数据源的关联过滤有两种方式，一种是先关联再过滤，第二种是先过滤再关联，那么在什么场景下可以使用这两种方案呢，我们用几个简单的例子来看一下
1.过滤逻辑详解
- 先关联再过滤把两个数据源的全部数据先拼成一个大集合，然后在这个大集合里筛选需要的内容。
- 先过滤再关联先从一个或两个数据源中挑出符合条件的小部分数据，再用这些小数据去做关联。
通常，先过滤再关联参与匹配的数据量更小，速度明显更快。但能不能用，取决于业务规则，因为两种写法算出来的结果可能相同，也可能完全不同。下面分别举例。
例子 1：只能用“先过滤再关联”
场景：超市想分析顾客的购买习惯，需求是——找出所有买过“牛奶”的顾客，查看他们的全部购物订单（包括没买牛奶的订单）。数据源：
- 订单表（订单编号、顾客编号、下单时间）
- 订单明细表（订单编号、商品名称、数量）
❌ 如果用“先关联再过滤”先把所有订单和所有明细关联，得到每一行“订单+商品”的记录，再过滤出“商品=牛奶”的行。这样只会看到包含牛奶的那些订单，顾客买的其它商品完全丢失，违背了“这些顾客的全部订单”的业务要求。✅ 只能用“先过滤再关联”先在订单明细表里过滤出“商品=牛奶”的记录，得到买过牛奶的顾客ID列表；再用这个很小的顾客ID列表，去订单表里捞出这些顾客的所有订单。结果正好满足需求。结论：当过滤条件只是用来找人/找范围，而不是筛选最终展示的数据时，必须先过滤再关联，否则会丢掉不该丢的数据。
例子 2：只能用“先关联再过滤”
场景：教务处要评选“学习积极分子”，条件是——找出选修了 3 门及以上课程的学生。数据源：
- 学生表（学号、姓名）
- 选课表（学号、课程名称）
❌ 如果用“先过滤再关联”在关联之前，选课表里只有一行一行的选课记录，谁也不知道每个学生选了几门课。想过滤“选了3门以上”，根本无从下手，因为这个条件只有在关联并分组统计之后才会出现。✅ 只能用“先关联再过滤”先把学生表和选课表关联，得到每个学生每一门课的记录；再按学生分组，数出每个学生的选课数量；最后过滤出数量 ≥ 3 的学生。只有这样，才能得到需要的结果。结论：当过滤条件必须通过关联后的汇总、计算才能得出时，只能先关联再过滤。
例子 3：两种方法都可以用（推荐先过滤再关联）
场景：图书馆想推送活动通知，需求是——查询所有年龄大于 20 岁的读者的借阅记录。数据源：
- 读者表（读者编号、姓名、年龄）
- 借阅记录表（读者编号、书名、借阅日期）
方法 A —— 先关联再过滤把读者表和借阅记录表全部关联，得到所有借阅记录及其对应读者的年龄，再过滤出年龄 > 20 的记录。方法 B —— 先过滤再关联先从读者表中过滤出年龄 > 20 的读者编号，再用这一小部分读者编号去关联借阅记录表，直接得到他们的借阅记录。两种方法得出的结果完全一致。但方法 B 在关联时只用了一小部分读者，数据量小，运行速度更快，这正是我们要做的优化。结论：当过滤条件作用在关联前就能明确筛选的某一个数据源上，且不会改变最终结果的含义时，两种方法都可行，应优先使用“先过滤再关联”来提速。
整体小结
- 结果可能不同：要先判断业务逻辑，不能为了快而改错结果。
- 只能先过滤再关联：条件是用来圈定范围（例如找到某类顾客），最终要的是这个范围内的全量数据。
- 只能先关联再过滤：条件要等数据合并、计算后才能产生（例如按统计数量筛选）。
- 两种都可以：条件可以在关联前明确筛选，并且不影响最终结果。此时选择先过滤再关联，能明显加快接口响应。
