使用LEFT JOIN或NOT EXISTS之间的最佳实践

67

在使用LEFT JOIN或NOT EXISTS格式之间有最佳实践吗？

相对于另一个使用什么有什么好处？

如果没有，则应首选？

SELECT *
FROM tableA A
LEFT JOIN tableB B
     ON A.idx = B.idx
WHERE B.idx IS NULL

SELECT *
FROM tableA A
WHERE NOT EXISTS
(SELECT idx FROM tableB B WHERE B.idx = A.idx)

我在Access中使用SQL Server数据库查询。

sql-server join exists

— 迈克尔·理查森
source

2

顺便说一句，看似完全相同的方法WHERE A.idx NOT IN (...) 是不相同的，由于三价的行为NULL（即NULL不等于NULL（也不不等），因此，如果您有任何 NULL的tableB你会得到意想不到的结果！）

— Elaskanator

58

最大的区别不是联接与不存在，而是（按书面说明）SELECT *。

在第一个示例中，您同时从A和中获取了所有列B，而在第二个示例中，您仅从中获取了列A。

在SQL Server中，在一个非常简单的示例中，第二种变体要快一些：

创建两个示例表：

CREATE TABLE dbo.A
(
    A_ID INT NOT NULL
        PRIMARY KEY CLUSTERED
        IDENTITY(1,1)
);

CREATE TABLE dbo.B
(
    B_ID INT NOT NULL
        PRIMARY KEY CLUSTERED
        IDENTITY(1,1)
);
GO

在每个表中插入10,000行：

INSERT INTO dbo.A DEFAULT VALUES;
GO 10000

INSERT INTO dbo.B DEFAULT VALUES;
GO 10000

从第二个表中删除每第5行：

DELETE 
FROM dbo.B 
WHERE B_ID % 5 = 1;

SELECT COUNT(*) -- shows 10,000
FROM dbo.A;

SELECT COUNT(*) -- shows  8,000
FROM dbo.B;

执行两个测试SELECT语句变体：

SELECT *
FROM dbo.A
    LEFT JOIN dbo.B ON A.A_ID = B.B_ID
WHERE B.B_ID IS NULL;

SELECT *
FROM dbo.A
WHERE NOT EXISTS (SELECT 1
    FROM dbo.B
    WHERE b.B_ID = a.A_ID);

执行计划：

第二个变体不需要执行过滤操作，因为它可以使用左反半连接运算符。

— 马克斯·弗农
source

23

从逻辑上讲，它们是相同的，但是NOT EXISTS更接近于您所要求的AntiSemiJoin，通常是首选。它还突出显示了您无法访问B中的列，因为它仅用作过滤器（而不是使它们具有NULL值）。

许多年前（SQL Server 6.0 ish）LEFT JOIN速度更快，但很长一段时间以来并非如此。这些天，NOT EXISTS速度略快。

Access中最大的影响是该JOIN方法必须在过滤之前完成连接，然后在内存中构造连接集。使用NOT EXISTS它检查行，但不为列分配空间。另外，一旦找到行，它就会停止寻找。在Access中，性能会有较大差异，但通常的经验法则是NOT EXISTS速度会稍快一些。由于涉及更多因素，我不太愿意说这是“最佳实践”。

— 罗伯·法利
source

6

我注意到的一个例外是使用Linked Servers时NOT EXISTS具有优越性（但略有优势）。LEFT JOIN ... WHERE IS NULL

通过检查执行计划，可以发现NOT EXISTS操作员以嵌套循环的方式执行。从而在每行的基础上执行（我认为这很有意义）。

展示此行为的示例执行计划：

— 罗比平
source

1

链接服务器对于这种事情是残酷的。解决该问题的一种可能方法是，使用简单INSERT INTO #t (a,b,c) SELECT a,b,c FROM LinkedServer.database.dbo.table WHERE x=y的NOT EXISTS (...)子句然后针对数据库的该临时副本运行子句，从而通过链接的服务器链接复制远程数据。

— Max Vernon

2

现在有点害羞，可以在我的帖子中得到Max Vernon的回应！放开头。您提到这很有趣，因为我已经多次使用该精确方法来充分利用那些跨服务器的情况。

— robopim

1

干杯，@ pimbrouwers-感谢您的友好评论！

— 马克斯·弗农

5

通常，引擎将基于以下内容创建执行计划：

A和B中的行数
A和/或B上是否有索引。
预期结果行数（和中间行）
输入查询的形式（即您的问题）

对于（4）：

“不存在”计划鼓励在表B上进行基于搜索的计划。当表A小且表B大（并且B上存在索引）时，这是一个不错的选择。

当表A很大或表B很小或B上没有索引并返回大结果集时，“ antijoin”计划是一个不错的选择。

但是，这只是一种“鼓励”，就像加权输入一样。强（1），（2），（3）通常是（4）模拟的选择。

（忽略了示例由于*而返回不同的列的效果，@ MaxVernon回答。）。

— 克鲁库塞克
source