MySQL in、exists是否走索引

Gan_1314

已于 2022-06-22 17:19:15 修改

阅读量3.4k

点赞数 2

分类专栏： MySQL 文章标签：数据库 sql

于 2022-06-22 16:03:03 首次发布

本文链接：https://blog.csdn.net/Gan_1314/article/details/125386128

版权

MySQL 专栏收录该内容

33 篇文章 6 订阅

订阅专栏

最近，有一个业务需求，给我一份数据 A ，把它在数据库 B 中存在，而又比 A 多出的部分算出来。由于数据比较杂乱，我这里简化模型。

然后就会发现，我去，这不就是 not in ，not exists 嘛。

那么问题来了，in, not in , exists , not exists 它们有什么区别，效率如何？

曾经从网上听说，in 和 exists 不会走索引，那么事实真的是这样吗？

带着疑问，我们研究下去。

注意：在说这个问题时，不说明 MySQL 版本的都是耍流氓，我这里用的是 8.0.12

用法讲解
为了方便，我们创建两张表 t1 和 t2 。并分别加入一些数据。（id为主键，name为普通索引）

-- t1
DROP TABLE IF EXISTS `t1`;
CREATE TABLE `t1` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `name` varchar(255) DEFAULT NULL,
  `address` varchar(255) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `idx_t1_name` (`name`(191)) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=1009 DEFAULT CHARSET=utf8mb4;

INSERT INTO `t1` VALUES ('1001', '张三', '北京'), ('1002', '李四', '天津'), ('1003', '王五', '北京'), ('1004', '赵六', '河北'), ('1005', '杰克', '河南'), ('1006', '汤姆', '河南'), ('1007', '贝尔', '上海'), ('1008', '孙琪', '北京');

-- t2
DROP TABLE IF EXISTS `t2`;
CREATE TABLE `t2`  (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `name` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL,
  `address` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL,
  PRIMARY KEY (`id`) USING BTREE,
  INDEX `idx_t2_name`(`name`(191)) USING BTREE
) ENGINE = InnoDB AUTO_INCREMENT = 1014 CHARACTER SET = utf8mb4 COLLATE = utf8mb4_general_ci ROW_FORMAT = Dynamic;

INSERT INTO `t2` VALUES (1001, '张三', '北京'),(1004, '赵六', '河北'),(1005, '杰克', '河南'),(1007, '贝尔', '上海'),(1008, '孙琪', '北京'),(1009, '曹操', '魏国'),(1010, '刘备', '蜀国'),(1011, '孙权', '吴国'),(1012, '诸葛亮', '蜀国'),(1013, '典韦', '魏国');

在这里插入图片描述

那么，对于当前的问题，就很简单了，用 not in 或者 not exists 都可以把 t1 表中比 t2 表多出的那部分数据给挑出来。（当然，t2 比 t1 多出来的那部分不算）

这里假设用 name 来匹配数据。

select * from t1 where name not in (select name from t2);
或者用
select * from t1 where not exists (select name from t2 where t1.name=t2.name);

在这里插入图片描述

但是，需要注意的是，not in 和 not exists 还是有不同点的。

在使用 not in 的时候，需要保证子查询的匹配字段是非空的。如，此表 t2 中的 name 需要有非空限制。如若不然，就会导致 not in 返回的整个结果集为空。

例如，我在 t2 表中加入一条 name 为空的数据。

INSERT INTO `t2` VALUES (1014, NULL, '齐国');

则此时，not in 结果就会返回空。

在这里插入图片描述

另外需要明白的是， exists 返回的结果是一个 boolean 值 true 或者 false ，而不是某个结果集。因为它不关心返回的具体数据是什么，只是外层查询需要拿这个布尔值做判断。

区别是，用 exists 时，若子查询查到了数据，则返回真。用 not exists 时，若子查询没有查到数据，则返回真。

由于 exists 子查询不关心具体返回的数据是什么。因此，以上的语句完全可以修改为如下，

-- 子查询中 name 可以修改为其他任意的字段，如此处改为 1 。
select * from t1 where not exists (select 1 from t2 where t1.name=t2.name);

从执行效率来说，1 > column > * 。因此推荐用 select 1。（准确的说应该是常量值）

in, exists 执行流程

1、对于 in 查询来说，会先执行子查询，如上边的 t2 表，然后把查询得到的结果和外表 t1 做笛卡尔积，再通过条件进行筛选（这里的条件就是指 name 是否相等），把每个符合条件的数据都加入到结果集中。

sql 如下，

select * from t1 where name in (select name from t2);

伪代码如下：

for(x in A){
    for(y in B){
        if(condition is true) {result.add();}
    }
}

这里的 condition 其实就是对比两张表中的 name 是否相同。

2、对于 exists 来说，是先查询遍历外表 t1 ，然后每次遍历时，再检查在内表是否符合匹配条件，即检查是否存在 name 相等的数据。

sql 如下，

select * from t1 where name exists (select 1 from t2);

伪代码如下：

for(x in A){
    if(exists condition is true){result.add();}
}

对应于此例，就是从 id 为 1001 开始遍历 t1 表，然后遍历时检查 t2 中是否有相等的 name 。

如 id=1001时，张三存在于 t2 表中，则返回 true，把 t1 中张三的这条记录加入到结果集，继续下次循环。 id=1002 时，李四不在 t2 表中，则返回 false，不做任何操作，继续下次循环。直到遍历完整个 t1 表。

是否走索引？

针对网上说的 in 和 exists 不走索引，那么究竟是否如此呢？

我们在 MySQL 8.0.12 中验证一下。（注意版本号哦）

单表查询

首先，验证单表的最简单的情况。我们就以 t1 表为例，id为主键， name 为普通索引。

分别执行以下语句，

explain select * from t1 where id in (1001,1002,1003,1004);
explain select * from t1 where id in (1001,1002,1003,1004,1005,1006,1007,1008,1009);
explain select * from t1 where name in ('张三','李四');
explain select * from t1 where name in ('张三','李四','王五');

在这里插入图片描述

会惊奇的发现，当 id 都是存在的值时，还走主键索引。而当 id 有不存在值时，就不走索引了。

再看 name 的情况，
在这里插入图片描述

name不管是不是存在的值都走了索引。再试试都不存在的值

还是走了索引。

多表涉及子查询

我们主要是去看当前的这个例子中的两表查询时， in 和 exists 是否走索引。

一、分别执行以下语句，主键索引（id）和普通索引（name），在 in , not in 下是否走索引。

explain select * from t1 where id in (select id from t2); --1
explain select * from t1 where name in (select name from t2); --2
explain select * from t1 where id not in (select id from t2); --3
explain select * from t1 where name not in (select name from t2); --4

结果截图如下
1、t1没走索引，t2走了索引
在这里插入图片描述
2、t1没走索引，t2走了索引

3、t1没走索引，t2走了索引

4、t1、t2都没走索引

二、接下来测试，主键索引和普通索引在 exists 和 not exists 下的情况。sql如下，

explain select * from t1 where exists (select 1 from t2 where t1.id=t2.id);
explain select * from t1 where exists (select 1 from t2 where t1.name=t2.name);
explain select * from t1 where not exists (select 1 from t2 where t1.id=t2.id);
explain select * from t1 where not exists (select 1 from t2 where t1.name=t2.name);

在这里插入图片描述

有没有发现， t1 表哪种情况都不会走索引，而 t2 表是有索引的情况下就会走索引。为什么会出现这种情况？

其实，上一小节说到了 exists 的执行流程，就已经说明问题了。

它是以外层表为驱动表，无论如何都会循环遍历的，所以会全表扫描。而内层表通过走索引，可以快速判断当前记录是否匹配。

效率如何？

针对网上说的 exists 一定比 in 的执行效率高，我们做一个测试。

分别在 t1，t2 中插入 100W，200W 条数据。

我这里，用的是自定义函数来循环插入，语句参考如下，（没有把表名抽离成变量，因为我没有找到方法，尴尬）

//创建表t1插入测试数据function
CREATE DEFINER=`root`@`localhost` FUNCTION `insert_datas1`(`in_start` int(11),`in_len` int(11)) 
	RETURNS int(11)
BEGIN
	declare cur_len int(11) default 0;
  declare cur_id int(11);
  set cur_id = in_start;
    
  while cur_len < in_len do
     insert into t1 values(cur_id,cur_id,'北京');
  set cur_len = cur_len + 1;
  set cur_id = cur_id + 1;
  end while; 
  return cur_len;
END

运行insert_datas1

select insert_datas1(1,1000000);

在这里插入图片描述

//创建表t1插入测试数据function
CREATE DEFINER=`root`@`localhost` FUNCTION `insert_datas2`(`in_start` int(11),`in_len` int(11)) RETURNS int(11)
BEGIN
	declare cur_len int(11) default 0;
  declare cur_id int(11);
  set cur_id = in_start;
    
  while cur_len < in_len do
     insert into t2 values(cur_id,cur_id,'北京');
  set cur_len = cur_len + 1;
  set cur_id = cur_id + 1;
  end while; 
  return cur_len;
END

运行insert_datas2

select insert_datas2(700000,2000000);

在这里插入图片描述

in 和 exists 孰快孰慢

select * from t1 where id in (select id from t2);
select * from t1 where exists (select 1 from t2 where t1.id=t2.id);

在这里插入图片描述

明显使用in更快一些，也许是8.*的版本相比5.6.*版本做了优化吧

同样的，都是t1没使用索引，t2使用了索引

注意此时，t1 表数据量为 100W， t2 表数据量为 200W 。

按照网上对 in 和 exists 区别的通俗说法
如果查询的两个表大小相当，那么用in和exists差别不大；如果两个表中一个较小一个较大，则子查询表大的用exists，子查询表小的用in；
对应于此处就是：
1、当 t1 为小表， t2 为大表时，应该用 exists ，这样效率高。
2、当 t1 为大表，t2 为小表时，应该用 in，这样效率较高。
而我用实际数据测试，就把第一种说法给推翻了。因为很明显，t1 是小表，但是 in 比 exists 的执行速度还快。

为了继续测验它这个观点，我把两个表的内表外表关系调换一下，让 t2 大表作为外表，来对比查询

在这里插入图片描述

居然用到了idx_t1_name索引

在这里插入图片描述

可以发现让 t2 大表作为外表，in和exists的时间都增加了，exists增加的更多，看来还是不要大表做外表进行exists查询了（性能太差了）

对于 in 来说，大表小表调换了内外层关系，执行时间并无太大区别。一个是 0.897s，一个是 1.202s。
对于 exists 来说，大小表调换了内外层关系，执行时间天壤之别，一个是 2.67s ，一个是 7.863s。慢了一倍多

一、以查询优化器维度对比。

为了探究这个结果的原因。我去查看它们分别在查询优化器中优化后的 sql 。

以 select * from t1 where id in (select id from t2); 为例，顺序执行以下两个语句。

-- 此为 8.0.12 写法，如果是 5.6版本，需要用 explain extended ...
explain select * from t1 where id in (select id from t2);
-- 本意为显示警告信息。但是和 explain 一块儿使用，就会显示出优化后的sql。需要注意使用顺序。
show warnings;

在命令行依次执行上两条SQL：
在这里插入图片描述

//优化后的SQL语句
SELECT t1.id, t1.NAME, t1.address FROM t2 JOIN t1 WHERE t2.id = t1.id

在这里插入图片描述

可以发现，这里它把 in 转换为了 join 来执行。
这里没有用 on，而用了 where，是因为当只有 join 时，后边的 on 可以用 where 来代替。即 join on 等价于 join where 。
这里我们也可以发现，select * 最终会被转化为具体的字段，知道为什么我们不建议用 select * 了吧。尽量指定具体查询哪些字段

同样的，以 t2 大表为外表的查询情况，也查看优化后的语句。

explain select * from t2 where id in (select id from t1);
show warnings;

在这里插入图片描述

得到优化后的SQL，我们会发现，它也会转化为 join 的。

SELECT t2.id,t2.name,t2.address FROM t1 JOIN t2 WHERE t2.id=t1.id

在这里插入图片描述

这里不再贴 exists 的转化 sql ，其实它没有什么大的变化。

还是贴一下吧，O(∩_∩)O哈哈~

在这里插入图片描述

只是将*改成了具体的字段而已

二、以执行计划维度对比。

我们再以执行计划维度来对比他们的区别。

explain select * from t1 where id in (select id from t2);
explain select * from t2 where id in (select id from t1);
explain select * from t1 where exists (select 1 from t2 where t1.id=t2.id);
explain select * from t2 where exists (select 1 from t1 where t1.id=t2.id);

在这里插入图片描述

可以发现，对于 in 来说，大表 t2 做外表还是内表，都会走索引的，小表 t1 做内表时也会走索引。看它们的 rows 一列也可以看出来，前两张图结果一样。

对于 exists 来说，当小表 t1 做外表时，t1 全表扫描，rows 近 100W；当大表 t2 做外表时， t2 全表扫描，rows 近 200W 。这也是为什么 t2 做外表时，执行效率非常低的原因。

因为对于 exists 来说，外表总会执行全表扫描的，当然表数据越少越好了。

最终结论： 外层大表内层小表，用in。外层小表内层大表，in和exists效率差不多（甚至 in 比 exists 还快，而并不是网上说的 exists 比 in 效率高）。

not in 和 not exists 孰快孰慢
此外，实测对比 not in 和 not exists 。

explain select * from t1 where id not in (select id from t2);
explain select * from t1 where not exists (select 1 from t2 where t1.id=t2.id);
explain select * from t1 where name not in (select name from t2);
explain select * from t1 where not exists (select 1 from t2 where t1.name=t2.name);

explain select * from t2 where id not in (select id from t1);
explain select * from t2 where not exists (select 1 from t1 where t1.id=t2.id);
explain select * from t2 where name not in (select name from t1);
explain select * from t2 where not exists (select 1 from t1 where t1.name=t2.name);

小表t1做外表
在这里插入图片描述

大表t2做外表

小表做外表的情况下：对于主键来说， not exists 和 not in 差不多。对于普通索引来说， not in 比 not exists 快近1倍。

大表做外表的情况下：对于主键来说， not in 比 not exists 快一倍多。对于普通索引来说， not in 比 not exists 快近3倍。

以上边的两个维度（查询优化器和执行计划）分别来对比一下。
1、小表做外表
在这里插入图片描述

2、大表做外表

join 的嵌套循环 (Nested-Loop Join)

为了理解为什么这里的 in 会转换为 join ，我感觉有必要了解一下 join 的三种嵌套循环连接。

1、简单嵌套循环连接，Simple Nested-Loop Join ，简称 SNLJ

join 即是 inner join ，内连接，它是一个笛卡尔积，即利用双层循环遍历两张表。
我们知道，一般在 sql 中都会以小表作为驱动表。所以，对于 A，B 两张表，若A的结果集较少，则把它放在外层循环，作为驱动表。自然，B 就在内层循环，作为被驱动表。
简单嵌套循环，就是最简单的一种情况，没有做任何优化。
因此，复杂度也是最高的，O(mn)。

伪代码如下，

for(id1 in A){
    for(id2 in B){
        if(id1==id2){
            result.add();
        }
    }
}

2、索引嵌套循环连接，Index Nested-Loop Join ，简称 INLJ

看名字也能看出来了，这是通过索引进行匹配的。外层表直接和内层表的索引进行匹配，这样就不需要遍历整个内层表了。利用索引，减少了外层表和内层表的匹配次数。
所以，此种情况要求内层表的列要有索引。

伪代码如下，

for(id1 in A){
    if(id1 matched B.id){
        result.add();
    }
}

3、块索引嵌套连接，Block Nested-Loop Join ，简称 BNLJ

块索引嵌套连接，是通过缓存外层表的数据到 join buffer 中，然后 buffer 中的数据批量和内层表数据进行匹配，从而减少内层循环的次数。
以外层循环100次为例，正常情况下需要在内层循环读取外层数据100次。如果以每10条数据存入缓存buffer中，并传递给内层循环，则内层循环只需要读取10次(100/10)就可以了。这样就降低了内层循环的读取次数。

MySQL 官方文档也有相关说明，可以参考：https://dev.mysql.com/doc/refman/5.7/en/nested-loop-joins.html#block-nested-loop-join-algorithm

所以，这里转化为 join，可以用到索引嵌套循环连接，从而提高了执行效率。

原文：https://www.jianshu.com/p/2575f220e2cd。
原文以MySQL5.7.18进行的测试，本文则以MySQL8.0.12进行的测试

Gan_1314

关注

2
点赞
踩
10

收藏

觉得还不错? 一键收藏
3
评论
MySQL in、exists是否走索引

最近，有一个业务需求，给我一份数据 A ，把它在数据库 B 中存在，而又比 A 多出的部分算出来。由于数据比较杂乱，我这里简化模型。然后就会发现，我去，这不就是 not in ，not exists 嘛。那么问题来了，in, not in , exists , not exists 它们有什么区别，效率如何？曾经从网上听说，in 和 exists 不会走索引，那么事实真的是这样吗？带着疑问，我们研究下去。............
复制链接

扫一扫