研究 “B表里的数据是否全部都在A表里“ 的问题

Posted 2023-03-05 石头wang

背景

研究 “B表里的数据是否全部都在A表里” 的问题，那种写法比较合理效率高？

假设有A表和B表，B表通过自身外键和A表关联，查出B表中的外键值不在A中的。

过程

假设我们有t_master和t_pet表，即主人和宠物表，t_pet通过master_id跟t_master的id关联。假设不做数据库层面的外键约束，则有可能出现一种情况：t_pet中某些数据找不到对应的t_master记录。

建表语句如下(实验的数据库是pgsql）

create table t_master(
id serial,
name varchar(32),
constraint t_master_pk primary key(id)
);


create table t_pet(
id serial,
master_id int4,
name varchar(32),
constraint t_pet_pk primary key(id)
);


insert into t_master(name) values('Stone');
insert into t_pet(master_id,name) values(1,'Tom');
insert into t_pet(master_id,name) values(2,'Jerry');
insert into t_pet(master_id,name) values(null,'Peppa');

1、写法1

我们一般会写如下的语句，但是我觉得这种语句的效率不高

select * from t_pet where master_id not in (select id from t_master);

这种是通过子查询的方式，子查询应该是需要中间在内存中缓存中间结果，我觉得这种执行效率不高，而且一般in和not in都不建议里面的元素太多，阿里巴巴的开发文档好像建议是不超过3000个。

这个请自行查看执行计划研究下，由于笔者用pg，不太方便去查看执行计划，就请读者自行对比其执行计划和第二种写法的执行计划。

2、写法2

select * from t_pet a 
where not exists (select 1 from t_master b where b.id=a.master_id);

利用not exists来实现。这种我认为效率是比方法1高非常多的。

3、补充

补充上述两种写法的差别，不仅仅是方法2的效率更高，而且两者的执行逻辑是有区别的，有时候甚至是个大坑。
方法一执行的结果是：

有点奇怪的是null的那条记录有点意外地不在预期里头，而方法2更加符合我们的预期