京公网安备 11010802034615号
经营许可证编号:京B2-20210330
SQL Server数据库的存储过程中定义的临时表,真的有必要显式删除(drop table #tableName)吗
在写SQL Server存储过程中,如果存储过程中定义了临时表,有些人习惯在存储过程结束的时候一个一个显式地删除过程中定义的临时表(drop table #tName),有些人又没有这个习惯,对于不明真相的群众或者喜欢思考的人会问,存储过程中定义的临时表,最后要不要主动删除,为什么?
或者说是不是存储过程结束的时候删除临时表更加规范?
不止一个人问过这个问题了,说实在话,本人之前确实不清楚,只是认为,显式删掉或者不删都行,临时表在当前Session断开之后会自动释放
那么存储过程中定义的临时表,在使用完之后,到底删还是不删?显式删除与不做删除有无区别?
本文将对此问题进行一个粗浅的分析,如有不对的地方,还望指出,谢谢。
存储过程中临时表的表结构也有缓并且会被重用
那么到底需不需要显式删除,显式删除或者是不删除有什么区别?
这中间涉及到一个临时表缓存的知识点,首先看什么是临时表的缓存。
缓存临时表是SQL SERVER 2005以来的一个新特性,
临时表的创建时需要往临时库系统表中写入数据(元数据,临时表的表结构信息),跟普通的增删改操作一样,这个过程需要一定的资源消耗
在满足一定条件的情况下(后面说需要满足的条件是什么),
每当用户请求完成之后(当然这个用户请求的SQL中包含了临时表),临时表的元数据将会保存在临时库(tempdb)的系统表中
虽然在用户看来,当前Session创建的临时表,对其他Session事不可见的,在Session断开或者临时表被删除(drop)之后,将不可访问。
但是当新的Session调用同样的包含了创建临时表的代码,SQL Server内部会重用之前Session执行时创建过的临时表,而无需再次定义临时表。
这样的话可以节约一些创建表的步骤所消耗的资源。
上面是理论,下面来做个小实验演示上面的理论,首先来看不同Session之间临时表“重用”的现象。
首先这里要借助系统视图sys.dm_os_performance_counters 来判断临时表的创建次数,该系统表中计数器的名称为:Temp Tables Creation Rate。
创建如下存储过程,存储过程中定义了一个临时表,
create procedure Proc_TestTempTableasbegin
create table #t20170413
(
col_1 varchar(100) ,
col_2 varchar(100)
) insert into #t20170413 values ('aaa','bbb'); select * from #t20170413 --select * from tempdb.sys.tables where name like '#t20170413%'end
在存储过程创建之后,第一次执行的时候,来观察一个现象,如下截图

很明显,sys.dm_os_performance_counters系统表中的Temp Tables Creation Rate计数器加了1,也就是说在执行存储过程中过程中发生了一次临时表的创建动作
然后继续再次执行上面的代码

同样的代码,这一次sys.dm_os_performance_counters系统表中的Temp Tables Creation Rate计数器没有加1,
为什么明明是存储过程中定义了临时表,上面执行一次,Temp Tables Creation Rate加1,然后再次执行就不加1了?
这个就是临时表重用的现象(严格说是临时表的表结构或者表定义,而不包含数据),
因为第一次执行存储过程的时候创建了临时表,然后再次执行存储过程的时候就重用了第一次的临时表。
那怎么证明该存储过程第二次执行的时候重用了第一次创建的临时表?
对存储过程稍作修改,存储过程中加一句代码,查询临时库中该临时表信息

然后执行两次如下代码,下面截图是第二次执行的结果(下面会做解释为什么是第二次的执行的结果),
在临时表被重用的时候查询出来当前临时表的信息,发现临时表创建次数并没有增加,也就是说临时表被重用了

既然说临时表重用了,那么临时表一定存在于临时库的系统表中,那么如何证明这个存储过程的临时表在临时库中呢?
上面显示的临时表的Id是-1297292959,那么这里就临时库中查询Id = -1297292959的表信息,发现果然存在这个一张表。
临时库中的这个表信息除了名字和modify_date不一样,modify_date据观察是临时表被重用的时间,也就是临时表被重用一次就修改一次modify_date
其他信息完全一致,这就是说明,存储过程第一次执行完成之后,它所创建的临时表被缓存了起来(至于名字不同,后面再解释),
当再次执行该存储过程的时候可以重用第一次执行存储过程时候创建的临时表的表结构。

存储过程中显式删除临时表,到底有没有用处?
对上面的存储过程做如下修改,在存储过程结束之前显式删除定义的临时表

然后再次执行如下的测试代码,注意截图是第二次执行的结果(下面会做解释为什么是第二次的执行的结果)

然后继续在临时库的系统表中查询上述Id的系统,发现临时表依旧存在于系统表中,即便是存储过程中显式删除(drop table #t20170413)

这里说明,即便在存储过程中显式调用了删除临时表的操作,临时表依旧会存在得临时库的系统表中,也就是说临时表依旧会被缓存。
并不会因为在存储过程中显式删除而真正的删除,临时表对象会缓存在临时库的系统表中。
之所以Session中查询到的临时表的名字与系统表中查询到的临时表的名字不同,
原因是临时表从创建到缓存(当前Session断开之后),在内部只是发生了一个对当前Session临时表重命名的过程。
被缓存的临时表的重用的过程与上面的类似,也是将缓存的换反向重命名。
事实证明:
对于存储过程的临时表,在满足可缓存的前提下(只是表结构,当然不包括临时表的数据),
你删,或者不删,他都会缓存在临时库中,并不因为显式Drop临时表,临时表就会被真正的删除,这是SQL Server专门为此做的优化,你真的不用为删除临时表而操心或者纠结
这里回到一开始的问题,存储过程中有没有必要显式删除临时表就有答案了:对于存储过程的创建的临时表,没必要删除,对于满足可缓存的临时表对象,想删也删不掉!
存储过程中定义的临时表,只有满足一定的条件,才会被缓存重用
上面说了,临时表的重用是要满足一定条件的,如下条件将会导致临时表无法重用
1,创建临时表的时候存在命名约束(这一点非常操蛋,不仅仅是缓存问题,曾经遇到过坑,有机会演示)
2,在临时表创建之后执行DDL操作,比如创建索引等,但是这个DDL不包括drop 临时表和truncate临时表
3,动态SQL方式创建的临时表
4,在不同的范围之内创建的临时表,应该是存储过程调用另外一个存储过程,另外一个存储过程定义的临时表,这一点还没有具体研究
5,存储过程以WITH RECOMPILE重编译的方式运行
比如在上面的存储过程,在临时表定义之后,创建一个索引,
此举将会造成临时表无法重用,这种情况下,不管你删或者不删,存储过程执行完成Session断开之后,临时表都不会缓存(在临时库中)
这一点就不截图演示了,有兴趣的自己测试

解释另外一个问题:
既然认为无法删除缓存的临时表,正常情况下,缓存的临时表什么情况下会被删除?
上面说截图都是第二次运行的截图,因为在存储过程重建之后(create或者alter),这个存储过程中定义的临时表都会被清理掉
只有重建了存储过程,第一次执行之后,缓存的临时表在第二次执行的时候才能被重用
当然这一点也和容易验证,缓存临时表之后,然后alter 存储过程,
然后根据缓存临时表的Id去查询临时库中sys .tables的信息,这个缓存的表会在1~2秒之后被删除(个人测试验证过)
另外显式执行DBCC FREEPROCCACHE,也能删除缓存的临时表。
其实也不难理解,缓存的对象是跟执行计划缓存绑定的,如果执行计划本身就不存在了,那么缓存的临时表对象也将会被请处理。
并发执行的情况下,临时表能否重用?
并发线程之间当然不会重用同一个临时表,如果不是这样的话,SQL Server也不用混江湖了,并发的每个线程会创建自己的临时表。
参考如下截图是在并发情况下,tempdb产生的临时表的情况,每个线程调用存储过程产生的临时表后缀都是不一样的。
并发调用存储过程的时候,每个线程会产生属于自己的临时表,重用临时表是发生在当前线程执行完成之后,其他Session重新调用存储过程时候才能重用已缓存的临时表。
鉴于本文不是专门说明临时表的,这里就不多说了。

显式删除临时表与否的性能测试
既然上面说了,如果存储过程中定义的临时表满足临时表被缓存的条件的情况下,存储过程中是否删除临时表,临时表都一样会被缓存
那么,如果真的指定了显式删除临时表操作,与没有显式指定删除临时表,性能上有没有差别呢?
抱着以数据说话的态度,分别在存储过程中不删除与显式删除临时表,用SQLQueryStress做了一系列的性能测试
结果如下
不显式删除临时表 显式删除临时表

测试结果如下,

测试过程部分截图(不浪费博客园的图片服务器资源了,随便截了两张)

从测试结果看,确实有一些差异,不过这个差别是非常小的,
第一组测试结果5000次调用产生了0.07秒的差距
第二组测试结果20000次调用产生了0.35秒的差距,平均到一次差距也就在微妙级,即便是显式调用删除,对性能来说是有一点点影响,不过这个影响也是无伤大雅。
不过这个内部的原始一定要弄清楚,有没有必要删除,以及原因,这个才是原则性的问题!
至于临时表数据占用的空间,也不是说显式删除就释放,不删除就不释放,应该是有后台进程来做这个工作的,个人建议不用为这个问题瞎操心。
写存储过程的时候,多写一点好一点的SQL语句,比纠结这个强多了。
多啰嗦一句:
有些人的观念是根深蒂固的,对于习惯删除临时表的人,觉得这么做“规范”,“专业”,虽然他没有确切的理由说明显式删除临时表的必要性。
但是你要跟他说没必要删除临时表,一定会激怒他,好多程序员都是这样的,你否认他根深蒂固的一个观点的时候,他是很恼火的。
从生物学上说,这个是属于“印随行为”,如宗教般,在自己处于懵懂期的时候,受到一些说法的影响
或许是当初的师傅说的,或者膜拜的对象这么做了,或者听高人说过这么做比较好,然后自己就一直这么做了并且坚信不疑。
当然,包括我自己在某些时候也有此种行为,思维被曾经的某一些经历固化,然后一直束缚自己的认知。
不过对于无伤大雅的问题,就随他去了,没必要说服他,弄不好他反过来觉得你业余,希望小伙伴们明辨,好似乎跑题了……
显式删除临时表与否与临时库空间释放问题
有人担心说,如果不显式删除临时表,是不是临时表占用的空间无法快速释放?
其实也不用顾虑,还是以数据说话,这里对比两个一样的存储过程,一个不显式删除临时表,一个显示删除临时表,看看临时数据库中用户对象占用page的情况
不显式删除临时表的存储过程
做如下对比测试,借助SQLQueryStress,做一个20线程,每个线程500次循环的测试

测试的过程中,在临时数据库中,利用如下SQL,间隔一秒的频率抓取临时库中user objects对象的数据

把上述脚本记录到的数据,利用Excel的透视图功能,呈现出来上述脚本记录到的user objects数量,可以很清楚地发现,不显式删除临时表,与显式删除临时表相比,UserObjecs数量并没有明显的差异
也就数说,不显式删除临时表的情况下,并没有出现临时表空间对象释放不及时的情况

因此大可不必担心,不显式删除临时表,临时表申请的空间无法及时释放。
总结:
本文从存储过程中的临时表是否需要显式删除入手,简单介绍了临时表重用的现象和前提条件,以及有无必要显式删除临时表,
同时测试了临时表在满足重用的情况下,临时表显式删除与否的性能问题,对于存储过程中定义的临时表,不管是否能否缓存重用,都不建议显式删除。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27