MySQL not exists 与索引的关系

在一些业务场景中，会使用NOT EXISTS语句确保返回数据不存在于特定集合，部分同事会发现NOT EXISTS有些场景性能较差，甚至有些网上谣言说”NOT EXISTS不走索引”，哪对于NOT EXISTS语句，我们如何优化呢？

以今天优化的SQL为例，优化前SQL为：

SELECT count(1) FROM t_monitor m WHERE NOT exists (  SELECT 1   FROM t_alArm_realtime AS a   WHERE a.resource_id=m.resource_id   AND a.resource_type=m.resource_type   AND a.monitor_name=m.monitor_name)

我们使用LEFT JOIN方式进行优化，优化后SQL为：

SELECT count(1) FROM t_monitor m LEFT JOIN t_alarm_realtime AS a    ON a.resource_id=m.resource_id   AND a.resource_type=m.resource_type   AND a.monitor_name=m.monitor_name WHERE a.resource_id is NULL

优化效果：

优化前执行时间29秒以上，优化后1.2秒，优化提升25倍。

NOT EXISTS真的不走索引么？

查看两种SQL的执行计划！

使用NOT EXIST方式的执行计划：

使用LEFT JOIN方式的执行计划：

从执行计划来看，两个表都使用了索引，区别在于NOT EXISTS使用“DEPENDENT SUBQUERY”方式，而LEFT JOIN使用普通表关联的方式。

推荐看下：为什么索引能提高查询速度？

通过MySQL提供的Profiling方式来查看两种方式的执行过程。

使用NOT EXIST方式的执行过程：

使用LEFT JOIN方式的执行过程：

从执行过程来看，LEFT JOIN方式的主要消耗在Sending data一项上(1.2s)，而NOT EXISTS方式主要消耗在executeing和Sending data两项上，受限于Profiling只存放100行记录缘故。

从Profiling中只能看到47个” executeing和Sending data”的组合项(每个组合项约50us)，通过执行计划看出，外表t_monitor的数据量为578436行，忽略统计信息不准情况下，使用NOT EXISTS方式应该会产生578436个” executeing和Sending data”的组合项，总计消耗时间=50μs*578436=28921800us=28.92s。

从上面执行过程可以推断出：

使用NOT EXISTS方式的执行性能严重依赖于NOT EXISTS子查询的执行次数即外层查询结果集的数据量。

1. 当外层查询结果集的数据量N较小时执行性能较好，如有N=10执行时间为50μs*10=500us=0.005s，再加上一些额外消耗，执行结果也能在0.01秒或10毫秒内范围，这个响应时间应该能被大部分应用程序接受。

2. 当外层程勋结果集的数据量N较大甚至上千万数据量时，NOT EXISTS的查询性能会变得非常糟糕，甚至会大量消耗服务器IO和CPU资源从而影响其他业务正常运行。

除上述问题外，在优化过程中发现本应该存储相同数据的resource_id列在两个表中定义不同，一表为VARCHAR而另外一表为BIGINT，外部结果集的字段类型和NOT EXIST字表中字段类型不同导致NOT EXISTS子查询中无法使用索引，使得子查询性能较差，最终影响整个查询的执行性能。

京东商城也曾出现过大量类似案例，一些表使用VARCHAR来存放订单号，而另一些表使用BIGINT来存放，在两表进行管理时性能极差，希望研发同事引以为戒。关注公众号Java技术栈回复m36获取一份MySQL研发军规。