not in 与not exists的区别与用法

来源：互联网发布：flv.js 编辑：程序博客网时间：2024/05/20 02:27

转载自http://blog.csdn.net/phantomes/article/details/12170805

在网上搜了下关于oracle中not exists和not in性能的比较，发现没有描述的太全面的，可能是问题太简单了，达人们都不屑于解释吧。于是自己花了点时间，试图把这个问题简单描述清楚，其实归根结底一句话：not in性能并不比not exists差，关键看你用的是否正确。



先建两个示范表：

create table ljn_test1 (col number);

create table ljn_test2 (col number);

然后插入一些数据：

insert into ljn_test1

select level from dual connect by level <=30000;

insert into ljn_test2

select level+1 from dual connect by level <=30000;

commit;

然后来分别看一下使用not exists和not in的性能差异：

select * from ljn_test1 where not exists (select 1 from ljn_test2 where ljn_test1.col = ljn_test2.col);



       COL

----------

         1



Elapsed: 00:00:00.06

select * from ljn_test1 where col not in (select col from ljn_test2);



       COL

----------

         1



Elapsed: 00:00:21.28

可以看到，使用not exists需要0.06秒，而使用not in需要21秒，差了3个数量级！为什么呢？其实答案很简答，以上两个SQL其实并不是等价的。

我把以上两个表的数据清除掉，重新插入数据：

truncate table ljn_test1;

truncate table ljn_test2;

insert into ljn_test1 values(1);

insert into ljn_test1 values(2);

insert into ljn_test1 values(3);

insert into ljn_test2 values(2);

insert into ljn_test2 values(null);

commit;

然后再次执行两个SQL：

select * from ljn_test1 where not exists (select 1 from ljn_test2 where ljn_test1.col = ljn_test2.col);



       COL

----------

         3

         1



select * from ljn_test1 where col not in (select col from ljn_test2);



no rows selected

这回not in的原形暴露了，竟然得到的是空集。来仔细分解一下原因：

A. select * from ljn_test1 where col not in (select col from ljn_test2);

A在这个例子中可以转化为下面的B：

B. select * from ljn_test1 where col not in (2,null);

B可以进一步转化为下面的C：

C. select * from ljn_test1 where col <> 2 and col <> null;

因为col <> null是一个永假式，所以最终查出的结果肯定也就是空了。

由此可以得出结论：只要not in的子查询中包含空值，那么最终的结果就为空！

not exists语句不会出现这种情况，因为not exists子句中写的是ljn_test1与ljn_test2的关联，null是不参与等值关联的，所以ljn_test2的col存在空值对最终的查询结果没有任何影响。

我在这里暂且把ljn_test1叫做外表，ljn_test2叫做内表。

只要稍做归纳，就可以得到更详细的结论：

1、对于not exists查询，内表存在空值对查询结果没有影响；对于not in查询，内表存在空值将导致最终的查询结果为空。

2、对于not exists查询，外表存在空值，存在空值的那条记录最终会输出；对于not in查询，外表存在空值，存在空值的那条记录最终将被过滤，其他数据不受影响。



讲到这里，我就可以开始解释为什么上面的not in语句比not exists语句效率差这么多了。

not exists语句很显然就是一个简单的两表关联，内表与外表中存在空值本身就不参与关联，在CBO(基于成本的优化器)中常用的执行计划是hash join，所以它的效率完全没有问题，看一下它的执行计划：

set autot on;

select * from ljn_test1 where not exists (select 1 from ljn_test2 where ljn_test1.col = ljn_test2.col);



       COL

----------

         3

         1



Elapsed: 00:00:00.01



Execution Plan

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

Plan hash value: 385135874



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

| Id | Operation          | Name      | Rows | Bytes | Cost (%CPU)| Time     |

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

|   0 | SELECT STATEMENT   |           |     3 |    78 |     7 (15)| 00:00:01 |

|* 1 | HASH JOIN ANTI    |           |     3 |    78 |     7 (15)| 00:00:01 |

|   2 |   TABLE ACCESS FULL| LJN_TEST1 |     3 |    39 |     3   (0)| 00:00:01 |

|   3 |   TABLE ACCESS FULL| LJN_TEST2 |     2 |    26 |     3   (0)| 00:00:01 |

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



Predicate Information (identified by operation id):

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



   1 - access("LJN_TEST1"."COL"="LJN_TEST2"."COL")



这个执行计划很清晰，没有什么需要解释的，再看一下not in:



select * from ljn_test1 where col not in (select col from ljn_test2);



no rows selected



Elapsed: 00:00:00.01



Execution Plan

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

Plan hash value: 3267714838



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

| Id | Operation          | Name      | Rows | Bytes | Cost (%CPU)| Time     |

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

|   0 | SELECT STATEMENT   |           |     1 |    13 |     5   (0)| 00:00:01 |

|* 1 | FILTER            |           |       |       |            |          |

|   2 |   TABLE ACCESS FULL| LJN_TEST1 |     3 |    39 |     3   (0)| 00:00:01 |

|* 3 |   TABLE ACCESS FULL| LJN_TEST2 |     2 |    26 |     2   (0)| 00:00:01 |

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



Predicate Information (identified by operation id):

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



   1 - filter( NOT EXISTS (SELECT 0 FROM "LJN_TEST2" "LJN_TEST2"

              WHERE LNNVL("COL"<>:B1)))

   3 - filter(LNNVL("COL"<>:B1))



可以看到关联谓词是filter，它类似于两表关联中的nested loop，也就是跑两层循环，可见它的效率有多差。为什么not in不能使用hash join作为执行计划呢？正如上面解释的，因为内表或外表中存在空值对最终结果产生的影响是hash join无法实现的，因为hash join不支持把空值放到hash桶中，所以它没办法处理外表和内表中存在的空值，效率与正确性放在一起时，肯定是要选择正确性，所以oracle必须放弃效率，保证正确性，采用filter谓词。



这个执行计划中我们还有感兴趣的东西，那就是：LNNVL("COL"<>:B1)，关于LNNVL的解释可以参见官方文档：http://download.oracle.com/docs/cd/B19306_01/server.102/b14200/functions078.htm

它在这里的作用很巧妙，oracle知道使用filter性能很差，所以它在扫描内表ljn_test2时，会使用LNNVL来检查ljn_test2.col是否存在null值，只要扫描到null值，就可以断定最终的结果为空值，也就没有了继续执行的意义，所以oracle可以马上终止执行，在某种意义上它弥补了filter较差的性能。

我用例子来证明这一点，首先先造一些数据：

truncate table ljn_test1;

truncate table ljn_test2;

insert into ljn_test1

select level from dual connect by level <=30000;

insert into ljn_test2

select level+1 from dual connect by level <=30000;

commit;

然后我为了让oracle尽快扫描到ljn_test2.col为null的那条记录，我要先找到物理地址最小的那条记录，因为通常情况全表扫描会先扫描物理地址最小的那条记录：

select col from ljn_test2 where rowid=(select min(rowid) from ljn_test2);



       COL

----------

      1982

然后我把这条记录更新为空：

update ljn_test2 set col = null where col=1982;

commit;

然后再来看一下not in的查询效率：

select * from ljn_test1 where col not in (select col from ljn_test2);



no rows selected



Elapsed: 00:00:00.17



看到这个结果后我很爽，它和之前查询需要用时21秒有很大的差别！

当然，我们不能总是指望oracle扫描表时总是最先找到null值，看下面的例子：

update ljn_test2 set col = 1982 where col is null;

select col from ljn_test2 where rowid=(select max(rowid) from ljn_test2);



       COL

----------

     30001

update ljn_test2 set col = null where col=30001;

commit;

再看一下not in的查询效率：

select * from ljn_test1 where col not in (select col from ljn_test2);



       COL

----------

         1



Elapsed: 00:00:21.11

这一下not in再一次原形毕露了！

机会主义不行，更杯具的是如果内表中没有空值，那LNNVL优化就永远起不到作用，相反它还会增大开销！

其实只要找到原因，问题很好解决，不就是空值在作怪嘛！在正常的逻辑下用户本来就是想得到和not exists等价的查询结果，所以只要让oracle知道我们不需要空值参与进来就可以了。

第一种解决方案：

将内表与外表的关联字段设定为非空的：

alter table ljn_test1 modify col not null;

alter table ljn_test2 modify col not null;

好了，再看一下执行计划：

set autot on;

select * from ljn_test1 where col not in (select col from ljn_test2);



       COL

----------

         1



Elapsed: 00:00:00.07



Execution Plan

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

Plan hash value: 385135874



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

| Id | Operation          | Name      | Rows | Bytes | Cost (%CPU)| Time     |

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

|   0 | SELECT STATEMENT   |           |     1 |    26 |    28   (8)| 00:00:01 |

|* 1 | HASH JOIN ANTI    |           |     1 |    26 |    28   (8)| 00:00:01 |

|   2 |   TABLE ACCESS FULL| LJN_TEST1 | 30000 |   380K|    13   (0)| 00:00:01 |

|   3 |   TABLE ACCESS FULL| LJN_TEST2 | 30000 |   380K|    13   (0)| 00:00:01 |

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



Predicate Information (identified by operation id):

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



   1 - access("COL"="COL")



很好！这回oracle已经知道使用hash join了！不过有时候表中需要存储空值，这时候就不能在表结构上指定非空了，那也同样简单：

第二种解决方案：

查询时在内表与外表中过滤空值。

先把表结构恢复为允许空值的：

alter table ljn_test1 modify col null;

alter table ljn_test2 modify col null;

然后改造查询：

select * from ljn_test1 where col is not null and col not in (select col from ljn_test2 where col is not null);



       COL

----------

         1



Elapsed: 00:00:00.07



Execution Plan

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

Plan hash value: 385135874



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

| Id | Operation          | Name      | Rows | Bytes | Cost (%CPU)| Time     |

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

|   0 | SELECT STATEMENT   |           |     1 |    26 |    28   (8)| 00:00:01 |

|* 1 | HASH JOIN ANTI    |           |     1 |    26 |    28   (8)| 00:00:01 |

|* 2 |   TABLE ACCESS FULL| LJN_TEST1 | 30000 |   380K|    13   (0)| 00:00:01 |

|* 3 |   TABLE ACCESS FULL| LJN_TEST2 | 30000 |   380K|    13   (0)| 00:00:01 |

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



Predicate Information (identified by operation id):

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



   1 - access("COL"="COL")

   2 - filter("COL" IS NOT NULL)

   3 - filter("COL" IS NOT NULL)