PostgreSQL内连接SQL优化：百万级表查询性能提升及替代写法

优化思路 #

• 改用半连接逻辑：原查询用普通内连接会读取T2的匹配行并做关联，但你只需要T1中存在于T2的记录，半连接（如EXISTS/IN）会直接判断T1的c是否在T2中存在，避免不必要的数据读取和重复匹配，大幅降低耗时。
• 验证索引有效性：虽然已给c字段建索引，需确认：
  • T2的c索引是否为单列索引（无需包含其他字段，因为只需要判断存在性）；
  • 数据库统计信息是否更新（过时的统计信息会导致优化器选错执行计划，比如PostgreSQL执行ANALYZE T2;，MySQL执行ANALYZE TABLE T2;）；
  • 若c字段存在大量NULL值，可考虑在索引中排除NULL，减少索引扫描范围。
• 减少匹配次数：如果T2的c字段存在大量重复值，先对T2的c去重再关联，避免T1的同一行被多次匹配。
• 调整驱动表：强制让小表T1作为驱动表（比如MySQL用STRAIGHT_JOIN，PostgreSQL用/*+ LEADING(t1) */提示），减少外层循环次数。

替代写法 #

写法1：EXISTS半连接（推荐） #

select t1.a, t1.b, t1.c 
from T1 t1 
where exists (
    select 1 from T2 t2 where t2.c = t1.c
);

这种写法是数据库半连接优化的最优形式，优化器会直接用T2的c索引做存在性判断，无需读取T2的其他数据。

写法2：IN子查询 #

select t1.a, t1.b, t1.c 
from T1 t1 
where t1.c in (select t2.c from T2 t2);

注意：如果T2的c字段存在NULL值，IN子查询会排除T1中c为NULL的行，和原内连接逻辑略有差异（原内连接中NULL不会匹配），需根据业务场景选择。

写法3：去重后关联 #

适合T2的c字段有大量重复值的场景：

select t1.a, t1.b, t1.c 
from T1 t1 
inner join (select distinct c from T2) t2 on t1.c = t2.c;

通过distinct减少T2的匹配行数，降低关联的计算量。

内容的提问来源于stack exchange，提问作者rsudha