关于检验一大组标识符的有效性

Question

在我工作的研究组中，我们必须每天解决以下问题--数百次，甚至数千次:给出一组假定的基因名称(通常是几百个)，标记那些不在我们(MySQL)数据库中的基因名称。我们的各种应用程序和脚本以多种方式解决了这个问题。我想优化这个过程。

当然，最简单的方法是迭代基因名称列表(当然，在删除任何重复的基因名称之后)，对于每个基因名称，执行如下的操作

SELECT count(*) FROM gene WHERE genename = 'GENENAME-XYZ';

或

SELECT * FROM gene WHERE genename = 'GENENAME-XYZ';

并检测搜索失败的情况。

这意味着对数百个，通常是数千个基因执行这样的查询。

(顺便说一句，大多数查询通常是通过使用Python、R、Perl、MATLAB等语言的DBI工具编写的脚本来执行的。)

或者，您可以捏造表单的(通常是巨大的) SQL语句。

SELECT DISTINCT genename FROM gene \
    WHERE genename IN ('GENENAME-001', 'GENENAME-002', ..., 'GENENAME-789');

...and从结果推导出无效基因名的子集。

也许只有我一个人，但我从如此庞大的SQL语句中获得了一些强大的代码气味。

总之，我没有一个完全令人满意的解决方案，但由于问题必须非常常见，我认为必须有标准的解决方案。如果这是正确的，请让我知道他们是什么。

顺便说一句，假设对DB的访问是只读的.特别是，请排除任何涉及创建临时表的解决方案。

此外，如果有关系，我们的数据库是MySQL数据库。

Answer 1

在表x中输入名称。

所有“新名字”的清单：

SELECT x.name
    FROM x
    LEFT JOIN gene  ON x.name = gene.name
        WHERE gene.name IS NULL;

gene应该在name上有一个索引。

我不认为只用一个IN就能做到这一点。