01-in和not in的使用

一、前言

1、最近好多人都在問，in和not in到底走索引嗎？

2、not in的性能怎么樣？

基於上面的2個問題，我們具體的測試一下，實踐勝於雄辯。。。

二、in和not in是否走索引

1、准備數據

--1.創建person表
CREATE TABLE person(
    [id] [int] NULL,
    [name] [nvarchar](50) NULL,
    [age] [int] NULL
)

--插入數據
DECLARE @i int = 0;  
BEGIN TRAN  
SET @i = 10;  
WHILE (@i < 10000)  
BEGIN  
INSERT INTO customer.dbo.person VALUES (@i, substring(convert(varchar(1000),newid()),2,5),@i /5);  
SET @i += 1;  
END;  
COMMIT TRAN; 

--創建索引
CREATE NONCLUSTERED INDEX id_index ON person(id)

2、測試in是否走索引

注： 該執行計划發生了二次查找（RID Lookup）,因為索引里只有id的信息，所以在索引頁中查到這條記錄后，需要通過RID（有主鍵通過主鍵）去數據頁里查詢其他的字段；

3、測試not in是否走索引

 這里使用not in后，發生了全表掃描，沒有走索引，那么就能確認not in不走索引嗎？接着往下看：

 注：這里select后面只查詢id字段，因為要是寫*的話，not in后面要寫好多值，才能走索引，因為查詢結果的數據多的話，SQLServer數據庫引擎會認為還不如走全表掃描呢。不過這也無所謂，我們只是要測試一下not in是否走索引，所以看到not in發生了全表掃描，不能就認為not in 這個語法不走索引了；

三、not in的性能測試

1、再創建一張addressdetail表

--創建addressdetail表
CREATE TABLE addressdetail(
    [id] [int] NULL,
    [tname] [nvarchar](20) NULL,
    [depart] [nvarchar](50) NULL,
    [city] [nvarchar](20) NULL
)

--插入數據
DECLARE @i int = 0;  
BEGIN TRAN  
SET @i = 14000;  
WHILE (@i < 17000)  
BEGIN  
INSERT INTO customer.dbo.addressdetail VALUES (@i, 
substring(convert(varchar(1000),newid()),2,5),
substring(convert(varchar(1000),newid()),2,8),
substring(convert(varchar(1000),newid()),2,3)
);  
SET @i += 1;  
END;  
COMMIT TRAN; 

--創建索引
create nonclustered index  ind_id  on addressdetail(id)

注：2張表（person和addressdetail）的id都允許為null，並且都是索引列

2、查看not in的執行計划

select * from person where id not in (select id from addressdetail )

 注：在圖中我們可以看到有一個Row Count Spool(Lazy Spool)操作，該操作就是確認addressdetail表中的id列是否有null值（因為該列的屬性是允許為null的，所以SQLServer必須額外確認），並且該操作占用的開銷也比較多，接近一半的查詢成本，因此在這一步是比較浪費性能的；

3、使用 not exists 代替not in ，對比SQL執行計划的查詢開銷

--查詢not in的執行計划
select * from person where id not in (select id from addressdetail )

--使用 not exists 代替not in 查看SQL的執行計划
select * from person p where  not exists (select * from addressdetail b where p.id=b.id)

注：由上圖可以看出，使用not in的SQL的查詢開銷是使用not exists的SQL的10倍，僅僅是not in需要確認id列中是否有null值；
當然這個10倍這個值是不准確的，因為這個和2張表的數據量有關，但是可以肯定的是not in的查詢性能確實是多了一步校驗null值的步驟，所以會降低性能。

4、對比not in 和not exists的IO情況 

--not in
set  statistics io on
select * from person where id not in (select id from addressdetail ) 

--not exists
select * from person p where  not exists (select * from addressdetail b where p.id=b.id)

 注：由上面可以看出not吃掉的IO很高

5、not in的結果准確性

由上面的測試，很容易看出使用not in語法是會降低SQL性能的，但是拋去性能的原因，使用not in 還有可能使查詢的結果不准確；

（1）結果不准確主要是和NULL值進行對比的時候，可能會導致結果不准確，我們知道null值並不是一個值，任何與NULL值進行比對的二元操作結果都是null，包括null值本身；

（2）比對的結果為null時，轉換為Bool類型的結果就是False；

（3）結果不准確的示例

 

 

 （4）為什么結果不准確

--not in 語句
select * from Test.dbo.teachclass where classnum  not in('303',null)

--not in('303',null) 等價於下面的語句
select * from Test.dbo.teachclass where classnum<> '303' and classnum<> null

 

 

 注：把not in的where條件語句等價用and連接，結果也為null，因為上面說了任何值與null值進行二元操作都為null，並且轉換為bool都是false，所以再做and，結果都是false，所以最后沒有結果；

解決辦法：使用not Exists作為替代。Exists操作符不會返回null，只會根據子查詢中的每一行返回true或者false，當遇到null時，只會返回false，不會因為某個null值導致整個查詢返回空。

四、總結

1、not in和in走不走索引，是視情況而看的，不能絕對的說in和not不走索引；

2、對於數據量大的表，使用IN和NOT IN往往效率很低，如果字段值允許為null，還有可能出現結果不准確的情況，所以在盡量避免使用not in；

3、如果列的屬性是not null 的話，是不會產生Row Count Spool(Lazy Spool)操作步驟的；