最近在寫SQL語句時,對選擇IN 仍是Exists 猶豫不決,因而把兩種方法的SQL都寫出來對比一下執行效率,發現IN的查詢效率比Exists高了不少,因而想固然的認爲IN的效率比Exists好,但本着尋根究底的原則,我想知道這個結論是否適用全部場景,以及爲何會出現這個結果。
網上查了一下相關資料,大致能夠概括爲:外部表小,內部表大時,適用Exists;外部表大,內部表小時,適用IN。那我就困惑了,由於個人SQL語句裏面,外表只有1W級別的數據,內表有30W級別的數據,按網上的說法應該是Exists的效率會比IN高的,但個人結果恰好相反!!
「沒有調查就沒有發言權」!因而我開始研究IN 和Exists的實際執行過程,從實踐的角度出發,在根本上去尋找緣由,因而有了這篇博文分享。mysql
個人實驗數據包括兩張表:t_author表 和 t_poetry表。
對應表的數據量:
t_author表,13355條記錄;
t_poetry表,289917條記錄。
對應的表結構以下:
CREATE TABLE t_poetry
(id
bigint(20) NOT NULL AUTO_INCREMENT,poetry_id
bigint(20) NOT NULL COMMENT '詩詞id',poetry_name
varchar(200) NOT NULL COMMENT '詩詞名稱',
<font color=red> author_id
bigint(20) NOT NULL COMMENT '做者id'</font>
PRIMARY KEY (id
),
<font color=red>
UNIQUE KEY pid_idx
(poetry_id
) USING BTREE,
KEY aid_idx
(author_id
) USING BTREE</font>
) ENGINE=InnoDB AUTO_INCREMENT=291270 DEFAULT CHARSET=utf8mb4sql
CREATE TABLE t_author
(id
int(15) NOT NULL AUTO_INCREMENT,
<font color=red> author_id
bigint(20) NOT NULL,</font>author_name
varchar(32) NOT NULL,dynasty
varchar(16) NOT NULL,poetry_num
int(8) NOT NULL DEFAULT '0'
PRIMARY KEY (id
),
<font color=red>UNIQUE KEY authorid_idx
(author_id
) USING BTREE</font>
) ENGINE=InnoDB AUTO_INCREMENT=13339 DEFAULT CHARSET=utf8mb4緩存
sql示例:select * from tabA where tabA.x in (select x from tabB where y>0 );
其執行計劃:
(1)執行tabB表的子查詢,獲得結果集B,可使用到tabB表的索引y;
(2)執行tabA表的查詢,查詢條件是tabA.x在結果集B裏面,可使用到tabA表的索引x。mysql優化
sql示例:select from tabA where exists (select from tabB where y>0);
其執行計劃:
(1)先將tabA表全部記錄取到。
(2)逐行鍼對tabA表的記錄,去關聯tabB表,判斷tabB表的子查詢是否有返回數據,5.5以後的版本使用Block Nested Loop(Block 嵌套循環)。
(3)若是子查詢有返回數據,則將tabA當前記錄返回到結果集。
tabA至關於取全表數據遍歷,tabB可使用到索引。ide
實驗針對相同結果集的IN和Exists 的SQL語句進行分析。
包含IN的SQL語句:
select from t_author ta where author_id in
(select author_id from t_poetry tp where tp.poetry_id>3650 );
包含Exists的SQL語句:
select from t_author ta where exists
(select * from t_poetry tp where tp.poetry_id>3650 and tp.author_id=ta.author_id);oop
t_author表,13355條記錄;t_poetry表,子查詢篩選結果集 where poetry_id>293650 ,121條記錄;優化
使用exists耗時0.94S, 使用in耗時0.03S,<font color=red>IN 效率高於Exists</font>。3d
對t_poetry表的子查詢結果集很小,且二者在t_poetry表都能使用索引,對t_poetry子查詢的消耗基本一致。二者區別在於,使用 in 時,t_author表能使用索引:
使用exists時,t_author表全表掃描:
在子查詢結果集較小時,查詢耗時主要表如今對t_author表的遍歷上。code
t_author表,13355條記錄;t_poetry表,子查詢篩選結果集 where poetry_id>3650 ,287838條記錄;blog
使用exists耗時0.12S, 使用in耗時0.48S,<font color=red>Exists IN</font>。
二者的索引使用狀況跟第一次實驗是一致的,惟一區別是子查詢篩選結果集的大小不一樣,但實驗結果已經跟第一次的不一樣了。這種狀況下子查詢結果集很大,咱們看看mysql的查詢計劃:
使用in時,因爲子查詢結果集很大,對t_author和t_poetry表都接近於全表掃描,此時對t_author表的遍歷耗時差別對總體效率影響能夠忽略,執行計劃裏多了一行<auto_key>,在接近全表掃描的狀況下,mysql優化器選擇了auto_key來遍歷t_author表:
使用exists時,數據量的變化沒有帶來執行計劃的改變,但因爲子查詢結果集很大,5.5之後的MySQL版本在exists匹配查詢結果時使用的是Block Nested-Loop(Block嵌套循環,引入join buffer,相似於緩存功能)開始對查詢效率產生顯著影響,尤爲針對<font color=red>子查詢結果集很大</font>的狀況下能顯著改善查詢匹配效率:
根據上述兩個實驗及實驗結果,咱們能夠較清晰的理解IN 和Exists的執行過程,並概括出IN 和Exists的適用場景:
僅對不一樣數據集狀況下的上述exists語句分析時發現,數據集越大,消耗的時間反而變小,以爲很奇怪。具體查詢條件爲:where tp.poetry_id>3650,耗時0.13Swhere tp.poetry_id>293650,耗時0.46S可能緣由:條件值大,查詢越靠後,須要遍歷的記錄越多,形成最終消耗越多的時間。這個解釋有待進一步驗證後再補充。