使用Exists 1或Exists *的子查询

Question

我过去常常这样写我的EXISTS检查：

IF EXISTS (SELECT * FROM TABLE WHERE Columns=@Filters)
BEGIN
   UPDATE TABLE SET ColumnsX=ValuesX WHERE Where Columns=@Filters
END

以前的一位数据库管理员告诉我，当我执行EXISTS子句时，使用SELECT 1而不是SELECT *

IF EXISTS (SELECT 1 FROM TABLE WHERE Columns=@Filters)
BEGIN
   UPDATE TABLE SET ColumnsX=ValuesX WHERE Columns=@Filters
END

这真的有区别吗？

Answer 1

不，SQL Server是智能的，它知道它正用于EXISTS，并且不向系统返回任何数据。

微软名言：http://technet.microsoft.com/en-us/library/ms189259.aspx?ppud=4

由EXISTS引入的子查询的选择列表几乎总是由一个星号(*)组成。没有理由列出列名，因为您只是在测试是否存在符合子查询中指定条件的行。

要检查自己，请尝试运行以下命令：

SELECT whatever
  FROM yourtable
 WHERE EXISTS( SELECT 1/0
                 FROM someothertable 
                WHERE a_valid_clause )

如果它真的对选择列表做了一些操作，它会抛出一个零错误的div。事实并非如此。

编辑:注意，SQL标准实际上谈到了这一点。

ANSI SQL 1992标准版，pg 191 http://www.contrib.andrew.cmu.edu/~shadow/sql/sql1992.txt

3)案例：

a)如果<select list> "*“只是包含在直接包含在<exists predicate>中的<subquery>中，那么该<select list>等价于任意<literal>的<value expression>。

Answer 2

产生这种误解的原因可能是因为相信它最终会读取所有列。很容易看出，事实并非如此。

CREATE TABLE T
(
X INT PRIMARY KEY,
Y INT,
Z CHAR(8000)
)

CREATE NONCLUSTERED INDEX NarrowIndex ON T(Y)

IF EXISTS (SELECT * FROM T)
    PRINT 'Y'

提供计划

​

​

这表明SQL Server能够使用可用的最窄索引来检查结果，尽管该索引并不包括所有列。索引访问使用semi join操作符，这意味着只要返回第一行，它就可以停止扫描。

由此可见，上述观点显然是错误的。

然而，来自查询优化器团队的Conor Cunningham解释说，在这种情况下，他通常使用SELECT 1，因为它可以在查询的编译中产生很小的性能差异。

QP将在流水线早期获取并扩展所有的*，并将它们绑定到对象(在本例中是列的列表)，然后由于查询的性质，它将删除不需要的列。

因此，对于如下所示的简单EXISTS子查询：

SELECT col1 FROM MyTable WHERE EXISTS (SELECT * FROM Table2 WHERE MyTable.col1=Table2.col2) *将扩展到一些潜在的大列列表，然后将确定EXISTS的语义不需要这些列中的任何一列，因此基本上可以删除所有这些列。

"SELECT 1“将避免在查询编译期间检查该表的任何不需要的元数据。

但是，在运行时，两种形式的查询将是相同的，并且将具有相同的运行时。

我在一个具有不同列数的空表上测试了表达该查询的四种可能方式。SELECT 1 vs SELECT * vs SELECT Primary_Key vs SELECT Other_Not_Null_Column。

我使用OPTION (RECOMPILE)在循环中运行查询，并测量了平均每秒执行的次数。结果如下

​

​

+-------------+----------+---------+---------+--------------+
| Num of Cols |    *     |    1    |   PK    | Not Null col |
+-------------+----------+---------+---------+--------------+
| 2           | 2043.5   | 2043.25 | 2073.5  | 2067.5       |
| 4           | 2038.75  | 2041.25 | 2067.5  | 2067.5       |
| 8           | 2015.75  | 2017    | 2059.75 | 2059         |
| 16          | 2005.75  | 2005.25 | 2025.25 | 2035.75      |
| 32          | 1963.25  | 1967.25 | 2001.25 | 1992.75      |
| 64          | 1903     | 1904    | 1936.25 | 1939.75      |
| 128         | 1778.75  | 1779.75 | 1799    | 1806.75      |
| 256         | 1530.75  | 1526.5  | 1542.75 | 1541.25      |
| 512         | 1195     | 1189.75 | 1203.75 | 1198.5       |
| 1024        | 694.75   | 697     | 699     | 699.25       |
+-------------+----------+---------+---------+--------------+
| Total       | 17169.25 | 17171   | 17408   | 17408        |
+-------------+----------+---------+---------+--------------+

可以看出，SELECT 1和SELECT *之间没有一致的赢家，两种方法之间的差异可以忽略不计。不过，SELECT Not Null col和SELECT PK看起来确实更快一些。

随着表中列数的增加，所有四个查询的性能都会降低。

由于表是空的，这种关系似乎只能通过列元数据的数量来解释。对于COUNT(1)，很容易从下面的过程中看到它在过程中的某个时候被重写为COUNT(*)。

SET SHOWPLAN_TEXT ON;

GO

SELECT COUNT(1)
FROM master..spt_values

它给出了以下计划

  |--Compute Scalar(DEFINE:([Expr1003]=CONVERT_IMPLICIT(int,[Expr1004],0)))
       |--Stream Aggregate(DEFINE:([Expr1004]=Count(*)))
            |--Index Scan(OBJECT:([master].[dbo].[spt_values].[ix2_spt_values_nu_nc]))

将调试器附加到SQL Server进程，并在执行以下代码时随机中断

DECLARE @V int 

WHILE (1=1)
    SELECT @V=1 WHERE EXISTS (SELECT 1 FROM ##T) OPTION(RECOMPILE)

我发现，在表有1,024列的情况下，大部分时间调用堆栈看起来像下面这样，这表明即使在使用SELECT 1时，它也确实花费了很大一部分时间来加载列元数据(对于表有1列随机中断的情况，在10次尝试中没有命中调用堆栈的这一部分)。

sqlservr.exe!CMEDAccess::GetProxyBaseIntnl()  - 0x1e2c79 bytes  
sqlservr.exe!CMEDProxyRelation::GetColumn()  + 0x57 bytes   
sqlservr.exe!CAlgTableMetadata::LoadColumns()  + 0x256 bytes    
sqlservr.exe!CAlgTableMetadata::Bind()  + 0x15c bytes   
sqlservr.exe!CRelOp_Get::BindTree()  + 0x98 bytes   
sqlservr.exe!COptExpr::BindTree()  + 0x58 bytes 
sqlservr.exe!CRelOp_FromList::BindTree()  + 0x5c bytes  
sqlservr.exe!COptExpr::BindTree()  + 0x58 bytes 
sqlservr.exe!CRelOp_QuerySpec::BindTree()  + 0xbe bytes 
sqlservr.exe!COptExpr::BindTree()  + 0x58 bytes 
sqlservr.exe!CScaOp_Exists::BindScalarTree()  + 0x72 bytes  
... Lines omitted ...
msvcr80.dll!_threadstartex(void * ptd=0x0031d888)  Line 326 + 0x5 bytes C
kernel32.dll!_BaseThreadStart@8()  + 0x37 bytes 

此手动分析尝试由VS2012代码分析器支持，它显示了两种情况下非常不同的函数选择，消耗了编译时间(Top 15 Functions 1024 columns与Top 15 Functions 1 column)。

SELECT 1和SELECT *版本都结束了对列权限的检查，如果用户未被授予对表中所有列的访问权，则会失败。

我从the heap上的一次对话中抄袭的一个例子

CREATE USER blat WITHOUT LOGIN;
GO
CREATE TABLE dbo.T
(
X INT PRIMARY KEY,
Y INT,
Z CHAR(8000)
)
GO

GRANT SELECT ON dbo.T TO blat;
DENY SELECT ON dbo.T(Z) TO blat;
GO
EXECUTE AS USER = 'blat';
GO

SELECT 1
WHERE  EXISTS (SELECT 1
               FROM   T); 
/*  ↑↑↑↑ 
Fails unexpectedly with 

The SELECT permission was denied on the column 'Z' of the 
           object 'T', database 'tempdb', schema 'dbo'.*/

GO
REVERT;
DROP USER blat
DROP TABLE T

因此，有人可能会猜测，使用SELECT some_not_null_col时明显的细微差别在于，它只检查特定列上的权限(尽管仍然为所有列加载元数据)。但是，这似乎与事实不符，因为如果基础表中的列数越多，两种方法之间的百分比差异就越小。

在任何情况下，我都不会急于将我的所有查询更改为这种形式，因为差异非常小，并且只有在查询编译期间才明显。删除OPTION (RECOMPILE)，以便后续执行可以使用缓存的计划，结果如下。

​

​

+-------------+-----------+------------+-----------+--------------+
| Num of Cols |     *     |     1      |    PK     | Not Null col |
+-------------+-----------+------------+-----------+--------------+
| 2           | 144933.25 | 145292     | 146029.25 | 143973.5     |
| 4           | 146084    | 146633.5   | 146018.75 | 146581.25    |
| 8           | 143145.25 | 144393.25  | 145723.5  | 144790.25    |
| 16          | 145191.75 | 145174     | 144755.5  | 146666.75    |
| 32          | 144624    | 145483.75  | 143531    | 145366.25    |
| 64          | 145459.25 | 146175.75  | 147174.25 | 146622.5     |
| 128         | 145625.75 | 143823.25  | 144132    | 144739.25    |
| 256         | 145380.75 | 147224     | 146203.25 | 147078.75    |
| 512         | 146045    | 145609.25  | 145149.25 | 144335.5     |
| 1024        | 148280    | 148076     | 145593.25 | 146534.75    |
+-------------+-----------+------------+-----------+--------------+
| Total       | 1454769   | 1457884.75 | 1454310   | 1456688.75   |
+-------------+-----------+------------+-----------+--------------+

The test script I used can be found here

Answer 3

了解这一点的最佳方法是对两个版本进行性能测试，并检查两个版本的执行计划。选择一个有很多列的表。