博客
关于我
MySQL中使用IN()查询到底走不走索引?
阅读量:800 次
发布时间:2023-02-11

本文共 706 字,大约阅读时间需要 2 分钟。

MySQL中使用IN查询到底走不走索引?

在实际项目中,关于MySQL中IN查询是否走索引的问题,经常会引发很多讨论。很多开发者对这一点存在误解,需要通过实际案例来分析。

看数据量

IN查询是否走索引,实际上取决于查询的数据量。通过EXPLAIN工具可以观察到以下情况:

  • IN (0,1) 查询:

    EXPLAINSELECT * from users WHERE is_doctor in (0,1);

    这时候查询没有走索引,返回了大约52万条数据,而全表只有54万条记录。

  • IN (2,1) 查询:

    EXPLAINSELECT * from users WHERE is_doctor in (2,1);

    这时候查询走了索引,只返回了约1万条数据。

  • 由此可以看出,IN查询是否走索引与IN后面所包含的数据量有关。

    IN后面是不是有子查询

    关于这一点,需要进一步分析。假设我们有一个子查询:

    EXPLAINSELECT * from users WHERE is_doctor in (SELECT is_doctor from test_in_subselect);

    这时候查询是否走索引,取决于子查询的结果。实际测试显示,这种情况下查询会走索引。

    总结

    通过以上分析,可以得出以下结论:

  • IN查询通常是走索引的,但当IN后面的数据量超过表中数据的30%时,才会走全表扫描。

  • 因此,IN查询是否走索引,需要根据实际情况进行控制。优点是可以提高查询性能,劣势是可能导致索引列过多,影响查询效率。

  • 建议在实际项目中,控制IN查询的范围,避免过多的IN条件。

  • 这种情况下,IN查询既有优劣,需要根据实际需求进行权衡。

    转载地址:http://ipbfk.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLO-World做目标检测
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
    查看>>
    OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | YOLO11自定义数据集训练实现缺陷检测 (标注+训练+预测 保姆级教程)
    查看>>
    OpenCV与AI深度学习 | 实战 | YOLOv10模型微调检测肾结石并提高准确率
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>