¿Cómo funciona el predicado IN en SQL?

Question

Después de preparar una respuesta para this question Encontré que no pude verificar mi respuesta.

En mi primer trabajo de programación me dijeron que una consulta dentro del predicado IN() se ejecuta para cada fila contenida en la consulta principal, y por lo tanto, debe evitarse utilizar IN.

Por ejemplo, dada la consulta:

SELECT count(*) FROM Table1 WHERE Table1Id NOT IN (
SELECT Table1Id FROM Table2 WHERE id_user = 1) 

 
Table1 Rows | # of "IN" executions 
---------------------------------- 
     10 |  10 
    100 |  100 
    1000 |  1000 
    10000 | 10000 

Es esto correcto? ¿Cómo funciona realmente el predicado IN?

Answer 1

la advertencia que tienes acerca de subconsultas ejecución para cada fila es cierto - para subconsultas correlacionadas .

SELECT COUNT(*) FROM Table1 a 
WHERE a.Table1id NOT IN (
    SELECT b.Table1Id FROM Table2 b WHERE b.id_user = a.id_user 
); 

Tenga en cuenta que los subconsulta hace referencia a la columna de la id_user de la consulta externa. El valor de id_user en cada fila de Table1 puede ser diferente. Entonces, el resultado de la subconsulta probablemente será diferente, dependiendo de la fila actual en la consulta externa. El RDBMS debe ejecutar la subconsulta muchas veces, una para cada fila en la consulta externa.

El ejemplo que ha probado es una subconsulta no correlacionada. La mayoría de los optimizadores de RDBMS modernos que valen la pena deberían ser capaces de determinar cuándo el resultado de la subconsulta no depende de los valores de cada fila de la consulta externa. En ese caso, el RDBMS ejecuta la subconsulta una sola vez, guarda su resultado en caché y lo usa repetidamente para el predicado en la consulta externa.

PD: En SQL, IN() se denomina "predicado", no es una afirmación. Un predicado es una parte del lenguaje que se evalúa como verdadero o falso, pero no necesariamente se puede ejecutar de forma independiente como una declaración. Es decir, no puede ejecutar esto como una consulta SQL: "2 IN (1,2,3);" Aunque este es un predicado válido, no es una declaración válida.

Answer 2

No realmente. Pero es mantequilla escribir tales consultas usando JOIN

Answer 3

Depende del optimizador. Compruebe exactamente query plan para cada consulta en particular para ver cómo el RDBMS realmente ejecutará eso.

En Oracle eso sería:

EXPLAIN PLAN FOR «your query» 

En MySQL o PostgreSQL

EXPLAIN «your query» 

Answer 4

Es del todo dependerá de la base de datos que está utilizando, y la consulta exacta.

Los optimizadores de consultas son muy inteligentes a veces: en su consulta de muestra, espero que las mejores bases de datos puedan usar el mismo tipo de técnicas que utilizan con una combinación. Las bases de datos más ingenuas pueden ejecutar la misma consulta muchas veces.

Answer 5

La mayoría de los motores SQL hoy en día casi siempre van a crear el mismo plan de ejecución de LEFT JOIN, NO EN y NO EXISTE

diría vistazo a su plan de ejecución y averiguar :-)

También si tiene valores NULL para la columna Table1Id no obtendrá ningún dato devuelto

Answer 6

Esto depende del RDBMS en cuestión.

Ver análisis detallado aquí:

• MySQL, part 1
• MySQL, part 2
• SQL Server
• Oracle
• PostgreSQL

En s hort:

1. MySQL optimizará la consulta a este:

   SELECT COUNT(*) 
   FROM Table1 t1 
   WHERE NOT EXISTS 
        (
        SELECT 1 
        FROM Table2 t2 
        WHERE t2.id_user = 1 
          AND t2.Table1ID = t1.Table2ID 
        ) 
   

   y ejecutar la subconsulta interior en un bucle, utilizando el índice de búsqueda de cada vez.

   • SQL Server usarán MERGE ANTI JOIN.

   La subconsulta interna no se "ejecutará" en un sentido común de palabra, en su lugar, los resultados de consulta y subconsulta se obtendrán al mismo tiempo.

   Consulte el enlace de arriba para una explicación más detallada.

   • Oracle usará HASH ANTI JOIN.

   La subconsulta interna se ejecutará una vez, y se generará una tabla hash a partir del conjunto de resultados.

   Los valores de la consulta externa se buscarán en la tabla hash.

   • PostgreSQL usarán NOT (HASHED SUBPLAN).

   Mucho me gusta Oracle.

Tenga en cuenta que volver a escribir la consulta como esta:

SELECT (
     SELECT COUNT(*) 
     FROM Table1 
     ) - 
     (
     SELECT COUNT(*) 
     FROM Table2 t2 
     WHERE (t2.id_user, t2.Table1ID) IN 
       (
       SELECT 1, Table1ID 
       FROM Table1 
       ) 
     ) 

se espera mejorar considerablemente el rendimiento en los cuatro sistemas.

Answer 7

Sí, pero la ejecución se detiene tan pronto como el procesador de consultas "encuentra" el valor que está buscando ... Así que si, por ejemplo, la primera fila en el exterior selecciona Table1Id = 32, y si Table2 tiene un registro con un IDtabla = 32, entonces tan pronto como la subconsulta encuentra la fila en la Tabla 2, donde IDtabla = 32, se detiene ...