Question

我正在优化一些SQL查询（这可以被认为是我最近发布的问题的第2部分）并用NOT EXISTS谓词替换了一些NOT IN

我认为这样做的主要好处是，使用NOT EXISTS可以获得声明在找到单个匹配时终止的好处，但是对于计数子查询而言，NOT IN将需要完整表扫描？

如果选择的数据包含NULL，NOT IN似乎还需要额外的工作，这是正确的吗？

在我在proc中实现它们之前，我需要确保第二个语句比第一个语句（和功能上等效的）更好：

案例1：

        --exclude sessions that were tracked as part of a conversion during the last response_time minutes
        -- AND session_id NOT IN (SELECT DISTINCT tracked_session_id    
        --                              FROM data.conversions WITH (NOLOCK)
        --                              WHERE client_id = @client_id
        --                              AND utc_date_completed >= DATEADD(minute, (-2) * cy.response_time, @date)
        --                              AND utc_date_completed <= @date     
        --                              AND utc_date_clicked <= @date)

        AND NOT EXISTS (SELECT 1
                            FROM data.conversions WITH (NOLOCK)
                            WHERE client_id = @client_id
                            AND utc_date_completed >= DATEADD(minute, (-2) * cy.response_time, @date)
                            AND utc_date_completed <= @date
                            AND utc_date_clicked <= @date
                            AND data.conversions.tracked_session_id = d.session_id
        )

案例2：

        -- NOT EXISTS vs full table scan with COUNT(dashboard_id)                                   
        -- AND (SELECT COUNT(dashboard_id)
        --          FROM data.dashboard_responses WITH(NOLOCK)
        --          WHERE session_id = d.session_id
        --          AND cycle_id = cy.id
        --          AND client_id = @client_id) = 0

        AND NOT EXISTS(SELECT 1
                            FROM data.dashboard_responses
                            WHERE session_id = d.session_id
                            AND cycle_id = cy.id
                            AND client_id = @client_id)

干杯

Answer 1

正如你正确地说这两个是不同的东西。如果不是IN的项的子查询包含NULL，则不会返回任何结果，因为没有任何内容等于NULL且没有任何内容不等于NULL（甚至不是NULL）。

假设您使用两者来实现相同的结果，只要您在NULL语句中处理IN值，两者之间就没有区别。优化器足够聪明，知道消除了NULL值，或者使用不可为空的列，两者是相同的，所以使用相同的ANTI SEMI JOIN。

考虑这两个表：

CREATE TABLE T (ID INT NOT NULL PRIMARY KEY);
CREATE TABLE T2 (ID INT NOT NULL PRIMARY KEY);

这两个查询获得完全相同的执行计划：

SELECT  *
FROM    T
WHERE   ID NOT IN (SELECT ID FROM T2);

SELECT  *
FROM    T
WHERE   NOT EXISTS (SELECT ID FROM T2 WHERE T.ID = T2.ID);

因为优化器知道T2.ID是一个不可为空的列。第三个表：

CREATE TABLE T3 (ID INT);

其中ID列既没有索引也没有可空，这两个查询呈现非常不同的执行计划：

SELECT  *
FROM    T
WHERE   ID NOT IN (SELECT ID FROM T3);

SELECT  *
FROM    T
WHERE   NOT EXISTS (SELECT ID FROM T3 WHERE T.ID = T3.ID);

和NOT EXISTS会更有效率。然而，这两个再次产生（基本上）相同的执行计划：

SELECT  *
FROM    T
WHERE   ID NOT IN (SELECT ID FROM T3 WHERE T3.ID IS NOT NULL);

SELECT  *
FROM    T
WHERE   NOT EXISTS (SELECT ID FROM T3 WHERE T.ID = T3.ID);

所有这些查询和示例数据都在SQL Fiddle

上

修改

要真正回答你的问题：

案例1 与NOT IN或NOT EXISTS相同，如果tracked_session_id是data.conversions中不可为空的列，或者您添加In语句中的WHERE tracked_Session_id IS NOT NULL。如果列不可为空并且您不排除空值，则性能将不相同，并且假设没有空值NOT EXISTS将表现更好，如果没有空值，结果将不是同样如此表现无法比较。

案例2 实际上让我对示例数据感到惊讶，我曾假设这不会被优化为ANTI SEMI JOIN，并且已经写了一个答案，但是在保存之前编辑我认为我最好检查，并惊讶地看到这个：

SELECT * FROM T WHERE ( SELECT COUNT(*) FROM T3 WHERE T.ID = T3.ID ) = 0;

优化与NOT EXISTS完全相同。所以看起来优化器比我想象的更聪明，如果你想让计数不是0，它只会生成一个不同的计划。

SQL Fiddle for Case 2

Answer 2

你是对的，与null有很大的不同。 NOT IN查询检查每个元素是否明确不匹配。与null的比较不会产生明确的结果。因此，如果您的子查询包含null，则不会将任何内容视为“NOT IN”。

See this SQL Fiddle example.

此行为的不直观副作用是NOT IN实际上与IN不相反。

NOT EXISTS查询没有此问题。

我会犹豫是否做出任何关于哪个表现更好的一揽子声明，因为这通常取决于发生什么样的优化。这就是为什么如果你关心性能，能够找到执行计划是很重要的。

Answer 3

NOT EXISTS运行查询，计算行数，如果count == 0，则返回true。

NOT IN运行查询，迭代结果，将给定值与结果进行比较，如果没有匹配，则返回true

通常第一种方法要快得多。

当然，您必须注意从周围的查询中包含到子查询中的列/值，因为这可能导致子查询运行N次（对于外部结果集中的每一行一次）。

还有另一种方法：将表A与OUTER JOIN连接到表B，并检查表B中的列是否为NULL。这将只运行一次子查询。它只能在更简单的情况下使用（不适用于多个表连接链）。

不存在而不是存在

3 个答案: