我想知道当我尝试通过另一个 table 的列从 table 过滤数据时，使用 INNER JOIN 和相等运算符更快还是使用 IN

Question

虽然我正在尝试获取所有收到来自 foo@gmail.com 的消息的帐户。我想了解以下两个查询的性能。

SELECT *
FROM account
WHERE
    account_id in (
        SELECT distinct account_id
        FROM message mes
        WHERE mes.sender = 'foo@gmail.com'
    )

或

SELECT distinct account.*
FROM account acc
    INNER JOIN message mes
        ON mes.account_id = acc._id
WHERE
    mes.sender = 'foo@gmail.com'

谢谢！

Answer 1

我不明白有些人不喜欢我的问题。在我的 class 中，我的老师曾教我，当我们加入一个 table 时，该操作非常复杂，因为结果 table 的大小可能是两倍、三倍或更多。

现在我们假设一些数字：

X = account table.
Y = 每个帐户有 100 条消息。
Z = 每个用户有 10 个朋友。
T = message table.

在第一个查询中，当我们在 message table 的 10.000 条记录中搜索电子邮件 foo@gmail.com 时。然后我们将得到 Foo 发送给他们的 10 account_id。现在，当我们在 table 用户中搜索时，我们将花费 1.000 时间遍历每个帐户，我们将花费 10 时间将当前 acocunt_id 与我们之前找到的列表 10 account_id 进行比较。

According to mathematics, complexibility of this query is: 10.000 + 1.000 * 10 <=> T + X * Z

在第二个查询中，我们连接到 table 并且结果 table 期望的长度是 10.000（因为 account table 和 [=11 之间的关系=] table 是一对多，所以每条消息只属于一个帐户 => 结果 table 的长度等于 message table 的长度），并且query WHERE只需要1次比较。

According to mathematics, complexibility of this query is: 10.000 <=> T.

但是我们没有看到结果 table 的长度可能会扩展两倍大小。而且我无法计算 JOIN 函数的复杂度。这就是我写这个问题的原因。

大家可以不喜欢我的问题。但是我真的很想知道。

Answer 2

在这种情况下始终使用第一个查询。但是，不要在 IN 子句子查询中使用 DISTINCT。不要试图告诉 DBMS 如何执行 IN。（嗯，一个好的 DBMS 应该简单地忽略 DISTINCT 并自己决定如何查找行。）

SELECT *
FROM account
WHERE account_id IN (SELECT account_id FROM message mes WHERE mes.sender = 'foo@gmail.com');

理想情况下，您应该在 message (sender, account_id) 上有一个索引。消息 table 本身甚至不需要阅读。在索引中查找发件人，然后获取所有匹配的帐户 ID。有了它，您就可以阅读帐户，仅此而已。如果没有索引，这可能会慢得多，但仍然：阅读消息 table 一次，选择不同的帐户 ID，然后阅读帐户。没什么大不了的。

通过加入，您可以将所有邮件与其帐户合并。这可能是一个相当大的中间结果，必须对其进行排序以获得不同的行。一个昂贵的操作。即使 DBMS 非常适合连接和排序并且执行速度非常快，它仍然可以使用相同的方法来使用 IN 子句进行简单查询。由 DBMS 制定一个好的计划，一个完美的 DBMS 会为两个查询提出完全相同的计划:-)

我的建议：只有当你对加入的结果感兴趣时才加入。在你的情况下你不是。您对符合某些条件的帐户感兴趣，因此相应地编写查询。不要破坏您的查询，因为认为 DBMS 将使用另一种巧妙的方法。它甚至可能在当前的 DBMS 版本中执行此操作，并在下一次更新时停止执行此操作。尽可能保持查询的可读性。如果您想要某些消息存在的帐户，请使用 WHERE 和 EXISTS 或 IN。 SQL应该是这样写的

我想知道当我尝试通过另一个 table 的列从 table 过滤数据时，使用 INNER JOIN 和相等运算符更快还是使用 IN

I wonder using INNER JOIN and equality operator is faster or using IN when I try to filter data from a table by another table's column

sql

postgresql

join

query-performance