摘要：IN / NOT IN 是 SQL 开发中高频使用的多条件筛选语法，可高效替代多段 OR 语句。但多数开发者仅掌握基础用法，忽略 NOT IN 针对 NULL 值的逻辑缺陷、大数据量索引失效、慢查询隐患等生产级问题。本文从基础语法、实战案例、底层逻辑、高危坑点、性能优化、生产替代方案全方位讲解，适配 MySQL 主流数据库，所有代码可直接落地运行，适合开发自查与面试复盘。
关键词：SQL；MySQL；IN；NOT IN；SQL优化；数据库索引；SQL避坑；慢查询优化
一、前言
在日常业务开发、数据统计、报表查询中，多值条件筛选是刚需场景。如果长期使用 OR 拼接多条件，不仅代码冗余、可读性差，还极易出现语法错误。
此时 IN 和 NOT IN 就是最优解。
但在生产环境中，很多 数据统计异常、查询结果为空、慢查询拖库 问题，根源均来自 NOT IN 的隐性逻辑漏洞和不当使用。
本文结合实战场景，完整梳理 IN / NOT IN 全套知识点，重点解决生产踩坑与性能优化问题。
二、IN / NOT IN 核心定义与基础语法
2.1 核心语义
- IN：匹配字段值存在于指定列表中的数据，属于包含查询
- NOT IN：匹配字段值不存在于指定列表中的数据，属于排除查询
2.2 通用标准语法
适配 MySQL、Oracle、SQL Server 全系列数据库：
IN 语法
|------------------------------------------------------------------------------------------|
| sql SELECT column1, column2 FROM table_name WHERE column IN (value1, value2, value3...); |
NOT IN 语法
|----------------------------------------------------------------------------------------------|
| sql SELECT column1, column2 FROM table_name WHERE column NOT IN (value1, value2, value3...); |
三、基础实战案例（可直接运行）
基于业务常用 user 用户表演示基础筛选场景，对比传统 OR 写法与 IN 写法的优劣。
3.1 IN 实战：批量多值匹配
需求：查询年龄为 18、20、25 的所有用户
|-----------------------------------------------------------------------------|
| sql -- 简洁高效写法（推荐） SELECT id, name, age FROM user WHERE age IN (18, 20, 25); |
等价 OR 冗余写法（不推荐）：
|----------------------------------------------------------------------------|
| sql SELECT id, name, age FROM user WHERE age = 18 OR age = 20 OR age = 25; |
值越多，IN 语法的简洁性和可维护性优势越明显。
3.2 NOT IN 实战：批量排除匹配
需求：查询年龄非 18、20、25 的所有用户
|-------------------------------------------------------------------|
| sql SELECT id, name, age FROM user WHERE age NOT IN (18, 20, 25); |
四、进阶用法：子查询动态筛选（生产高频）
真实开发中极少使用固定值列表，更多通过 子查询动态关联数据，实现跨表筛选。
涉及两张业务表：
- student：学生信息表
- score：学生成绩表，关联字段 student_id
4.1 IN 子查询：查询有成绩的学生
|------------------------------------------------------------------------------|
| sql SELECT id, name FROM student WHERE id IN (SELECT student_id FROM score); |
4.2 NOT IN 子查询：查询无成绩的学生（高危场景）
|-----------------------------------------------------------------------------------------------------|
| sql -- 存在严重生产隐患！禁止直接使用 SELECT id, name FROM student WHERE id NOT IN (SELECT student_id FROM score); |
重点：该写法是新手及初级开发高频翻车点，下文详细解析坑点与解决方案
五、生产致命坑：NOT IN + NULL 空值陷阱
5.1 故障现象
当 NOT IN 后的子查询结果中 存在 NULL 值 ，整条 SQL 查询结果会 直接返回空数据，无报错、无异常，极难排查。
5.2 底层原理
SQL 三值逻辑：True / False / Unknown。
任何值与 NULL 进行比对，结果均为 Unknown，NOT IN 无法匹配未知状态，所有数据都会被判定为不匹配，最终结果集为空。
5.3 标准修复方案
子查询中强制过滤 NULL 值，从根源规避问题：
|---------------------------------------------------------------------------------------------------------------------------|
| sql -- 生产安全写法 SELECT id, name FROM student WHERE id NOT IN ( SELECT student_id FROM score WHERE student_id IS NOT NULL ); |
生产规范：所有 NOT IN 子查询，必须增加 IS NOT NULL 过滤条件
六、IN / NOT IN 性能深度优化
6.1 适用场景划分
- 小数据量、固定少量值：优先使用 IN / NOT IN，语法简洁、可读性高
- 大数据量、子查询结果集庞大：IN 容易触发索引失效、全表扫描，引发慢查询
6.2 生产最优替代方案
针对大数据量、高并发业务，禁止使用 NOT IN ，统一使用 NOT EXISTS：
|----------------------------------------------------------------------------------------------------------------------------------------------|
| sql -- 大数据量高性能写法，无NULL坑、命中索引、效率更高 SELECT s.id, s.name FROM student s WHERE NOT EXISTS ( SELECT 1 FROM score sc WHERE sc.student_id = s.id ); |
6.3 核心性能对比
- NOT IN：存在 NULL 逻辑坑、大数据量索引失效、全表比对效率低
- NOT EXISTS：基于索引匹配、无空值逻辑缺陷、遍历效率更高，生产首选
七、核心知识点总结
|---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| plain text 【SQL IN / NOT IN 生产级总结】 1. IN 用于多值包含查询，完美替代批量 OR 语句，代码简洁易维护 2. NOT IN 用于多值排除查询，存在致命 NULL 空值陷阱 3. NOT IN 子查询包含 NULL 时，结果集直接为空，无报错难以排查 4. 开发规范：NOT IN 子查询必须携带 IS NOT NULL 过滤 5. 小数据量场景：优先使用 IN / NOT IN 6. 大数据量、高并发场景：统一使用 EXISTS / NOT EXISTS 替代 7. IN 列表值过多会触发索引失效，需控制参数数量 |
八、写在最后
IN 和 NOT IN 看似是 SQL 基础语法，实则包含大量生产细节与底层逻辑。很多线上数据异常、慢查询问题，均是开发者忽视空值逻辑、性能特性导致。
掌握 基础用法 + 空值避坑 + 性能优化 + 生产替代方案，才能真正适配企业级开发规范，写出健壮、高效、零BUG 的 SQL 语句。
欢迎点赞、收藏、关注，持续更新 Java / SQL / 数据库优化、后端实战干货！
#SQL #MySQL #数据库 #SQL优化 #后端开发 #编程干货 #数据库避坑 #慢查询优化