in和exists的区别与SQL执行效率分析


SQL #in #exists #效率2012-08-30 15:17
最近很多论坛又开始讨论in和exists的区别与SQL执行效率的问题, 
本文特整理一些in和exists的区别与SQL执行效率分析 


SQL中in可以分为三类: 


  1、形如select * from t1 where f1 in ('a','b'),应该和以下两种比较效率 


  select * from t1 where f1='a' or f1='b' 


  或者 select * from t1 where f1 ='a' union all select * from t1 f1='b' 


  你可能指的不是这一类,这里不做讨论。 


  2、形如select * from t1 where f1 in (select f1 from t2 where t2.fx='x'), 


  其中子查询的where里的条件不受外层查询的影响,这类查询一般情况下,自动优化会转成exist语句,也就是效率和exist一样。 


  3、形如select * from t1 where f1 in (select f1 from t2 where t2.fx=t1.fx), 


  其中子查询的where里的条件受外层查询的影响,这类查询的效率要看相关条件涉及的字段的索引情况和数据量多少,一般认为效率不如exists。 


  除了第一类in语句都是可以转化成exists 语句的SQL,一般编程习惯应该是用exists而不用in,而很少去考虑in和exists的执行效率. 


in和exists的SQL执行效率分析 


  A,B两个表, 


  (1)当只显示一个表的数据如A,关系条件只一个如ID时,使用IN更快: 


  select * from A where id in (select id from B) 


  (2)当只显示一个表的数据如A,关系条件不只一个如ID,col1时,使用IN就不方便了,可以使用EXISTS: 


  select * from A 


  where exists (select 1 from B where id = A.id and col1 = A.col1) 


  (3)当只显示两个表的数据时,使用IN,EXISTS都不合适,要使用连接: 


  select * from A left join B on id = A.id 


  所以使用何种方式,要根据要求来定。 


  这是一般情况下做的测试: 


  这是偶的测试结果: 


  set statistics io on 
  select * from sysobjects where exists (select 1 from syscolumns where id=syscolumns.id) 
  select * from sysobjects where id in (select id from syscolumns ) 
  set statistics io off 


 (47 行受影响) 


  表'syscolpars'。扫描计数 1,逻辑读取 3 次,物理读取 0 次,预读 2 次,lob 逻辑读取 0 次,lob 物理读取 0 次,lob 预读 0 次。 


  表'sysschobjs'。扫描计数 1,逻辑读取 3 次,物理读取 0 次,预读 0 次,lob 逻辑读取 0 次,lob 物理读取 0 次,lob 预读 0 次。 


  (1 行受影响) 


  (44 行受影响) 


  表'syscolpars'。扫描计数 47,逻辑读取 97 次,物理读取 0 次,预读 0 次,lob 逻辑读取 0 次,lob 物理读取 0 次,lob 预读 0 次。 


  表'sysschobjs'。扫描计数 1,逻辑读取 3 次,物理读取 0 次,预读 0 次,lob 逻辑读取 0 次,lob 物理读取 0 次,lob 预读 0 次。 


  (1 行受影响) 


  set statistics io on 
  select * from syscolumns where exists (select 1 from sysobjects where id=syscolumns.id) 
  select * from syscolumns where id in (select id from sysobjects ) 
  set statistics io off 




  (419 行受影响) 


  表'syscolpars'。扫描计数 1,逻辑读取 10 次,物理读取 0 次,预读 15 次,lob 逻辑读取 0 次,lob 物理读取 0 次,lob 预读 0 次。 


  表'sysschobjs'。扫描计数 1,逻辑读取 3 次,物理读取 0 次,预读 0 次,lob 逻辑读取 0 次,lob 物理读取 0 次,lob 预读 0 次。 


  (1 行受影响) 


  (419 行受影响) 


  表'syscolpars'。扫描计数 1,逻辑读取 10 次,物理读取 0 次,预读 0 次,lob 逻辑读取 0 次,lob 物理读取 0 次,lob 预读 0 次。 


  表'sysschobjs'。扫描计数 1,逻辑读取 3 次,物理读取 0 次,预读 0 次,lob 逻辑读取 0 次,lob 物理读取 0 次,lob 预读 0 次。 


  (1 行受影响) 


  测试结果(总体来讲exists比in的效率高): 


  效率:条件因素的索引是非常关键的 


  把syscolumns 作为条件:syscolumns 数据大于sysobjects 


  用in 


  扫描计数 47,逻辑读取 97 次, 


  用exists 


  扫描计数 1,逻辑读取 3 次 


  把sysobjects作为条件:sysobjects的数据少于syscolumns 


  exists比in多预读 15 次 




  对此我记得还做过如下测试: 


  表 


  test 


  结构 


  id int identity(1,1), --id主键\自增 


  sort int, --类别,每一千条数据为一个类别 


  sid int --分类id 


  插入600w条数据 


  如果要查询每个类别的最大sid 的话 
select * from test a 
  where not exists(select 1 from test where sort = a.sort and sid > a.sid) 比 
select * from test a 
  where sid in (select max(sid) from test where sort = a.sort) 的执行效率要高三倍以上。具体的执行时间忘记了。但是结果我记得很清楚。在此之前我一直推崇第二种写法,后来就改第一种了。 




in和exists的sql执行效率分析,再简单举一个例子: 


declare @t table(id int identity(1,1), v varchar(10)) 
insert @t select'a' 
union all select'b' 
union all select'c' 
union all select'd' 
union all select'e' 
union all select'b' 
union all select'c' 
--a语句in的sql写法 
select * from @t where v in (select v from @t group by v having count(*)>1) 
--b语句exists的sql写法 
select * from @t a where exists(select 1 from @t where id!=a.id and v=a.v) 
两条语句功能都是找到表变量@t中,v含有重复值的记录. 


  第一条sql语句使用in,但子查询中与外部没有连系. 


  第二条sql语句使用exists,但子查询中与外部有连系. 


  大家看SQL查询计划,很清楚了. 


  selec v from @t group by v having count(*)> 1 


  这条Sql语句,它的执行不依赖于主查询主句(我也不知道怎么来描述in外面的和里面的,暂且这么叫吧,大家明白就行) 


  那么,SQL在查询时就会优化,即将它的结果集缓存起来 


  即缓存了 


  v 


  --- 


  b 


  c 


  后续的操作,主查询在每处理一步时,相当于在处理 where v in('b','c') 当然,语句不会这么转化, 只是为了说明意思,也即主查询每处理一行(记为currentROW时,子查询不会再扫描表, 只会与缓存的结果进行匹配 


  而 


  select 1 from @t where id!=a.id and v=a.v 


  这一句,它的执行结果依赖于主查询中的每一行. 


  当处理主查询第一行时 即 currentROW(id=1)时, 子查询再次被执行 select 1 from @t where id!=1 and v='a' 扫描全表,从第一行记 currentSubROW(id=1) 开始扫描,id相同,过滤,子查询行下移,currentSubROW(id=2)继续,id不同,但v值不匹配,子查询行继续下移...直到currentSubROW(id=7)没找到匹配的, 子查询处理结束,第一行currentROW(id=1)被过滤,主查询记录行下移 


  处理第二行时,currentROW(id=2), 子查询 select 1 from @t where id!=2 and v='b' ,第一行currentSubROW(id=1)v值不匹配,子查询下移,第二行,id相同过滤,第三行,...到第六行,id不同,v值匹配, 找到匹配结果,即返回,不再往下处理记录. 主查询下移. 


  处理第三行时,以此类推... 


  sql优化中,使用in和exist? 主要是看你的筛选条件是在主查询上还是在子查询上。 


  通过分析,相信大家已经对in和exists的区别、in和exists的SQL执行效率有较清晰的了解。 

相关文章

粤ICP备11097351号-1