NOT IN子查詢中出現NULL值對結果的影響你注意到了嗎
前言
開發人員寫的SQL語句中經常會用到in，exists，not in，not exists 這類子查詢，通常，含in、exists的子查詢稱為半連接（semijoin），含not in、 not exists的子查詢被稱之為反連接，經常會有技術人員來評論in 與exists 效率孰高孰低的問題，我在SQL優化工作中也經常對這類子查詢做優化改寫，比如半連接改為內連接，反連接改為外連接等，哪個效率高是要根據執行計劃做出判斷的，本文不是為了討論效率問題，是要提醒一點：not in子查詢的結果集含NULL值時，會導致整個語句結果集返回空，這可能造成與SQL語句書寫初衷不符。
實驗
創建實驗表t1，t2
greatsql> create table t1(c1 int primary key,c2 varchar(10), key idx_c1(c2));
greatsql> create table t2(c1 int primary key,c2 varchar(10)),key idx_c1(c2));
greatsql> insert into t1 values(1,'a'),(2,'b');
greatsql> insert into t2 values(1,'a'),(2,'c');觀察下面兩條語句：
select * from t1 where t1.c2 not in (select t2.c2 from t2);
select * from t1 where not exists (select 1 from t2 where t2.c2=t1.c2);這兩個語句，從表達的含義來看是等價的，都是查詢t1表中c2列值在t2表的c2列值中不存在的記錄。
從子查詢類型來看，第一條語句屬于非關聯查詢，第二條語句屬于關聯子查詢。所謂非關聯子查詢就是子查詢中內查詢可以獨立執行，與外查詢沒有關系，互不影響。而關聯子查詢的執行依賴于外部查詢，通常情況下都是因為子查詢中的表用到了外部的表，并進行了條件關聯，因此每執行一次外部查詢，子查詢都要重新計算一次。
從連接類型來看，使用not in與not exists子查詢構造的語句都屬于反連接，為了控制連接順序與連接方式，這種反連接經常被改寫為外連接，t1 與t2使用左外連接，條件加上右表t2的連接列 is null，也就是左外連接時沒有關聯上右表的數據，表達了這個含義“t1表中c2列值在t2表的c2列值中不存在的記錄”。反連接改寫為外連接，不會導致關聯結果集放大，因為沒有關聯上的t1表數據只顯示1條，半連接改為內連接時要注意去重。外連接語句如下所示：
greatsql> select t1.* from t1 left join t2 on t1.c2=t2.c2 where t2.c2 is null;所以本質表達含義上，上面的三條語句都等價。
下面看一下三條語句的執行結果：
greatsql> select * from t1 where t1.c2 not in (select t2.c2 from t2);
+----+------+
| c1 | c2 |
+----+------+
| 2 | b |
+----+------+
1 row in set (0.00 sec)
greatsql> select * from t1 where not exists (select 1 from t2 where t2.c2=t1.c2);
+----+------+
| c1 | c2 |
+----+------+
| 2 | b |
+----+------+
1 row in set (0.01 sec)
greatsql> select t1.* from t1 left join t2 on t1.c2=t2.c2 where t2.c2 is null;
+----+------+
| c1 | c2 |
+----+------+
| 2 | b |
+----+------+
1 row in set (0.00 sec)可以看出就目前的數據，三條語句執行結果是相同的。
下面向子查詢的t2中插入一條c2列為null的記錄。
greatsql> insert into t2 values(3,null);再觀察一下三條語句的執行結果：
greatsql> select * from t1 where t1.c2 not in (select t2.c2 from t2);
Empty set (0.00 sec)
greatsql> select * from t1 where not exists (select 1 from t2 where t2.c2=t1.c2);
+----+------+
| c1 | c2 |
+----+------+
| 2 | b |
+----+------+
1 row in set (0.00 sec)
greatsql> select t1.* from t1 left join t2 on t1.c2=t2.c2 where t2.c2 is null;
+----+------+
| c1 | c2 |
+----+------+
| 2 | b |
+----+------+
1 row in set (0.00 sec)可以看出，not exists表示的關聯子查詢與 外連接方式表達的兩條語句結果相同，而not in表示的非關聯子查詢的結果集為空。這是因為子查詢select t2.c2 from t2 查詢結果含有NULL值導致的。NULL屬于未知值，無法與其他值進行比較，無從判斷，返回最終結果集為空。這一點在MySQL與Oracle中返回結果都是一致的。如果想表達最初的含義，需要將子查詢中NULL值去除。
greatsql> select * from t1 where t1.c2 not in (select t2.c2 from t2 where t2.c2 is not null);
+----+------+
| c1 | c2 |
+----+------+
| 2 | b |
+----+------+
1 row in set (0.02 sec)那么如果t1表的c2列也插入一條NULL值的記錄后，結果集會怎樣呢，兩個表都存在c2列為NULL的值數據，那么t1表這條NULL值數據能否出現在最終結果集中呢？
greatsql> insert into t1 values(3,null);
Query OK, 1 row affected (0.07 sec)
greatsql> select * from t1 where t1.c2 not in (select t2.c2 from t2 where t2.c2 is not null);
+----+------+
| c1 | c2 |
+----+------+
| 2 | b |
+----+------+
1 row in set (0.00 sec)
greatsql> select * from t1 where not exists (select 1 from t2 where t2.c2=t1.c2);
+----+------+
| c1 | c2 |
+----+------+
| 3 | NULL |
| 2 | b |
+----+------+
2 rows in set (0.00 sec)
greatsql> select t1.* from t1 left join t2 on t1.c2=t2.c2 where t2.c2 is null;
+----+------+
| c1 | c2 |
+----+------+
| 3 | NULL |
| 2 | b |
+----+------+
2 rows in set (0.00 sec)從執行結果來看，使用not in非關聯子查詢，其執行結果與其他兩條語句的執行結果還是不同，因為t1.c2 使用not in在參與比較時就隱含了t1.c2 is not null的含義，所以最終結果集中不含(3,NULL)這條數據。
而not exists關聯子查詢，在將外查詢的NULL值傳遞給內查詢時執行子查詢 select * from t2 where t2.c2=NULL，子查詢中找不到記錄，所以條件返回false， 表示not exists 為true，則最終結果集中含(3,NULL)這條記錄。
左外left join 與 not exists相同，左表的NULL值在右表中關聯不上數據，所以要返回（3,NULL)這條數據。這里要注意NULL 不等于 NULL。
greatsql> select NULL=NULL;
+-----------+
| NULL=NULL |
+-----------+
| NULL |
+-----------+
1 row in set (0.01 sec)說到這里，GreatSQL支持<=>安全等于這個符號，用來判斷NULL值：當兩個操作數均為NULL時，其返回值為1而不為NULL；而當一個操作數為NULL時，其返回值為0而不為NULL。
greatsql> select NULL<=>NULL;
+-------------+
| NULL<=>NULL |
+-------------+
| 1 |
+-------------+
1 row in set (0.00 sec)
greatsql> select 1<=>NULL;
+----------+
| 1<=>NULL |
+----------+
| 0 |
+----------+
1 row in set (0.00 sec)所以not exists 子查詢中的= 換成 <=> 時，最終結果集中去除了(3,NULL)這條數據。
greatsql> select * from t1 where not exists (select 1 from t2 where t2.c2<=>t1.c2);
+----+------+
| c1 | c2 |
+----+------+
| 2 | b |
+----+------+
1 row in set (0.00 sec)注意，一般表關聯時不使用<=>安全等于這個符號，想象一下，如果關聯的兩個表在關聯字段上都存在很多NULL記錄，關聯后的結果集對NULL記錄的關聯是以笛卡爾積的形式體現的，嚴重影響效率，嚴格來說關聯字段都為NULL值不能算作能匹配上。
結論
使用not in 的非關聯子查詢注意NULL值對結果集的影響，為避免出現空結果集，需要子查詢中查詢列加 is not null條件將NULL值去除。
實際使用時注意：需求表達的含義是否要將外查詢關聯字段值為NULL的數據輸出，not in隱含了不輸出。
一般認為not exists關聯子查詢與外連接語句是等價的，可以進行相互改寫。
select * from t1 where not exists (select 1 from t2 where t2.c2=t1.c2);
select t1.* from t1 left join t2 on t1.c2=t2.c2 where t2.c2 is null;如果不需要輸出外查詢中關聯字段為NULL值的數據，還需再加條件 t1.c2 is not null。
select * from t1 where not exists (select 1 from t2 where t2.c2=t1.c2) and t1.c2 is not null;
select t1.* from t1 left join t2 on t1.c2=t2.c2 where t2.c2 is null and t1.c2 is not null;這樣寫就與select * from t1 where t1.c2 not in (select t2.c2 from t2 where t2.c2 is not null)等價了。
