EXISTS？不存在的

　　众所周知，范围查询 IN 是先执行子查询，然后再做主查询的条件，EXISTS 是先执行主查询，然后逐条判断子查询的返回。很多人都是从这里学到了小表驱动大表，进而总结出 IN 小表 EXISTS 大表的至理名言。但是实际情况呢？

　　现在有一张表 A ，大约 600 条数据，另一张表 B，大约 355w 条数据，它们的定义如下

CREATE TABLE `A` (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主键',
  `a` int(11) NOT NULL DEFAULT '0' COMMENT '关联列',
  PRIMARY KEY (`id`),
  KEY `id` (`id`) USING BTREE
)

　　

CREATE TABLE `B` (
`id` int(16) NOT NULL AUTO_INCREMENT,
`b` int(11) NOT NULL COMMENT '关联列',
`name` varchar(255) DEFAULT '' COMMENT '姓名',
PRIMARY KEY (`id`)
)

　　

　　如果使用的是 IN 查询，这么写

SELECT * FROM A WHERE a IN (SELECT b FROM B)

　　很显然，子句的执行效率和 B 的数据量大小以及是否有索引有关，完事再拿来 A 中的数据，最后进行筛选，好在这个过程是在内存中完成的

　　如果使用的是 EXISTS ，这么写

SELECT * FROM A s WHERE EXISTS(SELECT 1 FROM B WHERE b = s.a)

　　　很显然，先执行的 A 表查询，完事遍历其中的每一条，再去数据库中搜索，关联的上就返回真并保留数据，否则返回假丢弃数据（EXISTS 并不关心select 哪些字段，即使select null 也无所谓，这和 in 是不同的）

 

　　用 n 来表示数量，那么使用 IN 查询的时间复杂度就是 na* nb，使用 EXISTS 的时间复杂度就是 na，加之 EXISTS 每次都需要走库，所以当 nb 较小时，使用 IN 的查询效率应该更高，随着 b 表数据量的增加，EXISTS 的优势才能慢慢展现出来

 

　　下面进行实际检验，使用 IN 大概需要 7 秒钟，即无索引全表扫描 355w 以上的数据需要大概 7s（1秒钟扫描50w以上） ，完事在内存中执行 600*355w  的循环遍历，这还是很快的。使用 EXISTS 的话，相当于查了 na 次，每次都要查库，而且每次对 B 都是全表扫描，这简直就是灾难。预估需要的时间是600 * 7 s ≈ 70 min，实际执行了 5119 s 约等于 85 min

　　于是乎，给 B 的 b 列增加了一个索引，这样，EXISTS 子句可以执行的更快，当然，IN 子句同样也是。二者都是在 0.005 秒内查询完毕，几乎没差

　　

　　总结，EXISTS 的主查询必是全表扫描，子句可以索引优化。 IN 的主句和子句都可以索引优化。EXISTS 每次查询都是查库，而 IN 查出子句以后就在内存中筛选，效率明显不同。总之，索引会抹平差异！