This repository has been archived on 2026-05-24. You can view files and clone it. You cannot open issues or pull requests or push a commit.
Files
all-in-kingsoft/hhs/MySQL/14-子查询与派生表.md
T

266 lines
9.0 KiB
Markdown
Raw Normal View History

2026-05-17 00:06:11 +08:00
---
tags: [MySQL, 子查询, EXISTS, IN, 派生表]
create time: 2026-05-16 00:00
---
# 子查询与派生表
## 概述
子查询是嵌套在另一个查询中的 SELECT 语句。它可以在 WHERE、FROM、SELECT 等多个位置出现,每种位置的语义和执行方式不同。
## 分类
```mermaid
graph BT
subgraph "标量子查询"
S1["返回一行一列<br/>用在 SELECT / WHERE"]
end
subgraph "行子查询"
S2["返回一行多列<br/>用在 ROW() 比较"]
end
subgraph "列子查询"
S3["返回多行一列<br/>用在 IN / ANY / ALL"]
end
subgraph "表子查询(派生表)"
S4["返回多行多列<br/>用在 FROM 子句"]
end
subgraph "EXISTS 子查询"
S5["返回布尔值<br/>用于 EXISTS / NOT EXISTS"]
end
```
## 标量子查询
```sql
-- 用法 1:在 SELECT 中调用
SELECT
username,
(SELECT COUNT(*) FROM orders WHERE user_id = users.id) AS order_count
FROM users;
-- 用法 2:在 WHERE 中等价于常量
SELECT * FROM products
WHERE price > (SELECT AVG(price) FROM products);
-- 用法 3:在 INSERT 中赋值
INSERT INTO reports (month, order_total)
VALUES ('2026-05', (SELECT SUM(amount) FROM orders WHERE MONTH(created_at) = 5));
```
> [!WARNING] 标量子查询的性能隐患
> MySQL 8.0.21 之前,标量子查询**无法被物化**,会导致每次执行都重新计算(N+1 问题)。
> ```sql
> -- ❌ 慢:每个用户都要查一次 orders 表
> SELECT u.username,
> (SELECT COUNT(*) FROM orders o WHERE o.user_id = u.id) AS cnt
> FROM users u;
> -- 如果有 10 万用户,就要查 10 万次 orders 表
>
> -- ✅ 换成 JOIN 或窗口函数
> SELECT u.username, COALESCE(SUB.cnt, 0) AS cnt
> FROM users u
> LEFT JOIN (
> SELECT user_id, COUNT(*) AS cnt
> FROM orders GROUP BY user_id
> ) SUB ON u.id = SUB.user_id;
> ```
## IN vs EXISTS
这是面试经典题,也是实际中最纠结的选择。
```sql
-- IN 子查询
SELECT * FROM users
WHERE id IN (SELECT user_id FROM orders);
-- EXISTS 子查询
SELECT * FROM users u
WHERE EXISTS (SELECT 1 FROM orders o WHERE o.user_id = u.id);
```
```mermaid
flowchart TD
A["Optimizer 选择策略"] --> B{"哪张表更小?"}
B -->|"子查询结果小"<| C["转换 IN → EXISTS<br/>先跑子查询,外层仅匹配结果"]
B -->|"子查询结果大"<| D["转换 EXISTS → IN<br/>外层先行过滤,减少子查询次数"]
C --> E["NOT IN 永远转不成 EXISTS!<br/>NULL 值会导致语义错误"]
D --> F["NOT EXISTS 是最安全的反查写法"]
style E fill:#EE5A24,color:#fff
style F fill:#00D866,color:#fff
```
> [!QUESTION] NOT IN 和 NOT EXISTS 有什么区别?
> ```sql
> -- ⚠️ 致命陷阱
> SELECT * FROM users WHERE id NOT IN (SELECT user_id FROM orders);
>
> -- 如果子查询返回任何 NULL 值,整个 NOT IN 结果为 UNKNOWN
> -- 最终返回空结果集!
>
> -- ✅ 正确写法
> SELECT * FROM users
> WHERE id NOT IN (SELECT user_id FROM orders WHERE user_id IS NOT NULL);
>
> -- 或者直接用 NOT EXISTS(更安全)
> SELECT * FROM users u
> WHERE NOT EXISTS (SELECT 1 FROM orders o WHERE o.user_id = u.id);
> ```
### 选型决策:IN vs EXISTS vs JOIN
实际开发中三者往往能写出等价逻辑,选法参考下表:
| 场景 | 推荐写法 | 理由 |
|------|----------|------|
| 外大内小(外层百万、子查询几百) | `EXISTS` | 外层每行只需匹配一条即可停止,短路效应明显 |
| 外小内大 | `IN` | Optimizer 会先物化子查询结果再匹配,效率高 |
| 子查询含 `NULL` 值可能 | `EXISTS` / `NOT EXISTS` | `NOT IN` 遇到 NULL 直接返回空集(见上文陷阱) |
| 需要返回外键表的完整列 | `JOIN` + `DISTINCT` | EXISTS 只能判断存在性,无法获取关联表字段 |
| 只是判断"有没有" | `EXISTS` | 语义最清晰,性能也最优 |
> [!TIP] 经验法则
> **不确定时优先用 EXISTS**——它的语义是"是否存在"而非"值是否匹配",即使 MySQL Optimizer 最终把 IN 和 EXISTS 优化成执行计划也一样。用 EXISTS 能让读代码的人一眼看懂意图,同时给 Optimizer 留下优化空间。
## 派生表(Derived Table / Subquery in FROM)
```sql
-- 派生表:子查询作为一个虚拟表出现在 FROM 位置
SELECT dept, avg_salary
FROM (
SELECT department AS dept, AVG(salary) AS avg_salary
FROM employees
WHERE status = 'active'
GROUP BY department
) AS dept_stats
WHERE avg_salary > 15000
ORDER BY avg_salary DESC;
```
### 物化(Materialization)
MySQL 是否将子查询物化为临时表,取决于查询复杂度:
```mermaid
flowchart LR
A["子查询"] --> B{"能否被推入外层?"}
B -->|能| C["Flattening<br/>展开为 JOIN,零额外开销 ✅"]
B -->|不能| D{"是否需要聚合?"}
D -->|是| E["Materialization<br/>物化为临时表 ⚠️"]
D -->|否| F["Semi-join 优化<br/>半连接优化 ✅"]
style C fill:#00D866,color:#fff
style F fill:#00B6BC,color:#fff
style E fill:#FF9F43,color:#000
```
```sql
-- ✅ 可以被 Flattening 优化(无额外开销)
SELECT u.id, o.amount
FROM users u
JOIN (SELECT user_id, amount FROM orders) AS o ON u.id = o.user_id;
-- Optimizer 将其转换为普通的 JOIN
-- ❌ 必须 Materialization(有临时表开销)
SELECT u.id, SUB.total
FROM users u
JOIN (
SELECT user_id, SUM(amount) AS total
FROM orders GROUP BY user_id
) AS SUB ON u.id = SUB.user_id;
-- 子查询因为有 GROUP BY,必须先物化成临时表
```
> [!NOTE] 如何判断是否物化?
> 使用 `EXPLAIN FORMAT=JSON`:
> ```json
> {
> "select_type": "DERIVED",
> "materialized_from_subquery": { ... }
> }
> ```
> 如果出现 `"using_temporary_table": true`,说明使用了临时表。
实战中更常用的方式是 `EXPLAIN` + 观察 type 和 Extra:
```sql
-- ❌ 物化型派生表 → Extra 出现 "Using temporary"
EXPLAIN SELECT u.id, SUB.total
FROM users u
JOIN (SELECT user_id, SUM(amount) AS total FROM orders GROUP BY user_id) AS SUB ON u.id = SUB.user_id;
-- id | select_type | table | type | Extra
-- ---|----------------|------------|-------|----------------------------
-- 1 | PRIMARY | <derived2> | ALL | NULL
-- 1 | PRIMARY | u | ALL | Using where
-- 2 | DERIVED | orders | ALL | Using temporary; Using filesort
-- ✅ 可 Flattening → 无临时表,Extra 干净
EXPLAIN SELECT u.id, o.amount
FROM users u JOIN (SELECT user_id, amount FROM orders) AS o ON u.id = o.user_id;
-- id | select_type | table | type | Extra
-- 1 | SIMPLE | orders| ALL | NULL
-- 1 | SIMPLE | u | index | Primary key
```
> [!TIP] 性能优化技巧
> - 当发现派生表产生临时表时,考虑**手动提升为 CTE**(MySQL 8.0+),有时能改变 Optimizer 行为
> - `optimizer_switch='derived_merge=on'`(默认开启)控制是否允许 Flattening
> - 对于超大结果集物化,注意 `tmp_table_size` / `max_heap_table_size` 限制
## ANY / ALL / SOME
```sql
-- ANY:子查询返回的值中,任意一个满足即可
SELECT product_name, price
FROM products
WHERE price > ANY (SELECT price FROM products WHERE category = 'premium');
-- 只要比任意一件 premium 产品便宜就行
-- ALL:必须大于子查询返回的所有值
SELECT product_name, price
FROM products
WHERE price > ALL (SELECT price FROM products WHERE category = 'premium');
-- 必须比所有 premium 产品都贵(即最大值之上)
-- SOME 等价于 ANY(同义词)
```
```mermaid
graph TB
P["Products: 10, 50, 100, 200"]
ANY -->|"price > ANY(...)"<| A1["> 10 OR > 50 OR > 100 OR > 200"]
A1 --> R1["结果: 所有 > 10 的商品"]
ALL -->|"price > ALL(...)"<| A2["> 10 AND > 50 AND > 100 AND > 200"]
A2 --> R2["结果: 只有 > 200 的商品"]
style R1 fill:#00B6BC,color:#fff
style R2 fill:#C44569,color:#fff
```
## 总结:核心要点回顾
| 主题 | 一句话 |
|------|--------|
| 标量子查询 | MySQL 8.0.21 之前不可物化,百万行数据必踩 N+1 陷阱,优先改写为 JOIN |
| IN vs EXISTS | 语义上 IN 看值、EXISTS 看存在性;不确定时选 EXISTS,更安全的默认选项 |
| NOT IN 陷阱 | 子查询出现 NULL 即返回空集,生产中几乎永远该用 `NOT EXISTS` 替代 |
| 派生表物化 | 有 GROUP BY / LIMIT / UNION 等操作的子查询无法被展开,必然产生临时表开销 |
| ANY / ALL | 对应 SQL 的 OR / AND 累加,ALL 在空子查询结果时恒返回 TRUE(反直觉,需注意) |
> [!TIP] 核心心法
> **子查询不是万能的——它首先是为了表达清晰,其次才是性能。**
> 写完后务必跑 `EXPLAIN`,确认没有意料之外的临时表或多表扫描。当数据量上去后,能改写成 JOIN 的子查询就尽量改写,因为 JOIN 的执行路径对 Optimizer 更加透明。
## 关联笔记
- [[hhs/MySQL/12-DQL SELECT 全解析]] — SELECT 执行顺序与子查询的关系
- [[hhs/MySQL/13-JOIN 原理与优化]] — EXISTS 子查询常可重写为 JOIN