PostgreSQL的IN操作符是否哈希输入？性能与子查询优化疑问

一、常量列表的IN操作性能对比 #

先看两个示例语句：

SELECT * FROM table WHERE col IN (1, 2, 3)

对比

SELECT * FROM table WHERE col IN (1, 1, 1, 2, 2, 3, 3, 3, 3)

这两个语句的性能非常相近。PostgreSQL在处理IN后的常量列表时，会自动对重复值进行去重，并根据值的规模选择构建哈希表或采用排序后二分查找的方式加速匹配。也就是说，不管传入的列表是否包含重复值，数据库都会先将其转换为无重复的集合再执行匹配逻辑，因此二者的执行效率几乎无差异。

二、IN子查询中DISTINCT的作用与性能影响 #

再看两个含子查询的示例：
带DISTINCT的写法：

SELECT *
FROM table
WHERE col IN (SELECT DISTINCT col FROM another_table WHERE ...)

不带DISTINCT的写法：

SELECT *
FROM table
WHERE col IN (SELECT col FROM another_table WHERE ...)

性能结论：不带DISTINCT的写法通常更优 #

原因在于PostgreSQL对IN子查询的优化逻辑：

• 当IN子查询未加DISTINCT时，数据库会自动将其优化为半连接（Semi-Join），这种连接方式会自动过滤子查询中的重复值，无需额外的去重操作。
• 手动添加DISTINCT反而会让数据库先对子查询结果执行去重（通常通过哈希聚合或排序实现），这属于额外的性能损耗——因为半连接本身已经完成了重复值过滤的逻辑，手动加DISTINCT属于重复工作。

你的理解是正确的：手动加DISTINCT时确实会额外构建哈希表（或排序）来去重，但这一步完全多余，PostgreSQL的半连接优化已经帮你处理了重复值问题，不需要手动干预。

内容的提问来源于stack exchange，提问作者yayabosh