exists用法()

一.用法

1.与IN连用

子查询与IN结合使用时，通常通过子查询查询出某个表单列的值，然后作为外层的SELECT的IN查询的数据源，如下，查询今天进行了购物的用户列表，首先通过子查询在订单表t_order查出所有今天进行了购物的用户的user_id，然后在外层SELECT中对于用户表t_user的每个用户都通过IN来判断自己的user_id是否在里面：

执行计划如下：

性能分析:数据集+O(N)线性时间复杂度

对于外层SELECT对应用户表t_user的每一行数据都要执行一次这个子查询，而这个子查询是需要返回一个数据集合而不是单条数据，然后再判断外层SELECT的当前数据行的该列的值是否在这个集合中，类似于O(N)的线性时间复杂度，如Java的集合的contains方法，所以性能是很低的，即MySQL需要返回的数据量大同时查询的时间复杂度高。

2.与EXISTS组合

在外层SELECT中，除了可以通过IN来使用子查询的结果外，还可以通过EXISTS，如下：与IN不同的是，在子查询中外层的t_user表需要在子查询内使用，在子查询内部才是进行实际的查询，而EXISTS的作用是根据EXISTS返回的结果，即boolean类型的true或false来决定是否需要返回该外层SELECT当前遍历到的结果。

mysql & gtselect * from t _ user where exists(select * from t_order其中t_user.id=t_order.user_id和t _ order。buy _ date = curdate())；+-+-+-+-+-+| id | name | password | email | phone |+--+-+-+| 2 | XYZ 2 | 5838 EEC 5 e 44 b 83 f 35 c 2763382 b45 e 469 | 456@qq.com | 456789 |+-+-explain select * from t _ user where exists(select * from t_order其中t_user.id=t_order.user_id和t _ order。buy _ date = curdate())；+-+-+-+-+-+-+-+-+-+-+-+| id | select _ type | table | partitions | type | possible _ keys | key | key _ len | ref | rows | filtered | Extra |+--+-+-+-+-+-+-+| 1 | PRIMARY | t _ user | NULL | ALL | NULL | NULL | NULL | 1 | 100.00 | Using where | | 2 |从属子查询| t_order | NULL | ref | idx_user_id，idx _ id _ buy _ date，idx _ buy _ date | idx _ buy _ date | 3 | const | 1 | 25.00 | Using where |+-+-+-+-+-+-+-+-+2 rows in Set，2Warnings (0.00

执行计划与IN差不多，外层SELECT的type都是ALL，即全表扫描，但是EXISTS的执行过程与IN不一致，对于EXISTS而言，外层SELECT对应的用户表t_user也参与到了子查询的SQL中，即 where t_user.id=t_order.user_id，故如果子查询的结果不为空，即存在数据，则外层SELECT对应的t_user表的当前数据行肯定是符合要求的，故该子查询实际上并不返回任何数据，而是返回值True或False，不需要与IN一样返回一个数据集合。而对外层SELECT来说，通过EXISTS判断子查询返回的boolean值True或者False来判断当前数据行是否符合要求，故时间复杂度为常量级别O(1)。

二、优化方法

1.使用EXISTS代替in

由以上的分析可知，在使用子查询时，将EXISTS结合使用比与IN结合使用效率更高，所以可以使用EXISTS来替代IN。

2.使用联接代替子查询

子查询不管是使用IN还是EXISTS，对外层SELECT对应的数据表均需要进行全表扫描，并且对于每行数据都需要执行一次子查询，所以如果该数据行表很大，则需要执行大量的子查询，，即可能出现“大表驱动小表”，从而产生性能问题。对于JOIN而言，由于可以通过“小表驱动大表”，并且进行JOIN的列都加了索引，所以可以一定程度上优化子查询，如下：还是查询今天进行了购物的用户：

3.不需要子查询和JOIN，程序控制它们。

如果数据表较大时，使用子查询和JOIN效率均不高，并且对于JOIN而言，会影响分库分表的使用，故可以对需要关联的表分别查询出来，然后在程序中进行数据拼接组装操作，从而减轻数据库的压力，因为数据库通常是应用的性能瓶颈，而应用程序通常可以进行分布式和集群部署来拓展。除此之外，对于拼接的结果可以缓存到分布式缓存，如Redis中，从而可以重复使用。