34,590
社区成员
发帖
与我相关
我的任务
分享
MS SQL 2005上 测试结果没有什么差别.上面的测试查询可以等价于Join.
1)简单的说,In相当于OR.而查询的结果是依赖于Inner的查询遍历而遍历Onter的.
而Exists则是根据Outer的查询而逐条执行.一旦查到符合的即结束,不会遍历后面的.
2)针对上述的查询 可见不论T1 T2还是T3随便2者的组合,Exists和In时,MS SQL选择的都是对两表的
Table Scan.并选择了Hash Join,并最终实现了Right Semi Join(右半连接).返回结果.
SELECT * FROM T1 WHERE KEY1 IN (SELECT KEY1 FROM T3)
SELECT * FROM T1 WHERE EXISTS (SELECT 1 FROM T3 WHERE KEY1 = T1.KEY1 )
SELECT * FROM T3 WHERE KEY1 IN (SELECT KEY1 FROM T1)
SELECT * FROM T3 WHERE EXISTS (SELECT 1 FROM T1 WHERE KEY1 = T3.KEY1 )
SELECT * FROM T1 WHERE KEY1 IN (SELECT KEY1 FROM T2)
SELECT * FROM T1 WHERE EXISTS (SELECT 1 FROM T2 WHERE KEY1 = T1.KEY1 )
SELECT * FROM T2 WHERE KEY1 IN (SELECT KEY1 FROM T1)
SELECT * FROM T2 WHERE EXISTS (SELECT 1 FROM T1 WHERE KEY1 = T2.KEY1 )
本文主要分析了in和exists的区别与执行效率的问题:
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,一般编程习惯应该是用exists而不用in.
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:
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。
再举一个例子:
SQL code
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
select * from @t where v in (select v from @t group by v having count(*)>1)
--b语句
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.
第一条语句使用in,但子查询中与外部没有连系.
第二条语句使用exists,但子查询中与外部有连系.
大家看SQL查询计划,很清楚了.
再复述一次。
selec v from @t group by v having count(*)> 1
这条语句,它的执行不依赖于主查询主句。
那么,SQL在查询时就会优化,即将它的结果集缓存起来。
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。
select 1 from @t where id!=a.id and v=a.v
而实用上面的语句,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.
create table tb(id int)
insert into tb values(1)
insert into tb values(2)
insert into tb values(3)
insert into tb values(4)
insert into tb values(5)
insert into tb values(6)
go
select * from tb where id in (1,2,3)
/*
id
-----------
1
2
3
(所影响的行数为 3 行)
*/
select * from tb where exists(select 1 from tb where id = 1)
/*
id
-----------
1
2
3
4
5
6
(所影响的行数为 6 行)
*/
select * from tb where exists(select 1 from tb where id = 2)
/*
id
-----------
1
2
3
4
5
6
(所影响的行数为 6 行)
*/
select * from tb where exists(select 1 from tb where id = 3)
/*
id
-----------
1
2
3
4
5
6
(所影响的行数为 6 行)
*/
drop table tb