更新与子查询与加入更新 - 哪一个更好的性能

Question

在Postgres数据库，下面的两个查询相当于性能？每个人都说“联接总是比子查询更快”，但查询规划器是否将子查询优化为联合幕后？

查询1：

UPDATE table_a 
SET col_1 = 'a fixed value' 
WHERE col_2 IN (
    SELECT col_2 FROM table_b 
); 

解释计划：

 
Update on table_a (cost=0.00..9316.10 rows=1 width=827) 
    -> Nested Loop Semi Join (cost=0.00..9316.10 rows=1 width=827) 
     -> Seq Scan on table_a (cost=0.00..9287.20 rows=1 width=821) 
     -> Index Scan using idx_table_b on table_b (cost=0.00..14.45 rows=1 width=14) 
       Index Cond: (col_2 = (table_a.col_2)::numeric) 

问题2：

UPDATE table_a ta 
SET col_1 = 'a fixed value' 
FROM table_b tb 
WHERE ta.col_2 = tb.col_2; 

解释计划：

 
Update on table_a ta (cost=0.00..9301.67 rows=1 width=827) 
    -> Nested Loop (cost=0.00..9301.67 rows=1 width=827) 
     -> Seq Scan on table_a ta (cost=0.00..9287.20 rows=1 width=821) 
     -> Index Scan using idx_table_b on table_b tb (cost=0.00..14.45 rows=1 width=14) 
       Index Cond: (col_2 = (ta.col_2)::numeric) 

我相信他们是在结果当量（请提醒我，如果我错了）。我已经尝试了几个解释计划具有大量的数据集。看起来它们在性能上是等价的，无论是在更新整个表格时还是将table_a.col_2限制为一个小子集时。

我想确定我不会错过什么。如果它们相同，你会选择哪一个？为什么？

Answer 1

不Postgres的查询规划优化子查询到连接幕后？

通常，是的。

不要猜测，看看查询计划。

考虑：

 
CREATE TABLE table_a (col_1 text, col_2 integer); 
CREATE TABLE table_b (col_2 integer); 
INSERT INTO table_b(col_2) VALUES (1),(2),(4),(NULL); 
INSERT INTO table_a (col_1, col_2) VALUES ('a fixed value', 2), ('a fixed value', NULL), ('some other value', 2); 
ANALYZE table_a; 
ANALYZE table_b; 

比较：

 
regress=> explain UPDATE table_a 
SET col_1 = 'a fixed value' 
WHERE col_2 IN (
    SELECT col_2 FROM table_b 
); 
           QUERY PLAN         
-------------------------------------------------------------------------- 
Update on table_a (cost=1.09..2.15 rows=2 width=16) 
    -> Hash Semi Join (cost=1.09..2.15 rows=2 width=16) 
     Hash Cond: (table_a.col_2 = table_b.col_2) 
     -> Seq Scan on table_a (cost=0.00..1.03 rows=3 width=10) 
     -> Hash (cost=1.04..1.04 rows=4 width=10) 
       -> Seq Scan on table_b (cost=0.00..1.04 rows=4 width=10) 
(6 rows) 

regress=> explain UPDATE table_a ta 
regress-> SET col_1 = 'a fixed value' 
regress-> FROM table_b tb 
regress-> WHERE ta.col_2 = tb.col_2; 
           QUERY PLAN         
----------------------------------------------------------------------------- 
Update on table_a ta (cost=1.07..2.14 rows=1 width=16) 
    -> Hash Join (cost=1.07..2.14 rows=1 width=16) 
     Hash Cond: (tb.col_2 = ta.col_2) 
     -> Seq Scan on table_b tb (cost=0.00..1.04 rows=4 width=10) 
     -> Hash (cost=1.03..1.03 rows=3 width=10) 
       -> Seq Scan on table_a ta (cost=0.00..1.03 rows=3 width=10) 
(6 rows) 

看到了吗？同样的计划。子查询已转换为联接。

用EXISTS而不是IN来表达它通常比较干净。这对于NOT IN vs NOT EXISTS来说更重要，它们在空值的语义上是不同的，所以无论如何它都是一个好习惯。你会写：

UPDATE table_a a 
SET col_1 = 'a fixed value' 
WHERE EXISTS (SELECT 1 FROM table_b b WHERE b.col_2 = a.col_2); 

这将也往往会产生同样的计划，但它是一个有点更好IMO - 这不仅是因为，如果它不计划分解为连接，相关子查询通常比巨大的IN列表扫描更可怕。

Answer 2

IN：

返回true如果指定的值相匹配的子查询或列表中的任何值。

存在：

返回true，如果子查询中包含任何行。

加入：

加入上接合第2个结果集。

---

如果接合柱是UNIQUE然后更快join。如果不是，则IN is faster than JOIN on DISTINCT。

看到这篇文章在我的博客为微软SQL Server性能的详细信息，这也可能是有关PostgreSQL的：

• IN vs. JOIN vs. EXISTS in Microsoft SQL Server