关于5000万行表自连接执行时间及连接条件的技术问询

1. 基准测试0.016秒耗时的合理性分析 #

你计算时误用了全表自连接的理论行数（2.5e15），但实际查询是带where uf1.user_1 = ?的单用户查询，而非全表遍历：

• 首先，t_user_friend表的5000万行是整个平台的好友关系总量，但单个用户的好友数通常远小于这个量级（比如普通用户可能只有几百个好友）。
• 其次，数据库的索引优化大幅降低了计算量：
  • user_1和user_2字段都建了索引，查询时会先通过where uf1.user_1 = ?快速定位该用户的所有好友（即uf1.user_2集合）；
  • 接着用这些好友ID作为uf2.user_1的查询条件，通过索引快速获取每个好友的好友列表；
  • 最后count(distinct)操作会在遍历过程中实时去重，不需要生成所有结果行再统计，进一步减少了资源消耗。
    因此，针对单用户的“好友的好友”计数查询，在配置合理的笔记本上耗时0.016秒是完全合理的。

2. 自连接条件的正确性判断 #

原查询的连接条件on uf1.user_1 = uf2.user_2确实存在逻辑错误：

• 正确的“好友的好友”逻辑是：用户A的好友是B（对应uf1中user_1=A, user_2=B），B的好友是C（对应uf2中user_1=B, user_2=C）。
• 因此连接条件应该是uf1.user_2 = uf2.user_1，这样才能将A的好友B与B的好友C关联起来。
• 原条件uf1.user_1 = uf2.user_2实际查询的是“把A加为好友的用户”（即A的关注者），而非A的好友的好友。

原查询的正确写法应为：

select count(distinct uf2.user_2) from t_user_friend uf1
inner join t_user_friend uf2 on uf1.user_2 = uf2.user_1
where uf1.user_1 = ?

内容的提问来源于stack exchange，提问作者Vitit Kantabutra