选取不在另一张表中记录的方法及优化

    假设我们想从A表中选择一些记录，记录中的部分字段的取值是B表
所不存在的，这里定义A表为源表，B表为参照表。例如，常见的例子
部门表(Department)作为源表，员工表(Employee)作为参照表，可以
从部门表中列举出那些员工表中所不包含的部门id来，即找出那些没有
员工的部门。
    一般类来说，如果数据库支持集合操作符，就可以直接查询，如果
没有，就使用子查询。
(1)
DB2 and PostgreSQL:
select deptno from dept
except
select deptno from emp
(2)
Oracle and Teradata:
select deptno from dept
minus
select deptno from emp
(3)
MySQL and SQL Server:
select deptno
  from dept
where deptno not in (select deptno from emp)

    对于(1)和(2)没有什么多说的，就是需要注意满足集合操作符使用的一般
条件就可以了。而且返回的结果是不重复的(duplicate removed)。所以对于3
使用者如果对结果重复性有要求的话，就需要自己根据情况添加是否使用
Distinct关键词。

    另外一个很显著的区别在于参照表中进行比较的字段是否包含NULL。这个
问题对于集合操作符来说没有任何影响，DBMS本身实现操作符的时候已经解决了。
而使用not in的子查询方式就需要采取处理措施。
    例如：源表dept中deptno取值有10,20,30,40
          参照表new_dept中deptno取值有10,50,null
         
SQL A:
     select a.deptno from dept a where a.deptno
         not in (select deptno from new_dept)
    虽然源表中20,30,40这三个deptno都不存在于参照表中，但是上面这个SQL
的查询结果为空，一条记录也没有。
而想要得到需要的结果需要写成：SQL B
     select a.deptno from dept a where a.deptno
         not in (select deptno from new_dept where deptno is not null)
查询结果为 20,30,40三条记录

SQL A之所以没有任何结果的原因在于NULL, NOT,和OR的几个操作符的综合作用
首先IN操作符等价多个OR的并列，所以SQL A实际上等价为
     A-1:
          select a.deptno from dept a where a.deptno
         not in(10,50,null)
     A-2:
          select deptno from dept where
         not  (deptno=10 or deptno=50 or deptno=null)
下面要注意，必须明确几个操作符之间的结果：
  TRUE or NULL   结果是TRUE
  FALSE or NULL  结果是NULL
  
NOT的运算结果
   bool表达式     NOT 运算结果
     TURE           FALSE
     FALSE           TRUE
     NULL            NULL
尤其注意NOT对未知的字段运算结果还是NULL，这一点一定要和
IS NULL 和IS NOT NULL这个关键词组合区分开。

最后任何字段和NULL进行运算=,+,-,...结果都是NULL
这也是SQL里面强调用IS NULL和IS NOT NULL来区分字段是否为空
而不是用＝来区分

明确了上面运算符的运算规则，我们来看
not  (deptno=10 or deptno=50 or deptno=null)
当源表中deptno为10时，则
not ( TRUE or FALSE or NULL )
结果是 not (TRUE) -> FALSE  这条记录不会显示
当源表中dept为20时， 则
not ( FALSE or FALSE or NULL )
结果是 not (NULL) -> NULL   
where的搜索条件是空，也不会有任何结果
(你可以尝试select * from dept where deptno=null这种sql看看结果)

综上，无论源表的记录取何值，最终都得不到查询结果。。。

如果想要得到结果，必须写成SQL B的格式。

如果觉得始终要为总要当心字段是否为空，而不得不在SQL中注意比较麻烦的情况下
(比如在复杂的查询中，源表和参照表之间需要比较的字段比较多，每个字段都要
考虑NOT NULL，并且书写出来，确实比较繁琐)，可以使用相关子查询
(correlated subquery)来巧妙的避免这个干扰

SQL C:
        select *
          from dept a
         where not exists (select null from new_dept b where b.deptno =a.deptno )
这个查询同样能够得到需要的结果

Step 1:   子查询中执行b.deptno =a.deptno 两个表join操作
Step 2:   如果子查询返回结果，即子查询包含行，则exists(subquery)返回TRUE，
          而not exists(subquery)返回FALSE，最终查询抛弃当前记录
Step 2:   如果子查询没有结果，即子查询不包含任何行，则exists(subquery)返回FALSE，
          而not exists(subquery)返回TRUE，最终查询返回当前记录
         
这里需要注意的是在使用exists情况下，其子查询中的select部分并不重要。
因为exists的含义是exists(subquery),只要子查询中包含行，无论是什么样的行记录，
结果就是TURE而SQL C中的subquery 中只要b.deptno和a.deptno相等，就会有行记录，
而select null from new_dept b where b.deptno =a.deptno 只不过是说两个deptno相等
返回的行记录是null(null也是一条行记录啊)，所以exists(select null)也是TURE
因此，这种写法就保证了，只要源表中的deptno记录不存在在参考表中，就能够得到结果了。

子查询中的select对结果不会有任何影响，所以写成select null好像是一种惯例，
我觉得是为了强调相关查询的等价条件而已，但这种符合英语国家的惯例对很多
初次遇到这种写法的人来说，反而被迷惑了一把。。。

只要把握了几个关键的操作符的运算规则，就能够理解这些不同写法所造成的不同结果了。
希望上面的总结能够对大家理解这种查询方式有所帮助。


至于效率方面，exists是否快于in操作，个人持保留意见，这主要看具体的SQL书写条件
和DBMS系统的优化代码。

但是上面的语句SQL C比SQL B的执行效率要高，这一点是可以解释的。
SQL B使用in 模式，这样实际上是全表扫描，没有任何优化手段，两个表都在遍历全表
而SQL C使用相关查询，两个表是内联操作，大多数数据库系统都会使用Hash Join来
进行优化查询，所以效率会比较高。