Question

假设我们在一些未指定的关系SQL数据库中有4个表A，B，C，D。参考文献B，也是C和D.引用意味着A具有列A.refX_id = X.id，X是A，B和C（公共外键1：N）。

我想要的是根据所有子表B，C和D中的列来查询表A.我的问题是：以下哪些变体通常更好？（在术语中可用性，效率，速度。）

变式1：

SELECT DISTINCT A.* FROM A
   JOIN B ON A.refB_id = B.id
   JOIN C ON A.refC_id = C.id
   JOIN D ON A.refD_id = D.id
   WHERE <condition on B> AND <condition on C> AND <condition on D>;

我更喜欢从数据库的角度来看，但看起来有点难以编程。

变式2：

SELECT id FROM B WHERE <condition on B>; # result store to array "BIds" on program side
SELECT id FROM C WHERE <condition on C>; # result store to array "CIds" on program side
SELECT id FROM D WHERE <condition on D>; # result store to array "DIds" on program side

SELECT A.* FROM A
   WHERE refB_id IN (<B_ids>) AND refC_id IN (<C_ids>) AND refD_id IN (<D_ids>);

# <B_ids> menas expand whole array of ids, which can result in a very long query string

我认为 Variant 2 完全是黑白的，无法使用潜在的大数据。但我听说，很多框架通常都会使用它，因为它相对简单。如果我知道“IN”子句的内容取自另一个查询的结果，那么在一般情况下查询这样的数据是否合法？

Answer 1

不确定哪个框架使用第二种方法，但第一种方法是我将要去的，而且其他人都会。如果您在所有表的连接列上创建了正确的索引，那么第一种方法将产生比第二种更好的计划，因为您有多个IN子句，如果每个IN必须处理数百万元素???。

另外，我会将INNER JOIN更改为LEFT JOIN，假设并非所有ID都匹配，并将WHERE条件移至JOIN ON条件，如

SELECT DISTINCT A.* FROM A
   LEFT JOIN B ON A.refB_id = B.id AND <condition on B>
   LEFT JOIN C ON A.refC_id = C.id AND <condition on C>
   LEFT JOIN D ON A.refD_id = D.id AND <condition on D>;

Answer 2

我建议您使用IN或EXISTS：

SELECT A.*
FROM A
WHERE EXISTS (SELECT 1 FROM B WHERE A.refB_id = B.id AND <condition on B>) AND
      EXISTS (SELECT 1 FROM C WHERE A.refC_id = C.id AND <condition on C>) AND
      EXISTS (SELECT 1 FROM D WHERE A.refD_id = D.id AND <condition on D>);

这种方法的优点：

没有获得大型中间笛卡尔产品的危险。
无需消除SELECT DISTINCT的重复项。
大多数数据库都很好地处理EXISTS。
您可以使用索引优化每个子查询。

编辑：

您可以使用IN和子查询来编写此代码：

SELECT A.*
FROM A
WHERE A.refB_id IN (SELECT B.id FROM B WHERE <condition on B>) AND
      A.refC_id IN (SELECT C.id FROM C WHERE <condition on C>) AND
      A.refD_id IN (SELECT D.id FROM D WHERE <condition on D>);

SELECT ... WHERE IN vs JOIN

2 个答案: