连接查询和子查询哪个更快，为什么？我什么时候应该选择其中一种而不是另一种？

问题描述 投票：0回答：8

我有一个连接查询

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

和子查询查询

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

哪个会更快，为什么？

我什么时候应该选择其中一种而不是另一种？

sql performance sql-server-2008 subquery join
8个回答
59
投票

嗯，我相信这是一个“古老但黄金”的问题。答案是：“这要看情况！”。 性能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，您将找到一些我认为非常有帮助的基本最佳实践：

我有一个包含 50000 个元素的表，我要查找的结果是 739 个元素。

我最初的疑问是这样的：

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 
)

执行时间为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
)

花费了0.0256s

好 SQL，好。

58
投票

我希望第一个查询会更快，主要是因为您有一个等价项和一个显式 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”分隔的
WHERE
子句 (
WHERE x=Y OR x=Z OR...
)。

与 ALL THINGS SQL 一样，您的情况可能会有所不同。速度在很大程度上取决于索引（您的两个 ID 列上都有索引吗？这将有很大帮助......）。

百分百确定哪个更快的唯一真正方法是打开性能跟踪（IO 统计特别有用）并运行它们。确保在运行之间清除缓存！

18
投票

性能取决于您正在执行的数据量...

如果数据较少的话20k左右。加入效果更好。

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，但最好选择 EXISTS。

我测试了所有这些标准，并且表格具有正确的索引。

11
投票

开始查看执行计划，看看 SQl Server 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取差异。

我不希望它们有如此大的不同，当您使用相关子查询时，使用连接而不是子查询可以获得真正的、巨大的性能提升。

EXISTS 通常比这两者中的任何一个都更好，当您谈论左连接时，您想要不在左连接表中的所有记录，那么 NOT EXISTS 通常是更好的选择。

6
投票

性能应该是一样的；在表上应用正确的索引和集群更为重要（关于该主题存在一些好的资源）。

（编辑以反映更新的问题）

6
投票

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，尤其是现在我们拥有 10M+ 记录并谈论 TB 级数据。

我还将强调以下观察结果。我的表 ([data]) 中有大约 45M 条记录，[cats] 表中有大约 300 条记录。我对我要讨论的所有查询都有广泛的索引。

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 相比：

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

示例 1 的运行时间约为 23 分钟。示例 2 大约需要 5 分钟。

所以我得出结论，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 驱动器具有 I/O @ 1GB/秒（这是字节而不是位），因此我的索引也非常快。因此，这也可能会影响您的情况下的速度

如果是一次性数据清理，最好让它运行并完成。我使用 TOP(10000) 并查看在执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。

5
投票

这两个查询在语义上可能不相同。如果一名员工为多个部门工作（可能在我工作的企业中；不可否认，这意味着您的表未完全规范化），那么第一个查询将返回重复的行，而第二个查询则不会。为了使这种情况下的查询等效，必须将 

DISTINCT
关键字添加到 
SELECT
子句中，这可能会对性能产生影响。

请注意，有一个设计经验法则，规定表应该对实体/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。

1
投票

您可以使用解释计划来获得客观答案。

对于您的问题，“存在”过滤器可能执行速度最快。

最新问题
© www.soinside.com 2019 - 2024. All rights reserved.