您好,登錄后才能下訂單哦!
背景介紹
最近在寫SQL語句時,對選擇IN 還是Exists 猶豫不決,于是把兩種方法的SQL都寫出來對比一下執行效率,發現IN的查詢效率比Exists高了很多,于是想當然的認為IN的效率比Exists好,但本著尋根究底的原則,我想知道這個結論是否適用所有場景,以及為什么會出現這個結果。
網上查了一下相關資料,大體可以歸納為: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,因為我的SQL語句里面,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,但我的結果剛好相反!!
“沒有調查就沒有發言權”!于是我開始研究IN 和Exists的實際執行過程,從實踐的角度出發,在根本上去尋找原因,于是有了這篇博文分享。
實驗數據
我的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。
對應的表結構如下:
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 '作者id'</font>
PRIMARY KEY (id
),
UNIQUE KEYpid_idx
(poetry_id
) USING BTREE,
KEYaid_idx
(author_id
) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=291270 DEFAULT CHARSET=utf8mb4
CREATE TABLE
t_author
(
id
int(15) NOT NULL AUTO_INCREMENT,
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 KEYauthorid_idx
(author_id
) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=13339 DEFAULT CHARSET=utf8mb4
執行計劃分析 IN 執行過程
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,得到結果集B,可以使用到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里面,可以使用到tabA表的索引x。
Exists執行過程
sql示例:select from tabA where exists (select from tabB where y>0);
其執行計劃:
(1)先將tabA表所有記錄取到。
(2)逐行針對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之后的版本使用Block Nested Loop(Block 嵌套循環)。
(3)如果子查詢有返回數據,則將tabA當前記錄返回到結果集。
tabA相當于取全表數據遍歷,tabB可以使用到索引。
實驗過程
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);
第一次實驗數據情況
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;
執行結果
使用exists耗時0.94S, 使用in耗時0.03S,IN 效率高于Exists
原因分析
對t_poetry表的子查詢結果集很小,且兩者在t_poetry表都能使用索引,對t_poetry子查詢的消耗基本一致。兩者區別在于,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,查詢耗時主要表現在對t_author表的遍歷上。
第二次實驗數據情況
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;
執行時間
使用exists耗時0.12S, 使用in耗時0.48S,Exists效率高于 IN。
原因分析
兩者的索引使用情況跟第一次實驗是一致的,唯一區別是子查詢篩選結果集的大小不同,但實驗結果已經跟第一次的不同了。這種情況下子查詢結果集很大,我們看看mysql的查詢計劃:
使用in時,由于子查詢結果集很大,對t_author和t_poetry表都接近于全表掃描,此時對t_author表的遍歷耗時差異對整體效率影響可以忽略,執行計劃里多了一行<auto_key>,在接近全表掃描的情況下,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,但由于子查詢結果集很大,5.5以后的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,類似于緩存功能)開始對查詢效率產生顯著影響,尤其針對<font color=red>子查詢結果集很大</font>的情況下能顯著改善查詢匹配效率:
實驗結論
根據上述兩個實驗及實驗結果,我們可以較清晰的理解IN 和Exists的執行過程,并歸納出IN 和Exists的適用場景:
IN查詢在內部表和外部表上都可以使用到索引; Exists查詢僅在內部表上可以使用到索引;當子查詢結果集很大,而外部表較小的時候,Exists的Block Nested Loop(Block 嵌套循環)的作用開始顯現,并彌補外部表無法用到索引的缺陷,查詢效率會優于IN。當子查詢結果集較小,而外部表很大的時候,Exists的Block嵌套循環優化效果不明顯,IN 的外表索引優勢占主要作用,此時IN的查詢效率會優于Exists。 網上的說法不準確。其實“表的規模”不是看內部表和外部表,而是外部表和子查詢結果集。最后一點,也是最重要的一點:世間沒有絕對的真理,掌握事物的本質,針對不同的場景進行實踐驗證才是最可靠有效的方法。 實驗過程中發現的問題補充
僅對不同數據集情況下的上述exists語句分析時發現,數據集越大,消耗的時間反而變小,覺得很奇怪。
具體查詢條件為:
where tp.poetry_id>3650,耗時0.13S
where tp.poetry_id>293650,耗時0.46S
可能原因:條件值大,查詢越靠后,需要遍歷的記錄越多,造成最終消耗越多的時間。這個解釋有待進一步驗證后再補充。
免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。