使用 IN 与 NOT IN 时 Postgresql 的巨大性能差异

Question

我有 2 个表，"transaksi" 和 "buku"。 "transaksi" 有大约 25 万行，buku 有大约 17 万行。两个表都有名为 "k999a" 的列，并且两个表都没有使用索引。现在我检查这两个语句。

声明 1：

explain select k999a from transaksi where k999a not in (select k999a from buku);

语句 1 输出：

 Seq Scan on transaksi  (cost=0.00..721109017.46 rows=125426 width=9)
   Filter: (NOT (SubPlan 1))
   SubPlan 1
     ->  Materialize  (cost=0.00..5321.60 rows=171040 width=8)
           ->  Seq Scan on buku  (cost=0.00..3797.40 rows=171040 width=8)

声明 2：

explain select k999a from transaksi where k999a in (select k999a from buku);

语句 2 输出：

Hash Semi Join  (cost=6604.40..22664.82 rows=250853 width=9)
   Hash Cond: (transaksi.k999a = buku.k999a)
   ->  Seq Scan on transaksi  (cost=0.00..6356.53 rows=250853 width=9)
   ->  Hash  (cost=3797.40..3797.40 rows=171040 width=8)
         ->  Seq Scan on buku  (cost=0.00..3797.40 rows=171040 width=8)

为什么在NOT IN查询中，postgresql做loop join，导致查询时间过长？

PS：windows10

上的 postgresql 版本 9.6.1

Answer 1

这是意料之中的事情。使用 WHERE NOT EXISTS 可能会获得更好的性能：

SELECT k999a
FROM transaksi
WHERE NOT EXISTS (
    SELECT 1 FROM buku WHERE buku.k999a = transaksi.k999a LIMIT 1
);

这里很好地解释了每种方法的原因：https://explainextended.com/2009/09/16/not-in-vs-not-exists-vs-left-join-is-null-postgresql/

使用 IN 与 NOT IN 时 Postgresql 的巨大性能差异

Postgresql huge performance difference when using IN vs NOT IN

postgresql

sql-execution-plan

explain