与具有几百万行的表上的``=''相比，SQL Server`` <>''运算符非常慢

Question

我有两张表。表单有〜77000行。日志大约有270万行。

以下查询在不到一秒钟的时间内html" target="_blank">返回“ 30198”：

SELECT COUNT(DISTINCT logs.DOCID) FROM logs, forms WHERE logs.DOCID = forms.DOCID;

到目前为止，此查询已运行了约15分钟，但尚未完成：

SELECT COUNT(DISTINCT logs.DOCID) FROM logs, forms WHERE logs.DOCID <> forms.DOCID;

为什么“不相等”查询 这么 慢？

Answer 1

因为=将连接操作从每个表减少到一个匹配行（假定这些docid是唯一的）。

这样想吧-您跳了5个男孩和5个女孩的舞蹈：

Adam      Alice
Bob       Betty
Charly    Cathy
Dick      Deb
Evan      Elly

您用第一个字母将它们配对。所以

Adam->Alice
Bob->Betty
etc...

一对配对

但是，如果您通过“首字母不匹配”将它们配对，则会得到以下结果：

Adam->Betty
Adam->Cathy
Adam->Deb
Adam->Elly
Bob->Alice
etc...

您已经大大增加了配对的数量。这就是为什么您的<>查询需要这么长时间的原因。实际上，您实际上是在尝试获取m x n行，而不是min(m,n)。使用此数据，您最终得到25行，而不是5行。对于您指定的表大小，您正在处理77,000 * 2,700,000 =
2079亿行，减去两个ID匹配的77,000，总共207,899,923,000行联接的数据集。

根据您的查询要求，尝试左连接并查找空的右侧记录：

SELECT DISTINCT logs.DOCID
FROM logs
LEFT JOIN forms ON logs.DOCID = forms.DOCID
WHERE forms.DOCID IS NULL