1. 项目概述:为什么大家都在问“MySQL不用子查询”
先把这个问题的语义说清楚。标题里“MySQL不使用子查询的原因”,在真实开发场景中往往有两层含义——一层是问“MySQL这个数据库本身为什么不推荐用子查询”,另一层是问“我在代码里写的子查询为什么别人让我改成JOIN”。实际上,MySQL并没有禁用子查询,它完全支持子查询语法,但的确存在大量场景下子查询性能并不理想,甚至会拖垮整条SQL。这个问题在面试中出现的频率相当高,尤其是在“如何优化慢SQL”“为什么这条SQL走了全表扫描”这种追问链条里,几乎必被问到。
我最早接触MySQL时也踩过这个坑。当时一张订单表几百万行,用子查询去取每个用户的最近一条订单,结果一条SQL跑了几十秒,直接把接口拖到超时。后来改成JOIN加分组取最大ID,再自连接回表,响应时间降到几百毫秒。从那时起我就养成了一个习惯:凡是见到子查询,先分析它的类型和执行计划,再决定要不要改写。
这篇文章适合谁?如果你刚入门MySQL,或者已经写了几年SQL但一直停留在“能跑就行”的水平,又或者在准备面试、想深入理解优化器执行逻辑,这篇内容都能给你一个明确的答案。我会从子查询的执行原理讲起,结合真实的执行计划和性能对比,告诉你什么时候子查询真不能用、什么时候反而该用,以及如何安全地把子查询改写成更高效的JOIN写法。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 子查询的性能瓶颈到底在哪里
2.1 子查询的执行方式:从嵌套循环到临时表
要理解子查询为什么慢,先得看优化器是怎么执行它的。MySQL里的子查询按照位置可以分成三类:出现在SELECT子句中的标量子查询、出现在FROM子句中的派生表(也叫子查询表)、出现在WHERE子句中的子查询。这三类的执行机制差异很大,踩坑概率也各不相同。
标量子查询是最容易引发性能问题的类型之一。比如下面这条:
sql复制SELECT
id,
(SELECT name FROM users WHERE users.id = orders.user_id) AS user_name
FROM orders;
对于外层的每一行订单记录,MySQL都可能执行一次内层查询去取用户名。如果内层查询没有合适的索引,代价就是双重循环的复杂度,外层N行乘以内层M行的扫描量。即便内层有主键索引,大量重复的索引查找也会消耗不少CPU和IO。
WHERE子查询的情况稍复杂一些。MySQL对IN子查询有一套处理逻辑,会把子查询转换成半连接(semi-join),但具体的执行策略依赖优化器版本和表数据分布。在老版本中,IN子查询往往先物化子查询结果到临时表,再和外表做连接;如果临时表没有索引,连接过程就会变成全表扫描套全表扫描,性能会非常难看。
FROM子查询中的派生表也有类似问题。我见过不少同事写出这样的SQL:
sql复制SELECT a.*
FROM (
SELECT user_id, MAX(amount) AS max_amount
FROM payments
GROUP BY user_id
) a
JOIN payments p ON a.user_id = p.user_id AND a.max_amount = p.amount;
这里派生表a的结果集如果很大,MySQL需要把整个GROUP BY结果物化到一张临时表才能继续参与JOIN。如果你的临时表大小超过了内存阈值(tmp_table_size和max_heap_table_size中的较小值),它就会落到磁盘上,生成基于磁盘的临时表,然后再加索引或者做排序。这一整套流程下来的开销,比直接写一条JOIN不知道大到哪里去了。
2.2 相关子查询:一条SQL里最危险的写法
相关子查询(correlated subquery)是我个人最警惕的一种写法。什么叫相关子查询?就是内层查询引用了外层查询的列,内外层产生依赖关系。典型的例子:
sql复制SELECT id, name
FROM employees e
WHERE salary > (
SELECT AVG(salary)
FROM employees
WHERE department_id = e.department_id
);
这个SQL的语义是“找出工资高于本部门平均工资的员工”。逻辑上完全正确,但执行层面的问题非常大。由于内层查询依赖外层行e.department_id的值,MySQL理论上无法把子查询结果提前物化,只能对外层每一行都执行一次内层查询。如果部门表有10万行,就需要执行10万次AVG聚合查询;如果每次聚合都要扫描整个部门的数据,总扫描行数就是10万乘部门平均人数,指数级膨胀。
虽说MySQL 5.6之后的优化器对某些相关子查询也有优化措施,比如在某些条件下把相关子查询改写为派生表连接或EXISTS,但能够被自动优化的场景有限。在数据量不大时差异不明显,数据量一旦上去,响应时间就会以肉眼可见的速度恶化。
2.3 临时表、排序和索引丢失:被忽略的隐性开销
子查询性能差的另一个原因隐藏在物化和临时表里。当MySQL执行带有IN的子查询或FROM派生表时,会先执行子查询并生成结果集,这个结果集需要存入临时表。临时表分两种,内存临时表和磁盘临时表。当结果
