Table Variable Performance Testing）
我看过很多比较 temp table 和 table 变量的文章，但仍然不明白是什么让 temp tables 在处理大数据时更高效？仅仅是它们的设计行为方式还是其他什么？
Table variables 没有 statistics，因此 table 变量的基数估计为 1。
您可以使用 recompile 选项强制至少纠正 cardinality estimation，但您绝不能生成 column statistics，即 [= 不存在列值的数据分布 temporary tables.
后果很明显：每个使用 table variable 的查询都会 低估。
另一个骗局是这个：
Queries that insert into (or otherwise modify) @table_variables cannot have a parallel plan, #temp_tables are not restricted in this manner.
您可以在这里阅读更多内容：
Parallelism with temp table but not table variable?
该主题的答案还有一个 link 补充阅读非常有帮助