Sql 不存在vs不在

我正在优化一些SQL查询（这可能是我最近发布的一个问题的第2部分），并将一些NOT IN替换为NOT EXISTS谓词

我认为这样做的主要好处是，使用notexists，您可以得到这样的好处：当找到单个匹配项时，语句将终止，但如果不使用counting子查询，则必须执行完整的表扫描，这是对的吗

如果所选数据包含空值，则NOT IN似乎还需要额外的工作，这是否正确

在我在proc中实现它们之前，我需要确保在这两种情况下，第二个语句比第一个语句（以及功能上等效的语句）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
        )

---

Cheers

不存在

运行查询，对行进行计数，如果计数=0，则返回

true

notin

运行查询，对结果进行迭代，将给定值与结果进行比较，如果不匹配，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哪些列/值到子查询中，因为这可能会导致子查询运行N次（外部结果集中的每行一次）

---

还有另一种方法：使用

外部连接将表A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（不适用于多个表联接链）
 你是对的，空值有很大的不同。
notin
查询检查每个元素是否完全不匹配。与null进行比较不会产生最终结果。因此，如果子查询包含null，则不会将其视为“
不在”
”中


这种行为的非直观的副作用是，
不在
实际上不是

中的

的对立面

不存在
查询不存在此问题

对于哪一种性能更好，我会犹豫是否做任何笼统的陈述，因为这通常取决于发生了什么样的优化。这就是为什么如果你关心绩效，那么找出执行计划是很重要的。
正如你正确地说的，这两者是不同的。如果

中不为

的项的子查询包含
NULL
则不会返回任何结果，因为没有任何项等于
NULL
，也没有任何项不等于
NULL
（甚至不等于NULL）

假设您使用这两种方法获得相同的结果，那么只要您在
in
语句中处理
NULL
值，这两种方法之间就没有区别。优化器非常聪明，知道如果消除了
NULL
值，或者使用不可为NULL的列，这两个列是相同的，所以使用相同的
反半联接

考虑以下两个表：

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

这两个查询得到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);

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);

因为优化程序知道T2.ID是不可为空的列。第三张表：

CREATE TABLE T3 (ID INT);

如果ID列既没有索引也不可为空，则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);

而不存在将更有效率。然而，这两种方法（本质上）再次产生相同的执行计划：

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);

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已打开

编辑

要真正回答您的问题：

如果
跟踪的会话id
在
数据中是不可为空的列，则案例1的性能将与
不在
或
不存在的情况相同。转换
，或者在IN语句中添加
跟踪的会话id不为空的
。如果列不可为null，并且不排除null值，则性能将不相同，并且假设不存在null
不存在
将执行得更好，如果不存在null，则结果将不相同，因此性能不具有可比性

案例2的示例数据实际上让我很惊讶，我假设这不会优化为
反半联接
，并且已经写了一个答案，说了这么多，但就在保存编辑之前，我认为我最好检查一下，并惊讶地看到：

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

与
不存在时的优化完全相同
。因此，乐观主义者似乎比我想象的更聪明，如果你希望计数不是0，它只会生成一个不同的计划

执行计划是否会告诉您是否不在执行表扫描？我个人会看一下计划中关于性能/IO统计信息的内容，而不是其他内容。不幸的是，我无法（轻松地）对数据源运行这些存储过程，以获得一个以Oracle 10g IN/开始的查询计划，而不是显式转换为EXISTS/NOT。“不存在”与“不存在”一样有效。但是，如果子查询可能返回空值，则不要使用not IN。not IN的可能重复项不太明显，因为
not EXISTS
可以在找到单个匹配项时立即终止，同样，
not IN
可以优化为执行
左反半联接，该联接也会在找到第一个匹配项时终止，并且可以使用索引
不存在
和
不在
都优化为使用
左反半联接
。这是非常错误的。正如@ChrisChilvers所说，它们都作为左反半联接运行。区别在于空值的大小handled@ChrisChilvers很想知道。你能提供一些参考吗？这就是我的想法（行计数vs迭代），不是吗？如果你要求@ChrisChilvers，请看一下执行计划。在mssql 2005中，由于许多人在IF语句中使用该语法，他们增加了对
count（*）=0
和
count（*）>0
的优化。虽然存在是更好的选择，因为技术上是正确的。