比较查询性能：联接与从表中选择不同

Question

我有两个表person和city。 person表和city_id表亲自使用city_id连接。 person表包含约million行，而city表包含约10000行。

index person: index1-: id, index2-: city_id
index city:   index1-: id

我需要选择所有没有与之相关的人行的城市。城市和人的表如下（演示数据）。

CITY                PERSON

id  city            id  name   city_id
-------------       ------------------
1    city-1         1   name-1   1
2    city-2         2   name-2   2
3    city-3         3   name-3   2
4    city-4         4   name-4   3
5    city-5         5   name-5   1
6    city-6         6   name-6   3
7    city-7         7   name-7   4
8    city-8         8   name-8   8

我写了两个查询来获取结果：

query1：

     select c.id, c.city 
     from city c 
     left join person p on c.id = p.city_id  
     where p.id is null

query2：

     select * 
     from city 
     where id not in ( select distinct city_id from person)

两个查询的执行计划看起来都相似：

对于查询1：对于查询2：

然后，我使用性能分析并两次运行了两个查询，以查看它们花费了多少时间：

query1: 0.000729 0.000737 0.000763
query2: 0.000857 0.000840 0.000852

显然，数据查询1优于查询2。

我很困惑，因为我理解query2应该胜过query1。因为query2的嵌套查询使用被索引的city_id，并且mysql可以利用city_id index来获取所有id's，但是query1使用的join将采用两个表的笛卡尔积。是因为我使用了较少的数据f。 人（1000）和城市（200）记录。

由于哪个查询1比查询2表现更好，我缺少什么？

Answer 1

您的效果差异很小。您确实必须多次运行查询，以查看差异是否相关。行数也很小。所有数据很可能仅在一个或两个数据页上。因此，您无法从示例中进行概括（即使结果正确）。

我建议写成：

select c.* 
from city c
where not exists (select 1 from person p where p.city_id = c.id);

为了提高性能，您需要在person(city_id)上建立索引。

这可能与left join具有相同的执行计划。我只是发现它的意图更清晰-而且它在任何数据库上通常都具有很好的性能。

not in不完全等效。原因如下：

1. select distinct可能会放弃优化器。它不是必需的，但是某些数据库实际上可能运行一个独立的数据库。
2. NULL s的处理方式不同。如果子查询中的any行返回一个NULL值，则将从外部查询中返回没有任何行。

Answer 2

您可以删除NOT IN中的distinct，因为IN（）会自己考虑distinct记录。在上面的查询中，某种程度上的联接得到了更好的优化，因为没有额外的选择来检索联接中的数据。但这仍然取决于。

我通常会说加盟费用很高。