解决MySQL中IN子查询会导致无法使用索引问题

今天看到一篇关于MySQL的IN子查询优化的案例，

一开始感觉有点半信半疑（如果是换做在SQL Server中，这种情况是绝对不可能的，后面会做一个简单的测试。）

随后动手按照他说的做了一个表来测试验证，发现MySQL的IN子查询做的不好，确实会导致无法使用索引的情况（IN子查询无法使用所以，场景是MySQL，截止的版本是5.7.18）

MySQL的测试环境

测试表如下

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

建一个存储过程插入测试数据，测试数据的特点是pay_id可重复，这里在存储过程处理成，循环插入300W条数据的过程中，每隔100条数据插入一条重复的pay_id，时间字段在一定范围内随机

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

　　执行 call test_insert(3000000); 插入303000行数据

两种子查询的写法

查询大概的意思是查询某个时间段之内的业务Id大于1的数据，于是就出现两种写法。

第一种写法如下：IN子查询中是某段时间内业务统计大于1的业务Id，外层按照IN子查询的结果进行查询，业务Id的列pay_id上有索引，逻辑也比较简单，这种写法，在数据量大的时候确实效率比较低，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
);

执行结果：2.23秒

第二种写法，与子查询进行join关联，这种写法相当于上面的IN子查询写法，下面测试发现，效率确实有不少的提高

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

　　执行结果：0.48秒

　　In子查询的执行计划，发现外层查询是一个全表扫描的方式，没有用到pay_id上的索引

　　join自查的执行计划，外层（tpp1别名的查询）是用到pay_id上的索引的。

　　后面想对第一种查询方式使用强制索引，虽然是不报错的，但是发现根本没用

　　如果子查询是直接的值，则是可以正常使用索引的。

　　可见MySQL对IN子查询的支持，做的确实不怎么样。

　　另外：加一个使用临时表的情况，虽然比不少join方式查询的，但是也比直接使用IN子查询效率要高，这种情况下，也是可以使用到索引的，不过这种简单的情况，是没有必要使用临时表的。

　　下面是类似案例在sqlserver 2014中的测试，几万完全一样的测试表结构和数量，可见这种情况下，两种写法，在SQL Server中可以认为是完全一样的（执行计划+效率），这一点SQL Server要比MySQL强不少

　　下面是sqlserver中的测试环境脚本。

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

总结：在MySQL数据中，截止5.7.18版本，对IN子查询，仍要慎用