SQL 查询语句总是先执行 SELECT?你们都错了

发表于:2019-10-23 09:46

字体: | 上一篇 | 下一篇 | 我要投稿

 作者:Julia Evans    来源:高效开发运维|

分享:
  很多 SQL 查询都是以 SELECT 开始的。不过,最近我跟别人解释什么是窗口函数,我在网上搜索”是否可以对窗口函数返回的结果进行过滤“这个问题,得出的结论是”窗口函数必须在 WHERE 和 GROUP BY 之后,所以不能”。于是我又想到了另一个问题:SQL 查询的执行顺序是怎样的?
  这个问题好像应该很好回答,毕竟自己已经写了上万个 SQL 查询了,有一些还很复杂。但事实是,我仍然很难确切地说出它的顺序是怎样的。
  SQL 查询的执行顺序
  于是我研究了一下,发现顺序大概是这样的。SELECT 并不是最先执行的,而是在第五个。
  这张图回答了以下这些问题
  这张图与 SQL 查询的语义有关,让你知道一个查询会返回什么,并回答了以下这些问题:
  可以在 GRROUP BY 之后使用 WHERE 吗?(不行,WHERE 是在 GROUP BY 之前!)
  可以对窗口函数返回的结果进行过滤吗?(不行,窗口函数是 SELECT 语句里,而 SELECT 是在 WHERE 和 GROUP BY 之后)
  可以基于 GROUP BY 里的东西进行 ORDER BY 吗?(可以,ORDER BY 基本上是在最后执行的,所以可以基于任何东西进行 ORDER BY)
  LIMIT 是在什么时候执行?(在最后!)
  但数据库引擎并不一定严格按照这个顺序执行 SQL 查询,因为为了更快地执行查询,它们会做出一些优化,这些问题会在以后的文章中解释。
  所以:
  如果你想要知道一个查询语句是否合法,或者想要知道一个查询语句会返回什么,可以参考这张图;
  在涉及查询性能或者与索引有关的东西时,这张图就不适用了。
  混合因素:列别名
  有很多 SQL 实现允许你使用这样的语法:
   SELECT CONCAT(first_name, ' ', last_name) AS full_name, count(*)
  FROM table
  GROUP BY full_name
  从这个语句来看,好像 GROUP BY 是在 SELECT 之后执行的,因为它引用了 SELECT 中的一个别名。但实际上不一定要这样,数据库引擎可以把查询重写成这样:
   SELECT CONCAT(first_name, ' ', last_name) AS full_name, count(*)
  FROM table
  GROUP BY CONCAT(first_name, ' ', last_name)
  这样 GROUP BY 仍然先执行。
  数据库引擎还会做一系列检查,确保 SELECT 和 GROUP BY 中的东西是有效的,所以会在生成执行计划之前对查询做一次整体检查。
  数据库可能不按顺序执行查询(优化)
  在实际当中,数据库不一定会按照 JOIN、WHERE、GROUP BY 的顺序来执行查询,因为它们会进行一系列优化,把执行顺序打乱,从而让查询执行得更快,只要不改变查询结果。
  这个查询说明了为什么需要以不同的顺序执行查询:
   SELECT * FROM
  owners LEFT JOIN cats ON owners.id = cats.owner
  WHERE cats.name = 'mr darcy'
  如果只需要找出名字叫“mr darcy”的猫,那就没必要对两张表的所有数据执行左连接,在连接之前先进行过滤,这样查询会快得多,而且对于这个查询来说,先执行过滤并不会改变查询结果。
  数据库引擎还会做出其他很多优化,按照不同的顺序执行查询,不过我并不是这方面的专家,所以这里就不多说了。
  LINQ 的查询以 FROM 开头
  LINQ(C# 和 VB.NET 中的查询语法)是按照 FROM...WHERE...SELECT 的顺序来的。这里有一个 LINQ 查询例子:
   var teenAgerStudent = from s in studentList
  where s.Age > 12 && s.Age < 20
  select s;
  pandas 中的查询也基本上是这样的,不过你不一定要按照这个顺序。我通常会像下面这样写 pandas 代码:
   df = thing1.join(thing2)      # JOIN
  df = df[df.created_at > 1000] # WHERE
  df = df.groupby('something', num_yes = ('yes', 'sum')) # GROUP BY
  df = df[df.num_yes > 2]       # HAVING, 对 GROUP BY 结果进行过滤
  df = df[['num_yes', 'something1', 'something']] # SELECT, 选择要显示的列
  df.sort_values('sometthing', ascending=True)[:30] # ORDER BY 和 LIMIT
  df[:30]
  这样写并不是因为 pandas 规定了这些规则,而是按照 JOIN/WHERE/GROUP BY/HAVING 这样的顺序来写代码会更有意义些。不过我经常会先写 WHERE 来改进性能,而且我想大多数数据库引擎也会这么做。
  R 语言里的 dplyr 也允许开发人员使用不同的语法编写 SQL 查询语句,用来查询 Postgre、MySQL 和 SQLite。

      本文内容不用于商业目的,如涉及知识产权问题,请权利人联系博为峰小编(021-64471599-8017),我们将立即处理
《2023软件测试行业现状调查报告》独家发布~

关注51Testing

联系我们

快捷面板 站点地图 联系我们 广告服务 关于我们 站长统计 发展历程

法律顾问:上海兰迪律师事务所 项棋律师
版权所有 上海博为峰软件技术股份有限公司 Copyright©51testing.com 2003-2024
投诉及意见反馈:webmaster@51testing.com; 业务联系:service@51testing.com 021-64471599-8017

沪ICP备05003035号

沪公网安备 31010102002173号