MySQL中IN子查詢會導致無法使用索引

今天看到一個博客園的一篇關於MySQL的IN子查詢優化的案例，
一開始感覺有點半信半疑（如果是換做在SQL Server中，這種情況是絕對不可能的，後面會做一個簡單的測試。）
隨後動手按照他說的做了一個表來測試驗證，發現MySQL的IN子查詢做的不好，確實會導致無法使用索引的情況（IN子查詢無法使用所以，場景是MySQL，截止的版本是5.7.18）

MySQL的測試環境

測試表如下

create table test_table2
(
    id int auto_increment primary key,
    pay_id int,
    pay_time datetime,
    other_col varchar(100)
)

建一個存儲過程插入測試數據，測試數據的特點是pay_id可重覆，這裡在存儲過程處理成，迴圈插入300W條數據的過程中，每隔100條數據插入一條重覆的pay_id，時間欄位在一定範圍內隨機

CREATE DEFINER=`root`@`%` PROCEDURE `test_insert`(IN `loopcount` INT)
    LANGUAGE SQL
    NOT DETERMINISTIC
    CONTAINS SQL
    SQL SECURITY DEFINER
    COMMENT ''
BEGIN

    declare cnt int;
    set  cnt = 0;
    while cnt< loopcount do
        insert into test_table2 (pay_id,pay_time,other_col) values  (cnt,date_add(now(), interval floor(300*rand()) day),uuid());
        if (cnt mod 100 = 0) then
            insert into test_table2 (pay_id,pay_time,other_col) values  (cnt,date_add(now(), interval floor(300*rand()) day),uuid());
        end if;
        set cnt = cnt + 1;    
    end while;
END

　　執行 call test_insert(3000000); 插入303000行數據

兩種子查詢的寫法

查詢大概的意思是查詢某個時間段之內的業務Id大於1的數據，於是就出現兩種寫法。

第一種寫法如下：IN子查詢中是某段時間內業務統計行數大於1的業務Id，外層按照IN子查詢的結果進行查詢，業務Id的列pay_id上有索引，邏輯也比較簡單，
這種寫法，在數據量大的時候確實效率比較低，用不到索引

select * from test_table2 force index(idx_pay_id)
where pay_id in (
　　select pay_id from test_table2 
　　where pay_time>="2016-06-01 00:00:00" 
　　　　AND pay_time<="2017-07-03 12:59:59" 
　　group by pay_id 
　　having count(pay_id) > 1
);

執行結果：2.23秒

第二種寫法，與子查詢進行join關聯，這種寫法相當於上面的IN子查詢寫法，下麵測試發現，效率確實有不少的提高

select tpp1.* from test_table2 tpp1, 
(
     select pay_id 
     from test_table2 
      WHERE pay_time>="2016-07-01 00:00:00" 
     AND pay_time<="2017-07-03 12:59:59" 
     group by pay_id 
     having count(pay_id) > 1
) tpp2 
where tpp1.pay_id=tpp2.pay_id 

　　執行結果：0.48秒

　　In子查詢的執行計劃，發現外層查詢是一個全表掃描的方式，沒有用到pay_id上的索引

 　　join自查的執行計劃，外層（tpp1別名的查詢）是用到pay_id上的索引的。

　　後面想對第一種查詢方式使用強制索引，雖然是不報錯的，但是發現根本沒用

 　　如果子查詢是直接的值，則是可以正常使用索引的。

　　可見MySQL對IN子查詢的支持，做的確實不怎麼樣。

　　另外：加一個使用臨時表的情況，雖然比不少join方式查詢的，但是也比直接使用IN子查詢效率要高，這種情況下，也是可以使用到索引的，不過這種簡單的情況，是沒有必要使用臨時表的。

　　下麵是類似案例在sqlserver 2014中的測試，幾萬完全一樣的測試表結構和數量，可見這種情況下，兩種寫法，在SQL Server中可以認為是完全一樣的（執行計劃+效率），這一點SQL Server要比MySQL強不少

 　　下麵是sqlserver中的測試環境腳本。

create table test_table2
(
    id int identity(1,1) primary key,
    pay_id int,
    pay_time datetime,
    other_col varchar(100)
)

begin  tran
declare @i int = 0
while @i<300000
begin
    insert into test_table2 values (@i,getdate()-rand()*300,newid());
    if(@i%1000=0)
    begin
        insert into test_table2 values (@i,getdate()-rand()*300,newid());
    end
    set @i = @i + 1
end
COMMIT
GO


create index idx_pay_id on test_table2(pay_id);
create index idx_time on test_table2(pay_time);
GO




select * from test_table2 
where pay_id in (
                    select pay_id from test_table2 
                    where pay_time>='2017-01-21 00:00:00' 
                    AND pay_time<='2017-07-03 12:59:59' 
                    group by pay_id 
                    having count(pay_id) > 1
                );

select tpp1.* from test_table2 tpp1, 
(
     select pay_id 
     from test_table2 
      WHERE pay_time>='2017-01-21 00:00:00'
     AND pay_time<='2017-07-30 12:59:59' 
     group by pay_id having 
     count(pay_id) > 1
) tpp2 
where tpp1.pay_id=tpp2.pay_id 
 

總結：在MySQL數據中，截止5.7.18版本，對IN子查詢，仍要慎用