我是一名老派的MySQL用户,并且始终首选JOIN
超过子查询。但是现在每个人都使用子查询,我讨厌它;我不知道为什么。
我缺乏理论知识来判断自己是否存在任何差异。子查询和JOIN
一样好,因此没有什么可担心的吗?
答案 0 :(得分:754)
子查询是解决表单问题的逻辑上正确的方法,“从A获取事实,以B中的事实为条件”。在这种情况下,在子查询中粘贴B比进行连接更合乎逻辑。从实际意义上讲,它也更安全,因为你不必因为多次与B的匹配而从A中获取重复的事实。
但实际上,答案通常归结为性能。一些优化器在给出连接与子查询时会吮吸柠檬,而另一些优化者则以另一种方式吮吸柠檬,这是特定于优化器,特定于DBMS的版本和查询特定的。
从历史上看,显式连接通常会获胜,因此连接的既定智慧更好,但优化者总是越来越好,所以我更喜欢先以逻辑上连贯的方式编写查询,然后在性能限制要求时进行重组
答案 1 :(得分:344)
在大多数情况下,JOIN
比子查询更快,并且子查询的速度非常快。
在JOIN
中,RDBMS可以创建一个更适合您的查询的执行计划,并且可以预测应该加载哪些数据进行处理并节省时间,这与子查询不同,它将运行所有查询和加载所有数据以进行处理。
子查询的好处在于它们比JOIN
更具可读性:这就是大多数新SQL用户更喜欢它们的原因;这是简单的方法;但是在性能方面,JOINS在大多数情况下都更好,即使它们也不难阅读。
答案 2 :(得分:139)
取自MySQL手册(13.2.10.11 Rewriting Subqueries as Joins):
LEFT [OUTER] JOIN可能比同等的子查询更快,因为服务器可能能够更好地优化它 - 这个事实并非仅针对MySQL Server。
因此子查询可能比LEFT [OUTER] JOIN
慢,但在我看来,它们的强度略高于可读性。
答案 3 :(得分:120)
使用EXPLAIN查看数据库如何对数据执行查询。在这个答案中有一个巨大的“它取决于...”
当PostgreSQL认为一个子查询比另一个更快时,可以将子查询重写为连接或子查询的连接。这一切都取决于数据,索引,相关性,数据量,查询等。
答案 4 :(得分:40)
首先,要比较两者,首先应将带有子查询的查询区分为:
对于第一类的查询,一个好的RDBMS会将连接和子查询视为等效的,并将生成相同的查询计划。
这些天甚至mysql都这样做。
尽管如此,有时却没有,但这并不意味着连接总是会赢 - 我在mysql中使用子查询提高了性能。 (例如,如果存在阻止mysql规划器正确估计成本的事情,并且规划器没有看到连接变量和子查询变量相同,那么子查询可以通过强制某个路径来胜过连接)。
结论是,如果您想确定哪个更好,那么您应该测试连接和子查询变体的查询。
对于第二个类,比较没有意义,因为这些查询不能使用连接重写,在这些情况下,子查询是执行所需任务的自然方式,您不应该区别它们。 / p>
答案 5 :(得分:36)
在2010年,我会加入这些问题的作者,并会强烈投票赞成JOIN
。但是有了更多的经验(特别是在MySQL中)我可以说:是的子查询可以更好。我在这里读过多个答案。有人说,子查询更快,但缺乏一个很好的解释。我希望我能提供这个(非常)迟到的答案:
首先,让我说最重要的一点:有不同形式的子查询
第二个重要声明:规模重要
如果使用子查询,则要注意,DB-Server如何执行子查询。特别是如果子查询被评估一次或每行! 另一方面,现代DB-Server能够进行大量优化。在某些情况下,子查询有助于优化查询,但较新版本的DB-Server可能会使优化过时。
SELECT moo, (SELECT roger FROM wilco WHERE moo = me) AS bar FROM foo
请注意,对foo
的每个结果行执行子查询。尽可能避免这种情况,它可能会大大减慢对大型数据集的查询速度。但是如果子查询没有引用foo
,那么它可以被DB服务器优化为静态内容,并且只能被评估一次。
SELECT moo FROM foo WHERE bar = (SELECT roger FROM wilco WHERE moo = me)
如果幸运的话,数据库会在内部将其优化为JOIN
。如果没有,您的查询将在大型数据集上变得非常非常慢,因为它将执行foo
中每一行的子查询,而不仅仅是select-type中的结果。
SELECT moo, bar
FROM foo
LEFT JOIN (
SELECT MIN(bar), me FROM wilco GROUP BY me
) ON moo = me
这很有趣。我们将JOIN
与子查询结合起来。在这里,我们得到了子查询的真正优势。想象一下,wilco
中有数百万行但只有少数不同me
的数据集。我们现在有一个较小的临时表来加入,而不是加入一个巨大的表。这可以导致更快的查询,具体取决于数据库大小。您可以使用CREATE TEMPORARY TABLE ...
和INSERT INTO ... SELECT ...
获得相同的效果,这可能会在非常复杂的查询上提供更好的可读性(但可以将数据集锁定在可重复的读取隔离级别中)。
SELECT moo, bar
FROM (
SELECT moo, CONCAT(roger, wilco) AS bar
FROM foo
GROUP BY moo
HAVING bar LIKE 'SpaceQ%'
) AS temp_foo
GROUP BY bar
ORDER BY bar
您可以在多个级别嵌套子查询。如果您必须对结果进行分组或排序,这可以对大型数据集有所帮助。通常,DB-Server为此创建一个临时表,但有时您不需要对整个表进行排序,只需对结果集进行排序。根据表的大小,这可能会提供更好的性能。
子查询不能替代JOIN
,您不应该像这样使用它们(尽管可能)。在我看来,正确使用子查询是用作CREATE TEMPORARY TABLE ...
的快速替代品。一个好的子查询会以某种方式减少数据集,您无法在ON
的{{1}}语句中完成。如果子查询具有关键字JOIN
或GROUP BY
之一,并且最好不位于选择字段或where语句中,那么它可能会大大提高性能。
答案 6 :(得分:22)
MSDN Documentation for SQL Server says
包含子查询的许多Transact-SQL语句也可以表示为连接。其他问题只能通过子查询提出。在Transact-SQL中,包含子查询的语句与不包含子查询的语义等效版本之间通常没有性能差异。但是,在某些必须检查存在的情况下,连接会产生更好的性能。否则,必须为外部查询的每个结果处理嵌套查询,以确保消除重复项。在这种情况下,连接方法会产生更好的结果。
所以,如果你需要像
这样的东西select * from t1 where exists select * from t2 where t2.parent=t1.id
尝试使用连接。在其他情况下,它没有任何区别。
我说:为子查询创建函数消除了cluttter的问题,并允许您为子查询实现其他逻辑。所以我建议尽可能为子查询创建函数。
代码杂乱是一个大问题,业界几十年来一直在努力避免它。
答案 7 :(得分:20)
我认为引用答案中未充分强调的是重复的问题以及可能由特定(使用)案例引起的问题结果。
(虽然Marcelo Cantos确实提到过它)
我将引用斯坦福大学关于SQL的Lagunita课程的例子。
+------+--------+------+--------+
| sID | sName | GPA | sizeHS |
+------+--------+------+--------+
| 123 | Amy | 3.9 | 1000 |
| 234 | Bob | 3.6 | 1500 |
| 345 | Craig | 3.5 | 500 |
| 456 | Doris | 3.9 | 1000 |
| 567 | Edward | 2.9 | 2000 |
| 678 | Fay | 3.8 | 200 |
| 789 | Gary | 3.4 | 800 |
| 987 | Helen | 3.7 | 800 |
| 876 | Irene | 3.9 | 400 |
| 765 | Jay | 2.9 | 1500 |
| 654 | Amy | 3.9 | 1000 |
| 543 | Craig | 3.4 | 2000 |
+------+--------+------+--------+
(向特定大学和专业提出的申请)
+------+----------+----------------+----------+
| sID | cName | major | decision |
+------+----------+----------------+----------+
| 123 | Stanford | CS | Y |
| 123 | Stanford | EE | N |
| 123 | Berkeley | CS | Y |
| 123 | Cornell | EE | Y |
| 234 | Berkeley | biology | N |
| 345 | MIT | bioengineering | Y |
| 345 | Cornell | bioengineering | N |
| 345 | Cornell | CS | Y |
| 345 | Cornell | EE | N |
| 678 | Stanford | history | Y |
| 987 | Stanford | CS | Y |
| 987 | Berkeley | CS | Y |
| 876 | Stanford | CS | N |
| 876 | MIT | biology | Y |
| 876 | MIT | marine biology | N |
| 765 | Stanford | history | Y |
| 765 | Cornell | history | N |
| 765 | Cornell | psychology | Y |
| 543 | MIT | CS | N |
+------+----------+----------------+----------+
让我们尝试找一下申请CS
专业(不论大学)的学生的GPA分数
使用子查询:
select GPA from Student where sID in (select sID from Apply where major = 'CS');
+------+
| GPA |
+------+
| 3.9 |
| 3.5 |
| 3.7 |
| 3.9 |
| 3.4 |
+------+
此结果集的平均值为:
select avg(GPA) from Student where sID in (select sID from Apply where major = 'CS');
+--------------------+
| avg(GPA) |
+--------------------+
| 3.6800000000000006 |
+--------------------+
使用加入:
select GPA from Student, Apply where Student.sID = Apply.sID and Apply.major = 'CS';
+------+
| GPA |
+------+
| 3.9 |
| 3.9 |
| 3.5 |
| 3.7 |
| 3.7 |
| 3.9 |
| 3.4 |
+------+
此结果集的平均值:
select avg(GPA) from Student, Apply where Student.sID = Apply.sID and Apply.major = 'CS';
+-------------------+
| avg(GPA) |
+-------------------+
| 3.714285714285714 |
+-------------------+
很明显,第二次尝试会在我们的用例中产生误导性结果,因为它计算平均值的重复数。
同样显而易见的是,distinct
与基于联接的语句的使用将不消除问题,因为它将错误地保留3.9
分数的三次出现中的一次。正确的情况是考虑到两(2)次3.9
分数的出现,因为我们实际上有 TWO(2)学生的分数符合我们的查询标准。
在某些情况下,除了任何性能问题外,子查询似乎是最安全的方式。
答案 8 :(得分:15)
在旧的Mambo CMS上运行一个非常大的数据库:
SELECT id, alias
FROM
mos_categories
WHERE
id IN (
SELECT
DISTINCT catid
FROM mos_content
);
0秒
SELECT
DISTINCT mos_content.catid,
mos_categories.alias
FROM
mos_content, mos_categories
WHERE
mos_content.catid = mos_categories.id;
~3秒
EXPLAIN显示他们检查完全相同的行数,但是一个需要3秒,一个接近瞬间。故事的道德启示?如果性能很重要(何时不是?),请尝试多种方式,看看哪一种最快。
和...
SELECT
DISTINCT mos_categories.id,
mos_categories.alias
FROM
mos_content, mos_categories
WHERE
mos_content.catid = mos_categories.id;
0秒
同样,结果相同,检查的行数相同。我的猜测是,DISTINCT mos_content.catid比DISTINCT mos_categories.id需要更长的时间来计算出来。
答案 9 :(得分:12)
子查询通常用于将单个行作为原子值返回,但它们可用于将值与多个行与IN关键字进行比较。它们几乎可以在SQL语句中的任何有意义的点上使用,包括目标列表,WHERE子句等。可以使用简单的子查询作为搜索条件。例如,在一对表之间:
SELECT title FROM books WHERE author_id = (SELECT id FROM authors WHERE last_name = 'Bar' AND first_name = 'Foo');
请注意,对子查询的结果使用常规值运算符要求只返回一个字段。如果您对检查一组其他值中是否存在单个值感兴趣,请使用IN:
SELECT title FROM books WHERE author_id IN (SELECT id FROM authors WHERE last_name ~ '^[A-E]');
这显然不同于LEFT-JOIN,你只想加入表A和B中的东西,即使连接条件没有在表B中找到任何匹配记录等等。
如果你只是担心速度,你必须检查你的数据库并写一个好的查询,看看性能是否有任何显着差异。
答案 10 :(得分:12)
根据我的观察,例如两个案例,如果一个表的记录少于100,000个,那么连接将很快起作用。
但是如果一个表有超过100,000条记录,那么子查询是最好的结果。
我有一个表,我在查询下面创建了500,000条记录,结果时间就像
SELECT *
FROM crv.workorder_details wd
inner join crv.workorder wr on wr.workorder_id = wd.workorder_id;
结果:13.3秒
select *
from crv.workorder_details
where workorder_id in (select workorder_id from crv.workorder)
结果:1.65秒
答案 11 :(得分:11)
MySQL版本:5.5.28-0ubuntu0.12.04.2-log
我还认为JOIN总是比MySQL中的子查询更好,但EXPLAIN是一种更好的判断方式。这是一个子查询比JOIN更好的例子。
这是我的查询,包含3个子查询:
EXPLAIN SELECT vrl.list_id,vrl.ontology_id,vrl.position,l.name AS list_name, vrlih.position AS previous_position, vrl.moved_date
FROM `vote-ranked-listory` vrl
INNER JOIN lists l ON l.list_id = vrl.list_id
INNER JOIN `vote-ranked-list-item-history` vrlih ON vrl.list_id = vrlih.list_id AND vrl.ontology_id=vrlih.ontology_id AND vrlih.type='PREVIOUS_POSITION'
INNER JOIN list_burial_state lbs ON lbs.list_id = vrl.list_id AND lbs.burial_score < 0.5
WHERE vrl.position <= 15 AND l.status='ACTIVE' AND l.is_public=1 AND vrl.ontology_id < 1000000000
AND (SELECT list_id FROM list_tag WHERE list_id=l.list_id AND tag_id=43) IS NULL
AND (SELECT list_id FROM list_tag WHERE list_id=l.list_id AND tag_id=55) IS NULL
AND (SELECT list_id FROM list_tag WHERE list_id=l.list_id AND tag_id=246403) IS NOT NULL
ORDER BY vrl.moved_date DESC LIMIT 200;
EXPLAIN显示:
+----+--------------------+----------+--------+-----------------------------------------------------+--------------+---------+-------------------------------------------------+------+--------------------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+----+--------------------+----------+--------+-----------------------------------------------------+--------------+---------+-------------------------------------------------+------+--------------------------+
| 1 | PRIMARY | vrl | index | PRIMARY | moved_date | 8 | NULL | 200 | Using where |
| 1 | PRIMARY | l | eq_ref | PRIMARY,status,ispublic,idx_lookup,is_public_status | PRIMARY | 4 | ranker.vrl.list_id | 1 | Using where |
| 1 | PRIMARY | vrlih | eq_ref | PRIMARY | PRIMARY | 9 | ranker.vrl.list_id,ranker.vrl.ontology_id,const | 1 | Using where |
| 1 | PRIMARY | lbs | eq_ref | PRIMARY,idx_list_burial_state,burial_score | PRIMARY | 4 | ranker.vrl.list_id | 1 | Using where |
| 4 | DEPENDENT SUBQUERY | list_tag | ref | list_tag_key,list_id,tag_id | list_tag_key | 9 | ranker.l.list_id,const | 1 | Using where; Using index |
| 3 | DEPENDENT SUBQUERY | list_tag | ref | list_tag_key,list_id,tag_id | list_tag_key | 9 | ranker.l.list_id,const | 1 | Using where; Using index |
| 2 | DEPENDENT SUBQUERY | list_tag | ref | list_tag_key,list_id,tag_id | list_tag_key | 9 | ranker.l.list_id,const | 1 | Using where; Using index |
+----+--------------------+----------+--------+-----------------------------------------------------+--------------+---------+-------------------------------------------------+------+--------------------------+
与JOIN相同的查询是:
EXPLAIN SELECT vrl.list_id,vrl.ontology_id,vrl.position,l.name AS list_name, vrlih.position AS previous_position, vrl.moved_date
FROM `vote-ranked-listory` vrl
INNER JOIN lists l ON l.list_id = vrl.list_id
INNER JOIN `vote-ranked-list-item-history` vrlih ON vrl.list_id = vrlih.list_id AND vrl.ontology_id=vrlih.ontology_id AND vrlih.type='PREVIOUS_POSITION'
INNER JOIN list_burial_state lbs ON lbs.list_id = vrl.list_id AND lbs.burial_score < 0.5
LEFT JOIN list_tag lt1 ON lt1.list_id = vrl.list_id AND lt1.tag_id = 43
LEFT JOIN list_tag lt2 ON lt2.list_id = vrl.list_id AND lt2.tag_id = 55
INNER JOIN list_tag lt3 ON lt3.list_id = vrl.list_id AND lt3.tag_id = 246403
WHERE vrl.position <= 15 AND l.status='ACTIVE' AND l.is_public=1 AND vrl.ontology_id < 1000000000
AND lt1.list_id IS NULL AND lt2.tag_id IS NULL
ORDER BY vrl.moved_date DESC LIMIT 200;
,输出为:
+----+-------------+-------+--------+-----------------------------------------------------+--------------+---------+---------------------------------------------+------+----------------------------------------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+----+-------------+-------+--------+-----------------------------------------------------+--------------+---------+---------------------------------------------+------+----------------------------------------------+
| 1 | SIMPLE | lt3 | ref | list_tag_key,list_id,tag_id | tag_id | 5 | const | 2386 | Using where; Using temporary; Using filesort |
| 1 | SIMPLE | l | eq_ref | PRIMARY,status,ispublic,idx_lookup,is_public_status | PRIMARY | 4 | ranker.lt3.list_id | 1 | Using where |
| 1 | SIMPLE | vrlih | ref | PRIMARY | PRIMARY | 4 | ranker.lt3.list_id | 103 | Using where |
| 1 | SIMPLE | vrl | ref | PRIMARY | PRIMARY | 8 | ranker.lt3.list_id,ranker.vrlih.ontology_id | 65 | Using where |
| 1 | SIMPLE | lt1 | ref | list_tag_key,list_id,tag_id | list_tag_key | 9 | ranker.lt3.list_id,const | 1 | Using where; Using index; Not exists |
| 1 | SIMPLE | lbs | eq_ref | PRIMARY,idx_list_burial_state,burial_score | PRIMARY | 4 | ranker.vrl.list_id | 1 | Using where |
| 1 | SIMPLE | lt2 | ref | list_tag_key,list_id,tag_id | list_tag_key | 9 | ranker.lt3.list_id,const | 1 | Using where; Using index |
+----+-------------+-------+--------+-----------------------------------------------------+--------------+---------+---------------------------------------------+------+----------------------------------------------+
rows
列的比较告诉我们差异,而JOIN的查询使用的是Using temporary; Using filesort
。
当然,当我同时运行两个查询时,第一个查询在0.02秒内完成,第二个查询在1分钟后仍未完成,因此EXPLAIN正确解释了这些查询。
如果我在list_tag
表上没有INNER JOIN,即如果我删除
AND (SELECT list_id FROM list_tag WHERE list_id=l.list_id AND tag_id=246403) IS NOT NULL
从第一个查询开始,相应地:
INNER JOIN list_tag lt3 ON lt3.list_id = vrl.list_id AND lt3.tag_id = 246403
从第二个查询,然后EXPLAIN为两个查询返回相同的行数,这两个查询运行速度相同。
答案 12 :(得分:11)
子查询能够快速计算聚合函数。 例如。找到这本书的最低价格,并获得以这个价格出售的所有书籍。 1)使用子查询:
SELECT titles, price
FROM Books, Orders
WHERE price =
(SELECT MIN(price)
FROM Orders) AND (Books.ID=Orders.ID);
2)使用JOIN
SELECT MIN(price)
FROM Orders;
-----------------
2.99
SELECT titles, price
FROM Books b
INNER JOIN Orders o
ON b.ID = o.ID
WHERE o.price = 2.99;
答案 13 :(得分:6)
有人说“某些RDBMS可以将子查询重写为 join 或 join 到子查询当它认为一个比另一个要快时。”,但此语句适用于简单情况,当然不适用于带有 subqueries 的复杂查询,而这些查询实际上会导致性能问题。
答案 14 :(得分:3)
仅当第二个连接表的数据明显多于主表时才会出现差异。我有过如下经历......
我们有一个十万条目的用户表和他们的会员数据(友谊)大约有三十万条目。这是一个加入声明,以便接收朋友和他们的数据,但有很大的延迟。但是在成员资格表中只有少量数据的情况下工作正常。一旦我们将其更改为使用子查询,它就可以正常工作。
但同时,连接查询正在使用条目少于主表的其他表。
所以我认为连接和子查询语句工作正常,它取决于数据和情况。
答案 15 :(得分:2)
现在,许多dbs可以优化子查询和连接。因此,您只需使用解释检查您的查询,并查看哪一个更快。如果性能没有太大差异,我更喜欢使用子查询,因为它们简单易懂。
答案 16 :(得分:0)
我只是在考虑相同的问题,但是我在FROM部分使用了子查询。 我需要从大表进行连接和查询,“从”表有2800万条记录,但结果只有128个,所以小结果大数据!我在上面使用MAX()函数。
首先我正在使用LEFT JOIN,因为我认为这是正确的方法,mysql可以优化等。 第二次只是为了测试,我重写了针对JOIN的子选择。
LEFT JOIN运行时:1.12s SUB-SELECT运行时:0.06秒
子选择比联接快18倍!就在副词adv。子选择看起来很糟糕,但是结果...
答案 17 :(得分:0)
这取决于几个因素,包括您正在运行的特定查询,数据库中的数据量。子查询首先运行内部查询,然后再从结果集中过滤出实际结果。而join则一并运行并产生结果。
最好的策略是,您应该同时测试联接解决方案和子查询解决方案,以获得优化的解决方案。
答案 18 :(得分:-1)
如果您想使用join加快查询速度:
对于“内部加入/加入”, 不要使用where条件,而要在“ ON”条件下使用它。 例如:
select id,name from table1 a
join table2 b on a.name=b.name
where id='123'
Try,
select id,name from table1 a
join table2 b on a.name=b.name and a.id='123'
对于“左/右加入”, 不要在“ ON”条件下使用,因为如果使用左/右联接,它将获得任何一张表的所有行。因此,请勿在“ On”中使用它。因此,尝试使用“在哪里”条件