SQL 连接与 SQL 子查询（性能）？

Posted 2023-02-16

【中文标题】SQL 连接与 SQL 子查询（性能）？

【英文标题】：SQL Joins Vs SQL Subqueries (Performance)?

【发布时间】：2011-04-20 20:20:44

【问题描述】：

我想知道我是否有类似这样的 join 查询 -

Select E.Id,E.Name from Employee E join Dept D on E.DeptId=D.Id

还有一个类似这样的子查询 -

Select E.Id,E.Name from Employee Where DeptId in (Select Id from Dept)

当我考虑性能时，这两个查询中哪一个会更快，为什么？

还有什么时候我应该更喜欢一个而不是另一个？

对不起，如果这太琐碎并且之前问过，但我对此感到困惑。另外，如果你们能建议我工具 我应该用来衡量两个查询的性能，那就太好了。非常感谢！

【问题讨论】：

@Lucero，这个问题被标记为 sql-server-2008，你提到的帖子被标记为 mysql。你可以推断答案是一样的。两个 RDBMS 的性能优化方式不同。

【参考方案1】：

我希望第一个查询更快，主要是因为你有一个等价和一个明确的 JOIN。根据我的经验，IN 是一个非常慢的运算符，因为 SQL 通常将其评估为一系列由“OR”（WHERE x=Y OR x=Z OR...）分隔的 WHERE 子句。

不过，与 ALL THINGS SQL 一样，您的使用范围可能会有所不同。速度在很大程度上取决于索引（您在两个 ID 列上都有索引吗？这将有很大帮助...）等等。

100% 确定哪个更快的唯一真正方法是打开性能跟踪（IO 统计信息特别有用）并同时运行它们。确保在运行之间清除缓存！

【讨论】：

我对这个答案有很大的怀疑，因为大多数 DBMS，尤其是 SQL Server 2008 及更高版本，将单个 ID 子查询（不相关，意思是：不引用多个外部查询列）转换为相对快速的半-加入。此外，正如之前在另一个答案中所指出的，第一个真正的联接将为 Dept 中匹配 ID 的每次出现返回一行 - 这对于唯一 ID 没有区别，但会在其他地方为您提供大量重复项。使用 DISTINCT 或 GROUP BY 对它们进行排序将是另一个沉重的性能负载。在 SQL Server Management Studio 中检查执行计划！

IN 子句与 OR 等效，适用于参数/值列表，但不适用于子查询，子查询大多被视为连接。

【参考方案2】：

嗯，我相信这是一个“古老但黄金”的问题。答案是：“这取决于！”。 表演是一个如此微妙的主题，以至于说“永远不要使用子查询，总是加入”就太愚蠢了。 在以下链接中，您会发现一些我认为非常有用的基本最佳实践：

Optimizing Subqueries Optimizing Subqueries with Semijoin Transformations Rewriting Subqueries as Joins

我有一个包含 50000 个元素的表，我正在寻找的结果是 739 个元素。

我一开始的查询是这样的：

SELECT  p.id,
    p.fixedId,
    p.azienda_id,
    p.categoria_id,
    p.linea,
    p.tipo,
    p.nome
FROM prodotto p
WHERE p.azienda_id = 2699 AND p.anno = (
    SELECT MAX(p2.anno) 
    FROM prodotto p2 
    WHERE p2.fixedId = p.fixedId 
)

执行耗时 7.9 秒。

我最后的查询是这样的：

SELECT  p.id,
    p.fixedId,
    p.azienda_id,
    p.categoria_id,
    p.linea,
    p.tipo,
    p.nome
FROM prodotto p
WHERE p.azienda_id = 2699 AND (p.fixedId, p.anno) IN
(
    SELECT p2.fixedId, MAX(p2.anno)
    FROM prodotto p2
    WHERE p.azienda_id = p2.azienda_id
    GROUP BY p2.fixedId
)

耗时 0.0256 秒

好 SQL，好。

【讨论】：

有趣，您能解释一下添加 GROUP BY 是如何解决它的吗？

子查询生成的临时表变小了。因此，由于要签入的数据更少，因此执行速度更快。

我认为在第一个查询中，您在外部查询和子查询之间共享变量，因此对于主查询中的每一行，子查询都会执行，但在第二个查询中，子查询只执行一次，这样性能就会提高。

Sql server 与 MySql 和 ...Sql（NoSql 除外）在基础设施上是如此相似。我们有一种查询优化引擎，它可以将 IN (...) 子句转换为 join（如果可能的话）。但是，当您在索引良好的列（基于其基数）上有一个 Group by 时，它会快得多。所以这真的取决于情况。

你确定缓冲区是干净的吗？如果您一个接一个地运行这两个查询，那么性能会有很大差异，这很有意义

【参考方案3】：

性能取决于您正在执行的数据量...

如果是 20k 左右的数据较少。 JOIN 效果更好。

如果数据更像 100k+，那么 IN 效果更好。

如果您不需要其他表中的数据，IN 很好，但使用 EXISTS 总是更好。

我测试的所有这些标准和表格都有适当的索引。

【参考方案4】：

开始查看执行计划以了解 SQl 服务器如何解释它们的差异。您还可以使用 Profiler 多次实际运行查询并获得差异。

我不认为它们会有如此可怕的不同，在使用连接而不是子查询时，您可以获得真正的、巨大的性能提升，而当您使用相关子查询时。

EXISTS 通常比这两者中的任何一个都好，当您谈论左连接时，您想要所有不在左连接表中的记录，那么 NOT EXISTS 通常是一个更好的选择。

【参考方案5】：

性能应该是一样的；在您的表上应用正确的索引和集群更为重要（该主题存在some good resources）。

（已编辑以反映更新后的问题）

【参考方案6】：

这两个查询在语义上可能不等价。如果员工为多个部门工作（可能在我工作的企业中；诚然，这意味着您的表没有完全规范化），那么第一个查询将返回重复的行，而第二个查询则不会。在这种情况下，要使查询等效，必须将 DISTINCT 关键字添加到 SELECT 子句中，这可能会影响性能。

请注意，有一条设计经验法则指出，表应该对实体/类或实体/类之间的关系进行建模，但不能同时对两者进行建模。因此，我建议您创建第三个表，例如 OrgChart，来模拟员工和部门之间的关系。

【参考方案7】：

我知道这是一篇旧文章，但我认为这是一个非常重要的话题，尤其是现在我们有 1000 万多条记录并谈论 TB 级数据。

我还将强调以下意见。我的表（[data]）中有大约 45M 条记录，[cats] 表中有大约 300 条记录。对于我将要讨论的所有查询，我都有广泛的索引。

考虑示例 1：

UPDATE d set category = c.categoryname
FROM [data] d
JOIN [cats] c on c.id = d.catid

与示例 2：

UPDATE d set category = (SELECT TOP(1) c.categoryname FROM [cats] c where c.id = d.catid)
FROM [data] d

示例 1 运行大约需要 23 分钟。示例 2 大约需要 5 分钟。

所以我会得出结论，在这种情况下子查询要快得多。当然请记住，我使用的 M.2 SSD 驱动器能够以 1GB/秒的速度进行 i/o（这是字节而不是位），因此我的索引也非常快。所以在你的情况下，这也可能会影响速度

如果它是一次性的数据清理，最好让它运行并完成。我使用 TOP(10000) 并查看在进行大查询之前需要多长时间并乘以记录数。

如果您正在优化生产数据库，我强烈建议您对数据进行预处理，即使用触发器或作业代理来异步更新记录，以便实时访问检索静态数据。

【参考方案8】：

您可以使用解释计划来获得客观答案。

对于您的问题，an Exists filter 可能执行得最快。

【讨论】：

“Exists 过滤器的执行速度可能最快”——我认为可能不会，尽管明确的答案需要针对实际数据进行测试。如果存在具有相同查找值的多行，Exists 过滤器可能会更快 - 因此，如果查询正在检查其他员工是否已从同一部门记录，则存在过滤器可能会运行得更快，但在查找部门时可能不会表。

在最后一种情况下它会运行得更慢吗？

这取决于优化器 - 在某些情况下，它可能会，但通常我会期望非常相似的性能。