EXISTS、IN、NOT EXISTS、NOT IN的区别与性能分析

1.EXISTS的执行流程

select * from t1 where exists ( select null from t2 where y = x
)

可以理解为:

for x in ( select * from t1 )

loop

if ( exists ( select null from t2 where y = x.x )

then

OUTPUT THE RECORD

end if

end loop

对于in 和 exists的性能区别:

如果子查询得出的结果集记录较少，主查询中的表较大且又有索引时应该用in,反之如果外层的主查询记录较少，子查询中的表大，又有索引时使用exists。

其实我们区分in和exists主要是造成了驱动顺序的改变（这是性能变化的关键），如果是exists，那么以外层表为驱动表，先被访问，如果是IN，那么先执行子查询，所以我们会以驱动表的快速返回为目标，那么就会考虑到索引及结果集的关系了

另外IN时不对NULL进行处理

如：

select 1 from dual where null in (0,1,2,null)

为空

2.NOT IN 与NOT EXISTS:

NOT EXISTS的执行流程

select .....

from rollup R

where not exists ( select 'Found' from title T

where R.source_id = T.Title_ID);

可以理解为:

for x in ( select * from rollup )

loop

if ( not exists ( that query ) ) then

OUTPUT

end if;

end;

注意:NOT EXISTS 与 NOT IN 不能完全互相替换，看具体的需求。如果选择的列可以为空，则不能被替换。

例如下面语句，看他们的区别：

select x,y from t;

x y

------ ------

1 3

3 1

1 2

1 1

3 1

5

select * from t where x not in (select y from t t2 )

no rows

select * from t where not exists (select null from t t2

where t2.y=t.x )

x y

------ ------

5 NULL

所以要具体需求来决定,IN和NOT IN的括号里的选项有NULL时，SQL运行结果都是NO ROWS。

对于not in 和 not exists的性能区别：

not in 只有当子查询中，select 关键字后的字段有not null约束或者有这种暗示时用not
in,另外如果主查询中表大，子查询中的表小但是记录多，则应当使用not in,并使用anti hash join.

如果主查询表中记录少，子查询表中记录多，并有索引，可以使用not exists,另外not in最好也可以用或者外连接+is
null

NOT IN 在基于成本的应用中较好

比如:

select .....

from rollup R

where not exists ( select 'Found' from title T

where R.source_id = T.Title_ID);

改成（佳）

select ......

from title T, rollup R

where R.source_id = T.Title_id(+)

and T.Title_id is null;

或者（佳）

sql> select ...

from rollup R

where ource_id NOT IN ( select ource_id

from title T

where ource_id IS NOT NULL )

讨论IN和EXISTS。

select * from t1 where x in ( select y from t2 )

事实上可以理解为：

select *

from t1, ( select distinct y from t2 ) t2

where t1.x = t2.y;

——如果你有一定的SQL优化经验，从这句很自然的可以想到t2绝对不能是个大表，因为需要对t2进行全表的“唯一排序”，如果t2很大这个排序的性能是
不可忍受的。但是t1可以很大，为什么呢？最通俗的理解就是因为t1.x=t2.y可以走索引。但这并不是一个很好的解释。试想，如果t1.x和t2.y
都有索引，我们知道索引是种有序的结构，因此t1和t2之间最佳的方案是走merge
join。另外，如果t2.y上有索引，对t2的排序性能也有很大提高。

select * from t1 where exists ( select null from t2 where y = x
)

可以理解为：

for x in ( select * from t1 )

loop

if ( exists ( select null from t2 where y = x.x )

then

OUTPUT THE RECORD!

end if

end loop

——这个更容易理解，t1永远是个表扫描！因此t1绝对不能是个大表，而t2可以很大，因为y=x.x可以走t2.y的索引。

综合以上对IN/EXISTS的讨论，我们可以得出一个基本通用的结论：IN适合于外表大而内表小的情况；EXISTS适合于外表小而内表大的情况。

我们要根据实际的情况做相应的优化，不能绝对的说谁的效率高谁的效率低，所有的事都是相对的