EXISTS比COUNT()更快，因为它找到第一条匹配行即停止，而COUNT()必须扫描所有匹配行；在大表关联且有索引时，EXISTS也常优于IN，因其采用索引探查+短路退出机制。
EXISTS 为什么比 COUNT(*) 更快？
因为它根本不数——找到第一条就收工。而 COUNT(*) 必须把所有匹配行扫一遍，哪怕你只关心“有没有”。数据库优化器对 COUNT(*) 的优化有限，尤其在没索引或数据分布不均时，容易触发全表扫描。
- 写
WHERE (SELECT COUNT(*) FROM orders WHERE customer_id = c.id) > 0，等于逼数据库数完所有订单才敢返回结果 - 换成
WHERE EXISTS (SELECT 1 FROM orders WHERE customer_id = c.id)，只要在orders表里找到任意一条关联记录，立刻跳过后续扫描 - 子查询里用
SELECT 1而不是SELECT *，避免字段解析开销（虽然影响小，但习惯要立住）
EXISTS 比 IN 快的条件是什么？
不是“永远更快”，而是当子查询涉及大表、且外层表有合适索引时，EXISTS 往往胜出。关键在执行路径：IN 先缓存整个子查询结果集，再逐行比对；EXISTS 是“主表每行驱动一次子查询”，靠索引快速探查，短路退出。
- ✅ 适合场景：
A表小（比如客户表 2 万行），B表大（比如订单表 300 万行），查“有订单的客户” → 用EXISTS - ❌ 反例：
IN查固定值列表，如status IN ('pending', 'processing')，这时IN是最优解，跟EXISTS完全不是同一类问题 - ⚠️ 注意 NULL：
NOT IN遇到子查询结果含NULL会整体返回空（三值逻辑陷阱），而NOT EXISTS不受干扰，这是隐性性能+语义双坑
怎么确认你的 EXISTS 真的高效？
别猜，看执行计划。重点盯两个地方：子查询是否走了索引、有没有出现 Materialize 或大体积 Hash Join。PostgreSQL 和 MySQL 8.0+ 都可能把简单 IN 自动重写为 EXISTS，但复杂嵌套或带聚合的子查询，优化器大概率放弃转换。
- 用
EXPLAIN ANALYZE对比EXISTS和等价IN写法，观察Rows Removed by Filter和实际运行时间 - 确保子查询中关联字段（如
orders.customer_id = customers.id）在子表上有索引，否则EXISTS会退化成嵌套循环全扫 - 如果子查询里写了
ORDER BY或LIMIT，多数数据库会忽略它们——EXISTS只要一行，排序毫无意义，还拖慢优化器决策
哪些“看似合理”的 EXISTS 写法其实埋了雷？
最典型的是在子查询里漏掉对外部表字段的引用，导致变成非相关子查询（uncorrelated subquery）。这种写法会执行一次就缓存结果，表面快，实则逻辑错误；或者误把 EXISTS 当 JOIN 用，重复返回主表行。
- ❌ 错误：
WHERE EXISTS (SELECT 1 FROM logs WHERE level = 'ERROR')—— 没关联主表，只要日志表里有任何 ERROR 就全表返回 - ✅ 正确：
WHERE EXISTS (SELECT 1 FROM logs l WHERE l.order_id = o.id AND l.level = 'ERROR') - ❌ 多余 JOIN：
SELECT * FROM orders o JOIN (SELECT DISTINCT order_id FROM logs) l ON o.id = l.order_id，不如直接EXISTS清晰且可控
真实项目里，慢查询优化十次有七次是把 COUNT(*) > 0 或低效 IN 换成 EXISTS，但前提是子查询真能走索引——没有索引的 EXISTS 就是温柔的全表扫描。
