在连接表 B 中查找表 A 中没有记录的行

Posted 2023-04-14

【中文标题】在连接表 B 中查找表 A 中没有记录的行

【英文标题】：Find rows from table A without record in joined table B

【发布时间】：2017-07-05 07:53:29

【问题描述】：

我有两个表，分别称为 Employee（列：Id、Name）和 DataSource（列：Id、EmployeeId、DataSourceName）。

每个员工都可以导出到零个或多个数据源并想象以下情况：

员工表

+----+-------------+
| Id | Name        |
+----+-------------+
| 1  | Ivan        |
| 2  | Adam        |
+----+-------------+

数据源表：

+----+---------------------------------+
| Id | EmplpoyeeId   | DataSourceName  |
+----+---------------------------------+
| 1  | 1             | Source1         |
| 2  | 1             | Source2         |
| 3  | 2             | Source2         |
+----+---------------------------------+

我需要一个查询来确定哪个员工没有被导出到“Source1”（在这种情况下，结果应该是“Adam”，因为他只被导出到了“Source2”）。

表 Employee 和 DataSource 可以有大量记录（数千条）。

有几种技术可以确定它，我们需要找到性能最佳的技术。我想到的很少：

左连接：

SELECT Employee.Id 
FROM Employee 
LEFT JOIN DataSource ON DataSource.EmployeeId = Employee.Id AND DataSource.DataSourceName = 'Source1'
WHERE DataSource.Id IS NULL

内部选择：

SELECT Employee.Id
FROM Employee
WHERE NOT EXIST (SELECT NULL FROM DataSource WHERE DataSource.EmployeeId = Employee.Id AND DataSource.DataSourceName = 'Source1')

例外：

SELECT Employee.ID 
FROM Employee

EXCEPT

SELECT Employee.Id 
FROM Employee 
INNER JOIN DataSource ON DataSource.EmployeeId = Employee.Id AND DataSource.DataSourceName = 'Source1'

在开始对它们进行基准测试之前，我想问一下我是否应该考虑更多方法（并且可能表现良好）。能否请您分享您对最佳性能查询的想法。

【问题讨论】：

您必须只进行测试，但是 WHERE NOT EXISTS “应该”更快，因为它不需要进行完全连接并且可以提前退出......但这将取决于一些因素，所以你真的需要测试

我想是的，我们也可以在找到第一条记录后退出（通过使用 SELECT TOP 1） - 这也可能适用于 WHERE NOT EXISTS

如果在NOT EXIST()中使用select，则不需要使用TOP 1，找到一条记录后会自动停止

我的意思是在顶部查询中使用 TOP 1 而不是在嵌套查询中，因此它声明：SELECT TOP 1 Employee.Id FROM Employee WHERE NOT EXIST ...

【参考方案1】：

如果您需要进一步阅读该主题，这篇文章很好；

http://www.sqlinthewild.co.za/index.php/2010/03/23/left-outer-join-vs-not-exists/

这表明 NOT EXISTS 会表现得更好，因为它不需要完成完全连接（使用反半连接而不是半连接）；

“这是这两者之间的主要区别。当使用 LEFT OUTER JOIN ... IS NULL 技术时，SQL 无法判断您只是在检查不存在。优化器还不够聪明（还）。因此它确实完整的连接，然后过滤。NOT EXISTS 过滤器作为连接的一部分。"

【讨论】：

感谢@Milney 我也想知道第三个选项 - 例外，我已将其添加到我的问题中。你觉得这个怎么样？

@jabko87 - 这实际上在逻辑上是不同的 - 例如，EXCEPT 将过滤掉重复项（就像您应用了 DISTINCT），因为它是基于集合的操作，如果您使用它，它也会将 NULL 视为值拥有他们。所以你可以使用 except 但必须考虑它是否真的在做同样的事情。我认为它不会更快（因为再次 - 它必须处理整个结果集）所以我会选择 NOT EXISTS .但唯一确定（使用您的特定数据配置文件）的方法是测试！只需运行几次，然后测量差异（使用 SET STATISTICS TIME ON）

@jabko87 对性能而言，最重要的是在列（EmployeeId 和 DataSourceName）上有一个索引，并提供最新的统计信息……如果你有，它们的性能都应该可以接受