最近在写SQL语句时，对选择IN 还是Exists 犹豫不决，于是把两种方法的SQL都写出来对比一下执行效率，发现IN的查询效率比Exists高了很多，于是想当然的认为IN的效率比Exists好，但本着寻根究底的原则，我想知道这个结论是否适用所有场景，以及为什么会出现这个结果。
网上查了一下相关资料，大体可以归纳为：外部表小，内部表大时，适用Exists；外部表大，内部表小时，适用IN。那我就困惑了，因为我的SQL语句里面，外表只有1W级别的数据，内表有30W级别的数据，按网上的说法应该是Exists的效率会比IN高的，但我的结果刚好相反！
“没有调查就没有发言权”！于是我开始研究IN 和Exists的实际执行过程，从实践的角度出发，在根本上去寻找原因，于是有了这篇博文分享。
实验数据我的实验数据包括两张表：t_author表 和 t_poetry表。
对应表的数据量：
t_author表，13355条记录；
t_poetry表，289917条记录。
对应的表结构如下：
CREATE TABLE t_poetry (
id bigint(20) NOT NULL AUTO_INCREMENT,
poetry_id bigint(20) NOT NULL COMMENT '诗词id',
poetry_name varchar(200) NOT NULL COMMENT '诗词名称',
<font color=red> author_id bigint(20) NOT NULL COMMENT '作者id'</font>
PRIMARY KEY (id),
<font color=red>
UNIQUE KEY pid_idx (poetry_id) USING BTREE,
KEY aid_idx (author_id) USING BTREE</font>
) ENGINE=InnoDB AUTO_INCREMENT=291270 DEFAULT CHARSET=utf8mb4
CREATE TABLE t_author (
id int(15) NOT NULL AUTO_INCREMENT,
<font color=red> author_id bigint(20) NOT NULL,</font>
author_name varchar(32) NOT NULL,
dynasty varchar(16) NOT NULL,
poetry_num int(8) NOT NULL DEFAULT '0'
PRIMARY KEY (id),
<font color=red>UNIQUE KEY authorid_idx (author_id) USING BTREE</font>
) ENGINE=InnoDB AUTO_INCREMENT=13339 DEFAULT CHARSET=utf8mb4
sql示例：select * from tabA where tabA.x in (select x from tabB where y>0 );
其执行计划：
（1）执行tabB表的子查询，得到结果集B，可以使用到tabB表的索引y；
（2）执行tabA表的查询，查询条件是tabA.x在结果集B里面，可以使用到tabA表的索引x。
sql示例：select from tabA where exists (select from tabB where y>0);
其执行计划：
（1）先将tabA表所有记录取到。
（2）逐行针对tabA表的记录，去关联tabB表，判断tabB表的子查询是否有返回数据，5.5之后的版本使用Block Nested Loop(Block 嵌套循环)。
（3）如果子查询有返回数据，则将tabA当前记录返回到结果集。
tabA相当于取全表数据遍历，tabB可以使用到索引。
实验针对相同结果集的IN和Exists 的SQL语句进行分析。
包含IN的SQL语句：
select from t_author ta where author_id in
(select author_id from t_poetry tp where tp.poetry_id>3650 );
包含Exists的SQL语句：
select from t_author ta where exists
(select * from t_poetry tp where tp.poetry_id>3650 and tp.author_id=ta.author_id);
t_author表，13355条记录；t_poetry表，子查询筛选结果集 where poetry_id>293650 ，121条记录；
执行结果使用exists耗时0.94S， 使用in耗时0.03S，<font color=red>IN 效率高于Exists</font>。
原因分析对t_poetry表的子查询结果集很小，且两者在t_poetry表都能使用索引，对t_poetry子查询的消耗基本一致。两者区别在于，使用 in 时，t_author表能使用索引:
使用exists时，t_author表全表扫描:
在子查询结果集较小时，查询耗时主要表现在对t_author表的遍历上。
第二次实验 数据情况t_author表，13355条记录；t_poetry表，子查询筛选结果集 where poetry_id>3650 ，287838条记录；
执行时间使用exists耗时0.12S， 使用in耗时0.48S，<font color=red>Exists IN</font>。
原因分析两者的索引使用情况跟第一次实验是一致的，唯一区别是子查询筛选结果集的大小不同，但实验结果已经跟第一次的不同了。这种情况下子查询结果集很大，我们看看MySQL的查询计划：
使用in时，由于子查询结果集很大，对t_author和t_poetry表都接近于全表扫描，此时对t_author表的遍历耗时差异对整体效率影响可以忽略，执行计划里多了一行<auto_key>，在接近全表扫描的情况下，mysql优化器选择了auto_key来遍历t_author表：
