使用 INNER JOIN 或 EXISTS 在 m2m 关系中查找属于多个是不是更好？

Posted 2023-02-24

【中文标题】使用 INNER JOIN 或 EXISTS 在 m2m 关系中查找属于多个是不是更好？

【英文标题】：Is it better to use INNER JOIN or EXISTS to find belonging to several in m2m relation?使用 INNER JOIN 或 EXISTS 在 m2m 关系中查找属于多个是否更好？

【发布时间】：2012-10-15 08:27:25

【问题描述】：

给定 m2m 关系：items-categories 我有三个表：

项目

，

类别

和

items_categories

包含对两者的引用

我想找到属于所有给定类别集的项目：

Find Item 
belonging to a category in [1,3,6] 
and belonging to a category in [7,8,4] 
and belonging to a category in [12,66,42]
and ...

我可以想到两种在 mysql 中完成此任务的方法。

选项 A：内部联接：

SELECT id from items 
INNER JOIN category c1 ON (item.id = c1.item_id)
INNER JOIN category c2 ON (item.id = c2.item_id)
INNER JOIN category c3 ON (item.id = c3.item_id)
...
WHERE
c1.category_id IN [1,3,6] AND
c2.category_id IN [7,8,4] AND
c3.category_id IN [12,66,42] AND
...;

选项 B：存在：

SELECT id from items
WHERE
EXISTS(SELECT category_id FROM category WHERE category.item_id = id AND category_id in [1,3,6] AND
EXISTS(SELECT category_id FROM category WHERE category.item_id = id AND category_id in [7,8,4] AND
EXISTS(SELECT category_id FROM category WHERE category.item_id = id AND category_id in [12,66,42] AND
...;

这两个选项都有效。问题是：对于大型项目表来说，哪个是最快/最优化的？ 或者我缺少一个 OPTION C？

【问题讨论】：

使用EXPLAIN查看每个查询的执行计划。

选项 A 和选项 B 可能不会产生相同的结果。

好东西，伙计们！谢谢大家的帮助和cmets^^

【参考方案1】：

选项 A

JOIN 比 EXIST 有优势，因为它可以更有效地使用索引，尤其是在大表的情况下

【参考方案2】：

一般来说，JOIN 的效率更高。

但是，需要注意的一件事是，连接可能会在您的输出中产生重复的行。例如，如果项目 id 在类别 1 和 3 中，第一个 JOIN 将导致两行 id 123。如果项目 id 999 在类别 1、3、7、8、12 和 66 中，您将得到八 行 999 在您的结果中 (2*2*2)。

重复行是您需要注意和处理的事情。在这种情况下，您可以只使用select distinct id...。但是，通过复杂的查询消除重复项可能会变得更加复杂。

【讨论】：

谢谢！在原始查询中，我使用的是 distinct。如果我处理 100.000 多个项目，distinct 会在性能方面产生重大影响吗？

@RomanSemko，distinct 会影响性能，但可能不会有太大的不同。

我正在使用内部连接转换exists。我现在需要消除重复的结果，所以我尝试使用 distinct 或 group by。在我的情况下，性能差异要差得多

【参考方案3】：

 select distinct `user_posts_id` from `user_posts_boxes`
     where `user_id` = 5 
     and 
     exists (select * from `box` where `user_posts_boxes`.`box_id` = `box`.`id` 
     and `status` in ("A","F"))
     order by `user_posts_id` desc limit 200;



 select distinct `user_posts_id` from `user_posts_boxes`
 INNER JOIN box on box.id = `user_posts_boxes`.`box_id` and box.`status` in ("A","F")
 and box.user_id = 5
 order by `user_posts_id` desc limit 200

我尝试了这两个查询，但上面的查询对我来说工作得更快。两个表都有大数据集。几乎“user_posts_boxes”有 400 万个，boxes 是 150 万个。

第一次查询耗时 = 0.147 毫秒 第二次查询几乎 = 0.5 到 0.9 MS

但是我的数据库表是inno db，并且也应用了物理关系。

所以我应该选择存在，但这也取决于您的数据库结构。

【参考方案4】：

您正在选项 A 中使用 Join 和 选项 B 中的 subquery。区别在于：

在大多数情况下，JOIN 比子查询更快，而且子查询更快的情况很少见。

在 JOIN 中，RDBMS 可以创建一个更适合您的查询的执行计划，并且可以预测应该加载哪些数据以进行处理并节省时间，这与子查询不同，子查询将运行所有查询并将所有数据加载到进行处理。

子查询的好处是它们比 JOIN 更具可读性：这就是大多数 SQL 新手更喜欢它们的原因；这是简单的方法；但是在性能方面，JOINS 在大多数情况下会更好，即使它们也不难阅读。

【讨论】：

与 JOIN 相比，大多数现代优化器（MySQL 不是）将为等效的子查询解决方案生成相同的执行计划。但是 JOIN 不一定等同于子查询解决方案（正如 dan1111 指出的那样）

【参考方案5】：

另外，请阅读 Mysql 文档中的 this，其中讨论了这一点和以前版本中的新变化以及 MySql 如何实际执行 exists。

如果子查询满足上述条件，MySQL 会将其转换为半连接（或者，在 MySQL 8.0.17 或更高版本中，如果适用，则为反连接）并从这些策略中做出基于成本的选择：

将子查询转换为连接，或使用表拉出并运行查询 作为子查询表和外部表之间的内部连接。桌子 pullout 从子查询中拉出一个表到外部查询。

...