mysql中关于exists的深入讲解

mysql中关于exists的讲解

我认为exists语法是mysql中一个很强大的工具，可以简单地实现某些复杂的数据处理。

下面我谈谈与exists有关的三个方面。

---

all 与 any

首先，看到了exists，难免还会想到all和any，它们比exists容易理解一些。all 和 any都能让一行数据与多行数据进行比较，这是它们的主要功能。

create table T(X int);
insert into T(X) values(1),(2),(3),(4);

# eg.1
select * from T where X > all( select * from T where X < 3 );	#输出3，4

# eg.2
select * from T where X > any( select * from T where X > 1 );	#输出3，4

先看eg.1， 显然select * from T where X < 3结果是1，2；而all要求存在X大于集合{1,2}内的任意元素，即3,4。

同理，对于eg.2，select * from T where X > 1结果是2,3,4；any的要求是存在X大于集合{2,3,4}内的某个元素即可，即3,4。

---

划分表

在说exists之前，再看看一个比较特别的语句，关于表（table）的“划分”用法。

eg.1

# fruitTable
Id  Name  Class Count  Date
 1   苹果    水果    10     2011-7-1
 1   桔子    水果    20     2011-7-2
 1   香蕉    水果    15     2011-7-3
 2   白菜    蔬菜    12     2011-7-1
 2   青菜    蔬菜    19     2011-7-2 

现在要求进行筛选，条件是Id唯一,Date选最近的一次

这种筛选条件潜藏着对于表的划分要求。以fruitTable为例，需要划分为2个子表，Id为1的为一个子表、Id为2的为另一个子表，再从各自子表里面选出时间最大的那个元组。

先看看下面一个错误的解法

SELECT DISTINCT Id, Name, Class, Count, Date FROM fruitTable t1
	WHERE (Date IN 
           (SELECT MAX(Date) FROM fruitTable t2 GROUP BY Id));
           
# 结果
 1   桔子    水果    20     2011-7-2
 1   香蕉    水果    15     2011-7-3
 2   青菜    蔬菜    19     2011-7-2

这周解法在逻辑上有漏洞。它将不同Id的最大时间混在了一起，没有真正地划分表格。

再来看看正确的解法

划分表格的思路是正确的，但问题是怎么划分，如果另外创建2个新的table，那这样显然太麻烦了，于是有了下面这种写法。

SELECT DISTINCT Id, Name, Class, Count, Date FROM fruitTable t1
	WHERE (Date = 
           (SELECT MAX(Date) FROM fruitTable t2 WHERE t2.Id=t1.Id));

注意WHERE t2.Id=t1.Id 很巧妙地 对表t2 基于t2.Id=t1.Id这个标准 进行了划分。可以推导一下，比如遍历表t1，先是第1个元组： 1 苹果 水果 10 2011-7-1， 可以知道t1.Id=1, 带入第2个select: (SELECT MAX(Date) FROM fruitTable t2 WHERE t2.Id=1) , 观察这个select语句的筛选条件WHERE t2.Id=1， 发现它的范围限定在了Id为1的元组内，聚集函数MAX(Date)返回Id为1的所有元组中Date最大的值（2011-7-3）。

因此对于表t1, 当t1.Id=1时，只有Date=2011-7-3的元组才会被选出来；而当tl.Id=2时，第2个select又变为SELECT MAX(Date) FROM fruitTable t2 WHERE t2.Id=2, 返会所有Id=2的元组中Date的最大值(2011-7-2)。

可以发现，表t2是受t1.Id控制的，根据t1.Id的不同而被划分为不同的子表，这就是表的划分，并且不需要另外创建新的表。

---

exists

先说说exists的基本用法

create table R(
	X int, Y varchar(5), Z varchar(5)
);

create table S(
	Y varchar(5), Z varchar(5), Q int
);


insert into R(X,Y,Z) values(
	1,'a','A'
),(
	1,'b','B'
),(
	1,'a','B'
),(
	1,'c','C'
),(
	2,'a','B'
),(
	2,'b','B'
),(
	2,'c','A'
),(
	3,'z','Z'
);


insert into S(Y,Z,Q) values(
	'b','B',1
),(
	'a','B',2
);

-----------------------------

select * from R where exists( select * from S where S.Y='b' and R.Y=S.Y );
# 结果
'1', 'b', 'B'
'2', 'b', 'B'

对于exists可以先简单地理解为if判断。
比如语句select * from R where exists( select * from S where S.Y='b' and R.Y=S.Y );就可以理解为 从表R中筛选出满足条件 S.Y='b' and R.Y=S.Y (select * from S where S.Y='b' and R.Y=S.Y) 的元组。

这个性质可以看出2个特性

• 首先exists()括号内的表不会影响最终返回的结果。比如上面的例子，返回的结果始终是关于表R的元组，和表S没有任何关系
• 对于exists()语句，关键的是括号内的where子句。对于exists( select * from S where S.Y='b' and R.Y=S.Y ) 这种语句，可以直接当作 if( S.Y== 'b' and R.Y ==S.Y )。当然也不是说select不重要，比如exists( select 1 from S where S.Y='b' and R.Y=S.Y )是永远为真的条件。

理清上面2点，我们就更能意识到exists非常像是一个关于条件判断的语句。

下面例子类似

# 选了张三老师课的学生
select distinct sc.sid from sc 
	where exists (
		select * from course c,teacher t 
			where sc.cid = c.cid and c.tid = t.tid and t.tname = "张三");

---

但仅仅只有exists还不够，因为很多其它语句也能实现这个功能，真正强大的是not exists。
对于存在exists只是一个元组与某个局部作比较，因为只要存在即可。而对于不存在，却是一个元组和整体做比较，因为要确定不存在，就必须遍历所有。
在这方面来说，not exists比exists更强大。

找最值

SELECT DISTINCT Id, Name, Class, Count, Date FROM fruitTable t1
	WHERE (Date = 
           (SELECT MAX(Date) FROM fruitTable t2 WHERE t2.Id=t1.Id));
#用not exists
SELECT DISTINCT Id, Name, Class, Count, Date FROM fruitTable t1
	WHERE NOT EXISTS(
           SELECT * FROM fruitTable t2 WHERE t2.Id=t1.Id and t2.Date > t1.Date );

这里not exists同样可以看作not if，关键是明白哪部分条件被否定（not）。根据之前的理论，这里条件明显是t2.Id=t1.Id and t2.Date > t1.Date , 而t2.Id=t1.Id不能作为否定的对象，因为这是必然存在的（自己想想，t1和t2内容一样），用来限定表t2的范围（即之前说的划分子表）,再看t2.Date > t1.Date，这才是否定的部分，即对于t2中Id为t1.Id的所有元组的Date都不大于t1.Date，而此时的t1.Date也即最大值。

嵌套not exists

还有更复杂的情况，多层not exists嵌套使用。比如实现关系代数里的除法运算。

# 表R，S的定义上面已经给出  下面计算 R除以S
select distinct R1.x from R R1 where not exists ( 
	select * from S where not exists (
		select * from R R2 where R1.X=R2.X and R2.Y=S.Y and R2.Z=S.Z ));

一个not exists只表示不存在，需要遍历所有元组才能做出判断
2个not exists嵌套，表示每一个都存在，同样需要遍历所有元组才能确定，同时还是“肯定”

这里有3个select，2个not exists。
最里面的not exists是用来否定R2.Y=S.Y and R2.Z=S.Z （因为R1.X=R2.X一定成立，这个是用来划分子表的）, 最外层的not exists就用来表示不存在这个意思，你会发现最后这个句子表达的意思就是关系代数里面除法的定义。

---

使用联合来解决exists问题

因为MySQL每次的操作都是基于行的，当涉及到表与表之间类似集合的关系时，处理起来比较麻烦。比如下面这个问题。

insert into R(X,Y) values(
	1,'a'
),(
	1,'b'
),(
	1,'B'
),(
	1,'C'
),(
	2,'A'
),(
	2,'c'
),(
	3,'z'
);


insert into S(Y,Q) values(
	'b',1
),(
	'B',2
);

#问题：表R内，对于X值相同的行组成一组(或叫集合)。在这样的每组元素中，要求R(Y)中不能出现与S(Y)相同的值，求这样的组的X值有哪些。
#这种问题是关于集合之间的关系，不同于 一行与一个集合之间的关系。
#下面运用之前讲的not exists来求解
select distinct X from R R1 where not exists (
	select * from R R2 where R2.X=R1.X and R2.Y in (select distinct Y from S));

---

下面来介绍另外一种方法，联合。

仔细观察可以发现R和S之间是有关系的，因此可以将它们进行自然连接，这样就直接得到了所有R(Y)=S(Y)的值。

select distinct X from R where X not in (select distinct X from R,S where R.Y=S.Y);

但是对于代码可读性来说，in和exists比派生表联合优雅