Dotaz: inner join vs where

[098765432111111]

Ahojte, co je obecně lepší pro slučování tabulek?

Ve škole jsme se učili, že lepší je používat where a za INNER JOIN se trhaly ruce. Teď dělám pro firmu a místní databázisté trvají na INNER JOINECH, WHERE nechtějí ani vidět. Jak je to pro postgres 9.2 a Oracle 11g?

děkuji

---

---

Odpovědi

[okbob]

Pro většinu moderních databází (a obě zmíněné databáze jsou moderní) je to jedna a tatáž operace jen s jiným zápisem - tj výkonnostně je to úplně stejné. Rozdíl je v čitelnosti a tam bych za starý zápis věšel do průvanu. Nevím v kterém roce a kde jste dělal školu, INNER JOIN je preferovaná varianta posledních 15 let.

[Šangala]

Jen doplním, hodně stará verze MySQL v tom měla výkonové rozdíly (JOIN byl rychlejší) a kdysi hodně dávno psali u M$SQL něco ve smyslu „doporučujeme používat JOIN, je optimalizován na rychlost“ - ale to je tak asi všechno, co lze k rozdílům říct a je to dávná minulost.
Co mám tak vypozorované, tak prakticky většinou Oraclisti spíše WHERE-ují a ostatní spíše JOIN-ují, proto nemám rád Oraclisty (pro Sheldona: „to je nadsázka“).

[okbob]

To je tak - Oracle měl hrozně dlouho rule based optimizer no a pak, když Oracle konečně přetáhl lidi z Ingresu, by tam napsali pořádnou optimalizaci, tak je nenapadlo nic lepšího, než že pro starý zápis se používal původní optimalizátor a pro JOIN nový optimalizátor. Jinak není žádný důvod, proč by se oba zápisy implementovaly jinak - musí vést k totožnému výsledku. Nicméně i tohle by už měla být historie.

[RMS]

Jedna paní docentka, myslím, že nás where učila, aby nás šlo lépe týrat a ničit na select přes 10 řádků. Po dokončení jejího kurzu jsem si řekl, že už nikdy. Ale je to 10 let a peníze jsou peníze. Join je dle mého názoru lehčí, nežli where.

[student]

Nezarucene info:

U Oracle funguje/fungoval WHERE lepsie tam, kde mu to napovie. Ked robis nejaky JOIN cez 20 tabuliek a az na konci das WHERE, tak to Oracle bezne nezvlada. Ked preusporiadas WHERE lepsie alebo pouzijes WHERE namiesto JOINu, tak je to niekedy lepsie.

Celkovo to pomaha, ak ide o 1 hodnotu - teda ... WHERE x = (SELECT ...).

U Oracle u nejakeho podivneho nastavenia mi to tusim fungovalo tak, ze INNER JOIN uprednostnoval FULL SCAN tabuliek a WHERE uprednostnoval FULL scan 1 tabulky a vyhladavanie jednotlivych matchujucich zaznamov v druhej tabulke - tj WHERE sa choval horsie v beznych situaciach. Mozno islo len o zhodu nahod alebo som si to pomylil s vecou spominanou v predchadzajucom odstavci.

Celkovo odporucam skusit a prezriet si, ako sa to vykonava.

[Logik]

Konstrukce WHERE x = (SELECT ...) je IMHO něco trochu jiného, tam jde o závislý subselect a s tím mají obecně databáze problémy, protože to často zoptimalizovat ani nejde. Tady myslím jde tazateli o rozdíl

SELECT a.* FROM a,b WHERE a.id = b.a_id

versus

SELECT a.* FROM a JOIN b ON (a.id = b.a_id)

A to psát to ve tvaru

SELECT * FROM a WHERE EXISTS(SELECT id FROM b WHERE b.id = a.b_id)

je zvěrstvo, který napadne snad málokoho

[okbob]

zrovna tohle PostgreSQL zoptimalizuje naprosto bez problémů :)

postgres=# EXPLAIN SELECT c.* FROM pg_class c JOIN pg_index i ON c.oid = i.indexrelid;
                               QUERY PLAN                               
────────────────────────────────────────────────────────────────────────
 Hash Join  (cost=5.52..231.75 rows=112 width=202)
   Hash Cond: (c.oid = i.indexrelid)
   ->  Seq Scan on pg_class c  (cost=0.00..223.99 rows=299 width=206)
   ->  Hash  (cost=4.12..4.12 rows=112 width=4)
         ->  Seq Scan on pg_index i  (cost=0.00..4.12 rows=112 width=4)
(5 rows)

postgres=# EXPLAIN SELECT c.* FROM pg_class c WHERE EXISTS(SELECT * FROM pg_index i WHERE c.oid = i.indexrelid);
                               QUERY PLAN                               
────────────────────────────────────────────────────────────────────────
 Hash Semi Join  (cost=5.52..231.54 rows=112 width=202)
   Hash Cond: (c.oid = i.indexrelid)
   ->  Seq Scan on pg_class c  (cost=0.00..223.99 rows=299 width=206)
   ->  Hash  (cost=4.12..4.12 rows=112 width=4)
         ->  Seq Scan on pg_index i  (cost=0.00..4.12 rows=112 width=4)
(5 rows)

[okbob]

Databáze jsou dneska někde trochu jinde - umí hromadu věcí, které před 10, 15 roky byly nemyslitelné. Ale zase na druhou stranu to nemá umělou inteligenci.

Setkávám se se dvěma skupinami uživatelů - jedni si myslí, že neumí nic - a že nejlepší je do db poslat tisíce jednoduchých SELECTů a ti druzí si naopak myslí, že zvládne všechno a vytváří 60 násobné JOINy. Obě skupiny se šeredně mýlí :).

[kuka]

Jestli je to zverstvo zalezi na tom, co ma dotaz delat. Obcas vidam prepisy vecneho zadani dotazu "a pokud existuje odpovidajici zaznam v tabulce platby" prepsany na join (nejlepe outer s pozdejsi kontrolou na not null hodnotu cehosi), za coz bych strilel. Pokud nejaka databaze provede ty tve dva dotazy ruzne (lepe receno hure pro exists, ktery obsahuje "optimalizacni" info, ze staci jeden zaznam), tak to je urcite duvod hledat si jinou databazi.

[Logik]

No já to, že je to zvěrstvo si pamatuju z mysql, která to pořádně dlouho neuměla (v posledních verzích dělali nějaké optimalizace subselectů, takže tam to možná běží, ale já už používám skoro výhradně postgres a když musím tak oracle a strašlivě naň nadávám ). No taky jsem od mysql s radostí utek, to je pravda

Jinak v podstatě máš pravdu, že někdy je to takhle i sémanticky správně, ale zas databáze není všemocná a proto je podle mne dobré psát dotazy v pokudmožno co pro plánovač nejlepším tvaru, protože se tím minimalizuje riziko chyby. V takhle jednoduchém případě to opravdu dobrá db musí zvládnout, v okamžiku, kdy člověk potřebuje takovejdlech fragmentů spojit více, tak už riziko, že to plánovač nepochopí vzrůstá. Navíc JOIN tady IMHO taky není sémanticky blbě: INNER joinem defakto říkáš: a ber pouze záznamy, které mají existující spojení s touto tabulkou. To je v podstatě význam toho (byť třeba implicitního) INNER.

S tím, že psát to outer joinem je kravina, to souhlasím 100%, to je opravdu sémanticky mimo.

[Xerces]

Technicky je to jedno. Pro lepší čitelnost se mi osvědčil zápis s INNER, kde za ON dám pouze vazební podmínky a do where části pak dám omezující podmínky. Při rozsáhlých spojeních 15 a více tabulek se lehce něco přehlídne.

[skunkOS]

sorry ale inner join vs where modelují zcela lehce odlišené operace ktere vychazeji z relacniho modelu, proste je pouzivej podle toho co chces delat

mrkni se na nejakou teorii o databazovych systemech