SQL JOIN vs IN rendimiento?

Tengo un caso en el que usar un JOIN o un IN me dará los resultados correctos ... ¿Qué suele tener un mejor rendimiento y por qué? ¿Cuánto depende de qué servidor de base de datos esté ejecutando? (FYI estoy usando MSSQL)

En términos generales, INy JOINson consultas diferentes que pueden producir resultados diferentes.

SELECT  a.*
FROM    a
JOIN    b
ON      a.col = b.col

no es lo mismo que

SELECT  a.*
FROM    a
WHERE   col IN
        (
        SELECT  col
        FROM    b
        )

, a menos que b.colsea ​​único.

Sin embargo, este es el sinónimo de la primera consulta:

SELECT  a.*
FROM    a
JOIN    (
        SELECT  DISTINCT col
        FROM    b
        )
ON      b.col = a.col

Si la columna de unión está UNIQUEmarcada como tal, ambas consultas producen el mismo plan SQL Server.

Si no es así, entonces INes más rápido que JOINencendido DISTINCT.

Consulte este artículo en mi blog para obtener detalles sobre el rendimiento:

• INvs. JOINvs.EXISTS

Es curioso que menciones eso, hice una publicación de blog sobre este mismo tema.

Ver Oracle vs MySQL vs SQL Server: Agregación vs Uniones

Respuesta corta: tienes que probarlo y las bases de datos individuales varían mucho.

Eso es bastante difícil de decir: para saber cuál funciona mejor, necesitaría realmente perfilar los tiempos de ejecución.

Como regla general, creo que si tiene índices en sus columnas de clave externa, y si está usando solo (o principalmente) condiciones de UNIÓN INTERNA, entonces la UNIÓN será un poco más rápida.

Pero tan pronto como comience a usar OUTER JOIN, o si carece de índices de clave externa, el IN podría ser más rápido.

Bagazo

Una crítica interesante sobre las diferencias lógicas: SQL Server: JOIN vs IN vs EXISTS - la diferencia lógica

Estoy bastante seguro de que, suponiendo que se mantengan las relaciones y los índices, un Join funcionará mejor en general (se requiere más esfuerzo para trabajar con esa operación que con otras). Si lo piensa conceptualmente, entonces es la diferencia entre 2 consultas y 1 consulta.

Debe conectarlo al analizador de consultas e intentarlo y ver la diferencia. También mire el Plan de ejecución de consultas e intente minimizar los pasos.

Este hilo es bastante antiguo, pero aún se menciona a menudo. Para mi gusto personal, es un poco incompleto, porque hay otra forma de preguntar a la base de datos con la palabra clave EXISTS, que encontré que es más rápida la mayoría de las veces.

Entonces, si solo está interesado en los valores de la tabla a, puede usar esta consulta:

SELECT  a.*
FROM    a
WHERE   EXISTS (
    SELECT  *
    FROM    b
    WHERE   b.col = a.col
    )

La diferencia podría ser enorme si col no está indexada, porque db no tiene que encontrar todos los registros en b que tengan el mismo valor en col, solo tiene que encontrar el primero. Si no hay un índice en b.col y muchos registros en el escaneo de la tabla ba podrían ser la consecuencia. Con IN o un JOIN esto sería una exploración de tabla completa, con EXISTS sería una exploración de tabla parcial (hasta que se encuentre el primer registro coincidente).

Si hay muchos registros en b que tienen el mismo valor de col, también desperdiciará mucha memoria para leer todos estos registros en un espacio temporal solo para descubrir que su condición está satisfecha. Con existe esto generalmente se puede evitar.

A menudo he encontrado EXISTE más rápido que IN, incluso si hay un índice. Depende del sistema de base de datos (el optimizador), los datos y, por último, el tipo de índice que se utiliza.

La implementación de cada base de datos, pero probablemente pueda adivinar que todas resuelven problemas comunes de la misma manera. Si está utilizando MSSQL, eche un vistazo al plan de ejecución que se genera. Puede hacerlo activando el generador de perfiles y los planes de ejecución. Esto le dará una versión de texto cuando ejecute el comando.

No estoy seguro de qué versión de MSSQL está utilizando, pero puede obtener una gráfica en SQL Server 2000 en el analizador de consultas. Estoy seguro de que esta funcionalidad está al acecho en algún lugar de SQL Server Studio Manager en versiones posteriores.

Echa un vistazo al plan de ejecución. En la medida de lo posible, evite los escaneos de tablas a menos que, por supuesto, su tabla sea pequeña, en cuyo caso un escaneo de tablas es más rápido que usar un índice. Lea sobre las diferentes operaciones de unión que produce cada escenario diferente.

El optimizador debe ser lo suficientemente inteligente como para darle el mismo resultado de cualquier manera para consultas normales. Verifique el plan de ejecución y deberían darle lo mismo. Si no lo hacen, normalmente consideraría que JOIN es más rápido. Sin embargo, todos los sistemas son diferentes, por lo que debe perfilar el código en su sistema para asegurarse.