当前位置:首页 > 文章列表 > 数据库 > MySQL > 关联查询:一步到位还是拆分查询,哪种更有效率?

关联查询:一步到位还是拆分查询,哪种更有效率?

2024-12-05 20:40:03 0浏览 收藏

“纵有疾风来,人生不言弃”,这句话送给正在学习数据库的朋友们,也希望在阅读本文《关联查询:一步到位还是拆分查询,哪种更有效率?》后,能够真的帮助到大家。我也会在后续的文章中,陆续更新数据库相关的技术文章,有好的建议欢迎大家在评论留言,非常感谢!

关联查询:一步到位还是拆分查询,哪种更有效率?

关联查询的两种实现方式

对于关联查询,可以使用 join 一步到位,或拆分成两次查表。

方式一:join 一步到位

select
    ...
from
    `friendships_friendship`
    left outer join `auth_user` t3 on (
        `friendships_friendship`.`from_user_id` = t3.`id`
    )
where
    `friendships_friendship`.`to_user_id` = 1
limit
    21;

这种方式一次查询即可获取所有信息,效率更高。

方式二:拆分成两次查表

-- 获取 id
SELECT
    ...
FROM
    `friendships_friendship`
WHERE
    `friendships_friendship`.`to_user_id` = 1
LIMIT
    21;

-- 使用 in 操作符查询
SELECT
    ...
FROM
    `auth_user` T3
WHERE
    T3.`from_user_id` in (xxxx, xxx, xxxx)
LIMIT
    21;

这种方式需要两次查询,效率较低。

mysql 关联查询执行顺序

对于关联查询,mysql 会先执行 where 条件,再进行 join 操作。

在方式一中,会先找到 friendships_friendship.to_user_id = 1 的记录,再进行 join 操作。

其他注意事项

需要注意的是,如果表中数据量较大,使用的方式不同,执行效率也会有很大差异。另外,拆分查询后,需要确保两次查询的限制条件一致,才能得到正确的结果。

今天关于《关联查询:一步到位还是拆分查询,哪种更有效率?》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!

PHP中htmlspecialchars()函数无法转换中文引号怎么办?PHP中htmlspecialchars()函数无法转换中文引号怎么办?
上一篇
PHP中htmlspecialchars()函数无法转换中文引号怎么办?
Uniapp 应用启动页广告图片如何适配不同设备屏幕?
下一篇
Uniapp 应用启动页广告图片如何适配不同设备屏幕?
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    284次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    339次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    336次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    303次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    124次使用