MYSQL“IN”的性能

Question

我分两步运行 MYSQL 查询。首先，我通过一个查询获得一个 id 列表，然后我使用第二个查询检索这些 id 的数据，类似于SELECT * FROM data WHERE id in (id1, id2 ...)。我知道这听起来很老套，但我这样做是因为查询非常复杂；第一个涉及很多几何和触发计量，第二个涉及很多不同的连接。我确信它们可以写在一个查询中，但我的 MYSQL 还不够好，无法完成。

这种方法有效，但它感觉不对；另外我担心它不会扩展。目前我正在测试一个包含 10,000 条记录的数据库，“IN”子句中有 400 个 id（即 IN (id1, id2 ... id400) ）并且性能很好。但是如果有 1,000,000 条记录呢？

这种查询的性能瓶颈（速度、内存等）在哪里？关于如何重构这种查询的任何想法也很棒。 （例如，如果值得关注存储过程）。

Answer 1

从一定数量的记录开始，SELECT 上的IN 谓词变得比常量列表上的更快。

在我的博客中查看这篇文章以获得性能比较：

• Passing parameters in MySQL: IN list vs. temporary table

如果IN子句中查询使用的列被索引，像这样：

SELECT  *
FROM    table1
WHERE   unindexed_column IN
        (
        SELECT  indexed_column
        FROM    table2
        )

，那么这个查询只是优化为EXISTS（它只为table1中的每条记录使用一个条目）

不幸的是，MySQL 无法执行效率更高的HASH SEMI JOIN 或MERGE SEMI JOIN（尤其是在两列都被索引的情况下）。

Answer 2

为什么要先提取 id？您可能应该只是加入表格。如果您将 id 用于其他用途，您可以将它们插入之前的临时表中，然后使用该表进行连接。