SQL中的in与not in、exists与not exists的区别以及性能分析

SQL in not in exists not exists

1、in和exists

in是把外表和内表作hash连接，而exists是对外表作loop循环，每次loop循环再对内表进行查询，一直以来认为exists比in效率高的说法是不准确的。
如果查询的两个表大小相当，那么用in和exists差别不大；如果两个表中一个较小一个较大，则子查询表大的用**exists**，子查询表小的用**in**；
例如：表A(小表)，表B(大表)

select * from A where cc in(select cc from B)  -->效率低，用到了A表上cc列的索引；
select * from A where exists(select cc from B where cc=A.cc)  -->效率高，用到了B表上cc列的索引。

相反的：

select * from B where cc in(select cc from A)  -->效率高，用到了B表上cc列的索引
select * from B where exists(select cc from A where cc=B.cc)  -->效率低，用到了A表上cc列的索引。

2、not in 和not exists

not in 逻辑上不完全等同于not exists，如果误用了not in，小心程序存在致命的BUG，请看下面的例子：

create table #t1(c1 int,c2 int);
create table #t2(c1 int,c2 int);
insert into #t1 values(1,2);
insert into #t1 values(1,3);
insert into #t2 values(1,2);
insert into #t2 values(1,null);
select * from #t1 where c2 not in(select c2 from #t2);  -->执行结果：无
select * from #t1 where not exists(select 1 from #t2 where #t2.c2=#t1.c2)  -->执行结果：1  3

正如所看到的，not in 出现了不期望的结果集，存在逻辑错误。如果看一下上述两个select 语句的执行计划，也会不同，后者使用了 hash_aj ，所以，请尽量不要使用 not in (它会调用子查询)，而尽量使用 not exists（它会调用关联子查询）。
如果子查询中返回的任意一条记录含有空值，则查询将不返回任何记录。如果子查询字段有非空限制，这时可以使用 not in，并且可以通过提示让它用 hasg_aj 或 merge_aj 连接。
如果查询语句使用了 not in ，那么对内外表都进行全表扫描，没有用到索引；而 not exists 的子查询依然能用到表上的索引。所以无论哪个表大，用 not exists 都比 not in 要快。

3、in 与 = 的区别

select name from student where name in('zhang','wang','zhao');

与

select name from student where name='zhang' or name='wang' or name='zhao'

的结果是相同的。

其他分析：

1.EXISTS的执行流程

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

对于**in** 和 **exists**的性能区别:
如果子查询得出的结果集记录较少，主查询中的表较大且又有索引时应该用in，反之如果外层的主查询记录较少，子查询中的表大，又有索引时使用exists。
其实区分in和exists主要是造成了驱动顺序的改变（这是性能变化的关键），如果是exists，那么以外层表为驱动表，先被访问，如果是IN，那么先执行子查询，所以会以驱动表的快速返回为目标，那么就会考虑到索引及结果集的关系了
另外IN时不对NULL进行处理
如：select 1 from dual where null in (0,1,2,null) 为空

2.NOT IN 与NOT EXISTS:

NOT EXISTS的执行流程

select ..... from rollup R  where not exists ( 
  select 'Found' from title T where R.source_id = T.Title_ID);

可以理解为:

for x in ( select * from rollup ) loop 
if ( not exists ( that query ) ) then 
OUTPUT 
end if; 
end loop;

注意：NOT EXISTS 与 NOT IN 不能完全互相替换，看具体的需求。如果选择的列可以为空，则不能被替换。
例如下面语句，看他们的区别：

select x,y from t;

查询x和y数据如下：

x y 
------ ------ 
1 3 
3 1 
1 2 
1 1 
3 1 
5

使用not in 和not exists查询结果如下：

select * from t where x not in (select y from t t2 ) ;

查询无结果：no rows

select * from t where not exists (select null from t t2 where t2.y=t.x ) ;

查询结果为：

x y 
------ ------ 
5 NULL

所以要具体需求来决定
对于**not in** 和 **not exists**的性能区别：
not in 只有当子查询中，select 关键字后的字段有not null约束或者有这种暗示时用not in，另外如果主查询中表大，子查询中的表小但是记录多，则应当使用not in，并使用anti hash join。
如果主查询表中记录少，子查询表中记录多，并有索引，可以使用not exists，另外not in最好也可以用/*+ HASH_AJ */或者外连接+is null
NOT IN 在基于成本的应用中较好
比如:

select ..... 
from rollup R 
where not exists ( select 'Found' from title T 
where R.source_id = T.Title_ID);

改成（佳）

select ...... 
from title T, rollup R 
where R.source_id = T.Title_id(+) 
and T.Title_id is null;

或者（佳）

sql> select /*+ HASH_AJ */ ... 
from rollup R 
where ource_id NOT IN ( select ource_id 
from title T 
where ource_id IS NOT NULL )

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;

——如果有一定的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，因为需要对t2进行全表的“唯一排序”，如果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？最通俗的理解就是因为t1.x=t2.y可以走索引。
但这并不是一个很好的解释。试想，如果t1.x和t2.y 都有索引，索引是种有序的结构，因此t1和t2之间最佳的方案是走merge join。另外，如果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！因此t1绝对不能是个大表，而t2可以很大，因为y=x.x可以走t2.y的索引。
综合以上对IN/EXISTS的讨论，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。
要根据实际的情况做相应的优化，不能绝对的说谁的效率高谁的效率低，所有的事都是相对的