詳解not in與not exists的區別與用法

http://blog.sina.com.cn/s/blog_6ff05a2c0100tref.html#cmt_534E3BE3-7F000001-653BA2F9-939-8A0

我先建兩個示範表，便於說明：

create table ljn_test1 (col number);

create table ljn_test2 (col number);

然後插入一些資料：

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;

然後來分別看一下使用not exists和not in的效能差異：

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個數量級！為什麼呢？其實答案很簡答，以上兩個SQL其實並不是等價的。

我把以上兩個表的資料清除掉，重新插入資料：

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;

然後再次執行兩個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

這回not in的原形暴露了，竟然得到的是空集。來仔細分解一下原因：

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

A在這個例子中可以轉化為下面的B：

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

B可以進一步轉化為下面的C：

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

因為col <> null是一個永假式，所以最終查出的結果肯定也就是空了。

由此可以得出結論：只要not in的子查詢中包含空值，那麼最終的結果就為空！

not exists語句不會出現這種情況，因為not exists子句中寫的是ljn_test1與ljn_test2的關聯，null是不參與等值關聯的，所以ljn_test2的col存在空值對最終的查詢結果沒有任何影響。

我在這裡暫且把ljn_test1叫做外表，ljn_test2叫做內表。

只要稍做歸納，就可以得到更詳細的結論：

1、對於not exists查詢，內表存在空值對查詢結果沒有影響；對於not in查詢，內表存在空值將導致最終的查詢結果為空。

2、對於not exists查詢，外表存在空值，存在空值的那條記錄最終會輸出；對於not in查詢，外表存在空值，存在空值的那條記錄最終將被過濾，其他資料不受影響。

講到這裡，我就可以開始解釋為什麼上面的not in語句比not exists語句效率差這麼多了。

not exists語句很顯然就是一個簡單的兩表關聯，內表與外表中存在空值本身就不參與關聯，在CBO(基於成本的最佳化器)中常用的執行計劃是hash join，所以它的效率完全沒有問題，看一下它的執行計劃：

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

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

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

| 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")

這個執行計劃很清晰，沒有什麼需要解釋的，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

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

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

| 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))

可以看到關聯謂詞是filter，它類似於兩表關聯中的nested loop，也就是跑兩層迴圈，可見它的效率有多差。為什麼not in不能使用hash join作為執行計劃呢？正如上面解釋的，因為內表或外表中存在空值對最終結果產生的影響是hash join無法實現的，因為hash join不支援把空值放到hash桶中，所以它沒辦法處理外表和內表中存在的空值，效率與正確性放在一起時，肯定是要選擇正確性，所以oracle必須放棄效率，保證正確性，採用filter謂詞。

這個執行計劃中我們還有感興趣的東西，那就是：LNNVL("COL"<>:B1)，關於LNNVL的解釋可以參見官方文件：

它在這裡的作用很巧妙，oracle知道使用filter效能很差，所以它在掃描內表ljn_test2時，會使用LNNVL來檢查ljn_test2.col是否存在null值，只要掃描到null值，就可以斷定最終的結果為空值，也就沒有了繼續執行的意義，所以oracle可以馬上終止執行，在某種意義上它彌補了filter較差的效能。

我用例子來證明這一點，首先先造一些資料：

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;

然後我為了讓oracle儘快掃描到ljn_test2.col為null的那條記錄，我要先找到實體地址最小的那條記錄，因為通常情況全表掃描會先掃描實體地址最小的那條記錄：

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

COL

----------

1982

然後我把這條記錄更新為空：

update ljn_test2 set col = null where col=1982;

commit;

然後再來看一下not in的查詢效率：

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

no rows selected

Elapsed: 00:00:00.17

看到這個結果後我很爽，它和之前查詢需要用時21秒有很大的差別！

當然，我們不能總是指望oracle掃描表時總是最先找到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的查詢效率：

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

COL

----------

1

Elapsed: 00:00:21.11

這一下not in再一次原形畢露了！

機會主義不行，更杯具的是如果內表中沒有空值，那LNNVL最佳化就永遠起不到作用，相反它還會增大開銷！

其實只要找到原因，問題很好解決，不就是空值在作怪嘛！在正常的邏輯下使用者本來就是想得到和not exists等價的查詢結果，所以只要讓oracle知道我們不需要空值參與進來就可以了。

第一種解決方案：

將內表與外表的關聯欄位設定為非空的：

alter table ljn_test1 modify col not null;

alter table ljn_test2 modify col not null;

好了，再看一下執行計劃：

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

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

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

| 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！這回oracle已經知道使用hash join了！不過有時候表中需要儲存空值，這時候就不能在表結構上指定非空了，那也同樣簡單：

第二種解決方案：

查詢時在內表與外表中過濾空值。

先把表結構恢復為允許空值的：

alter table ljn_test1 modify col null;

alter table ljn_test2 modify col null;

然後改造查詢：

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

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

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

| 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)

OK! hash join出來了！我想我關於not exists與not in之間的比較也該結束了。

詳解not in與not exists的區別與用法

相關文章