Mysql基础巩固 --- 多表查询和聚合函数的一些细节，SELECT的执行过程

一、多表查询

多表查询分类：

• 等值连接 vs 非等值连接
• 自连接 vs 非自连接
• 内连接 vs 外连接

1.1 笛卡儿积(交叉连接)

在数据库原理里学过笛卡尔积，就是把两个表的所有记录做一个全排 ，例如：

会造成笛卡儿积的情况如下：

#查询员工姓名和所在部门名称
SELECT last_name,department_name FROM employees,departments;
SELECT last_name,department_name FROM employees CROSS JOIN departments;
SELECT last_name,department_name FROM employees INNER JOIN departments;
SELECT last_name,department_name FROM employees JOIN departments;

即：在不使用on语法时，join、inner join、逗号、cross join结果相同，都是取2个表的笛卡尔积。

解决方法：

使用JOIN...ON子句创建连接限定条件，或者使用WHERE过滤数据

---

1.2 等值连接 vs 非等值连接

• 等值连接就是 WHERE语句最后是判断两个值是否相等

• 非等值连接就是 WHERE语句不是严格的判断是否相等，可以是大于小于，或者IN一个范围等等

例如：

SELECT e.employee_id, e.last_name, e.department_id,
d.department_id, d.location_id
FROM employees e , departments d
WHERE e.department_id = d.department_id; #等值连接

SELECT salary,grade_level
FROM employees e,job_grades j
WHERE salary BETWEEN j.`lowest_sal` AND j.`highest_sal`  #非等值连接

1.3 自连接 vs 非自连接

• 非自连接就是连接两个不同的表

• 自连接就是把一张表看作两张表连接

题目：查询employees表，返回“Xxx works for Xxx”

SELECT CONCAT(worker.last_name ,' works for '
, manager.last_name)
FROM employees worker, employees manager
WHERE worker.manager_id = manager.employee_id ;

1.4 内连接 vs 外连接

1.4.1 内连接(INNER JOIN)

内连接就是求两个表严格相交的部分，只要有一方为NULL就把这条记录丢掉

关键字JOIN、INNER JOIN、CROSS JOIN的含义是一样的，都是内连接

SELECT 字段列表
FROM A表 INNER JOIN B表
ON 关联条件
WHERE 等其他子句;

1.4.2 外连接(OUTTER JOIN)

外连接分为：左外连接，右外连接，全外连接

1.4.2.1 左外连接(LEFT OUTTER JOIN)

左外连接就是保证左表记录数量不减少，求相交的部分，如果没有相交的部分，就在左表对应右表的字段上置NULL

结果 = 左右表匹配的数据 + 左表没有匹配到的数据

SELECT 字段列表
FROM A表 LEFT JOIN B表
ON 关联条件
WHERE 等其他子句;

1.4.2.2 右外连接(RIGHT OUTTER JOIN)

右外连接就是保证右表记录数量不减少，求相交的部分，如果没有相交的部分，就在右表对应左表的字段上置NULL

结果 = 左右表匹配的数据 + 右表没有匹配到的数据

SELECT 字段列表
FROM A表 RIGHT JOIN B表
ON 关联条件
WHERE 等其他子句;

1.4.2.3 满外连接(FULL OUTTER JOIN)

满外连接的结果 = 左右表匹配的数据 + 左表没有匹配到的数据 + 右表没有匹配到的数据

注意：Mysql不支持FULL JOIN，但是可以用LEFT JOIN UNION RIGHT JOIN代替

1.4.2 UNION

合并查询结果，两个表对应的列数和数据类型必须相同，并且相互对应。

SELECT column,... FROM table1
UNION [ALL]
SELECT column,... FROM table2

• UNION ：返回两个查询结果集的并集，并去重
• UNION ALL ：返回两个查询结果集的并集，不去重

执行UNION ALL语句时所需要的资源比UNION语句少，因为少了去重操作。

所以，在知道没有重复元素的情况下，尽量用UNION ALL提高效率

1.5 图解7种JOIN方式

#中图：内连接 A∩B
SELECT employee_id,last_name,department_name
FROM employees e JOIN departments d
ON e.`department_id` = d.`department_id`;

#左上图：左外连接
SELECT employee_id,last_name,department_name
FROM employees e LEFT JOIN departments d
ON e.`department_id` = d.`department_id`;

#右上图：右外连接
SELECT employee_id,last_name,department_name
FROM employees e RIGHT JOIN departments d
ON e.`department_id` = d.`department_id`;

#左中图：A - A∩B
SELECT employee_id,last_name,department_name
FROM employees e LEFT JOIN departments d
ON e.`department_id` = d.`department_id`
WHERE d.`department_id` IS NULL

#右中图：B-A∩B
SELECT employee_id,last_name,department_name
FROM employees e RIGHT JOIN departments d
ON e.`department_id` = d.`department_id`
WHERE e.`department_id` IS NULL

#左下图：左上 + 右中   或者  右上 + 左中
SELECT employee_id,last_name,department_name
FROM employees e LEFT JOIN departments d
ON e.`department_id` = d.`department_id`
WHERE d.`department_id` IS NULL
UNION ALL #没有去重操作，效率高
SELECT employee_id,last_name,department_name
FROM employees e RIGHT JOIN departments d
ON e.`department_id` = d.`department_id`;

总结：

实现第一行的，只需要简单的 LEFT JOIN 或者 RIGHT JOIN

实现第二行，只需要在 LEFT JOIN 或者 RIGHT JOIN 基础上加上WHERE 从表关联字段 is null

• 左外连接去掉相交部分
• 右外连接去掉相交部分

实现全外连接：

• 左外连接 UNION 右外连接去掉相交部分
• 右外连接 UNION 左外连接去掉相交部分

1.6 SQL99新特性

1.6.1 自然连接(NATURAL JOIN)

它会帮你自动查询两张连接表中所有相同的字段 ，然后进行 等值连接 。

在SQL92中：

SELECT employee_id,last_name,department_name
FROM employees e JOIN departments d
ON e.`department_id` = d.`department_id`
AND e.`manager_id` = d.`manager_id`;

在SQL99中可以

SELECT employee_id,last_name,department_name
FROM employees e NATURAL JOIN departments d;

1.6.2 USING连接

SQL99还支持使用 USING 指定数据表里的 同名字段 进行等值连接。但是只能配合JOIN一起使用 。比如：

SELECT employee_id,last_name,department_name
FROM employees e JOIN departments d
USING (department_id);

等价于

SELECT employee_id,last_name,department_name
FROM employees e ,departments d
WHERE e.department_id = d.department_id;

总结：

表连接的约束条件可以有三种方式：WHERE ，ON ，USING

• WHERE：适用于所有关联查询
• ON：只能和JOIN一起使用，只能写关联条件
• USING：只能和JOIN一起使用，而且要求两个关联字段在关联表中名称一致 ，而且只能表示关联字段值相等

二、聚合函数

聚合函数作用于一组数据，并对一组数据返回一个值

AVG() 
SUM() 
MAX() 
MIN() 
COUNT()

问题：

①用count(*)，count(1)，count(列名)谁好呢？

MyISAM引擎的表是没有区别的。这种引擎内部有一计数器在维护着行数。

Innodb引擎的表用count(*)，count(1)直接读行数，复杂度是O(n)，因为innodb真的要去数一遍。但好于具体的count(列名)。

②能不能使用count(列名)替换count(*)?

不要使用 count(列名)来替代 count(*)，count(*)是 SQL92 定义的标准统计行数的语法，跟数据库无关，跟 NULL 和非 NULL 无关。 说明：count(*)会统计值为 NULL 的行，而 count(列名)不会统计此列为 NULL 值的行。

2.1 GROUP BY分组

格式：

SELECT column, group_function(column)
FROM table
[WHERE condition]
[GROUP BY group_by_expression]
[ORDER BY column];

可以使用GROUP BY子句将表中的数据分成若干组，例如：

1、根据单列分组

SELECT department_id, AVG(salary)
FROM employees
GROUP BY department_id ;

2、使用多列分组

SELECT department_id dept_id, job_id, SUM(salary)
FROM employees
GROUP BY department_id, job_id ;

使用多列分组时，如果select中出现了group by的一个字段，就要把所有group by中的字段都写在select中，否则会报错

即：要么都省略，要么都写上

拓展：WITH ROLLUP

使用 WITH ROLLUP 关键字之后，在所有查询出的分组记录之后增加一条记录，该记录计算查询出的所 有记录的总和，即统计记录数量。

SELECT department_id,AVG(salary)
FROM employees
WHERE department_id > 80
GROUP BY department_id WITH ROLLUP;

当使用ROLLUP时，不能同时使用ORDER BY子句进行结果排序，即ROLLUP和ORDER BY是互相排斥的。

2.2 HAVING

作用：过滤分组

使用条件：

1. 行已经被分组。
2. 使用了聚合函数。
3. 满足HAVING 子句中条件的分组将被显示。
4. HAVING 不能单独使用，必须要跟 GROUP BY 一起使用。

举例：

SELECT department_id, MAX(salary)
FROM employees
GROUP BY department_id
HAVING MAX(salary)>10000 ;

2.3 WHERE和HAVING对比

• 区别1：WHERE 可以直接使用表中的字段作为筛选条件，但不能使用分组中的计算函数作为筛选条件； HAVING 必须要与 GROUP BY 配合使用，可以把分组计算的函数和分组字段作为筛选条件。

  这决定了，在需要对数据进行分组统计的时候，HAVING 可以完成 WHERE 不能完成的任务。

• 区别2：如果需要通过连接从关联表中获取需要的数据，WHERE 是先筛选后连接，而 HAVING 是先连接后筛选。

  这一点，就决定了在关联查询中，WHERE 比 HAVING 更高效。

三、SELECT的执行过程

3.1 查询的结构

#方式1：
SELECT ...,....,...
FROM ...,...,....
WHERE 多表的连接条件
AND 不包含组函数的过滤条件
GROUP BY ...,...
HAVING 包含组函数的过滤条件
ORDER BY ... ASC/DESC
LIMIT ...,...
#方式2：
SELECT ...,....,...
FROM ... JOIN ...
ON 多表的连接条件
JOIN ...
ON ...
WHERE 不包含组函数的过滤条件
AND/OR 不包含组函数的过滤条件
GROUP BY ...,...
HAVING 包含组函数的过滤条件
ORDER BY ... ASC/DESC
LIMIT ...,...

#其中：
#（1）from：从哪些表中筛选
#（2）on：关联多表查询时，去除笛卡尔积
#（3）where：从表中筛选的条件
#（4）group by：分组依据
#（5）having：在统计结果中再次筛选
#（6）order by：排序
#（7）limit：分页

需要记住的两个顺序：

1、关键字顺序

SELECT ... FROM ... WHERE ... GROUP BY ... HAVING ... ORDER BY ... LIMIT...

2、SELECT 语句的执行顺序

FROM -> WHERE -> GROUP BY -> HAVING -> SELECT 的字段 -> DISTINCT -> ORDER BY -> LIMIT

举例：

SELECT DISTINCT player_id, player_name, count(*) as num # 顺序 5
FROM player JOIN team ON player.team_id = team.team_id # 顺序 1
WHERE height > 1.80 # 顺序 2
GROUP BY player.team_id # 顺序 3
HAVING num > 2 # 顺序 4
ORDER BY num DESC # 顺序 6
LIMIT 2 # 顺序 7

3.2 SQL的执行原理

SELECT 是先执行 FROM 这一步的。在这个阶段，如果是多张表联查，还会经历下面的几个步骤：

1. 首先先通过 CROSS JOIN 求笛卡尔积，相当于得到虚拟表 vt（virtual table）1-1；
2. 通过 ON 进行筛选，在虚拟表 vt1-1 的基础上进行筛选，得到虚拟表 vt1-2；
3. 添加外部行。如果我们使用的是左连接、右链接或者全连接，就会涉及到外部行，也就是在虚拟 表 vt1-2 的基础上增加外部行，得到虚拟表vt1-3。 当然如果我们操作的是两张以上的表，还会重复上面的步骤，直到所有表都被处理完为止。这个过程得 到是我们的原始数据。

当然如果我们操作的是两张以上的表，还会重复上面的步骤，直到所有表都被处理完为止。这个过程得到是我们的原始数据。

然后进入第三步和第四步，也就是 GROUP 和 HAVING 阶段 。在这个阶段中，实际上是在虚拟表 vt2 的 基础上进行分组和分组过滤，得到中间的虚拟表 vt3 和 vt4 。

当我们完成了条件筛选部分之后，就可以筛选表中提取的字段，也就是进入到 SELECT 和 DISTINCT 阶段 。 首先在 SELECT 阶段会提取想要的字段，然后在 DISTINCT 阶段过滤掉重复的行，分别得到中间的虚拟表 vt5-1 和 vt5-2 。

当我们提取了想要的字段数据之后，就可以按照指定的字段进行排序，也就是 ORDER BY 阶段 ，得到虚拟表 vt6 。

最后在 vt6 的基础上，取出指定行的记录，也就是 LIMIT 阶段 ，得到最终的结果，对应的是虚拟表 vt7。

当然我们在写 SELECT 语句的时候，不一定存在所有的关键字，相应的阶段就会省略。

同时因为 SQL 是一门类似英语的结构化查询语言，所以我们在写 SELECT 语句的时候，还要注意相应的关键字顺序，所谓底层运行的原理，就是我们刚才讲到的执行顺序。