两个SQL查询结果不符的技术问题咨询

这问题我之前踩过坑！看起来逻辑一致的两个查询结果不一样，核心原因是SQL对NULL值的特殊处理逻辑，尤其是NOT IN子查询碰到NULL时的行为和左连接完全不同，咱们来拆解清楚：

你的两个查询及结果 #

Query #1（左连接筛选）

SELECT SUM(size) FROM RepoSize s LEFT JOIN VirtualRepo v ON s.repo_id = v.repo_id WHERE v.repo_id IS NULL;

执行结果：

+----------------+
| SUM(size)      |
+----------------+
| 61550890457198 |
+----------------+
1 row in set (0.32 sec)

Query #2（NOT IN筛选）

SELECT SUM(size) FROM RepoSize WHERE repo_id NOT IN (SELECT repo_id FROM VirtualRepo);

执行结果：

+----------------+
| SUM(size)      |
+----------------+
| 61551148262106 |
+----------------+
1 row in set (0.45 sec)

为什么结果会有差异？ #

关键看VirtualRepo表的repo_id字段是否存在NULL值，以及RepoSize中是否有repo_id为NULL的行，这两种场景会导致两个查询的逻辑出现偏差：

1. 左连接（Query #1）的逻辑

LEFT JOIN会保留RepoSize的所有行，然后尝试和VirtualRepo匹配repo_id：

• 如果RepoSize的某行repo_id在VirtualRepo中能找到匹配，那么v.repo_id会是对应的值，最终被WHERE v.repo_id IS NULL排除。
• 如果RepoSize的某行repo_id在VirtualRepo中找不到匹配（包括RepoSize的repo_id是NULL的情况——因为SQL中NULL = NULL的结果是不成立的，所以无法匹配），那么v.repo_id会被设为NULL，这部分行会被保留并计入SUM。

2. NOT IN（Query #2）的逻辑

NOT IN的判断逻辑是：对于RepoSize的每一行repo_id，检查它是否完全不存在于VirtualRepo的repo_id集合中。但这里有个致命陷阱：

• 如果VirtualRepo的repo_id中存在任何NULL值，那么对于RepoSize中的任意repo_id（不管是NULL还是非NULL），repo_id NOT IN (...)的结果都会是UNKNOWN（既不是TRUE也不是FALSE）。因为repo_id != NULL的结果是未知的，而逻辑AND中只要有一个UNKNOWN，整个表达式结果就是UNKNOWN。
• SQL的WHERE子句只会保留判断结果为TRUE的行，所以这些UNKNOWN的行都会被排除，导致SUM结果和预期不符。

结合你的结果，建议先执行以下查询验证NULL值的影响：

-- 检查VirtualRepo是否存在NULL的repo_id
SELECT COUNT(*) FROM VirtualRepo WHERE repo_id IS NULL;

-- 检查RepoSize中NULL的repo_id对应的行数和总和
SELECT COUNT(*), SUM(size) FROM RepoSize WHERE repo_id IS NULL;

如果想要和Query1逻辑一致的替代写法，推荐用NOT EXISTS，它对NULL的处理更符合直觉：

SELECT SUM(size) FROM RepoSize s WHERE NOT EXISTS (SELECT 1 FROM VirtualRepo v WHERE s.repo_id = v.repo_id);

内容的提问来源于stack exchange，提问作者cuihaikuo