1. 文章引言

我們在工作的過程中，經(jīng)常使用in，not in，exists，not exists來查詢，比如現(xiàn)在一張項目(project)表，表的結構和數(shù)據(jù)：

CREATE TABLE `project` (`id` int(11) NOT NULL AUTO_INCREMENT,`status` varchar(255) DEFAULT NULL,`project_name` varchar(255) DEFAULT NULL
) ENGINE=InnoDB AUTO_INCREMENT=6 DEFAULT CHARSET=utf8;INSERT INTO `project` VALUES ('1', 'finish', '太湖佳園');
INSERT INTO `project` VALUES ('2', 'during', '尚東雅園');
INSERT INTO `project` VALUES ('3', 'start', '水鄉(xiāng)苑一區(qū)');
INSERT INTO `project` VALUES ('4', 'during', '水鄉(xiāng)苑二區(qū)');

查詢狀態(tài)為已完成和進行中的記錄，我們可以寫成如下的SQL語句：

select * from project where `status` in ('finish','during');

查詢結果如下圖：

這只是我們開發(fā)中的一個簡單示例，接下來，我們詳細解說 in與not in,exists與not exists的區(qū)別以及性能分析。

2. 查詢對比

2.1 in和exists

in是把外表和內表作hash連接。

exists是對外表作loop循環(huán)，每次loop循環(huán)再對內表進行查詢，一直以來認為exists比in效率高的說法是不準確的。

如果查詢的兩個表大小相當，那么用in和exists差別不大。

如果兩個表中一個較小一個較大，則子查詢表大的用exists，子查詢表小的用in。

例如：表A(小表)，表B(大表)

-- 效率低，用到了A表上cc列的索引
select * from A where cc in(select cc from B)　　-- 效率高，用到了B表上cc列的索引
select * from A where exists(select cc from B where cc=A.cc)　

相反的：

-- 效率高，用到了B表上cc列的索引
select * from B where cc in(select cc from A)　-- 效率低，用到了A表上cc列的索引。
select * from B where exists(select cc from A where cc=B.cc)　　

2.2 not in 和not exists

not in邏輯上不完全等同于not exists，如果你誤用了not in，小心你的程序存在致命的BUG，請看下面的例子：

-- 創(chuàng)建t1表
create table t_1(c1 int,c2 int);-- 創(chuàng)建t2表
create table t_2(c1 int,c2 int);-- 向t1表中插入數(shù)據(jù)
insert into t_1 values(1,2);
insert into t_1 values(1,3);-- 向t2表中插入數(shù)據(jù)
insert into t_2 values(1,2);
insert into t_2 values(1,null);　

先后執(zhí)行如下兩條查詢語句：

1. 語句1

SELECT*
FROMt_1
WHEREc2 NOT IN (SELECT c2 FROM t_2);

查詢結果是空值，如下圖：

2. 語句2

SELECT*
FROMt_1
WHERENOT EXISTS (SELECT1FROMt_2WHEREt_2.c2 = t_1.c2);

查詢結果c1 = 1,c2 = 3，如下圖所示：

正如你所看到的，not in出現(xiàn)了不期望的結果集，存在邏輯錯誤。

如果看一下上述兩個select語句的執(zhí)行計劃，也會不同，語句2使用了hash_aj，所以，請盡量不要使用not in(它會調用子查詢)，而盡量使用not exists（它會調用關聯(lián)子查詢）。

如果子查詢中返回的任意一條記錄含有空值，則查詢將不返回任何記錄。

如果子查詢字段有非空限制，這時可以使用not in，并且可以通過提示讓它用hasg_aj或merge_aj連接。

如果查詢語句使用了not in，那么對內外表都進行全表掃描，沒有用到索引。而not exists的子查詢依然能用到表上的索引。所以無論哪個表大，用not exists都比not in 要快。

2.3 in 與 = 的區(qū)別

SELECTNAME
FROMstudent
WHERENAME IN ('zhang', 'wang', 'zhao');

與

SELECTNAME
FROMstudent
WHERENAME = 'zhang'
OR NAME = 'wang'
OR NAME = 'zhao'

的結果是相同的。

3. 性能分析

3.1 in和exists

1. EXISTS的執(zhí)行流程

SELECT*
FROMt1
WHEREEXISTS (SELECT NULL FROM t2 WHERE y = x)

可以理解為:

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 

2. in和exists的性能區(qū)別

如果子查詢得出的結果集記錄較少，主查詢中的表較大且又有索引時應該用in。

反之，如果外層的主查詢記錄較少，子查詢中的表大，又有索引時使用exists。

其實我們區(qū)分in和exists主要是造成了驅動順序的改變（這是性能變化的關鍵）:

• 如果是exists，那么以外層表為驅動表，先被訪問

• 如果是IN，那么先執(zhí)行子查詢

所以我們會以驅動表的快速返回為目標，那么就會考慮到索引及結果集的關系了 。

另外，IN時不對NULL進行處理，如下SQL所示：

SELECT1
FROMDUAL
WHERENULL IN (0, 1, 2, NULL)

查詢結果為空。

3.2 NOT IN 與NOT EXISTS

1. NOT EXISTS的執(zhí)行流程

SELECT.....
FROMROLLUP R
WHERENOT EXISTS (SELECT'Found'FROMtitle TWHERER.source_id = T.Title_ID);

可以理解為:

for x in ( select * from rollup ) loop 
if ( not exists ( that query ) ) then 
OUTPUT 
end if; 
end loop; 

注意：NOT EXISTS與NOT IN不能完全互相替換，看具體的需求。如果選擇的列可以為空，則不能被替換。

例如下面語句，看他們的區(qū)別：

select x,y from t; 

查詢x和y數(shù)據(jù)如下所示：

x      y 
------ ------ 
1      3 
3      1 
1      2 
1      1 
3      1 
5 

2. 使用not in和not exists查詢結果，如下

SELECT*
FROMt
WHEREx NOT IN (SELECT y FROM t t2);

查詢無結果：no rows

SELECT*
FROMt
WHERENOT EXISTS (SELECTNULLFROMt t2WHEREt2.y = t.x);

查詢結果為：

x       y 
------ ------ 
5      NULL 

所以要具體需求來決定

3. not in和not exists的性能區(qū)別

not in只有當子查詢中，select關鍵字后的字段有not null約束，或者有這種暗示時用not in。另外，如果主查詢中表大，子查詢中的表小但是記錄多，則應當使用not in，并使用anti hash join。

如果主查詢表中記錄少，子查詢表中記錄多，并有索引，可以使用not exists，另外，not in最好也可以用/*+ HASH_AJ */或者外連接+is null。

NOT IN在基于成本的應用中較好，比如:

SELECT.....
FROMROLLUP R
WHERENOT EXISTS (SELECT'Found'FROMtitle TWHERER.source_id = T.Title_ID);

最好修改成如下方式：

SELECT......
FROMtitle T,ROLLUP R
WHERER.source_id = T.Title_id (+)
AND T.Title_id IS NULL;

或者（佳）:

SELECT/*+ HASH_AJ */...
FROMROLLUP R
WHEREource_id NOT IN (SELECTource_idFROMtitle TWHEREource_id IS NOT NULL)

4. 重要總結

討論IN和EXISTS。

select * from t1 where x in ( select y from t2 ) 

事實上可以理解為：

SELECT*
FROMt1,(SELECT DISTINCT y FROM t2) t2
WHEREt1.x = t2.y;

如果你有一定的SQL優(yōu)化經(jīng)驗，從這句很自然的可以想到t2絕對不能是個大表，因為需要對t2進行全表的唯一排序。

如果t2很大，這個排序的性能是不可忍受的，但是t1可以很大，為什么呢？

最通俗的理解就是因為t1.x=t2.y可以走索引。但這并不是一個很好的解釋。

試想，如果t1.x和t2.y都有索引，我們知道索引是種有序的結構，因此t1和t2之間最佳的方案是走merge join。

另外，如果t2.y上有索引，對t2的排序性能也有很大提高。

select * from t1 where exists ( select null from t2 where y = x ) 

可以理解為：

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 

這個更容易理解，t1永遠是個表掃描！因此t1絕對不能是個大表，而t2可以很大，因為y=x.x可以走t2.y的索引。

綜合以上對IN/EXISTS的討論，我們可以得出一個基本通用的結論：

1. IN適合于外表大而內表小的情況；
2. EXISTS適合于外表小而內表大的情況。

我們要根據(jù)實際的情況做相應的優(yōu)化，不能絕對的說誰的效率高誰的效率低，所有的事都是相對的