Presto/MySQL中表A id IN表B与表B id IN表A结果行数差异疑问

去重后的ID交集确实一致 #

你提到的维恩图逻辑是成立的：两个查询筛选出的ID，本质都是两张表ID的交集，去重后的集合完全相同。你看到的记录数差异，是因为查询返回的是全量记录而非去重ID，核心原因有以下几类：

记录数不一致的常见原因 #

1. 单表内存在重复ID #

如果同一个交集ID在表A和表B中的出现次数不同，查询返回的总记录数就会有差异。
举个简单例子：

• 交集ID为1、2
• 表A中ID=1有3条记录、ID=2有1条记录，第一个查询返回总条数为4
• 表B中ID=1有1条记录、ID=2有1条记录，第二个查询返回总条数为2
  你可以执行下面两个语句验证去重ID的数量是否一致：

-- 第一个查询的去重ID计数
select count(distinct id) from table_a where id in (select id from table_b);
-- 第二个查询的去重ID计数
select count(distinct id) from table_b where id in (select id from table_a);

正常情况下两个语句返回的结果完全相同。

2. ID字段存在NULL值 #

IN子查询的匹配逻辑中，只要子查询返回的结果里包含NULL，整个IN判断的结果就会为未知，最终没有任何记录被命中。如果两张表的ID字段NULL分布不一致，就会出现计数差：

• 若表B的ID存在NULL值，第一个查询的子查询返回结果包含NULL，可能直接返回0条记录
• 若表A的ID没有NULL值，第二个查询的子查询无NULL，会正常返回交集记录

3. ID字段类型不匹配 #

如果两张表的ID字段类型不同（比如一个是BIGINT，一个是VARCHAR），隐式类型转换时可能出现精度丢失、匹配错误，导致实际命中的交集范围不一致。比如长数值转字符串时溢出、字符串前后带空格导致匹配失败等。

4. 数据或对象逻辑差异 #

如果查询时存在未提交的事务修改了其中一张表的数据，或者其中一张表是带过滤逻辑的视图/物化视图，也会出现临时的计数差异。

内容的提问来源于stack exchange，提问作者lll