Le Data Integration Service applique cette méthode à une transformation jointure lorsqu'un groupe d'entrée a beaucoup plus de lignes que l'autre, et lorsque le plus grand groupe a beaucoup de lignes sans correspondance dans le plus petit groupe en fonction de la condition de jointure. Le Data Integration Service tente de réduire la taille de l'ensemble de données d'un opérande de jointure en lisant les lignes du plus petit groupe, en trouvant les lignes correspondantes dans le plus grand groupe, et en effectuant ensuite l'opération de jointure. Le fait de réduire la taille de l'ensemble de données améliore les performances du mappage car le Data Integration Service ne lit plus de lignes inutiles dans la source du plus grand groupe. Le Data Integration Service déplace la condition de jointure vers la source du plus grand groupe et ne lit que les lignes qui correspondent au plus petit groupe.

Avant d'appliquer cette méthode d'optimisation, le Data Integration Service effectue des analyses pour déterminer si l'optimisation de semi-jointure est possible et utile. Si les analyses déterminent que cette méthode est susceptible d'augmenter les performances, le Data Integration Service l'applique au mappage. Le Data Integration Service analyse alors à nouveau le mappage pour déterminer s'il y a d'autres opportunités d'optimisation de semi-jointure. Il effectue des optimisations supplémentaires le cas échéant. Le Data Integration Service n'applique pas d'optimisation de semi-jointure à moins que les analyses ne déterminent qu'il y a de fortes chances qu'elle améliore les performances.

L'outil Developer n'active pas cette méthode par défaut.