SQL中关联子查询执行次数随主表行数线性增长的原因

关联子查询必须逐行执行，这背后的逻辑其实挺硬核的。问题的根源在于它的语义本身：子查询里引用了外部表的列，比如`e1.dept_id`，外层表每扫一行，这个值就可能不同。数据库没法预判所有可能的取值，只能老老实实等运行时拿到当前行的值，再执行一次子查询。这不是缓存没配好，也不是SQL写得不够优雅——这是执行引擎对“相关性”的硬性承诺。只要子查询里出现`WHERE b.a_id = a.id`这类跨层引用，优化器就放弃物化，直接走嵌套循环路径。

关联子查询为什么必须逐行执行

因为它的语义决定了它不能提前算出结果：子查询里引用了外部表的列（比如`e1.dept_id`），而外层表每扫到一行，这个值就可能不同。数据库没法“猜”出所有可能的`e1.dept_id`值再预计算，只能等运行时拿到当前行的值，再执行一次子查询。这不关缓存的事，也不是SQL写法的问题——这是执行引擎对“相关性”的硬性承诺。只要子查询里出现`WHERE b.a_id = a.id`这类跨层引用，优化器就放弃物化，直接走嵌套循环路径。

MySQL 和 PostgreSQL 都默认走 Nested Loop

MySQL 5.7 及之前版本基本不尝试去关联化（decoupling）；8.0 虽支持部分标量子查询自动重写为`LEFT JOIN`，但仅限无聚合、单表、无函数的简单场景。一旦子查询含`COUNT(*)`或多表`JOIN`，优化器大概率放弃重写。PostgreSQL 在 12+ 版本虽引入`LATERAL`和 unnest 优化，但遇到`WHERE x IN (SELECT ...)`或标量形式，仍常退化为 loop join。EXPLAIN 中看到`Dependent Subquery`或`Correlated Subquery`，基本等于宣告“每行必调用一次”。实际表现也很直白：外层主表返回10万行，子查询就执行10万次；哪怕子查询只查5行小表，每次仍要走解析、计划生成、索引查找、回表全流程。总耗时就是单次耗时乘以主表行数——不是“慢一点”，是“线性放大”。

索引在子查询里容易失效，加剧线性恶化

即使你给子查询涉及的字段建了索引，也可能白搭。真正起作用的是子查询内部的过滤条件能否高效走索引，而不是外层有没有索引。常见失效原因包括：子查询中用了函数，比如`DATE(login_time)`，导致索引无法命中；等值字段类型不一致，比如`INT`对`VARCHAR`，触发隐式转换；子查询返回大量行，优化器判断走索引成本更高，直接改全表扫描；`key_len`明显偏小（如联合索引三列，只用了第一列），说明最左前缀没对齐。这些细节很容易被忽略，但正是它们让性能雪上加霜。

怎么一眼确认它正在拖垮性能

别等到用户投诉才去查，直接看执行计划中最容易暴露问题的三个信号：`type`列出现`ALL`或`index`，且对应行的`Extra`含`Using where`；出现`DEPENDENT SUBQUERY`或`UNCACHEABLE SUBQUERY`，且该行`rows`值远大于外层预估行数；执行`EXPLAIN FORMAT=JSON`，重点盯`dependent_contexts`字段是否为空——不为空，就是实锤。真正棘手的从来不是“能不能写出来”，而是“有没有意识到这行代码正在后台发起N次独立查询”。标量子查询的简洁语法，掩盖了它底层的暴力迭代本质。