经常别人说EXISTS比IN快！NOT EXISTS比NOT IN快！然而事实真的如此么？
我们先讨论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;
——假设你有一定的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，由于需要对t2进行全表的“唯一排序”，假设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？最通俗的理解就是由于t1.x=t2.y可以走索引。但这并不是一个不错的解释。试想，假设t1.x和t2.y都有索引，我们知道索引是种有序的结构，所以t1和t2之间最佳的方案是走merge join。另外，假设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！所以t1绝对不能是个大表，而t2可以很大，由于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。
假设你对上述说法表示怀疑，请看以下测试：
********************************************************************************
SQL> create table big as select * from all_objects;
表已创建。
SQL> insert /*+ append */ into big select * from big;
已创建26872行。
SQL> commit;
提交完成。
SQL> insert /*+ append */ into big select * from big;
已创建53744行。
SQL> commit;
提交完成。
SQL> insert /*+ append */ into big select * from big;
已创建107488行。
SQL> commit;
提交完成。
SQL> create index big_idx on big(object_id);
索引已创建。
SQL> create table small as select * from all_objects where rownum < 100;
表已创建。
SQL> create index small_idx on small(object_id);
索引已创建。
********************************************************************************
运行SQL并设置EVENT=10046，用TKPROF格式化TRACE文件，结果如下。
大表在外，小表在内的测试：
********************************************************************************
select count(subobject_name)
from big
where object_id in ( select object_id from small )
call count cpu elapsed disk query current rows------- ------ -------- ---------- ---------- ---------- ---------- ----------Parse 1 0.00 0.01 0 0 0 0Execute 1 0.00 0.00 0 0 0 0Fetch 2 0.00 0.14 29 900 0 1------- ------ -------- ---------- ---------- ---------- ---------- ----------total 4 0.00 0.15 29 900 0 1
Rows Execution Plan------- --------------------------------------------------- 0 SELECT STATEMENT GOAL: CHOOSE 1 SORT (AGGREGATE) 792 TABLE ACCESS (BY INDEX ROWID) OF 'BIG' 892 NESTED LOOPS 99 VIEW OF 'VW_NSO_1' 99 SORT (UNIQUE) 99 TABLE ACCESS (FULL) OF 'SMALL' 792 INDEX (RANGE SCAN) OF 'BIG_IDX' (NON-UNIQUE)
select count(subobject_name)
from big
where exists ( select null from small where small.object_id = big.object_id )
call count cpu elapsed disk query current rows------- ------ -------- ---------- ---------- ---------- ---------- ----------Parse 1 0.00 0.00 0 0 0 0Execute 1 0.00 0.00 0 0 0 0Fetch 2 1.90 2.72 2917 216125 0 1------- ------ -------- ---------- ---------- ---------- ---------- ----------total 4 1.90 2.72 2917 216125 0 1
Rows Execution Plan------- --------------------------------------------------- 0 SELECT STATEMENT GOAL: CHOOSE 1 SORT (AGGREGATE) 792 FILTER 214976 TABLE ACCESS (FULL) OF 'BIG' 225 INDEX (RANGE SCAN) OF 'SMALL_IDX' (NON-UNIQUE)********************************************************************************用IN的性能数据：cpu=0.00 elapsed=0.15 query=900 current=0 disk=29用EXISTS的性能数据：cpu=1.90 elapsed=2.72 query=216125 current=0 disk=2917——在CPU的消耗和LIO、PIO上的对比十分明显，IN的效率高得多！
大表在内，小表在外的测试：
********************************************************************************
select count(subobject_name)
from small
where object_id in ( select object_id from big )
call count cpu elapsed disk query current rows------- ------ -------- ---------- ---------- ---------- ---------- ----------Parse 1 0.00 0.00 0 0 0 0Execute 1 0.00 0.00 0 0 0 0Fetch 2 0.41 1.71 2917 2982 0 1------- ------ -------- ---------- ---------- ---------- ---------- ----------total 4 0.41 1.72 2917 2982 0 1
Rows Execution Plan------- --------------------------------------------------- 0 SELECT STATEMENT GOAL: CHOOSE 1 SORT (AGGREGATE) 99 TABLE ACCESS (BY INDEX ROWID) OF 'SMALL' 26972 NESTED LOOPS 26872 VIEW OF 'VW_NSO_1' 26872 SORT (UNIQUE) 214976 TABLE ACCESS (FULL) OF 'BIG' 99 INDEX (RANGE SCAN) OF 'SMALL_IDX' (NON-UNIQUE)
select count(subobject_name)
from small
where exists ( select null from big where small.object_id = big.object_id )
call count cpu elapsed disk query current rows------- ------ -------- ---------- ---------- ---------- ---------- ----------Parse 1 0.00 0.00 0 0 0 0Execute 1 0.00 0.00 0 0 0 0Fetch 2 0.00 0.00 0 202 0 1------- ------ -------- ---------- ---------- ---------- ---------- ----------total 4 0.00 0.00 0 202 0 1
Rows Execution Plan------- --------------------------------------------------- 0 SELECT STATEMENT GOAL: CHOOSE 1 SORT (AGGREGATE) 99 FILTER 99 TABLE ACCESS (FULL) OF 'SMALL' 99 INDEX (RANGE SCAN) OF 'BIG_IDX' (NON-UNIQUE)********************************************************************************用IN的性能数据：cpu=0.41 elapsed=1.72 query=2982 current=26 disk=2917用EXISTS的性能数据：cpu=0.00 elapsed=0.00 query=202 current=0 disk=0——在CPU的消耗和PIO、LIO上的对比十分明显，EXISTS效率高得多！
有些遗憾的是我这个测试是在RBO下进行的，RBO是个死板的只根据优先级来确定执行计划的优化器，RBO不会评估实际的执行计划对系统造成的影响。在RBO中NESTED LOOP的优先级要远远大于MERGE JOIN，只要能走NESTED LOOP RBO就绝不会走MERGE JOIN。假设你用的是CBO，并且对表、索引做过统计分析，上面IN的测试一定会选择走MERGE JOIN。我们用HINTS在RBO下强制走MERGE JOIN对比一下这个SQL分别走MJ和NL的性能：
********************************************************************************
select count(subobject_name)
from small
where object_id in ( select/*+ use_merge(small big) */ object_id from big )
call count cpu elapsed disk query current rows------- ------ -------- ---------- ---------- ---------- ---------- ----------Parse 1 0.01 0.17 0 0 0 0Execute 1 0.00 0.00 0 0 0 0Fetch 2 0.09 0.27 187 473 0 1------- ------ -------- ---------- ---------- ---------- ---------- ----------total 4 0.10 0.44 187 473 0 1
Rows Execution Plan------- --------------------------------------------------- 0 SELECT STATEMENT GOAL: CHOOSE 1 SORT (AGGREGATE) 99 MERGE JOIN 26872 SORT (UNIQUE) 214976 INDEX (FULL SCAN) OF 'BIG_IDX' (NON-UNIQUE) 99 SORT (JOIN) 99 TABLE ACCESS (FULL) OF 'SMALL'********************************************************************************可以看到：NESTED LOOP：cpu=0.41 elapsed=1.72 query=2982 current=26 disk=2917MERGE JOIN：cpu=0.10 elapsed=0.44 query=437 current=2 disk=187——这也证实了我上面的说法。很多人不敢让自己的SQL走merge join，其实对于两个已经具有排序结构的表merge join是最佳选择。
下面我们讨论NOT IN和NOT EXISTS，我把它们放在一起讨论实属被逼无奈，由于很多人喜欢拿它们比较。其实NOT IN/NOT EXISTS与IN/EXISTS不一样，IN/EXISTS是完全可以作为等价替换结构的，而NOT IN/NOT EXISTS则不同，它们并不是等价替换结构！只有当子查询中不可能返回空值时，NOT IN/NOT EXISTS才可以等价替换。
为什么？请看：
********************************************************************************
SQL> conn scott/tiger@tdb;
已连接。
SQL> select count(*)
2 from emp
3 where mgr is null;
COUNT(*)
----------------
1
SQL> select count(*)
2 from emp
3 where empno not in ( select mgr from emp );
COUNT(*)
----------------
0
SQL> select count(*)
2 from emp t1
3 where not exists ( select null
4 from emp t2
5 where t2.mgr = t1.empno );
COUNT(*)
----------------
7
********************************************************************************
假设子查询中返回的结果集含有空值NOT IN永远是0，由于NULL代表“未知”，任何值和NULL比较永远是false。
现在我们基于假如——子查询中不返回空值，来比较NOT IN和NOT EXISTS。
在RBO中假设不使用HINTS来改变NOT IN的执行计划，几乎任何时候NOT IN都比NOT EXISTS慢得多，在CBO中假设具有准确的统计信息NOT IN的效率和NOT EXISTS的一样，甚至会比NOT EXISTS快得多。
调整NOT IN性能的基本原则是：假设想让NOT IN跑得快就必须走合适的连接。
select * from t1 where x not in ( select y from t2 )
以这个句子为例（y无空值）
这个句子可以等价替换为：
a) select * from t1 where not exists ( select null from t2 where t2.y=t1.x)
或
b) select t1.* from t1, t2 where t1.x=t2.y(+) and t2.y is null
测试如下：
********************************************************************************
SQL> create table t1 as select * from all_objects where rownum <= 5000;
表已创建。
SQL> create table t2 as select * from all_objects where rownum <= 4950;
表已创建。
SQL> create index t2_idx on t2(object_id);
索引已创建。
********************************************************************************
RBO下的测试：
********************************************************************************
select count(*)
from t1 rbo
where object_id not in ( select object_id from t2 )
call count cpu elapsed disk query current rows------- ------ -------- ---------- ---------- ---------- ---------- ----------Parse 1 0.00 0.00 0 0 0 0Execute 1 0.00 0.00 0 0 0 0Fetch 2 6.13 19.12 127487 197502 0 1------- ------ -------- ---------- ---------- ---------- ---------- ----------total 4 6.13 19.13 127487 197502 0 1
Rows Execution Plan------- --------------------------------------------------- 0 SELECT STATEMENT GOAL: CHOOSE 1 SORT (AGGREGATE) 50 FILTER 5000 TABLE ACCESS (FULL) OF 'T1' 4950 TABLE ACCESS (FULL) OF 'T2'
select count(*)
from t1 rbo
where not exists ( select null from t2 where t2.object_id = rbo.object_id)
call count cpu elapsed disk query current rows------- ------ -------- ---------- ---------- ---------- ---------- ----------Parse 1 0.01 0.00 0 0 0 0Execute 1 0.00 0.00 0 0 0 0Fetch 2 0.01 0.12 83 10075 0 1------- ------ -------- ---------- ---------- ---------- ---------- ----------total 4 0.02 0.12 83 10075 0 1
Rows Execution Plan------- --------------------------------------------------- 0 SELECT STATEMENT GOAL: CHOOSE 1 SORT (AGGREGATE) 50 FILTER 5000 TABLE ACCESS (FULL) OF 'T1' 4950 INDEX (RANGE SCAN) OF 'T2_IDX' (NON-UNIQUE)
select count(*)
from t1, t2 rbo
where t1.object_id = rbo.object_id(+) and rbo.object_id is null
call count cpu elapsed disk query current rows------- ------ -------- ---------- ---------- ---------- ---------- ----------Parse 1 0.00 0.00 0 0 0 0Execute 1 0.00 0.00 0 0 0 0Fetch 2 0.00 0.05 72 5087 0 1------- ------ -------- ---------- ---------- ---------- ---------- ----------total 4 0.00 0.06 72 5087 0 1
Rows Execution Plan------- --------------------------------------------------- 0 SELECT STATEMENT GOAL: CHOOSE 1 SORT (AGGREGATE) 50 FILTER 5000 NESTED LOOPS (OUTER) 5000 TABLE ACCESS (FULL) OF 'T1' 4950 INDEX (RANGE SCAN) OF 'T2_IDX' (NON-UNIQUE)********************************************************************************RBO自己选择的执行计划，性能数据：NOT IN：cpu=6.13 elapsed=19.13 query=197502 current=0 disk=127487NOT EXISTS：cpu=0.02 elapsed=0.12 query=10075 current=0 disk=83OUTER JOIN：cpu=0.00 elapsed=0.06 query=5087 current=0 disk=72——NOT EXISTS的效率比NOT IN好很多，但与OUTER JOIN相比NOT EXISTS的效率略低。
RBO，用HINTS改变NOT IN的执行计划：
********************************************************************************
select count(*)
from t1 rbo
where object_id not in ( select/*+ hash_aj(rbo t2) */ object_id from t2 )
call count cpu elapsed disk query current rows------- ------ -------- ---------- ---------- ---------- ---------- ----------Parse 1 0.04 0.45 0 3 0 0Execute 1 0.00 0.00 0 0 0 0Fetch 2 0.01 0.09 48 191 0 1------- ------ -------- ---------- ---------- ---------- ---------- ----------total 4 0.05 0.55 48 194 0 1
Rows Execution Plan------- --------------------------------------------------- 0 SELECT STATEMENT GOAL: CHOOSE 0 SORT (AGGREGATE) 0 HASH JOIN (ANTI) 0 TABLE ACCESS (FULL) OF 'T1' 0 INDEX (FAST FULL SCAN) OF 'T2_IDX' (NON-UNIQUE)********************************************************************************在只有t2.object_id有索引的情况下，hash join-anti性能数据如下：HJ-ANTI：cpu=0.05 elapsed=0.55 query=194 current=0 disk=48——性能好了很多！
在t1.object_id上建立索引，使用merge join-anti：
********************************************************************************
select count(*)
from t1 rbo
where object_id not in ( select /*+ merge_aj(rbo t2) */ object_id from t2 )
call count cpu elapsed disk query current rows------- ------ -------- ---------- ---------- ---------- ---------- ----------Parse 1 0.00 0.00 0 0 0 0Execute 1 0.00 0.00 0 0 0 0Fetch 2 0.00 0.00 0 28 0 1------- ------ -------- ---------- ---------- ---------- ---------- ----------total 4 0.00 0.00 0 28 0 1
Rows Execution Plan------- --------------------------------------------------- 0 SELECT STATEMENT GOAL: CHOOSE 1 SORT (AGGREGATE) 50 MERGE JOIN (ANTI) 5000 INDEX (FULL SCAN) OF 'T1_IDX' (NON-UNIQUE) 4950 SORT (UNIQUE) 4950 INDEX (FAST FULL SCAN) OF 'T2_IDX' (NON-UNIQUE)********************************************************************************在t1.object_id上建立索引，merge join-anti的性能数据如下：MJ-ANTI：cpu=0.00 elapsed=0.00 query=28 current=0 disk=0——这个NOT IN语句在t1.object_id、t2.object_id都有索引的情况下，merge join-anti的效率高于上面的任何SQL。
综上，只要NOT IN走合适的连接，其效率很高甚至高于NOT EXISTS和OUTER JOIN。
[ 本帖最后由 寅生 于 2007-12-7 16:07 编辑 ]
|
