01-in和not in的使用

一、前言

1、最近好多人都在问，in和not in到底走索引吗？

2、not in的性能怎么样？

基于上面的2个问题，我们具体的测试一下，实践胜于雄辩。。。

二、in和not in是否走索引

1、准备数据

--1.创建person表
CREATE TABLE person(
    [id] [int] NULL,
    [name] [nvarchar](50) NULL,
    [age] [int] NULL
)

--插入数据
DECLARE @i int = 0;  
BEGIN TRAN  
SET @i = 10;  
WHILE (@i < 10000)  
BEGIN  
INSERT INTO customer.dbo.person VALUES (@i, substring(convert(varchar(1000),newid()),2,5),@i /5);  
SET @i += 1;  
END;  
COMMIT TRAN; 

--创建索引
CREATE NONCLUSTERED INDEX id_index ON person(id)

2、测试in是否走索引

注： 该执行计划发生了二次查找（RID Lookup）,因为索引里只有id的信息，所以在索引页中查到这条记录后，需要通过RID（有主键通过主键）去数据页里查询其他的字段；

3、测试not in是否走索引

 这里使用not in后，发生了全表扫描，没有走索引，那么就能确认not in不走索引吗？接着往下看：

 注：这里select后面只查询id字段，因为要是写*的话，not in后面要写好多值，才能走索引，因为查询结果的数据多的话，SQLServer数据库引擎会认为还不如走全表扫描呢。不过这也无所谓，我们只是要测试一下not in是否走索引，所以看到not in发生了全表扫描，不能就认为not in 这个语法不走索引了；

三、not in的性能测试

1、再创建一张addressdetail表

--创建addressdetail表
CREATE TABLE addressdetail(
    [id] [int] NULL,
    [tname] [nvarchar](20) NULL,
    [depart] [nvarchar](50) NULL,
    [city] [nvarchar](20) NULL
)

--插入数据
DECLARE @i int = 0;  
BEGIN TRAN  
SET @i = 14000;  
WHILE (@i < 17000)  
BEGIN  
INSERT INTO customer.dbo.addressdetail VALUES (@i, 
substring(convert(varchar(1000),newid()),2,5),
substring(convert(varchar(1000),newid()),2,8),
substring(convert(varchar(1000),newid()),2,3)
);  
SET @i += 1;  
END;  
COMMIT TRAN; 

--创建索引
create nonclustered index  ind_id  on addressdetail(id)

注：2张表（person和addressdetail）的id都允许为null，并且都是索引列

2、查看not in的执行计划

select * from person where id not in (select id from addressdetail )

 注：在图中我们可以看到有一个Row Count Spool(Lazy Spool)操作，该操作就是确认addressdetail表中的id列是否有null值（因为该列的属性是允许为null的，所以SQLServer必须额外确认），并且该操作占用的开销也比较多，接近一半的查询成本，因此在这一步是比较浪费性能的；

3、使用 not exists 代替not in ，对比SQL执行计划的查询开销

--查询not in的执行计划
select * from person where id not in (select id from addressdetail )

--使用 not exists 代替not in 查看SQL的执行计划
select * from person p where  not exists (select * from addressdetail b where p.id=b.id)

注：由上图可以看出，使用not in的SQL的查询开销是使用not exists的SQL的10倍，仅仅是not in需要确认id列中是否有null值；
当然这个10倍这个值是不准确的，因为这个和2张表的数据量有关，但是可以肯定的是not in的查询性能确实是多了一步校验null值的步骤，所以会降低性能。

4、对比not in 和not exists的IO情况 

--not in
set  statistics io on
select * from person where id not in (select id from addressdetail ) 

--not exists
select * from person p where  not exists (select * from addressdetail b where p.id=b.id)

 注：由上面可以看出not吃掉的IO很高

5、not in的结果准确性

由上面的测试，很容易看出使用not in语法是会降低SQL性能的，但是抛去性能的原因，使用not in 还有可能使查询的结果不准确；

（1）结果不准确主要是和NULL值进行对比的时候，可能会导致结果不准确，我们知道null值并不是一个值，任何与NULL值进行比对的二元操作结果都是null，包括null值本身；

（2）比对的结果为null时，转换为Bool类型的结果就是False；

（3）结果不准确的示例

 （4）为什么结果不准确

--not in 语句
select * from Test.dbo.teachclass where classnum  not in('303',null)

--not in('303',null) 等价于下面的语句
select * from Test.dbo.teachclass where classnum<> '303' and classnum<> null

 注：把not in的where条件语句等价用and连接，结果也为null，因为上面说了任何值与null值进行二元操作都为null，并且转换为bool都是false，所以再做and，结果都是false，所以最后没有结果；

解决办法：使用not Exists作为替代。Exists操作符不会返回null，只会根据子查询中的每一行返回true或者false，当遇到null时，只会返回false，不会因为某个null值导致整个查询返回空。

四、总结

1、not in和in走不走索引，是视情况而看的，不能绝对的说in和not不走索引；

2、对于数据量大的表，使用IN和NOT IN往往效率很低，如果字段值允许为null，还有可能出现结果不准确的情况，所以在尽量避免使用not in；

3、如果列的属性是not null 的话，是不会产生Row Count Spool(Lazy Spool)操作步骤的；