Присоединиться против подзапроса

Подзапросы - это логически правильный способ решения проблем формы: "Получить факты из A, обусловленные фактами из B". В таких случаях логически логично вставлять B в подзапрос, чем делать соединение. Это также безопасно, в практическом смысле, поскольку вам не нужно быть осторожным в получении дублированных фактов из A из-за нескольких матчей против B.

Практически, однако, ответ обычно сводится к производительности. Некоторые оптимизаторы высасывают лимоны, когда им дается соединение по сравнению с подзапросом, а некоторые - лимоны в другом случае, и это специфичные для оптимизатора, специфичные для СУБД и специфичные для запросов.

Исторически явное объединение обычно выигрывает, следовательно, установленная мудрость, которая объединяется, лучше, но оптимизаторы все время улучшаются, поэтому я предпочитаю сначала писать запросы логически последовательным образом, а затем реструктурировать, если ограничения производительности оправдывают это.

В большинстве случаев JOIN быстрее, чем подзапросы, и очень редко бывает, что подзапрос будет быстрее.

В JOIN RDBMS может создать план выполнения, который лучше для вашего запроса, и может предсказать, какие данные должны быть загружены для обработки и сэкономить время, в отличие от подзапроса, где он будет запускать все запросы и загружать все свои данные для обработки.

Хорошая вещь в подзапросах заключается в том, что они более читабельны, чем JOIN s: почему большинство новых пользователей SQL предпочитают их; это простой способ; но когда дело доходит до производительности, JOINS лучше в большинстве случаев, хотя их тоже трудно читать.

Используйте EXPLAIN, чтобы узнать, как ваша база данных выполняет запрос по вашим данным. В этом ответе есть огромное "это зависит"...

PostgreSQL может переписать подзапрос к соединению или присоединению к подзапросу, когда он считает, что один быстрее, чем другой. Все зависит от данных, индексов, корреляции, количества данных, запросов и т.д.

Прежде всего, чтобы сравнить два первых, вы должны различать запросы с подзапросами:

• класс подзапросов, которые всегда имеют соответствующий эквивалентный запрос, написанный с помощью соединений
• класс подзапросов, которые нельзя переписать с помощью объединений

Для первого класса запросов хорошая RDBMS увидит соединения и подзапросы как эквивалентные и создаст те же планы запросов.

В наши дни даже mysql делает это.

Тем не менее, иногда это не так, но это не означает, что объединения всегда будут выигрывать - у меня были случаи, когда подзапросы в mysql улучшали производительность. (Например, если есть что-то, что предотвращает планировщик mysql, чтобы правильно оценить стоимость, и если планировщик не видит вариант соединения и вариант подзапроса, как и тогда, то подзапросы могут превзойти объединения, заставив определенный путь).

Заключение заключается в том, что вы должны проверять свои запросы как для вариантов соединения, так и для подзапросов, если вы хотите быть уверенными, какой из них будет работать лучше.

Для второго класса сравнение не имеет смысла, поскольку эти запросы не могут быть переписаны с помощью объединений, и в этих случаях подзапросы являются естественным способом выполнения требуемых задач, и вы не должны различать их.

Документация MSDN для SQL Server говорит

Многие операторы Transact-SQL, содержащие подзапросы, могут быть альтернативно сформулированы как объединения. Другие вопросы могут задаваться только с подзапросами. В Transact-SQL обычно нет разницы в производительности между оператором, который включает подзапрос и семантически эквивалентную версию, которая этого не делает. Однако в некоторых случаях, когда существование должно быть проверено, соединение дает лучшую производительность. В противном случае вложенный результат должен обрабатываться для каждого результата внешнего запроса, чтобы обеспечить устранение дубликатов. В таких случаях подход с объединением даст лучшие результаты.

поэтому, если вам нужно что-то вроде

select * from t1 where exists select * from t2 where t2.parent=t1.id

попробуйте использовать соединение. В других случаях это не имеет значения.

Я говорю: создание функций для подзапросов устраняет проблему cluttter и позволяет реализовать дополнительную логику для подзапросов. Поэтому я рекомендую создавать функции для подзапросов, когда это возможно.

Беспорядок в коде - большая проблема, и индустрия работает над тем, чтобы избежать его на протяжении десятилетий.

Я думаю, что в приведенных ответах было подчеркнуто значение дубликатов и проблемных результатов, которые могут возникнуть из конкретных (использования) случаев.

(хотя Марсело Канто упоминает об этом)

Я приведу пример из курсов Stanford Lagunita по SQL.

Таблица студентов

+------+--------+------+--------+
| sID  | sName  | GPA  | sizeHS |
+------+--------+------+--------+
|  123 | Amy    |  3.9 |   1000 |
|  234 | Bob    |  3.6 |   1500 |
|  345 | Craig  |  3.5 |    500 |
|  456 | Doris  |  3.9 |   1000 |
|  567 | Edward |  2.9 |   2000 |
|  678 | Fay    |  3.8 |    200 |
|  789 | Gary   |  3.4 |    800 |
|  987 | Helen  |  3.7 |    800 |
|  876 | Irene  |  3.9 |    400 |
|  765 | Jay    |  2.9 |   1500 |
|  654 | Amy    |  3.9 |   1000 |
|  543 | Craig  |  3.4 |   2000 |
+------+--------+------+--------+

Применить таблицу

(заявки, сделанные в определенные университеты и майоры)

+------+----------+----------------+----------+
| sID  | cName    | major          | decision |
+------+----------+----------------+----------+
|  123 | Stanford | CS             | Y        |
|  123 | Stanford | EE             | N        |
|  123 | Berkeley | CS             | Y        |
|  123 | Cornell  | EE             | Y        |
|  234 | Berkeley | biology        | N        |
|  345 | MIT      | bioengineering | Y        |
|  345 | Cornell  | bioengineering | N        |
|  345 | Cornell  | CS             | Y        |
|  345 | Cornell  | EE             | N        |
|  678 | Stanford | history        | Y        |
|  987 | Stanford | CS             | Y        |
|  987 | Berkeley | CS             | Y        |
|  876 | Stanford | CS             | N        |
|  876 | MIT      | biology        | Y        |
|  876 | MIT      | marine biology | N        |
|  765 | Stanford | history        | Y        |
|  765 | Cornell  | history        | N        |
|  765 | Cornell  | psychology     | Y        |
|  543 | MIT      | CS             | N        |
+------+----------+----------------+----------+

Попробуйте найти оценки GPA для студентов, которые применили к CS major (независимо от университета)

Использование подзапроса:

select GPA from Student where sID in (select sID from Apply where major = 'CS');

+------+
| GPA  |
+------+
|  3.9 |
|  3.5 |
|  3.7 |
|  3.9 |
|  3.4 |
+------+

Среднее значение для этого набора результатов:

select avg(GPA) from Student where sID in (select sID from Apply where major = 'CS');

+--------------------+
| avg(GPA)           |
+--------------------+
| 3.6800000000000006 |
+--------------------+

Использование соединения:

select GPA from Student, Apply where Student.sID = Apply.sID and Apply.major = 'CS';

+------+
| GPA  |
+------+
|  3.9 |
|  3.9 |
|  3.5 |
|  3.7 |
|  3.7 |
|  3.9 |
|  3.4 |
+------+

среднее значение для этого набора результатов:

select avg(GPA) from Student, Apply where Student.sID = Apply.sID and Apply.major = 'CS';

+-------------------+
| avg(GPA)          |
+-------------------+
| 3.714285714285714 |
+-------------------+

Очевидно, что вторая попытка дает вводящие в заблуждение результаты в нашем случае использования, учитывая, что она подсчитывает дубликаты для вычисления среднего значения. Также очевидно, что использование distinct с утверждением на основе соединения будет не устранять проблему, учитывая, что она ошибочно сохранит одно из трех вхождений показателя 3.9. Правильный случай состоит в том, чтобы учитывать TWO (2) вхождения баллов 3.9, учитывая, что у нас на самом деле есть TWO (2) студенты с таким результатом, которые соответствуют нашему запросу критерии.

Похоже, что в некоторых случаях подзапрос является самым безопасным способом, помимо любых проблем с производительностью.

Запуск в очень большой базе данных из старой Mambo CMS:

SELECT id, alias
FROM
  mos_categories
WHERE
  id IN (
    SELECT
      DISTINCT catid
    FROM mos_content
  );

0 секунд

SELECT
  DISTINCT mos_content.catid,
  mos_categories.alias
FROM
  mos_content, mos_categories
WHERE
  mos_content.catid = mos_categories.id;

~ 3 секунды

EXPLAIN показывает, что они просматривают то же самое количество строк, но один занимает 3 секунды, а один близок к мгновенному. Мораль истории? Если производительность важна (когда это не так?), Попробуйте несколько способов и посмотрите, какая из них самая быстрая.

А...

SELECT
  DISTINCT mos_categories.id,
  mos_categories.alias
FROM
  mos_content, mos_categories
WHERE
  mos_content.catid = mos_categories.id;

0 секунд

Опять же, те же результаты, одинаковое количество строк. Я предполагаю, что DISTINCT mos_content.catid занимает гораздо больше времени, чем выяснение, чем DISTINCT mos_categories.id делает.

Подзапросы имеют возможность вычислять функции агрегации на лету. Например. Найдите минимальную цену книги и получите все книги, которые продаются с этой ценой. 1) Использование подзапросов:

SELECT titles, price
FROM Books, Orders
WHERE price = 
(SELECT MIN(price)
 FROM Orders) AND (Books.ID=Orders.ID);

2), используя JOINs

SELECT MIN(price)
     FROM Orders;
-----------------
2.99

SELECT titles, price
FROM Books b
INNER JOIN  Orders o
ON b.ID = o.ID
WHERE o.price = 2.99;

Версия MySQL: 5.5.28-0ubuntu0.12.04.2-log

У меня также сложилось впечатление, что JOIN всегда лучше, чем подзапрос в MySQL, но EXPLAIN - лучший способ сделать суждение. Вот пример, где sub-запросы работают лучше, чем JOINs.

Вот мой запрос с тремя подзапросами:

EXPLAIN SELECT vrl.list_id,vrl.ontology_id,vrl.position,l.name AS list_name, vrlih.position AS previous_position, vrl.moved_date 
FROM `vote-ranked-listory` vrl 
INNER JOIN lists l ON l.list_id = vrl.list_id 
INNER JOIN `vote-ranked-list-item-history` vrlih ON vrl.list_id = vrlih.list_id AND vrl.ontology_id=vrlih.ontology_id AND vrlih.type='PREVIOUS_POSITION' 
INNER JOIN list_burial_state lbs ON lbs.list_id = vrl.list_id AND lbs.burial_score < 0.5 
WHERE vrl.position <= 15 AND l.status='ACTIVE' AND l.is_public=1 AND vrl.ontology_id < 1000000000 
 AND (SELECT list_id FROM list_tag WHERE list_id=l.list_id AND tag_id=43) IS NULL 
 AND (SELECT list_id FROM list_tag WHERE list_id=l.list_id AND tag_id=55) IS NULL 
 AND (SELECT list_id FROM list_tag WHERE list_id=l.list_id AND tag_id=246403) IS NOT NULL 
ORDER BY vrl.moved_date DESC LIMIT 200;

EXPLAIN показывает:

+----+--------------------+----------+--------+-----------------------------------------------------+--------------+---------+-------------------------------------------------+------+--------------------------+
| id | select_type        | table    | type   | possible_keys                                       | key          | key_len | ref                                             | rows | Extra                    |
+----+--------------------+----------+--------+-----------------------------------------------------+--------------+---------+-------------------------------------------------+------+--------------------------+
|  1 | PRIMARY            | vrl      | index  | PRIMARY                                             | moved_date   | 8       | NULL                                            |  200 | Using where              |
|  1 | PRIMARY            | l        | eq_ref | PRIMARY,status,ispublic,idx_lookup,is_public_status | PRIMARY      | 4       | ranker.vrl.list_id                              |    1 | Using where              |
|  1 | PRIMARY            | vrlih    | eq_ref | PRIMARY                                             | PRIMARY      | 9       | ranker.vrl.list_id,ranker.vrl.ontology_id,const |    1 | Using where              |
|  1 | PRIMARY            | lbs      | eq_ref | PRIMARY,idx_list_burial_state,burial_score          | PRIMARY      | 4       | ranker.vrl.list_id                              |    1 | Using where              |
|  4 | DEPENDENT SUBQUERY | list_tag | ref    | list_tag_key,list_id,tag_id                         | list_tag_key | 9       | ranker.l.list_id,const                          |    1 | Using where; Using index |
|  3 | DEPENDENT SUBQUERY | list_tag | ref    | list_tag_key,list_id,tag_id                         | list_tag_key | 9       | ranker.l.list_id,const                          |    1 | Using where; Using index |
|  2 | DEPENDENT SUBQUERY | list_tag | ref    | list_tag_key,list_id,tag_id                         | list_tag_key | 9       | ranker.l.list_id,const                          |    1 | Using where; Using index |
+----+--------------------+----------+--------+-----------------------------------------------------+--------------+---------+-------------------------------------------------+------+--------------------------+

Тот же запрос с JOINs:

EXPLAIN SELECT vrl.list_id,vrl.ontology_id,vrl.position,l.name AS list_name, vrlih.position AS previous_position, vrl.moved_date 
FROM `vote-ranked-listory` vrl 
INNER JOIN lists l ON l.list_id = vrl.list_id 
INNER JOIN `vote-ranked-list-item-history` vrlih ON vrl.list_id = vrlih.list_id AND vrl.ontology_id=vrlih.ontology_id AND vrlih.type='PREVIOUS_POSITION' 
INNER JOIN list_burial_state lbs ON lbs.list_id = vrl.list_id AND lbs.burial_score < 0.5 
LEFT JOIN list_tag lt1 ON lt1.list_id = vrl.list_id AND lt1.tag_id = 43 
LEFT JOIN list_tag lt2 ON lt2.list_id = vrl.list_id AND lt2.tag_id = 55 
INNER JOIN list_tag lt3 ON lt3.list_id = vrl.list_id AND lt3.tag_id = 246403 
WHERE vrl.position <= 15 AND l.status='ACTIVE' AND l.is_public=1 AND vrl.ontology_id < 1000000000 
AND lt1.list_id IS NULL AND lt2.tag_id IS NULL 
ORDER BY vrl.moved_date DESC LIMIT 200;

а выход:

+----+-------------+-------+--------+-----------------------------------------------------+--------------+---------+---------------------------------------------+------+----------------------------------------------+
| id | select_type | table | type   | possible_keys                                       | key          | key_len | ref                                         | rows | Extra                                        |
+----+-------------+-------+--------+-----------------------------------------------------+--------------+---------+---------------------------------------------+------+----------------------------------------------+
|  1 | SIMPLE      | lt3   | ref    | list_tag_key,list_id,tag_id                         | tag_id       | 5       | const                                       | 2386 | Using where; Using temporary; Using filesort |
|  1 | SIMPLE      | l     | eq_ref | PRIMARY,status,ispublic,idx_lookup,is_public_status | PRIMARY      | 4       | ranker.lt3.list_id                          |    1 | Using where                                  |
|  1 | SIMPLE      | vrlih | ref    | PRIMARY                                             | PRIMARY      | 4       | ranker.lt3.list_id                          |  103 | Using where                                  |
|  1 | SIMPLE      | vrl   | ref    | PRIMARY                                             | PRIMARY      | 8       | ranker.lt3.list_id,ranker.vrlih.ontology_id |   65 | Using where                                  |
|  1 | SIMPLE      | lt1   | ref    | list_tag_key,list_id,tag_id                         | list_tag_key | 9       | ranker.lt3.list_id,const                    |    1 | Using where; Using index; Not exists         |
|  1 | SIMPLE      | lbs   | eq_ref | PRIMARY,idx_list_burial_state,burial_score          | PRIMARY      | 4       | ranker.vrl.list_id                          |    1 | Using where                                  |
|  1 | SIMPLE      | lt2   | ref    | list_tag_key,list_id,tag_id                         | list_tag_key | 9       | ranker.lt3.list_id,const                    |    1 | Using where; Using index                     |
+----+-------------+-------+--------+-----------------------------------------------------+--------------+---------+---------------------------------------------+------+----------------------------------------------+

Сравнение столбца rows указывает разницу, и запрос с JOINs использует Using temporary; Using filesort.

Конечно, когда я запускаю оба запроса, первый выполняется через 0,02 секунды, второй не завершается даже через 1 минуту, поэтому EXPLAIN правильно объяснил эти запросы.

Если у меня нет INNER JOIN в таблице list_tag, если я удалю

AND (SELECT list_id FROM list_tag WHERE list_id=l.list_id AND tag_id=246403) IS NOT NULL  

из первого запроса и соответственно:

INNER JOIN list_tag lt3 ON lt3.list_id = vrl.list_id AND lt3.tag_id = 246403

из второго запроса, тогда EXPLAIN возвращает одинаковое количество строк для обоих запросов, и оба этих запроса выполняются одинаково быстро.

Подзапросы обычно используются для возврата одной строки в качестве атомного значения, хотя они могут использоваться для сравнения значений с несколькими строками с ключевым словом IN. Они разрешены практически в любой значимой точке SQL-запроса, включая целевой список, предложение WHERE и т.д. В качестве условия поиска можно использовать простой подзапрос. Например, между парой таблиц:

   SELECT title FROM books WHERE author_id = (SELECT id FROM authors WHERE last_name = 'Bar' AND first_name = 'Foo');

Обратите внимание, что использование оператора нормального значения в результатах подзапроса требует, чтобы возвращалось только одно поле. Если вы заинтересованы в проверке наличия одного значения в наборе других значений, используйте IN:

   SELECT title FROM books WHERE author_id IN (SELECT id FROM authors WHERE last_name ~ '^[A-E]');

Это, очевидно, отличается от LEFT-JOIN, где вы просто хотите присоединиться к материалам из таблиц A и B, даже если условие соединения не находит подходящей записи в таблице B и т.д.

Если вас просто беспокоит скорость, вам нужно будет проверить свою базу данных и написать хороший запрос и посмотреть, есть ли существенная разница в производительности.

В соответствии с моим наблюдением, как два случая, если таблица имеет менее 100 000 записей, соединение будет работать быстро.

Но в случае, если таблица имеет более 100 000 таблиц, то лучшим результатом является подзапрос.

У меня есть одна таблица с 500 000 записей, которые я создал под запросом, и время его результата похоже на

SELECT * 
FROM crv.workorder_details wd 
inner join  crv.workorder wr on wr.workorder_id = wd.workorder_id;

Результат: 13,3 секунды

select * 
from crv.workorder_details 
where workorder_id in (select workorder_id from crv.workorder)

Результат: 1.65 секунды

Соединения и подзапросы используются для объединения данных из разных таблиц в единственный результат. Они имеют много сходств и различий. используется для возврата либо скалярного (одиночного) значения, либо набора строк; тогда как соединения используются для возврата строк. Обычным использованием подзапроса может быть вычисление суммарного значения для использования в запросе. Например, мы можем использовать подзапрос, чтобы помочь нам получить все продукты с более высокой средней ценой продукта. Например:

SELECT ProductID,
       Name,
       ListPrice,
       (SELECT AVG(ListPrice)
        FROM Production.Product
       ) AS AvgListPrice
FROM Production.Product
WHERE ListPrice > (SELECT AVG(ListPrice)
                   FROM Production.Product
                  )

В этой инструкции SELECT есть два подзапроса. Первая цель - отобразить среднюю цену списка всех продуктов, цель секунд - отфильтровать продукты, которые меньше или равны средней цене списка.       Контрастируйте это с соединением, основной целью которого является объединение строк из одной или нескольких таблиц на основе условия соответствия. Например, мы можем использовать имена и модели продуктов для отображения соединений.

SELECT Product.Name,
       ProductModel.Name AS ModelName
FROM Production.product
INNER JOIN Production.ProductModel
ON Product.ProductModelID = ProductModel.ProductModelID

В этом заявлении использовалась INNER JOIN для сопоставления строк из таблиц Product и ProductModel. Обратите внимание, что столбец ProducModel.Name доступен для использования во всем запросе. Объединенный набор строк затем доступен оператором select для использования для отображения, фильтрации или группировки по столбцам. Это отличается от подзапроса. Там подзапрос возвращает результат, который сразу используется. Обратите внимание, что он является неотъемлемой частью оператора select. Он не может стоять сам по себе, поскольку подзапрос может.

Разница наблюдается только тогда, когда вторая таблица соединения имеет значительно больше данных, чем первичная таблица. У меня был такой опыт, как ниже...

У нас была таблица пользователей из ста тысяч записей и их данных о членстве (дружбе) около 3сот тысяч записей. Это было выражение о присоединении, чтобы забрать друзей и их данные, но с большой задержкой. Но он отлично работал, когда в таблице членства был только небольшой объем данных. Как только мы изменили его, чтобы использовать подзапрос, он работал нормально.

Но в то же время запросы на соединение работают с другими таблицами, у которых меньше записей, чем первичная таблица.

Итак, я думаю, что инструкции соединения и подпрограммы работают нормально, и это зависит от данных и ситуации.

В наши дни многие dbs могут оптимизировать подзапросы и объединения. Таким образом, вы просто должны изучить свой запрос, используя объяснение, и посмотреть, какой из них быстрее. Если в производительности нет большой разницы, я предпочитаю использовать подзапрос, поскольку они просты и понятны.