詳解not in與not exists的區別與用法（not in的效能並不差！）
在網上搜了下關於oracle中not exists和not in效能的比較，發現沒有描述的太全面的，可能是問題太簡單了，達人們都不屑於解釋吧。於是自己花了點時間，試圖把這個問題簡單描述清楚，其實歸根結底一句話：not in效能並不比not exists差，關鍵看你用的是否正確。
我先建兩個示範表，便於說明：
create table ljn_test1 (col number);
create table ljn_test2 (col number);
然後插入一些資料：
insert into ljn_test1
select level from dual connect by level <=30000;
insert into ljn_test2
select level+1 from dual connect by level <=30000;
commit;
然後來分別看一下使用not exists和not in的效能差異：
select * from ljn_test1 where not exists (select 1 from ljn_test2 where ljn_test1.col = ljn_test2.col);
COL
----------
1
Elapsed: 00:00:00.06
select * from ljn_test1 where col not in (select col from ljn_test2);
COL
----------
1
Elapsed: 00:00:21.28
可以看到，使用not exists需要0.06秒，而使用not in需要21秒，差了3個數量級！為什麼呢？其實答案很簡答，以上兩個SQL其實並不是等價的。
我把以上兩個表的資料清除掉，重新插入資料：
truncate table ljn_test1;
truncate table ljn_test2;
insert into ljn_test1 values(1);
insert into ljn_test1 values(2);
insert into ljn_test1 values(3);
insert into ljn_test2 values(2);
insert into ljn_test2 values(null);
commit;
然後再次執行兩個SQL：
select * from ljn_test1 where not exists (select 1 from ljn_test2 where ljn_test1.col = ljn_test2.col);
COL
----------
3
1
select * from ljn_test1 where col not in (select col from ljn_test2);
no rows selected
這回not in的原形暴露了，竟然得到的是空集。來仔細分解一下原因：
A. select * from ljn_test1 where col not in (select col from ljn_test2);
A在這個例子中可以轉化為下面的B：
B. select * from ljn_test1 where col not in (2,null);
B可以進一步轉化為下面的C：
C. select * from ljn_test1 where col <> 2 and col <> null;
因為col <> null是一個永假式，所以最終查出的結果肯定也就是空了。
由此可以得出結論：只要not in的子查詢中包含空值，那麼最終的結果就為空！
not exists語句不會出現這種情況，因為not exists子句中寫的是ljn_test1與ljn_test2的關聯，null是不參與等值關聯的，所以ljn_test2的col存在空值對最終的查詢結果沒有任何影響。
我在這裡暫且把ljn_test1叫做外表，ljn_test2叫做內表。
只要稍做歸納，就可以得到更詳細的結論：
1、對於not exists查詢，內表存在空值對查詢結果沒有影響；對於not in查詢，內表存在空值將導致最終的查詢結果為空。
2、對於not exists查詢，外表存在空值，存在空值的那條記錄最終會輸出；對於not in查詢，外表存在空值，存在空值的那條記錄最終將被過濾，其他資料不受影響。
講到這裡，我就可以開始解釋為什麼上面的not in語句比not exists語句效率差這麼多了。
not exists語句很顯然就是一個簡單的兩表關聯，內表與外表中存在空值本身就不參與關聯，在CBO(基於成本的優化器)中常用的執行計劃是hash join，所以它的效率完全沒有問題，看一下它的執行計劃：
set autot on;
select * from ljn_test1 where not exists (select 1 from ljn_test2 where ljn_test1.col = ljn_test2.col);
COL
----------
3
1
Elapsed: 00:00:00.01
Execution Plan
----------------------------------------------------------
Plan hash value: 385135874
--------------------------------------------------------------------------------
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |
--------------------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 3 | 78 | 7 (15)| 00:00:01 |
|* 1 | HASH JOIN ANTI | | 3 | 78 | 7 (15)| 00:00:01 |
| 2 | TABLE ACCESS FULL| LJN_TEST1 | 3 | 39 | 3 (0)| 00:00:01 |
| 3 | TABLE ACCESS FULL| LJN_TEST2 | 2 | 26 | 3 (0)| 00:00:01 |
--------------------------------------------------------------------------------
Predicate Information (identified by operation id):
---------------------------------------------------
1 - access("LJN_TEST1"."COL"="LJN_TEST2"."COL")
這個執行計劃很清晰，沒有什麼需要解釋的，再看一下not in:
select * from ljn_test1 where col not in (select col from ljn_test2);
no rows selected
Elapsed: 00:00:00.01
Execution Plan
----------------------------------------------------------
Plan hash value: 3267714838
--------------------------------------------------------------------------------
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |
--------------------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 1 | 13 | 5 (0)| 00:00:01 |
|* 1 | FILTER | | | | | |
| 2 | TABLE ACCESS FULL| LJN_TEST1 | 3 | 39 | 3 (0)| 00:00:01 |
|* 3 | TABLE ACCESS FULL| LJN_TEST2 | 2 | 26 | 2 (0)| 00:00:01 |
--------------------------------------------------------------------------------
Predicate Information (identified by operation id):
---------------------------------------------------
1 - filter( NOT EXISTS (SELECT 0 FROM "LJN_TEST2" "LJN_TEST2"
WHERE LNNVL("COL"<>:B1)))
3 - filter(LNNVL("COL"<>:B1))
可以看到關聯謂詞是filter，它類似於兩表關聯中的nested loop，也就是跑兩層迴圈，可見它的效率有多差。為什麼not in不能使用hash join作為執行計劃呢？正如上面解釋的，因為內表或外表中存在空值對最終結果產生的影響是hash join無法實現的，因為hash join不支援把空值放到hash桶中，所以它沒辦法處理外表和內表中存在的空值，效率與正確性放在一起時，肯定是要選擇正確性，所以oracle必須放棄效率，保證正確性，採用filter謂詞。
這個執行計劃中我們還有感興趣的東西，那就是：LNNVL("COL"<>:B1)，關於LNNVL的解釋可以參見官方文件：http://download.oracle.com/docs/cd/B19306_01/server.102/b14200/functions078.htm
它在這裡的作用很巧妙，oracle知道使用filter效能很差，所以它在掃描內表ljn_test2時，會使用LNNVL來檢查ljn_test2.col是否存在null值，只要掃描到null值，就可以斷定最終的結果為空值，也就沒有了繼續執行的意義，所以oracle可以馬上終止執行，在某種意義上它彌補了filter較差的效能。
我用例子來證明這一點，首先先造一些資料：
truncate table ljn_test1;
truncate table ljn_test2;
insert into ljn_test1
select level from dual connect by level <=30000;
insert into ljn_test2
select level+1 from dual connect by level <=30000;
commit;
然後我為了讓oracle儘快掃描到ljn_test2.col為null的那條記錄，我要先找到實體地址最小的那條記錄，因為通常情況全表掃描會先掃描實體地址最小的那條記錄：
select col from ljn_test2 where rowid=(select min(rowid) from ljn_test2);
COL
----------
1982
然後我把這條記錄更新為空：
update ljn_test2 set col = null where col=1982;
commit;
然後再來看一下not in的查詢效率：
select * from ljn_test1 where col not in (select col from ljn_test2);
no rows selected
Elapsed: 00:00:00.17
看到這個結果後我很爽，它和之前查詢需要用時21秒有很大的差別！
當然，我們不能總是指望oracle掃描表時總是最先找到null值，看下面的例子：
update ljn_test2 set col = 1982 where col is null;
select col from ljn_test2 where rowid=(select max(rowid) from ljn_test2);
COL
----------
30001
update ljn_test2 set col = null where col=30001;
commit;
再看一下not in的查詢效率：
select * from ljn_test1 where col not in (select col from ljn_test2);
COL
----------
1
Elapsed: 00:00:21.11
這一下not in再一次原形畢露了！
機會主義不行，更杯具的是如果內表中沒有空值，那LNNVL優化就永遠起不到作用，相反它還會增大開銷！
其實只要找到原因，問題很好解決，不就是空值在作怪嘛！在正常的邏輯下使用者本來就是想得到和not exists等價的查詢結果，所以只要讓oracle知道我們不需要空值參與進來就可以了。
第一種解決方案：
將內表與外表的關聯欄位設定為非空的：
alter table ljn_test1 modify col not null;
alter table ljn_test2 modify col not null;
好了，再看一下執行計劃：
set autot on;
select * from ljn_test1 where col not in (select col from ljn_test2);
COL
----------
1
Elapsed: 00:00:00.07
Execution Plan
----------------------------------------------------------
Plan hash value: 385135874
--------------------------------------------------------------------------------
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |
--------------------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 1 | 26 | 28 (8)| 00:00:01 |
|* 1 | HASH JOIN ANTI | | 1 | 26 | 28 (8)| 00:00:01 |
| 2 | TABLE ACCESS FULL| LJN_TEST1 | 30000 | 380K| 13 (0)| 00:00:01 |
| 3 | TABLE ACCESS FULL| LJN_TEST2 | 30000 | 380K| 13 (0)| 00:00:01 |
--------------------------------------------------------------------------------
Predicate Information (identified by operation id):
---------------------------------------------------
1 - access("COL"="COL")
很好！這回oracle已經知道使用hash join了！不過有時候表中需要儲存空值，這時候就不能在表結構上指定非空了，那也同樣簡單：
第二種解決方案：
查詢時在內表與外表中過濾空值。
先把表結構恢復為允許空值的：
alter table ljn_test1 modify col null;
alter table ljn_test2 modify col null;
然後改造查詢：
select * from ljn_test1 where col is not null and col not in (select col from ljn_test2 where col is not null);
COL
----------
1
Elapsed: 00:00:00.07
Execution Plan
----------------------------------------------------------
Plan hash value: 385135874
--------------------------------------------------------------------------------
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |
--------------------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 1 | 26 | 28 (8)| 00:00:01 |
|* 1 | HASH JOIN ANTI | | 1 | 26 | 28 (8)| 00:00:01 |
|* 2 | TABLE ACCESS FULL| LJN_TEST1 | 30000 | 380K| 13 (0)| 00:00:01 |
|* 3 | TABLE ACCESS FULL| LJN_TEST2 | 30000 | 380K| 13 (0)| 00:00:01 |
--------------------------------------------------------------------------------
Predicate Information (identified by operation id):
---------------------------------------------------
1 - access("COL"="COL")
2 - filter("COL" IS NOT NULL)
3 - filter("COL" IS NOT NULL)
OK! hash join出來了！我想我關於not exists與not in之間的比較也該結束了。
原文連結：http://blog.sina.com.cn/s/blog_6ff05a2c0100tref.html