2

Eu estou com uma dúvida que já pesquisei aqui, porém pra mim não fez nenhum sentido as explicações.

Eu tenho essa query:

SELECT * FROM a WHERE id IN (SELECT ID2 FROM b)

E essa:

SELECT * FROM a WHERE EXIST (SELECT 1 FROM b WHERE a.ID = b.ID2).

Qual a diferença de resultado de ambos? O que pode acontecer em uma que não acontece na outra?

Também pode ser considerado o NOT IN e o NOT EXISTS.

o único tipo de resposta que vi, é que uma é mais performática que a outra, porém isso para mim é irrelevante.

2
  • Diria que a segunda opção é mais otimizada, pois não preciso montar uma coleção para verificar se o elemento está nela. O resultado final é o mesmo, mas a estratégia de solução pode não ser. Commented 22/10/2019 às 22:36
  • A alternativa utilizando IN pode levar a um resultado inesperado caso o resultado do subselect possa ser NULL. Como consta do manual: "As usual, null values in the rows are combined per the normal rules of SQL Boolean expressions. Two rows are considered equal if all their corresponding members are non-null and equal; the rows are unequal if any corresponding members are non-null and unequal; otherwise the result of that row comparison is unknown (null). If all the per-row results are either unequal or null, with at least one null, then the result of IN is null."
    – anonimo
    Commented 22/10/2019 às 23:31

1 Resposta 1

4

Assumindo que você tenha algo como:

CREATE TABLE a ( id INTEGER, descricao TEXT );
CREATE TABLE b ( id2 INTEGER );

INSERT INTO a ( id, descricao ) VALUES ( 1, 'alpha' );
INSERT INTO a ( id, descricao ) VALUES ( 2, 'beta' );
INSERT INTO a ( id, descricao ) VALUES ( 3, 'gamma' );
INSERT INTO a ( id, descricao ) VALUES ( 4, 'delta' );

INSERT INTO b (id2) VALUES (1);
INSERT INTO b (id2) VALUES (1);
INSERT INTO b (id2) VALUES (4);
INSERT INTO b (id2) VALUES (4);

Na teoria, a primeira query parece ser mais performática que a segunda, pois o SELECT contido dentro do IN seria executado apenas uma vez para se obter o universo de IDs contidos na tabela b, por exemplo:

SELECT * FROM a WHERE id IN (SELECT ID2 FROM b)

Ou:

SELECT * FROM a WHERE id IN (1,2,3,4)

O EXISTS da segunda query vai depender do valor da coluna ID da tabela a para ser executado, ou seja, o SELECT na tabela b seria executado diversas vezes, uma para cada registro contido na tabela a, veja só:

SELECT * FROM a WHERE EXIST (SELECT 1 FROM b WHERE a.ID = b.ID2)

Ou:

SELECT * FROM a WHERE EXISTS (SELECT 1 FROM b WHERE 1 = b.ID2) -- TRUE
SELECT * FROM a WHERE EXISTS (SELECT 1 FROM b WHERE 2 = b.ID2) -- FALSE
SELECT * FROM a WHERE EXISTS (SELECT 1 FROM b WHERE 3 = b.ID2) -- FALSE
SELECT * FROM a WHERE EXISTS (SELECT 1 FROM b WHERE 4 = b.ID2) -- TRUE

Na prática, o planner/optimizer doPostgreSQL é esperto o bastante para compreender que ambas as queries produzem resultados idênticos, e por baixo do panos ambas as queries seriam executadas de forma idêntica.

Isso pode ser demonstrado com o comando EXPLAIN:

Primeira Query:

EXPLAIN SELECT * FROM a WHERE id IN (SELECT ID2 FROM b)

Saída:

Hash Join  (cost=44.50..83.71 rows=615 width=36)
  Hash Cond: (a.id = b.id2)
  ->  Seq Scan on a  (cost=0.00..22.30 rows=1230 width=36)
  ->  Hash  (cost=42.00..42.00 rows=200 width=4)
        ->  HashAggregate  (cost=40.00..42.00 rows=200 width=4)
              ->  Seq Scan on b  (cost=0.00..34.00 rows=2400 width=4)

Segunda Query:

EXPLAIN SELECT * FROM a WHERE EXISTS (SELECT 1 FROM b WHERE a.ID = b.ID2)

Saída:

Hash Join  (cost=44.50..83.71 rows=615 width=36)
  Hash Cond: (a.id = b.id2)
  ->  Seq Scan on a  (cost=0.00..22.30 rows=1230 width=36)
  ->  Hash  (cost=42.00..42.00 rows=200 width=4)
        ->  HashAggregate  (cost=40.00..42.00 rows=200 width=4)
              ->  Seq Scan on b  (cost=0.00..34.00 rows=2400 width=4)

Na prática, não use a intuição, use o EXPLAIN!

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .