Mysql:通过NOT EXISTS选择参与全部事件的数据

Mysql:通过NOT EXISTS选择参与全部事件的数据 – WhiteNight's Site

2023年10月12日

文章访问量：21

标签：Mysql

总结下NOT EXISTS嵌套使用的详解和心得。

什么是NOT EXISTS

简单介绍

先来说说EXISTS，如果存在一条或多条记录就返回true，不然返回false。即EXISTS只返回真值或假值，在SQL中作为条件判断语句使用。简单来说EXISTS就像一个C语言中的循环语句。具体用例可以参考这篇文章181. 超过经理收入的员工。这里只讲下SQL语句

SELECT A.name AS Employee
FROM Employee AS A
WHERE EXISTS(
  SELECT B.*FROM Employee AS B
  WHERE A.managerId=B.id AND A.salary>B.salary
)

内层的EXISTS就是一个for循环，而整个SQL语句就像一个双重for循环语句。只要EXISTS中有一行的数据满足WHERE条件，那内层的循环就会返回true。而外层的SELECT就知道：“哦，这一行name满足我的条件，所以我要从数据库中选取该行的数据”。

而NOT EXISTS那就是顾名思义，如果把EXISTS改成NOT EXISTS，此时若某一行的数据满足内层的WHERE条件，那么WHERE NOT EXISTS就会返回true。此时对于外层的SELECT来说就是：“哦，这一行满足内层的WHERE条件，而我要找的是不满足该条件的数据，所以不从数据库中选取该数据”。

NOT EXISTS实例

Leetcode题目

以Leetcode题目：1045. 买下所有产品的客户为例。

题目要求找出“买下所有产品”的客户，简单来说就是找出满足“买下所有产品”条件的数据行。

用EXISTS去写，实在是不好想。直接选取买了全部产品的客户，那该如何遍历Customer表呢？WHERE条件该怎么处理呢？不如反过来想：选取没有购买全部产品的客户。如果在product表和customer表中，找不齐某个用户购买的产品id（来自product表），就说明这个客户没有购买全部产品。那最后加个NOT不就能选取买了全部产品的客户吗？

那先来想下怎么选取“没有购买全部产品的客户”。由于Custom表有重复值，那么得先去重。

SELECT A.customer_id FROM (SELECT DISTINCT customer_id FROM Customer) AS A

写者注

如果写成SELECT DISTINCT A.customer_id FROM CUstomer AS A，在Leetcode运行会超时。这点可能涉及到数据库的优化之类的（SQL优化：谓词下推）。我的个人理解是前者先从Customer表中去重，从Customer表中选取不重复的数据生成更小的虚拟表virtualCustomer表。对这个更小的表进行WHERE条件的判断并将结果作为新的虚拟表virtualCustomer2，最后SELECT是从vitrualCustomer2中选取的。
但是后者的DISTINCT是放SELECT中的。SELECT虽然写在SQL语句的开头，但实际上它在数据库中的执行顺序是在最后。相当于我先从Customer表中选取所有数据生成虚拟表vitrualCustomer。接下来的WHERE条件判断会对表中所有id都执行一遍，执行的结果生成另一个虚拟表vitrualCustomer2，最后再对这个虚拟表去重SELECT得到我们要的数据。
前者是先筛掉重复数据，再对剩下的数据进行条件判断。后者是先条件判断，再筛掉重复的customer_id。明显后者在条件判断的时候还会对多余的数据进行处理，效率比前者低。
更具体的内容会在本文的后半部分提到。我之前没接触过SQL优化，这里是碰到这个问题发现自己实在没法解决，按着“可能和SQL优化有关”的思路就去网上找了下，最后找到了谓词下推这个SQL优化的方法。

id去重之后，既然要选“没有购买全部产品”的客户，最后再加NOT得到“买了全部产品客户”的集合。很明显最外层要一个NOT EXISTS。

# Write your MySQL query statement below
SELECT A.customer_id FROM (SELECT DISTINCT customer_id FROM Customer) AS A
WHERE NOT EXISTS(
    
)

接下来想下怎么选择“没有购买全部产品”的客户。很明显要从Product表中先选产品id，再在Customer表中查询。因为只要没有购买全部产品，那么在Customer表中查询没被购买的产品id时，查询结果会返回空。

这意味着我们不能用EXISTS。因为如果用EXISTS，那么只要该客户买了任意产品，EXISTS就会返回真值。最后就变成了“查找不存在（第一次NOT EXISTS）有购买过任意一件产品（第二次EXISTS）的客户”。而我们要的是“查找不存在（第一次NOT EXISTS）没有购买过任何一件产品（第二次NOT EXISTS）的客户”.

确定要用NOT EXISTS之后，那就是写两个判断条件去匹配，不难理解就不作解释了。

由于EXISTS最后返回的都是布尔值，所以SELECT 什么都是没问题的，SELECT 1也是OK的。最后大致代码如下

# Write your MySQL query statement below
SELECT A.customer_id FROM (SELECT DISTINCT customer_id FROM Customer) AS A
WHERE NOT EXISTS(
    SELECT 1 FROM Product AS B
    WHERE NOT EXISTS(
        SELECT 1 FROM Customer AS C
        WHERE A.customer_id=C.customer_id AND B.Product_key=C.Product_key
    )    
)

写者注

回到我们一开始提到的SQL优化问题。假设表中有100个id，其中80条是重复的。在 A.customer_id=C.customer_id中，如果你把去重留到最后，那么这里的A.customer_id会包含这80条重复的id。此时只有当判断条件WHERE全部结束后才会去掉重复的id。而先去重（谓词下推）再进行判断， 那么A.customer_id=C.customer_id只需要从这20条id中一条一条判断，执行次数要比前者少很多。