“WHERE x IN (SELECT value FROM table)”对于大表会不会低效？答案

【问题标题】：Will "WHERE x IN (SELECT value FROM table) " be inefficient for large tables?“WHERE x IN (SELECT value FROM table)”对于大表会不会低效？
【发布时间】：2012-12-29 23:15:08
【问题描述】：

以下两个 SQL 查询返回相同的结果：

    SELECT * FROM Table1
    WHERE Table1.Value1 = 'something' OR Table1.Value2 IN (SELECT Value2 FROM Table2)

    SELECT * FROM Table1
    LEFT JOIN Table2 
    ON Table1.Value2 = Table2.Value2
    WHERE (Table1.Value1 = 'something' OR Table2.Value2 IS NOT NULL)

同样，这两个查询返回相同的结果：

    SELECT * FROM Table1
    WHERE Table1.Value1 = 'something' AND Table1.Value2 NOT IN (SELECT Value2 FROM Table2)

    SELECT * FROM Table1
    LEFT JOIN Table2
    ON Table1.Value2 = Table2.Value2
    WHERE Table1.Value1 = 'something' AND Table2.Value2 IS NULL

就个人而言，我发现使用“IN”或“NOT IN”的选项更容易阅读（特别是因为我的实际查询中已经有一堆连接）。但是，如果 Table2 中的值越来越多（目前只返回三个结果），这个查询会不会变得低效？或者查询优化器会在幕后把它找出来并把它变成一个连接吗？我正在使用 SQL Server 2012。

【问题讨论】：

对于第一个查询，WHERE EXISTS 将比您提供的两个选项更有效（或者在最坏的情况下，效率不会更低）。有关第二种选择的非常彻底的处理，请参阅sqlperformance.com/2012/12/t-sql-queries/left-anti-semi-join
@AaronBertrand：您提供的链接描述了ANTI JOIN，而不是SEMI JOIN。这些是完全不同的。
@Quassnoi 问题中的第二个代码示例谈到了ANTI SEMI JOIN。
@AaronBertrand：你是对的，我的错！

标签： sql-server sql-server-2012 where-in

【解决方案1】：

这两个查询不等价：当使用 IN（或 NOT IN）时，对于 Table1 中的每一行，您将获得 0 或 1 个结果行。使用 join 时，每一行可能出现 0 次、1 次或多次。所以，“两个 SQL 查询返回相同的结果”——只是因为特定的数据。或者 Table2 在 Value2 上有唯一的索引/PK
将 UNION 用作

SELECT ... WHERE Table1.Value1 = 'something'
UNION (ALL)
SELECT ... WHERE Table1.Value2 = Table2.Value2

也可能会给出不同的结果，因为 UNION 将删除重复项（这可能很有价值），如果 UNION ALL 与两个条件都匹配，则它们可能会使某些结果行加倍

如果您将在第一个查询中使用 EXISTS() 而不是 IN()... 很可能你会得到相同的执行计划，因为 sql 优化器会识别出这些操作是相等的并且会选择相同的最优方式。
即使您可以在语句中使用子查询，sql 优化器也可能会以不使用子查询的方式重建计划。换句话说，两个相同的查询，不同的写法，很可能会优化到同一个计划。
对于非常复杂的查询可能无法正常工作，因为sql可能没有足够的时间来完全完成优化，并在它停止的地方停止。在这种情况下，这种不同但相似的查询可能会产生不同的结果。你需要尝试和测试。

计划和性能将取决于数据、参数类型（常量、变量、计算值）、统计信息、索引......对于这些标准的某些组合，Query-1 将比 Query-2 更优化，并且虎钳- 对其他人也是如此。

要获得正确答案，您需要分析和比较执行计划

【讨论】：

【解决方案2】：

第一个会更好：

SELECT <cols> 
  FROM dbo.Table1
  WHERE Value1 = 'something' 
  OR EXISTS (SELECT 1 FROM dbo.Table2 WHERE Value2 = Table1.Value2);

虽然您的性能问题 - 假设 Value2 在两个位置都被索引，并且您实际上只选择您需要的列而不是使用 * 强制扫描或查找 - 将是 OR。如果 Value1 被正确索引，您可能会考虑这种替代方案，至少可以测试性能差异（您需要查看计划，而不仅仅是测量时间，而您只有三行）：

SELECT <cols>
  FROM dbo.Table1 
  WHERE Value1 = 'something'
UNION ALL
SELECT <cols>
  FROM dbo.Table1
  WHERE Value1 <> 'something'
  AND EXISTS (SELECT 1 FROM dbo.Table2 WHERE Value2 = Table1.Value2);

对于 NOT IN 查询，这将更可靠，至少与您提供的两个选项一样有效：

SELECT <cols>
  FROM dbo.Table1
  WHERE Value1 = 'something' 
  AND NOT EXISTS (SELECT 1 FROM dbo.Table2 WHERE Value2 = Table1.Value2);

索引在这里将是关键，但重要的是要了解 NOT IN 和 LEFT OUTER JOIN 可能会让您陷入困境。请参阅以下文章：

http://www.sqlperformance.com/2012/12/t-sql-queries/left-anti-semi-join

【讨论】：