在 SQL 中，我是否应该总是更喜欢 EXISTS 而不是 COUNT() > 0？

Question

我经常遇到这样的建议，即在检查（子）查询中的任何行是否存在时，出于性能原因，应该使用 EXISTS 而不是 COUNT(*) > 0。具体来说，前者可以在找到单行后短路returnTRUE（或者NOT EXISTS的FALSE），而COUNT需要实际上评估每一行以 return 一个数字，仅与零进行比较。

在简单的情况下，这一切对我来说都很有意义。但是，我最近运行遇到一个问题，我需要根据组中某一列中的所有值是否为 [=22] 来过滤 GROUP BY 的 HAVING 子句中的组=].

为了清楚起见，让我们看一个例子。假设我有以下架构：

CREATE TABLE profile(
    id INTEGER PRIMARY KEY,
    user_id INTEGER NOT NULL,
    google_account_id INTEGER NULL,
    facebook_account_id INTEGER NULL,
    FOREIGN KEY (user_id) REFERENCES user(id),
    CHECK(
        (google_account_id IS NOT NULL) + (facebook_account_id IS NOT NULL) = 1
    )
)

即每个用户（table 为简洁起见未显示）有 0 个或多个配置文件。每个个人资料都是 Google 或 Facebook 帐户。（这是子类的 t运行slation 或具有一些关联数据的总和类型——在我的真实模式中，帐户 ID 也是持有该关联数据的不同 tables 的外键，但这是与我的问题无关。）

现在，假设我想计算所有 没有任何 Google 个人资料的用户的 Facebook 个人资料。

起初，我使用 COUNT() = 0 编写了以下查询：

SELECT user_id, COUNT(facebook_account_id)
FROM profile
GROUP BY user_id
HAVING COUNT(google_account_id) = 0;

但后来我想到 HAVING 子句中的条件实际上只是一个存在性检查。所以我然后使用子查询和 NOT EXISTS:

重新编写了查询

SELECT user_id, COUNT(facebook_account_id)
FROM profile AS p
GROUP BY user_id
HAVING NOT EXISTS (
    SELECT 1
    FROM profile AS q
    WHERE p.user_id = q.user_id
    AND q.google_id IS NOT NULL
)

我的问题有两个：

我是否应该保留第二个重新制定的查询，并在子查询中使用 NOT EXISTS 而不是 COUNT() = 0？这真的更有效率吗？我认为由于 WHERE p.user_id = q.user_id 条件导致的索引查找有一些额外的成本。这种额外成本是否被 EXISTS 的短路行为吸收也可能取决于组的平均基数，不是吗？

或者 DBMS 是否可以足够聪明地识别分组键被比较的事实，并通过用当前组替换它来完全优化这个子查询（而不是为每个子查询实际执行索引查找）团体）？我严重怀疑 DBMS 是否可以优化这个子查询，同时未能将 COUNT() = 0 优化为 NOT EXISTS.
撇开效率不谈，第二个查询对我来说似乎更复杂，而且不太正确，所以即使它更快，我也不愿意使用它。你怎么看，还有更好的方法吗？通过以更简单的方式使用 NOT EXISTS，例如通过直接从 HAVING 子句中引用当前组，我可以吃蛋糕吗？

Answer 1

第一个查询似乎是执行所需操作的正确方法。

这已经是聚合查询了，因为您要统计 Facebook 帐户。处理计算 google 个帐户的 having 子句的开销应该很小。

另一方面，第二种方法需要重新打开 table 并扫描它，这很可能更昂贵。

Answer 2

在 子查询 中，您应该更喜欢 EXISTS/NOT EXISTS 而不是 COUNT()。所以而不是：

select t.*
from t
where (select count(*) from z where z.x = t.x) > 0

您应该改用：

select t.*
from t
where exists (select 1 from z where z.x = t.x)

这样做的原因是子查询可以在第一次匹配时停止处理。

此推理不适用于聚合后的 HAVING 子句——无论如何都必须生成所有行，因此在第一次匹配时停止没有什么价值。

但是，如果您有 users table 并且真的不需要 facebook 计数，则可能不需要聚合。您可以使用：

select u.*
from users u
where not exists (select 1
                  from profiles p
                  where p.user_id = u.user_id and p.google_id is not null
                 );

此外，如果您在聚合之前过滤，聚合可能会更快：

SELECT user_id, COUNT(facebook_account_id) FROM profile AS p WHERE NOT EXISTS ( SELECT 1 FROM profile p2 WHERE p2.user_id = p.user_id AND p2.google_id IS NOT NULL ) GROUP BY user_id;

它是否真的更快取决于很多因素，包括实际过滤掉的行数。

在 SQL 中，我是否应该总是更喜欢 EXISTS 而不是 COUNT() > 0？

Should I always prefer EXISTS over COUNT() > 0 in SQL?

sql

database

performance

sqlite

query-performance