注意:下面结果针对5.7版本,无论大表在前还是小表在前,in
的查询效率都要远远高于exists。但在8.0版本中,得益于版本的改善,in
的查询效率 与 exists 几乎没有明显差别。
MySQL 8 里面的优化可参考:Optimizing
Subqueries with Materialization
MySQL 中的 in
语句是把外表和内表做 hash 连接,而
exists
语句是对外表做 loop
循环,每次
loop
循环再对内表进行查询。一直大家都认为
exists
比 in
语句的效率要高,这种说法其实是不准确的。需要分不同情况讨论。
exists
对外表用 loop
逐条查询,每次查询都会查看 exists
的条件语句,当
exists
里的条件语句能够返回记录行时(无论记录行有多少,只要能返回),条件就为真,返回当前
loop
到的这条记录,反之如果 exists
里的条件语句不能返回记录行,则当前 loop
到的这条记录被丢弃,exists
的条件就像一个 bool
条件,当能返回结果集则为 true
,不能返回结果集则为
false
。
实例一:exists 子句永远为
true
1 select * from user where exists (select 1 );
对 user
表的记录逐条取出,由于子条件中的
select 1
永远能返回记录行,那么 user
表的所有记录都将被加入结果集,所以与 select * from user;
是一样的。
实例二:exists 子句永远为
false
这里假设 user 表的 userId 都是大于 0 的
1 select * from user where exists (select * from user where userId = 0 );
可以知道对 user
表进行 loop
时,检查条件语句 select * from user where userId = 0
,由于
userId
永远不为
0
,所以条件语句永远返回空集,条件永远为
false
,那么 user
表的所有记录都将被丢弃。
not exists
与 exists
相反,也就是当子查询有结果返回时,loop
到的记录将被丢弃,否则将 loop
到的记录加入结果集。
exists 的执行过程
总的来说,如果 A
表有 n
条记录,那么
exists
查询就是将这 n
条记录逐条取出,然后判断
n
遍 exists
条件。
in 的实际效果
in
查询相当于多个 or
条件的叠加,这个比较好理解,比如下面的查询:
1 select * from user where userId in (1 , 2 , 3 );
等效于:
1 select * from user where userId = 1 or userId = 2 or userId = 3 ;
not in
与 in
相反,如下:
1 select * from user where userId not in (1 , 2 , 3 );
等效于:
1 select * from user where userId != 1 and userId != 2 and userId != 3 ;
in 的执行过程
总的来说,in
查询就是先将子查询结果集拿出来,假设结果集为 B
,共有
m
条记录,然后在将子查询条件的结果集分解成 m
个,再进行 m
次查询。
值得一提的是,in 查询的子条件返回结果必须只有一个字段,例如:
1 select * from user where userId in (select id from B);
而不能是:
1 select * from user where userId in (select id, age from B);
而 exists 就没有这个限制。
exists 和 in 的性能
考虑如下SQL语句
select * from A where exists (select * from B where B.id = A.id);
select * from A where A.id in (select id from B);
查询 1 可以转化为以下伪代码,便于理解:
1 2 3 4 5 6 7 8 9 10 $result = []; for ($i = 0; $i < count(A); $i++) { $a = get_record(A, $i); // 从A表逐条获取记录 if (B.id = $a[id]) // 如果子条件成立 $result[] = $a; } return $result;
查询 1 主要是用到了 B 表的索引,A
表如何对查询的效率的影响应该不大。
假设B表的所有id为1,2,3,查询2可以转换为:
1 select * from A where A.id = 1 or A.id = 2 or A.id = 3 ;
这个就好理解了,这里主要是用到了 A 的索引,B
表如何对查询影响不大。
not exists 和 not in
select * from A where not exists (select * from B where B.id = A.id);
select * from A where A.id not in (select id from B);
查询 1 还是和上面一样,用了 B 的索引。
而对于查询 2,可以转化为如下语句:
1 select * from A where A.id != 1 and A.id != 2 and A.id != 3 ;
可以知道 not in
是个范围查询,这种 !=
的范围查询无法使用任何索引,等于说 A 表的每条记录,都要在 B
表里遍历一次,查看 B 表里是否存在这条记录。
故 not exists
比 not in
效率高。
mysql 中的 in 语句是把外表和内表作 hash 连接,而 exists
语句是对外表作 loop 循环,每次 loop 循环再对内表进行查询。一直大家都认为
exists 比 in
语句的效率要高,这种说法其实是不准确的。这个是要区分环境的。
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,一个是大表,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。
not in
和 not exists
如果查询语句使用了
not in
那么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。
所以无论那个表大,用 not exists
都比
not in
要快。