与具有几百万行的表上的 "<>"相比，SQL Server "="运算符非常慢

Question

我有两张 table 。表单有约 77000 行。日志约有 270 万行。

以下查询将在不到一秒的时间内返回“30198”:

SELECT COUNT(DISTINCT logs.DOCID) FROM logs, forms WHERE logs.DOCID = forms.DOCID;

到目前为止，该查询已运行约 15 分钟，但仍未完成:

SELECT COUNT(DISTINCT logs.DOCID) FROM logs, forms WHERE logs.DOCID <> forms.DOCID;

为什么“不等于”查询如此慢得多？

Answer 1

因为=将连接操作减少到每个表中的一个匹配行(假设这些 docid 是唯一的)。

这样想 - 你和 5 个男孩和 5 个女孩一起跳舞:

Adam      Alice
Bob       Betty
Charly    Cathy
Dick      Deb
Evan      Elly

您可以通过第一个字母将它们配对。所以

Adam->Alice
Bob->Betty
etc...

一对配对

但是如果你通过“第一个字母不匹配”将它们配对，你最终会得到:

Adam->Betty
Adam->Cathy
Adam->Deb
Adam->Elly
Bob->Alice
etc...

您大大增加了配对数量。这就是为什么你的 <>查询花费了很长时间。您本质上是在尝试获取 m x n行，而不仅仅是 min(m,n) 。有了这些数据，您最终会得到 25 行，而不是 5 行。对于您指定的表大小，您将使用 77,000 * 2,700,000 = 2079 亿行，减去两个 id 匹配的 77,000 行，总共 207,899,923,000 行连接的数据集。

<小时/>

根据您的查询要求，尝试左连接并查找空右侧记录:

SELECT DISTINCT logs.DOCID
FROM logs
LEFT JOIN forms ON logs.DOCID = forms.DOCID
WHERE forms.DOCID IS NULL