关于T-SQL中exists或者not exists子查询的“伪优化”的做法

Posted 2020-09-16 专注，勤学，慎思。戒骄戒躁，谦虚谨慎

 

问题起源

在使用t-sql中的exists（或者not exists）子查询的时候，不知道什么时候开始，发现一小部分人存在一种“伪优化”的一些做法，
并且向不明真相的群众传递这一种写法“优越性”，实在看不下去，
无法传递给他人正确的指导思想无可厚非，给他人传递错误的思想或者说误导人倒是一种罪恶。
本来这个事情是不值得一提的，看到越来越多被误导的群众开始推崇这种做法（甚至开始坚信了），实在是看不习惯，不吐不快。
典型的问题如下
select * from TableA a
where exists
(select 1 from TableB b where a.Id = b.Id )，当然这里子查询里写成select * 也无所谓。
这个要表达的逻辑就是说B表中存在与A表相同的Id的数据，就成立，这是要表达的逻辑。
参考如下写法，有人偏偏在在exists子查询中加上top 1 1，问其原因，为什么提高性能？理由就是加了top 1 1，只要在TableB中存在一条满足条件的条件即可，同时不用返回所有的行和列，因此可以提高性能。
select * from TableA a
where exists
(select top 1 1 from TableB b where a.Id = b.Id )
与直接写select 1 from TableB where a.Id =b.Id相比，真的可以提高性能吗？

 

　　exists（或者not exists）子查询的实现是一种半连接的“探测”逻辑机制（Semi Join），意思就是只要存在（而不关心具体有多少条）符合条件的数据即可，当然是不会再B表中找到所有的数据行（或者列）之后再返回。
　　但是exists（或者not exists）具体在执行的时候，到底走不走Semi Join不一定，跟具体的执行计划有关，本文暂不讨论走不走Semi Join的问题，只讨论子查询中select top 1 1 的写法到底影不影响效率。

 

测试验证

就以AdventureWorks2012示例库的两个表做demo，看看两者的执行计划和IO信息，会发现子查询中加不加 top  1，执行计划一样，IO一样，扯什么性能……

　　exists（或者not exists）的半连接的逻辑机制（Semi Join）决定了，你写不写top 1，它都是找到一个符合条件的数据之后就返回外层查询，
　　甚至在子查询中写select * from TableName，如果走Semi Join的执行方式，他照样是探测到有一条存在的数据之后就返回，肯定不会把所有的行都给找出来再返回，
　　以下截图可以看到，即便子查询是select * ，IO信息也是一样的（当然执行计划也一样）。
　　在当前这种情况下，可以认为exists子查询中的*，也是不会影响效率什么的。

　　甚至是可以在子查询中select一个常量，也不会影响到效率或者说改变执行计划。

　　

 

总结

　　这个问题比较简答，当然这个场景也仅限于sqlserver中的exists或者not exists子查询，对于别的数据库也不确定是不是优化器内部会自动优化。
　　当前这种场景下，对于sqlserver来说，不要费尽心思去刻意用select top 1 1去“优化”了。