【Oracle】深入多表连接

日常工作中，为满足业务需求，要写个多表连接查询SQL，对大多数SQLer来说是很容易的，多表连接查询的语法如下：

select table1.column,table2.column
from table1 [inner | left | right | full ] join table2 on table1.column1 = table2.column2;

inner join 表示内连接；
left join表示左外连接；
right join表示右外连接；
full join表示完全外连接；
on子句 用于指定连接条件。

根据这个语法，运行基本上就查询出需要的数据，如果效率较低，还需要做个语句优化，然后就可以交差的，但是你是否曾经有过疑问呢？
1，on 子句中的连接条件只能使用‘=’吗？除此之外还能不能使用其他比较运算？比如：<、<=、>、>=
2，on 子句其实有着过滤记录的功能，那么on 子句 和 where 子句 又有什么区别？
3，表连接类型有内连接，外链接，那们在数据库中是如何实现关联？

一，on 子句中的连接条件只能使用‘=’吗？除此之外还能不能使用其他比较运算？比如：<、<=、>、>=

on 子句 中不仅可以使用等值连接，还是可以使用非等值连接，其实on 子句就是个连接条件，table1 和 table2 中满足这个条件的记录就可以关联起来。平时的实际应用中，表之间更多的是靠主键-外键的形式关联，所以更多的使用等值连接，而且用于关联的字段通常都建立索引，非等值连接中的 <、<=、>、>= 会导致索引失效，影响效率。

例1：匹配每个员工的薪资等级
salgrade 中有每个等级的薪资范围。

select e.* ,s.grade from EMP e
left join salgrade s on  e.sal between s.losal and s.hisal  --根据范围划分等级，

例2：SQL取第K大值
这个问题其实直接使用分析函数就可以快速查询出来，但是如果限制使用分析函数，比如：MySQL的版本<8.0还不支持分析函数，这时就可以使用自连接来实现。

SELECT 
*
FROM 
sc
WHERE score = 
(SELECT
t1.score
FROM sc t1
JOIN sc t2 ON t1.score <= t2.score    
GROUP BY t1.score
HAVING COUNT(DISTINCT t2.score) = 2)   -- 以取第二大的为例子

原理很简单，通过自连接找到大于等于当前记录的记录数n，当 n=k时，则该条记录就是需要查找的第k大值；
可以参考博文：https://blog.csdn.net/yangjjuan/article/details/104905052

二，on 子句其实有着过滤记录的功能，那么on 子句 和 where 子句 又有什么区别？

其实SQL和其他编程语言一样，都有自己的一套语法标准，比如SQL89、SQL92、SQL99，每种标准的语法就有所不同，具体大家可以找找看，不过Oracle 好像都支持。

在SQL92多个查询的表在from后边，使用逗号连接查询条件在where后边，多个连接条件使用and连接，并且带上过滤条件，也是说where 子句 承包了连接条件 和 筛选条件。
在SQL92 中的 外连接是如下：不带(+) 的为主表，带(+)为辅助表

select * from emp ,dept where emp.deptno=dept.deptno(+)   --左外连接
select * from emp ,dept where emp.deptno(+) = dept.deptno; --右外连接

在SQL99多个查询表在from中写第一个,后边使用INNER JOIN 加上连接的第一个表名 ,然后ON后边加上前边两个表的连接条件和筛选条件，还可以在where中再增加筛选条件。
在SQL99中的 外连接是如下：

select * from emp left  join dept on emp.deptno=dept.deptno  --左外连接
select * from emp right join dept on emp.deptno=dept.deptno   --右外连接

当做多表关联，oracle中大概的写法如下：

-- SQL92  易于书写,不容易阅读
select 内容 (别名,连接符,去除重读,oracle函数,逻辑运算)
from 表名1,表名2,表名3...
where 条件(连接条件,普通筛选条件)
group by 分组字段
having 多行函数筛选
order by排序

-- SQL99 易于理解，不易书写
select 内容 from 表名1,
inner join 表名2 on 连接条件
left  join 表名3 on 连接条件
where 普通筛选条件
group by 分组条件
having 多行函数筛选
order by 排序

on 和 where 区别

1，执行顺序，on 在 where 之前，根据 on 中的 关联条件和筛选条件对from 后面的表进行关联产生中间表，然后在根据where子句过滤中间表数据得到最后结果。
2，返回结果，不管on上的条件是否为真都会返回left或right表中的记录，full则具有left和right的特性的并集。 而inner jion没这个特殊性，则条件放在on中和where中，返回的结果集是相同的。
3，速度：因为on是先把不符合条件的记录过滤后才进行统计，它就可以减少中间运算要处理的数据，按理说应该速度是最快的。

where 和 having 区别

1，使用条件，having只能和group by一起使用，而where 并没有这样的限制。
2，执行顺序，where 在 having 之前执行，过滤筛选结果，然后在执行聚合函数，再经过having过滤。
3，聚合函数，where 子句中没法使用聚合函数，having 中可以使用聚合函数，并且聚合函数在having之前执行。

总结

ON、WHERE、HAVING的主要差别是其子句中限制条件起作用时机引起的，**ON是在生产临时表之前根据条件筛选记录，WHERE是从生产的临时表中筛选数据，而HAVING是对临时表中满足条件的数据，进行计算分组之后，通过HAVING限制语句筛选分组，**返回结果是满足HAVING子句限制的分组

三，表连接类型有内连接，外链接，那们在数据库中是如何实现关联？

在编写SQL时，常用到left join 、right join 、join，但是这些连接类型在数据库中是如何实现的呢？可以通过执行计划来查看具体的连接方式。

1，驱动表与匹配表

JOIN 关键字用于将两张表作连接，一次只能连接两张表，JOIN 操作的各步骤一般是串行的（在读取做连接的两张表的数据时可以并行读取），首先读取的是驱动表，然后在根据条件去匹配表中匹配记录。
驱动表（Driving Table）：
表连接时首先存取的表，又称外层表（Outer Table），如果驱动表返回较多的行数据，则对所有的后续操作执行效率有所影响，故一般选择小表（应用Where限制条件后返回较少行数的表）作为驱动表。
匹配表（Probed Table）：
又称为内层表（Inner Table），从驱动表获取一行具体数据后，再根据连接条件到内层表中查询，所以内层表一般为大表，这样不需要查询整个大表，只需根据条件查询。

２，连接方式

表连接的几种方式：
CARTESIAN PRODUCT（笛卡尔积）
SORT MERGE JOIN（排序-合并连接）
NESTED LOOPS（嵌套循环）
HASH JOIN（哈希连接）

2.1 CARTESIAN PRODUCT（笛卡尔积）
有如下查询：

select a.*,d.*  from emp a,dept d

这种连接方式，比较简单粗暴，将emp 中的每条记录都与dept中的每条记录进行关联，假设 emp有n条记录， dept有ｍ条，则最终查询的结果中有ｎ x m 行记录。这种连接方式一般都很少用到，

2.2 SORT MERGE JOIN（排序-合并连接）
以求第K大值为例子

内部连接过程：
a) 生成 row source 1 需要的数据，按照连接操作关联列（如示例中的t1.score）对这些数据进行排序
b) 生成 row source 2 需要的数据，按照与 a) 中对应的连接操作关联列（t2.score）对数据进行排序
c) 两边已排序的行放在一起执行合并操作（对两边的数据集进行扫描并判断是否连接）

延伸：
如果示例中的连接操作关联列t1.score，t2.score之前就已经被排过序了的话，连接速度便可大大提高，因为排序是很费时间和资源的操作，尤其对于有大量数据的表。
故可以考虑在 t1.score，t2.score上建立索引让其能预先排好序。不过遗憾的是，由于返回的结果集中包括所有字段，所以通常的执行计划中，即使连接列存在索引，也不会进入到执行计划中，除非进行一些特定列处理（如仅仅只查询有索引的列等）。
排序-合并连接的表无驱动顺序，谁在前面都可以；
排序-合并连接适用的连接条件有： < <= = > >= ，不适用的连接条件有： <> like

2.3 NESTED LOOPS（嵌套循环）
内部连接过程：
a) 取出 row source 1 的 row 1（第一行数据），遍历 row source 2 的所有行并检查是否有匹配的，取出匹配的行放入结果集中
b) 取出 row source 1 的 row 2（第二行数据），遍历 row source 2 的所有行并检查是否有匹配的，取出匹配的行放入结果集中
c) ……
若 row source 1 （即驱动表）中返回了 N 行数据，则 row source 2 也相应的会被全表遍历 N 次。
因为 row source 1 的每一行都会去匹配 row source 2 的所有行，所以当 row source 1 返回的行数尽可能少并且能高效访问 row source 2（如建立适当的索引）时，效率较高。

延伸：
嵌套循环的表有驱动顺序，注意选择合适的驱动表。
应尽可能使用限制条件（Where过滤条件）使驱动表（row source 1）返回的行数尽可能少，同时在匹配表（row source 2）的连接操作关联列上建立唯一索引（UNIQUE INDEX）或是选择性较好的非唯一索引，此时嵌套循环连接的执行效率会变得很高。若驱动表返回的行数较多，即使匹配表连接操作关联列上存在索引，连接效率也不会很高。

2.4 HASH JOIN（哈希连接）
哈希连接只适用于等值连接（即连接条件为 = ）
哈希连接 其实 使用 哈希表查找算法
哈希查找也叫散列查找，整个散列查找过程大概分两步：
（1）在存储时通过散列函数计算记录的散列地址，并按此散列地址存储该记录。
（2）当查找时，一样通过散列函数计算记录的散列地址，然后访问散列地址的记录。

内部连接过程简述：
a) 取出 row source 1（驱动表，在HASH JOIN中又称为Build Table） 的数据集，然后将其构建成内存中的一个 Hash Table（Hash函数的Hash KEY就是连接操作关联列），创建Hash位图（bitmap）。
b) 取出 row source 2（匹配表）的数据集，对其中的每一条数据的连接操作关联列使用相同的Hash函数并找到对应的 a) 里的数据在 Hash Table 中的位置，在该位置上检查能否找到匹配的数据。

补充:
关于连接方式详细内容可以参考
https://www.cnblogs.com/Dreamer-1/p/6076440.html