SQL Performance UNION vs OR

Ich habe gerade einen Teil eines Optimierungsartikels gelesen und bin bei der folgenden Aussage fehlerhaft vorgegangen :

Bei Verwendung von SQL ersetzen Sie Anweisungen ORmit UNION:

select username from users where company = ‘bbc’ or company = ‘itv’;

zu:

select username from users where company = ‘bbc’ union
select username from users where company = ‘itv’;

Von einem schnellen EXPLAIN:

Verwenden von OR:

Verwenden von UNION:

Bedeutet das nicht, dass UNIONsich die Arbeit verdoppelt ?

Während ich schätzen UNIONfür bestimmte RDBMSes und bestimmte Tabellenschemata können mehr performant, ist dies nicht kategorisch wahr wie der Autor Vorschläge.

Frage

Liege ich falsch?

Entweder hat der Artikel, den Sie gelesen haben, ein schlechtes Beispiel verwendet, oder Sie haben ihren Punkt falsch interpretiert.

select username from users where company = 'bbc' or company = 'itv';

Dies entspricht:

select username from users where company IN ('bbc', 'itv');

MySQL kann companyfür diese Abfrage einen Index verwenden . Es ist nicht nötig, eine UNION zu machen.

Der schwierigere Fall ist, wenn Sie eine ORBedingung haben, die zwei verschiedene Spalten umfasst.

select username from users where company = 'bbc' or city = 'London';

Angenommen, es gibt einen Index companyund einen separaten Index city. Welchen Index sollte MySQL normalerweise verwenden, da es in einer bestimmten Abfrage normalerweise nur einen Index pro Tabelle verwendet? Wenn der Index aktiviert ist company, muss immer noch ein Tabellenscan durchgeführt werden, um Zeilen zu finden, in denen citysich London befindet. Wenn der Index aktiviert ist city, müsste ein Tabellenscan nach Zeilen durchgeführt werden, in denen companybbc steht.

Die UNIONLösung ist für diese Art von Fall.

select username from users where company = 'bbc' 
union
select username from users where city = 'London';

Jetzt kann jede Unterabfrage den Index für ihre Suche verwenden, und die Ergebnisse der Unterabfrage werden durch die kombiniert UNION.

Ein anonymer Benutzer schlug eine Bearbeitung meiner obigen Antwort vor, aber ein Moderator lehnte die Bearbeitung ab. Es sollte ein Kommentar gewesen sein, keine Bearbeitung. Die Behauptung der vorgeschlagenen Bearbeitung lautete, dass UNION die Ergebnismenge sortieren muss, um doppelte Zeilen zu entfernen. Dadurch wird die Abfrage langsamer ausgeführt, und die Indexoptimierung ist daher eine Wäsche.

Meine Antwort ist, dass die Indizes dazu beitragen, die Ergebnismenge auf eine kleine Anzahl von Zeilen zu reduzieren, bevor die UNION stattfindet. UNION eliminiert zwar Duplikate, muss dazu jedoch nur die kleine Ergebnismenge sortieren. Es kann Fälle geben, in denen die WHERE-Klauseln mit einem wesentlichen Teil der Tabelle übereinstimmen und das Sortieren während UNION genauso teuer ist wie das einfache Durchführen des Tabellenscans. Es ist jedoch üblicher, dass die Ergebnismenge durch die indizierten Suchvorgänge reduziert wird, sodass die Sortierung viel kostengünstiger ist als der Tabellenscan.

Der Unterschied hängt von den Daten in der Tabelle und den gesuchten Begriffen ab. Die einzige Möglichkeit, die beste Lösung für eine bestimmte Abfrage zu ermitteln, besteht darin, beide Methoden im MySQL-Abfrageprofiler auszuprobieren und ihre Leistung zu vergleichen.

Das sind nicht die gleichen Abfragen.

Ich habe nicht viel Erfahrung mit MySQL, daher bin ich mir nicht sicher, was der Abfrageoptimierer tut oder nicht, aber hier sind meine Gedanken aus meinem allgemeinen Hintergrund (hauptsächlich MS SQL Server).

In der Regel kann der Abfrageanalysator die beiden oben genannten Abfragen übernehmen und aus ihnen genau den gleichen Plan erstellen (wenn sie gleich wären), sodass dies keine Rolle spielt. Ich würde vermuten, dass es keinen Leistungsunterschied zwischen diesen Abfragen gibt (die gleichwertig sind).

select distinct username from users where company = ‘bbc’ or company = ‘itv’;

und

select username from users where company = ‘bbc’ 
union
select username from users where company = ‘itv’;

Die Frage ist nun, ob es einen Unterschied zwischen den folgenden Abfragen gibt, von denen ich eigentlich nichts weiß, aber ich würde vermuten, dass der Optimierer es eher wie die erste Abfrage machen würde

select username from users where company = ‘bbc’ or company = ‘itv’;

und

select username from users where company = ‘bbc’ 
union all
select username from users where company = ‘itv’;

Dies hängt davon ab, was der Optimierer letztendlich tut, basierend auf der Größe der Daten, Indizes, Softwareversion usw.

Ich würde vermuten, dass die Verwendung von OR dem Optimierer eine bessere Chance gibt, einige Effizienzvorteile zu erzielen, da alles in einer einzigen logischen Anweisung enthalten ist.

Außerdem hat UNION einen gewissen Overhead, da ein Reset- Set erstellt wird (keine Duplikate). Jede Anweisung in der UNION sollte ziemlich schnell ausgeführt werden, wenn das Unternehmen indiziert ist ... nicht sicher, ob es wirklich die doppelte Arbeit leisten würde.

Endeffekt

Wenn Sie nicht wirklich das brennende Bedürfnis haben, jede Geschwindigkeit aus Ihrer Abfrage herauszuholen, ist es wahrscheinlich besser, einfach das Formular zu verwenden, das Ihre Absicht am besten kommuniziert ... den OP

Aktualisieren

Ich wollte auch IN erwähnen. Ich glaube, dass die folgende Abfrage eine bessere Leistung als der OP liefert (es ist auch die Form, die ich bevorzuge):

select username from users where company in ('bbc', 'itv');

In fast allen Fällen führt die Version unionoder union allzwei vollständige Tabellenscans der Benutzertabelle durch.

Die orVersion ist in der Praxis viel besser, da die Tabelle nur einmal gescannt wird. Es wird auch nur einmal ein Index verwendet, falls verfügbar.

Die ursprüngliche Aussage scheint einfach falsch zu sein, für nahezu jede Datenbank und jede Situation.

Die Antwort von Bill Karwin ist ziemlich richtig. Wenn beide Teile der OR-Anweisung einen eigenen Index haben, ist es besser, Union zu machen, da es einfacher ist, sie zu sortieren und Duplikate zu entfernen, wenn Sie nur eine kleine Teilmenge der Ergebnisse haben. Die Gesamtkosten sind fast geringer als die Verwendung nur eines Index (für eine der Spalten) und des Tabellenscans für die andere Spalte (da MySQL nur einen Index für eine Spalte verwendet).

Es hängt von der Struktur und den Bedürfnissen der Tabelle im Allgemeinen ab, aber bei großen Tabellen hat mir die Vereinigung bessere Ergebnisse gebracht.