SQL 中的in与not in、exists与not exists的区别以及性能分析
原创SQL 中的in与not in、exists与not exists的区别以及性能分析
原创
1、in 和 exists
in是把外表和内表作hash连接，而exists是对外表作loop循环，每次loop循环再对内表进行查询，一直以来认为exists比in效率高的说法是不准确的。
如果查询的两个表大小相当，那么用in和exists差别不大；如果两个表中一个较小一个较大，则子查询表大的用exists，子查询表小的用in；
例如：表A(小表)，表B(大表)
select?*?from?A?where?cc?in(select?cc?from?B)??-->效率低，用到了A表上cc列的索引；
select?*?from?A?where?exists(select?cc?from?B?where?cc=A.cc)??-->效率高，用到了B表上cc列的索引。相反的：
select?*?from?B?where?cc?in(select?cc?from?A)??-->效率高，用到了B表上cc列的索引
select?*?from?B?where?exists(select?cc?from?A?where?cc=B.cc)??-->效率低，用到了A表上cc列的索引。2、not in 和not exists
not in 逻辑上不完全等同于 not exists，如果你误用了not in，小心你的程序存在致命的BUG，请看下面的例子：
create?table?#t1(c1?int,c2?int);
create?table?#t2(c1?int,c2?int);
insert?into?#t1?values(1,2);
insert?into?#t1?values(1,3);
insert?into?#t2?values(1,2);
insert?into?#t2?values(1,null);
?
select?*?from?#t1 where c2 not in(select c2 from #t2);??-->执行结果：无
select?*?from?#t1 where not exists(select 1 from #t2 where #t2.c2=#t1.c2)??-->执行结果：1 3正如所看到的，not in出现了不期望的结果集，存在逻辑错误。如果看一下上述两个select 语句的执行计划，也会不同，后者使用了hash_aj，所以，请尽量不要使用not in(它会调用子查询)，而尽量使用not exists（它会调用关联子查询）。
如果子查询中返回的任意一条记录含有空值，则查询将不返回任何记录。如果子查询字段有非空限制，这时可以使用not in，并且可以通过提示让它用hasg_aj或merge_aj连接。
如果查询语句使用了not in，那么对内外表都进行全表扫描，没有用到索引；而not exists的子查询依然能用到表上的索引。所以无论哪个表大，用not exists都比not in 要快。
3、in 与 = 的区别
select?name?from?student?where?name?in('zhang','wang','zhao');与
select?name?from?student?where?name='zhang'?or?name='wang'?or?name='zhao'的结果是相同的。
4、其他分析
1. EXISTS的执行流程
select?*?from?t1?where?exists?(?select?null?from?t2?where?y?=?x?)?可以理解为:
for?x?in?(?select?*?from?t1?)?loop?
if?(?exists?(?select?null?from?t2?where?y?=?x.x?)?then?
OUTPUT?THE?RECORD?
end?if?
end?loop?对于in 和 exists的性能区别
如果子查询得出的结果集记录较少，主查询中的表较大且又有索引时应该用in,反之如果外层的主查询记录较少，子查询中的表大，又有索引时使用exists。
其实我们区分in和exists主要是造成了驱动顺序的改变（这是性能变化的关键），如果是exists，那么以外层表为驱动表，先被访问，如果是IN，那么先执行子查询，所以我们会以驱动表的快速返回为目标，那么就会考虑到索引及结果集的关系了
另外IN时不对NULL进行处理
如：select 1 from dual where null in (0,1,2,null)?为空
2. NOT IN 与NOT EXISTS
NOT EXISTS的执行流程
select?.....?from?rollup?R??where?not?exists?(?select?'Found'?from?title?T?where?R.source_id?=?T.Title_ID);?可以理解为:
for?x?in?(?select?*?from?rollup?)?loop?
if?(?not?exists?(?that?query?)?)?then?
OUTPUT?
end?if;?
end?loop;?注意:NOT EXISTS 与 NOT IN 不能完全互相替换，看具体的需求。如果选择的列可以为空，则不能被替换。
例如下面语句，看他们的区别：
select?x,y?from?t;?查询x和y数据如下：
x?y?
------?------?
1?3?
3?1?
1?2?
1?1?
3?1?
5?使用not in 和not exists查询结果如下：
select?*?from?t?where?x?not?in?(select?y?from?t?t2?)?;查询无结果：no rows
select?*?from?t?where?not?exists?(select?null?from?t?t2?where?t2.y=t.x?)?;查询结果为：
x?y?
------?------?
5?NULL?所以要具体需求来决定
对于not in 和 not exists的性能区别：
not in 只有当子查询中，select 关键字后的字段有not null约束或者有这种暗示时用not in,另外如果主查询中表大，子查询中的表小但是记录多，则应当使用not in,并使用anti hash join.
如果主查询表中记录少，子查询表中记录多，并有索引，可以使用not exists,另外not in最好也可以用/*+ HASH_AJ */或者外连接+is null
NOT IN 在基于成本的应用中较好
比如:
select?.....?
from?rollup?R?
where?not?exists?(?select?'Found'?from?title?T?
where?R.source_id?=?T.Title_ID);?改成
select?......?
from?title?T,?rollup?R?
where?R.source_id?=?T.Title_id(+)?
and?T.Title_id?is?null;?或者
sql>?select?/*+?HASH_AJ?*/?...?
from?rollup?R?
where?ource_id?NOT?IN?(?select?ource_id?
from?title?T?
where?ource_id?IS?NOT?NULL?)?讨论IN和EXISTS。
select?*?from?t1?where?x?in?(?select?y?from?t2?)?事实上可以理解为：
select?*?
from?t1,?(?select?distinct?y?from?t2?)?t2?
where?t1.x?=?t2.y;?——如果你有一定的SQL优化经验，从这句很自然的可以想到t2绝对不能是个大表，因为需要对t2进行全表的“唯一排序”，如果t2很大这个排序的性能是 不可忍受的。但是t1可以很大，为什么呢？最通俗的理解就是因为t1.x=t2.y可以走索引。
但这并不是一个很好的解释。试想，如果t1.x和t2.y 都有索引，我们知道索引是种有序的结构，因此t1和t2之间最佳的方案是走merge join。另外，如果t2.y上有索引，对t2的排序性能也有很大提高。
select?*?from?t1?where?exists?(?select?null?from?t2?where?y?=?x?)?可以理解为：
for?x?in?(?select?*?from?t1?)?
loop?
if?(?exists?(?select?null?from?t2?where?y?=?x.x?)?
then?
OUTPUT?THE?RECORD!?
end?if?
end?loop?——这个更容易理解，t1永远是个表扫描！因此t1绝对不能是个大表，而t2可以很大，因为y=x.x可以走t2.y的索引。
综合以上对IN/EXISTS的讨论，我们可以得出一个基本通用的结论：IN适合于外表大而内表小的情况；EXISTS适合于外表小而内表大的情况。
我们要根据实际的情况做相应的优化，不能绝对的说谁的效率高谁的效率低，所有的事都是相对的
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。