如何将含NOT IN子查询的SQL正确转换为适配大表的Peewee代码

正确Peewee实现方案 #

方案1：子查询写法（和你给出的原生SQL完全等价） #

Peewee的not_in运算符原生支持传入Select查询对象，会直接生成嵌套子查询的SQL，不会将B表的查询结果拉取到应用内存，完全适配千万级数据量的场景。
你之前的写法只是存在括号配对的语法错误，导致生成的SQL不符合预期，所以返回结果和原生SQL不一致，修正后的代码如下：

# 写法1：直接调用count()方法
count = A.select().where(
    A.id.not_in(B.select(B.package_id).distinct())
).count()

# 写法2：手动指定COUNT函数，用scalar()拿结果，更直观
from peewee import fn
count = A.select(fn.COUNT('*')).where(
    A.id.not_in(B.select(B.package_id).distinct())
).scalar()

你可以通过print(A.select(...).sql())打印生成的SQL，验证和你写的原生SQL完全一致。

方案2：LEFT JOIN写法（部分数据库下性能更优） #

LEFT JOIN + 空值判断的写法完全可以实现需求，对于很多数据库来说，这种写法的执行性能比NOT IN子查询更好，尤其是B表的package_id字段建有索引的情况下：

from peewee import fn

count = A.select(fn.COUNT(A.id)).join(
    B, on=(A.id == B.package_id), join_type='LEFT'
).where(B.package_id.is_null()).scalar()

这个写法的逻辑是左连接B表后，所有B表相关字段为空的记录就是A表中id不存在于B表package_id的记录，直接计数即可，同样不会有应用层的数据拉取开销。

内容的提问来源于stack exchange，提问作者Larytet