浅谈sql中的in与not in,exists与not exists的区别以及性能分析

悠悠 2022-06-10 10:25 258阅读 0赞

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：

![复制代码][copycode.gif]

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

![复制代码][copycode.gif]

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。

\-----

**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（佳）  
  
  
select ......  
from title T, rollup R  
where R.source\_id = T.Title\_id(+)  
and T.Title\_id is null;  
  
  
或者（佳）  
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

[copycode.gif]: /images/20220610/6f935318b1b347399f8cbafdff09c208.png