SQL Server“＆lt;＆gt;”与具有几百万行的表上的“=”相比，运算符非常慢

Question

我有两张桌子。表单有~77000行。日志有大约270万行。

以下查询在不到一秒的时间内返回“30198”：

SELECT COUNT(DISTINCT logs.DOCID) FROM logs, forms WHERE logs.DOCID = forms.DOCID;

到目前为止，此查询已运行约15分钟，但仍未完成：

SELECT COUNT(DISTINCT logs.DOCID) FROM logs, forms WHERE logs.DOCID <> forms.DOCID;

为什么“不相等”的查询如此要慢得多？

Answer 1

因为=将连接操作减少到每个表中的一个匹配行（假设这些docid是唯一的）。

以这种方式思考 - 你和5个男孩和5个女孩一起跳舞：

Adam      Alice
Bob       Betty
Charly    Cathy
Dick      Deb
Evan      Elly

你用第一个字母将它们配对。所以

Adam->Alice
Bob->Betty
etc...

一次配对

但如果按“首字母不匹配”将它们配对，最终会得到：

Adam->Betty
Adam->Cathy
Adam->Deb
Adam->Elly
Bob->Alice
etc...

你已经大量增加了配对次数。这就是您的<>查询花费这么长时间的原因。您实际上是在尝试获取m x n行，而不仅仅是min(m,n)。使用这些数据，最终会得到25行，而不是5行。对于指定的表格大小，您使用的是77,000 * 2,700,000 = 207.9亿行，减去77,000，其中两个ID匹配，总共207,899,923,000行已连接的数据集。

---

根据您的查询要求，尝试左连接并查找空的右侧记录：

SELECT DISTINCT logs.DOCID
FROM logs
LEFT JOIN forms ON logs.DOCID = forms.DOCID
WHERE forms.DOCID IS NULL

Answer 2

有两个原因：

• 查询等价通常可以使用索引（如果可用），而查询非对等则不能

• <>会返回更多数据。

您对<>的查询是假的。它应该返回什么？

Answer 3

这完全取决于表中值的分布。例如，如果要搜索的列对99.99％的行具有相同的值(= forms.DOCID)，而只有一行具有不同的值，则会看到完全相反的行为。