要比较两个表之间的性能差异，可以使用以下方法：

1. 使用SQL的EXPLAIN语句：在执行查询之前，使用EXPLAIN语句来查看查询计划。查询计划将告诉你查询是如何执行的，包括使用哪些索引和连接等。比较两个查询的查询计划可以帮助你理解它们的性能差异。下面是一个使用EXPLAIN语句的示例：

EXPLAIN SELECT * FROM table1 WHERE column1 = 'value';
EXPLAIN SELECT * FROM table2 WHERE column1 = 'value';

通过比较两个查询的查询计划，你可以查看它们是否使用相同的索引，以及它们的执行计划是否相似。

2. 使用SQL的性能分析工具：大多数数据库管理系统都提供了性能分析工具，可以帮助你比较查询的执行时间、资源消耗等指标。你可以使用这些工具来运行两个查询并比较它们的性能指标。例如，在MySQL中，可以使用EXPLAIN ANALYZE命令来获取详细的执行信息。

EXPLAIN ANALYZE SELECT * FROM table1 WHERE column1 = 'value';
EXPLAIN ANALYZE SELECT * FROM table2 WHERE column1 = 'value';

这将返回每个查询的执行时间、扫描的行数、使用的缓存和临时存储等信息，以帮助你比较两个查询的性能。

3. 使用脚本或编程语言进行性能测试：你还可以使用脚本或编程语言来编写性能测试脚本，以运行并比较两个查询的性能。这样可以更加灵活地控制测试条件和数据量，并可以多次运行测试以获取更准确的结果。

以下是一个使用Python和pandas库来比较两个查询性能的示例代码：

import pandas as pd
import time

# 运行查询1并计时
start_time = time.time()
query1_result = pd.read_sql_query("SELECT * FROM table1 WHERE column1 = 'value'", connection)
query1_execution_time = time.time() - start_time

# 运行查询2并计时
start_time = time.time()
query2_result = pd.read_sql_query("SELECT * FROM table2 WHERE column1 = 'value'", connection)
query2_execution_time = time.time() - start_time

# 比较执行时间
if query1_execution_time < query2_execution_time:
    print("查询1更快")
elif query1_execution_time > query2_execution_time:
    print("查询2更快")
else:
    print("两个查询具有相同的执行时间")

这个示例使用pandas库的read_sql_query函数来运行查询，并使用时间来计算查询的执行时间。然后，它比较两个查询的执行时间并输出结果。

综上所述，以上是比较两个表性能差异的几种方法，可以根据实际情况选择合适的方法来评估查询/解决方案的性能。