SQL进阶 | 自连接

概述

        SQL的自连接是指在一个SQL表中，使用自身表格中的实例进行联接并查询的操作。自连接通常使用别名来标识一个表格，在自连接中，表格被视为两个不同的表格，并分别用不同的别名来标识。然后，在WHERE子句中使用这些别名，将它们连接起来，以创建一种与自身关联的视图。

组合

        假设这里有一张存放了商品名称及价格的表，表里有“苹果、橘子、香蕉”这 3 条记录。

针对不同的需求，有不同的组合结果：

排列A(n,k)

查询出所有的组合结果，有序集合。

select p1.name as name_1, p2.name as name_2
from products p1, products p2;

 

 组合C(n,k)

查询出所有的组合结果，有相同元素的只查出一条。无序集合。

select p1.name as name_1, p2.name as name_2
 from products p1, products p2
 where p1.name > p2.name;

 

        使用等号“＝”以外的比较运算符，如“<、>、<>”进行的连接称为“非等值连接”。这里将非等值连接与自连接结合使用了，因此称为“非等值自连接”。

查找局部不一致的列

        还是这张商品表，要查找出价格相同，名称不同的组合。

 使用非等值连接实现。

 select distinct p1.name,p1.price
 from products p1,products p2
 where p1.name <> p2.name and p1.price = p2.price

 

排序

        现在，我们要按照价格从高到低的顺序，对下面这张表里的商品进行排序。我们让价格相同的商品位次也一样，而紧接着它们的商品则有两种排序方法，一种是跳过之后的位次，另一种是不跳过之后的位次。

使用窗口函数实现。

select name,price,
	rank() over(order by price desc) as rank_1,
	dense_rank() over(order by price desc) as rank_2
from products;

        RANK函数返回一个唯一的值，当碰到相同数据时，排名按照记录集中记录的顺序依次递增。也就是说，如果有多个记录的分数相同，那么这些记录的排名将会一样，并且下一个排名将会跳过这些排名相同的记录。

        DENSE_RANK函数也返回一个唯一的值，但当碰到相同数据时，所有相同数据的排名都是一样的。与RANK函数不同的是，DENSE_RANK函数在下一个排名中会继续紧随这些排名相同的行，而不会跳过。也就是说，如果有多个记录的分数相同，那么这些记录的排名将会一样，并且下一个排名将会紧随在它们后面。

        总的来说，RANK和DENSE_RANK都是用于排名的函数，但它们的策略略有不同。RANK函数在遇到相同数据时会产生间断的排名，而DENSE_RANK函数则会产生连续的排名。

 使用非等值自连接实现。

select p1.name,p1.price,
	( select count(p2.price) 
        from products p2 
        where p2.price > p1.price ) + 1 as rank_1
from products p1
order by rank_1

         在子查询中，统计出价格比自己高的记录的条数并将其作为自己的位次，由于一定会存在价格最高的商品没有比自己高的记录，所以位次会从0开始统计，在子查询的结果中+1能更明显的展示出排名。

外连接和内连接

        外连接（Outer Join）可以分为左外连接（Left Outer Join）、右外连接（Right Outer Join）和全外连接（Full Outer Join）。左外连接返回包括左表中的所有记录和右表中连接字段相等的记录，右外连接返回包括右表中的所有记录和左表中连接字段相等的记录，全外连接返回左右表中所有的记录和左右表中连接字段相等的记录。

        内连接（Inner Join）是一种常见的连接方式，它只返回两个表中连接字段相等的行。内连接使用比较运算符根据每个表共有的列的值匹配两个表中的行。

        还是上面那个例子，使用外连接来实现。

select p1.name,max(p1.price) as price,
				count(p2.name) + 1 as rank_1
from products p1 left join products p2 on p1.price < p2.price
group by p1.name
order by rank_1

        通过左外连接，与价格大于自己的商品进行连接，按照商品名称p1进行分组，统计商品名称p2的记录条数，最终结果和上面相同。

        使用内连接实现。

select p1.name,max(p1.price) as price,
				count(p2.name) + 1 as rank_1
from products p1 inner join products p2 on p1.price < p2.price
group by p1.name
order by rank_1

 

        通过查询出的条件，可以发现，不存在排名为1的价格为100的橘子商品，这是因为内连接只会查找出p1.price < p2.price的记录，找不到比橘子价格还高的商品，它就被排除掉了。

总结

• 自连接经常和非等值连接结合起来使用。
• 自连接和 GROUP BY 结合使用可以生成递归集合。
• 将自连接看作不同表之间的连接更容易理解。
• 应把表看作行的集合，用面向集合的方法来思考。
• 自连接的性能开销更大，应尽量给用于连接的列建立索引。

练习题 

1.请使用表products，求出两列可重组合。

代码如下： 

 select p1.name as name_1,p2.name as name_2 
 from products p1,products p2
 where p1.name <= p2.name

 

2. 这里准备了下面这样增加了“地区”列的新表 DistrictProducts，请计算一下各个地区商品价格的位次。

代码如下：

select d1.district,d1.name,d1.price,count(d2.name)+1 as rank_1
from districtproducts d1 left join districtproducts d2 
        on d1.price < d2.price and d1.district = d2.district
group by district,name,price
order by district,rank_1 

3.假设有下面这样一张表DistrictProducts2，里边原本就包含了“位次”列。不过，“位次”列的初始值都是 NULL。往这个列里写入位次。

代码如下：

update districtproducts2 p1
set ranking = (select rank_1 from
		(select count(p2.price) +1 rank_1
		 from districtproducts2 p2
		 where p1.district = p2.district and p2.price > p1.price) p3)

 

需要注意的是如果是下列代码，会报错。

 UPDATE DistrictProducts2 P1
   SET ranking = (SELECT COUNT(P2.price) + 1 
                    FROM DistrictProducts2 P2
                   WHERE P1.district = P2.district
                     AND P2.price > P1.price);

 报错信息：

意思是不能先select出同一表中的某些值，再update这个表(在同一语句中)。 所以使用一张临时表来解决问题。

扩展

        使用PARTITION BY子句

        PARTITION BY子句用于在窗口函数中对结果集进行分区，以便在每个分区中进行独立的计算。PARTITION BY子句通常与ORDER BY子句一起使用，以便将数据按照指定的列进行排序，并将排序后的数据划分为多个分区。

        PARTITION BY子句可以将数据按照指定的列进行分组，并在每个分区中进行独立的计算。它通常与窗口函数一起使用，以便在每个分区中计算聚合函数（如SUM、AVG、MAX等）的值。

UPDATE DistrictProducts2
SET ranking =
	 (SELECT P1.ranking
			FROM (SELECT district , name ,
							 RANK() OVER(PARTITION BY district
									 ORDER BY price DESC) AS ranking
						FROM DistrictProducts2) P1
					  WHERE P1.district = DistrictProducts2.district
							 AND P1.name = DistrictProducts2.name);

        PARTITION BY 子句将数据按照district进行分组，并在每个分区中按照price列进行降序排序，并结合RANK函数生成排名。