详解SQL语句的集合运算 (sql语句详解)

以前总是追求新东西，发现基础才是最重要的，今年主要的目标是精通SQL查询和SQL性能优化。

概述

本篇主要是对集合运算中并集、交集、差集运算基础的总结。

集合运算包含四种：

1.并集运算(两种)

2.交集运算

3.差集运算

下面是集合运算的思维导图：

为什么使用集合运算

1.在集合运算中比联接查询和EXISTS/NOT EXISTS更方便。

在阅读下面的章节时，我们可以先把环境准备好，以下的SQL脚本可以帮助大家创建数据库，创建表，插入数据。

一、集合运算

1.集合运算

(1)对输入的两个集合或多集进行的运算。

(2)多集：由两个输入的查询生成的可能包含重复记录的中间结果集。

(3)T-SQL支持三种集合运算：并集(UNION)、交集(INTERSECT)、差集(EXCEPT)

2.语法

集合运算的基本格式：

输入的查询1

集合运算符>

输入的查询2

3.要求

(1)输入的查询不能包含ORDER BY字句;

(2)可以为整个集合运算结果选择性地增加一个ORDER BY字句;

(3)每个单独的查询可以包含所有逻辑查询处理阶段(处理控制排列顺序的ORDER BY字句);

(4)两个查询必须包含相同的列数;

(5)相应列必须具有兼容的数据类型。兼容个的数据类型：优先级较低的数据类型必须能隐式地转换为较高级的数据类型。比如输入的查询1的***列为int类型，输入的查询2的***列为float类型，则较低的数据类型int类型可以隐式地转换为较高级float类型。如果输入的查询1的***列为char类型，输入的查询2的***列为datetime类型，则会提示转换失败：从字符串转换日期和/或时间时，转换失败;

(6)集合运算结果中列名由输入的查询1决定，如果要为结果分配结果列，应该在输入的查询1中分配相应的别名;

(7)集合运算时，对行进行进行比较时，集合运算认为两个NULL相等;

(8)UNION支持DISTINCT和ALL。不能显示指定DISTINCT字句，如果不指定ALL，则默认使用DISTINCT;

(9)INTERSET和EXCEPT默认使用DISTINCT，不支持ALL。

二、UNION(并集)集合运算

1.并集的文氏图

并集：两个集合的并集是一个包含集合A和B中所有元素的集合。

图中阴影区域代表集合A与集合B的并集

2.UNION ALL集合运算

(1)假设Query1返回m行，Query2返回n行，则Query1 UNION ALL Query2返回(m+n)行;

(2)UNION ALL 不会删除重复行，所以它的结果就是多集，而不是真正的集合;

(3)相同的行在结果中可能出现多次。

3.UNION DISTINCT集合运算

(1)假设Query1返回m行，Query2返回n行，Query1和Query2有相同的h行，则Query1 UNION Query2返回(m+n-h)行;

(2)UNION 会删除重复行，所以它的结果就是集合;

(3)相同的行在结果中只出现一次。

(4)不能显示指定DISTINCT字句，如果不指定ALL，则默认使用DISTINCT。

(5)当Query1与Query2比较某行记录是否相等时，会认为取值为NULL的列是相等的列。

三、INTERSECT(交集)集合运算

1.交集的文氏图

交集：两个集合(记为集合A和集合B)的交集是由既属于A，也属于B的所有元素组成的集合。

图中阴影区域代表集合A与集合B的交集

2.INTERSECT DISTINCT集合运算

(1)假设Query1返回 m 行，Query2返回 n 行，Query1和Query2有相同的 h 行，则Query1 INTERSECT Query2返回 h 行;

(2)INTERSECT集合运算在逻辑上首先删除两个输入多集中的重复行(把多集变为集合)，然后返回只在两个集合中都出现的行;

(3)INTERSECT 会删除重复行，所以它的结果就是集合;

(4)相同的行在结果中只出现一次。

(5)不能显示指定DISTINCT字句，如果不指定ALL，则默认使用DISTINCT。

(6)当Query1与Query2比较某行记录是否相等时，会认为取值为NULL的列是相等的列。

(7)用内联接或EXISTS谓词可以代替INTERSECT集合运算，但是必须对NULL进行处理，否则这两种方法对NULL值进行比较时，比较结果都是UNKNOWN，这样的行会被过滤掉。

3.INTERSECT ALL集合运算

(1)ANSI SQL支持带有ALL选项的INTERSECT集合运算，但SQL Server2008现在还没有实现这种运算。后面会提供一种用于T-SQL实现的替代方案;

(2)假设Query1返回 m 行，Query2返回 n 行，如果行R在Query1中出现了x次，在Query2中出现了y次，则行R应该在INTERSECT ALL运算之后出现minimum(x，y)次。

下面提供用于T-SQL实现的INTERSECT ALL集合运算：公用表表达式 + 排名函数

结果如下：

其中UK NULL London有四个重复行，

在排序函数的OVER字句中使用 ORDER BY ( SELECT 常量> )可以告诉SQL Server不必在意行的顺序。

四、EXCEPT(差集)集合运算

1.差集的文氏图

差集：两个集合(记为集合A和集合B)的由属于集合A，但不属于集合B的所有元素组成的集合。

图中阴影区域代表集合A与集合B的差集

2.EXCEPT DISTINCT集合运算

(1)假设Query1返回 m 行，Query2返回 n 行，Query1和Query2有相同的 h 行，则Query1 INTERSECT Query2返回 m – h 行,而Query2 INTERSECT Query1 返回 n – h 行

(2)EXCEPT集合运算在逻辑上先删除两个输入多集中的重复行(把多集转变成集合)，然后返回只在***个集合中出现，在第二个集合众不出现所有行。

(3)EXCEPT 会删除重复行，所以它的结果就是集合;

(4)EXCEPT是不对称的，差集的结果取决于两个查询的前后关系。

(5)相同的行在结果中只出现一次。

(6)不能显示指定DISTINCT字句，如果不指定ALL，则默认使用DISTINCT。

(7)当Query1与Query2比较某行记录是否相等时，会认为取值为NULL的列是相等的列。

(8)用左外联接或NOT EXISTS谓词可以代替INTERSECT集合运算，但是必须对NULL进行处理，否则这两种方法对NULL值进行比较时，比较结果都是UNKNOWN，这样的行会被过滤掉。

3.EXCEPT ALL集合运算

(1)ANSI SQL支持带有ALL选项的EXCEPT集合运算，但SQL Server2008现在还没有实现这种运算。后面会提供一种用于T-SQL实现的替代方案;

(2)假设Query1返回 m 行，Query2返回 n 行，如果行R在Query1中出现了x次，在Query2中出现了y次,且x>y，则行R应该在EXCEPT ALL运算之后出现 x – y 次。

下面提供用于T-SQL实现的EXCEPT ALL集合运算：公用表表达式 + 排名函数

结果如下：

五、集合运算的优先级

1.INTERSECT>UNION=EXCEPT

2.首先计算INTERSECT,然后从左到右的出现顺序依次处理优先级的相同的运算。

3.可以使用圆括号控制集合运算的优先级，它具有***的优先级。

六、特殊处理

1.只有ORDER BY能够直接应用于集合运算的结果;

2.其他阶段如表运算符、WHERE、GROUP BY、HAVING等，不支持直接应用于集合运算的结果，这个时候可以使用表表达式来避开这一限制。如根据包含集合运算的查询定义个表表达式，然后在外部查询中对表表达式应用任何需要的逻辑查询处理;

3.ORDER BY字句不能直接应用于集合运算中的单个查询，这个时候可以TOP+ORDER BY字句+表表达式来避开这一限制。如定义一个基于该TOP查询的表表达式，然后通过一个使用这个表表达式的外部查询参与集合运算。

七、练习题

1.写一个查询，返回在2008年1月有订单活动，而在2008年2月没有订单活动的客户和雇员。

期望结果：

方案一：EXCEPT

(1)先用查询1查询出2008年1月份有订单活动的客户和雇员

(2)用查询2查询2008年2月份客户的订单活动的客户和雇员

(3)用差集运算符查询2008年1月有订单活动而2008年2月没有订单活动的客户和雇员

方案二：NOT EXISTS

必须保证custid，empid不能为null，才能用NOT EXISTS进行查询，如果custid或empid其中有null值存在，则不能用NOT EXISTS进行查询，因为比较NULL值的结果是UNKNOWN，这样的行用NOT EXISTS查询返回的子查询的行会被过滤掉，所以***的外查询会多出NULL值的行，***查询结果中会多出NULL值的行。

如果我往Sales.Orders表中插入两行数据：

插入cutid=NULL,empid=1,orderdate=‘20080101’

插入cutid=NULL,empid=1,orderdate=‘20080201’

用方案一查询出来结果为50行，会把cutid=NULL,empid=1的行过滤掉

用方案二查询出来结果为51行，不会把cutid=NULL,empid=1的行过滤掉

用下面的方案可以解决上面的问题，需要处理cutid=NULL,或者empid=null的情况。返回50行

2.写一个查询，返回在2008年1月和在2008年2月都有订单活动的客户和雇员。

期望结果：

方案一：INTERSECT

(1)先用查询1查询出2008年1月份有订单活动的客户和雇员

(2)用查询2查询2008年2月份客户的订单活动的客户和雇员

(3)用交集运算符查询2008年1月和2008年2月都有订单活动的客户和雇员

方案二：EXISTS

必须保证custid，empid不能为null，才能用EXISTS进行查询，如果custid或empid其中有null值存在，则不能用EXISTS进行查询，因为比较NULL值的结果是UNKNOWN，这样的行用EXISTS查询返回的子查询的行会被过滤掉，所以***的外查询会少NULL值的行，***查询结果中会少NULL值的行。

如果我往Sales.Orders表中插入两行数据：

插入cutid=NULL,empid=1,orderdate=’20080101′

插入cutid=NULL,empid=1,orderdate=’20080201′

用方案一查询出来结果为6行，不会把cutid=NULL,empid=1的行过滤掉

用方案二查询出来结果为5行，会把cutid=NULL,empid=1的行过滤掉

用下面的方案可以解决上面的问题，需要处理cutid=NULL,或者empid=null的情况。返回6行。

3.写一个查询，返回在2008年1月和在2008年2月都有订单活动，而在2007年没有订单活动的客户和雇员

期望结果：

方案一：INTERSECT + EXCEPT

方案二：EXISTS + NOT EXISTS

SQL语句中 in和exist区别

本文主要分析了in和exists的区别与执行效率的问题：in可以分为三类：1、形如select * from t1 where f1 in ( a , b )，应该和以下两种比较效率。 select * from t1 where f1= a or f1= b 或者select * from t1 where f1 = a union all select * from t1 f1= b 你可能指的不是这一类，这里不做讨论。 2、形如select * from t1 where f1 in (select f1 from t2 where = x )，其中子查询的where里的条件不受外层查询的影响，这类查询一般情况下，自动优化会转成exist语句，也就是效率和exist一样。 3、形如select * from t1 where f1 in (select f1 from t2 where =)，其中子查询的where里的条件受外层查询的影响，这类查询的效率要看相关条件涉及的字段的索引情况和数据量多少，一般认为效率不如exists。除了第一类in语句都是可以转化成exists 语句的，一般编程习惯应该是用exists而不用in.A，B两个表，(1)当只显示一个表的数据如A，关系条件只一个如ID时，使用IN更快：select * from A where id in (select id from B)(2)当只显示一个表的数据如A，关系条件不只一个如ID，col1时，使用IN就不方便了，可以使用EXISTS：select * from Awhere exists (select 1 from B where id = and col1 = 1)(3)当只显示两个表的数据时，使用IN，EXISTS都不合适，要使用连接：select * from A left join B on id = 所以使用何种方式，要根据要求来定。这是一般情况下做的测试：测试结果:set statistics io on select * from sysobjects where exists (select 1 from syscolumns where id=) select * from sysobjects where id in (select id from syscolumns ) set statistics io off (47 行受影响)表 syscolpars 。扫描计数 1，逻辑读取 3 次，物理读取 0 次，预读 2 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。表 sysschobjs 。扫描计数 1，逻辑读取 3 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。 (1 行受影响)(44 行受影响)表 syscolpars 。扫描计数 47，逻辑读取 97 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。表 sysschobjs 。扫描计数 1，逻辑读取 3 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。 (1 行受影响)set statistics io on select * from syscolumns where exists (select 1 from sysobjects where id=) select * from syscolumns where id in (select id from sysobjects ) set statistics io off(419 行受影响)表 syscolpars 。扫描计数 1，逻辑读取 10 次，物理读取 0 次，预读 15 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。表 sysschobjs 。扫描计数 1，逻辑读取 3 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。 (1 行受影响)(419 行受影响)表 syscolpars 。扫描计数 1，逻辑读取 10 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。表 sysschobjs 。扫描计数 1，逻辑读取 3 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。 (1 行受影响)测试结果(总体来讲exists比in的效率高):效率:条件因素的索引是非常关键的把syscolumns 作为条件:syscolumns 数据大于sysobjects用in扫描计数 47，逻辑读取 97 次，用exists扫描计数 1，逻辑读取 3 次把sysobjects作为条件:sysobjects的数据少于syscolumnsexists比in多预读 15 次

怎么学习SQL数据库的语句?

一、简单查询简单的Transact-SQL查询只包括选择列表、FROM子句和WHERE子句。它们分别说明所查询列、查询的表或视图、以及搜索条件等。例如，下面的语句查询testtable表中姓名为“张三”的nickname字段和email字段。 SELECT nickname,emailFROM testtableWHERE(一) 选择列表选择列表(select_list)指出所查询列，它可以是一组列名列表、星号、表达式、变量(包括局部变量和全局变量)等构成。 1、选择所有列例如，下面语句显示testtable表中所有列的数据：SELECT *FROM testtable2、选择部分列并指定它们的显示次序查询结果集合中数据的排列顺序与选择列表中所指定的列名排列顺序相同。例如：SELECT nickname,emailFROM testtable3、更改列标题在选择列表中，可重新指定列标题。定义格式为：列标题=列名列名列标题如果指定的列标题不是标准的标识符格式时，应使用引号定界符，例如，下列语句使用汉字显示列标题：SELECT 昵称=nickname,电子邮件=emailFROM testtable4、删除重复行Select语句中使用ALL或DISTINCT选项来显示表中符合条件的所有行或删除其中重复的数据行，默认为ALL。使用DISTINCT选项时，对于所有重复的数据行在SELECT返回的结果集合中只保留一行。 5、限制返回的行数使用TOP n [PERCENT]选项限制返回的数据行数，TOP n说明返回n行，而TOP n PERCENT时，说明n是表示一百分数，指定返回的行数等于总行数的百分之几。例如：SELECT TOP 2 *FROM testtable SELECT TOP 20 PERCENT * FROM testtable(二)FROM子句FROM子句指定SELECT语句查询及与查询相关的表或视图。在FROM子句中最多可指定256个表或视图，它们之间用逗号分隔。在FROM子句同时指定多个表或视图时，如果选择列表中存在同名列，这时应使用对象名限定这些列所属的表或视图。例如在usertable和citytable表中同时存在cityid列，在查询两个表中的cityid时应使用下面语句格式加以限定：SELECT username, usertable,citytableWHERE =在FROM子句中可用以下两种格式为表或视图指定别名：表名 as 别名表名别名(二) FROM子句FROM子句指定SELECT语句查询及与查询相关的表或视图。在FROM子句中最多可指定256个表或视图，它们之间用逗号分隔。在FROM子句同时指定多个表或视图时，如果选择列表中存在同名列，这时应使用对象名限定这些列所属的表或视图。例如在usertable和citytable表中同时存在cityid列，在查询两个表中的cityid时应使用下面语句格式加以限定：SELECT username, usertable,citytableWHERE =在FROM子句中可用以下两种格式为表或视图指定别名：表名 as 别名表名别名例如上面语句可用表的别名格式表示为：SELECT username, usertable a,citytable bWHERE =不仅能从表或视图中检索数据，它还能够从其它查询语句所返回的结果集合中查询数据。例如：SELECT _fname+_lnameFROM authors a,titleauthor ta(SELECT title_id,titleFROM titlesWHERE ytd_sales>) AS tWHERE _id=_iDanD _id=_id此例中，将SELECT返回的结果集合给予一别名t，然后再从中检索数据。 (三) 使用WHERE子句设置查询条件WHERE子句设置查询条件，过滤掉不需要的数据行。例如下面语句查询年龄大于20的数据：SELECT *FROM usertableWHERE age>20WHERE子句可包括各种条件运算符：比较运算符(大小比较)：>、>=、=、<、<=、<>、!>、!<范围运算符(表达式值是否在指定的范围)：BETWEEN…AND…NOT BETWEEN…AND…列表运算符(判断表达式是否为列表中的指定项)：IN (项1,项2……)NOT IN (项1,项2……)模式匹配符(判断值是否与指定的字符通配格式相符):LIKE、NOT LIKE空值判断符(判断表达式是否为空)：IS NULL、NOT IS NULL逻辑运算符(用于多条件的逻辑连接)：NOT、AND、OR1、范围运算符例：age BETWEEN 10 AND 30相当于age>=10 AND age<=302、列表运算符例：country IN (Germany,China)3、模式匹配符例：常用于模糊查找，它判断列值是否与指定的字符串格式相匹配。可用于char、varchar、text、ntext、datetime和smalldatetime等类型查询。可使用以下通配字符：百分号%：可匹配任意类型和长度的字符，如果是中文，请使用两个百分号即%%。下划线_：匹配单个任意字符，它常用来限制表达式的字符长度。方括号[]：指定一个字符、字符串或范围，要求所匹配对象为它们中的任一个。 [^]：其取值也[] 相同，但它要求所匹配对象为指定字符以外的任一个字符。例如：限制以Publishing结尾，使用LIKE %Publishing限制以A开头：LIKE [A]%限制以A开头外：LIKE [^A]%4、空值判断符例WHERE age IS NULL5、逻辑运算符：优先级为NOT、AND、OR(四)查询结果排序使用ORDER BY子句对查询返回的结果按一列或多列排序。 ORDER BY子句的语法格式为：ORDER BY {column_name [ASC|DESC]} [,…n]其中ASC表示升序，为默认值，DESC为降序。 ORDER BY不能按ntext、text和image数据类型进行排序。例如：SELECT *FROM usertableORDER BY age desc,userid ASC另外，可以根据表达式进行排序。正文] 买电脑，打800-858-0410 国内最低价，还有优惠上一页 1 2 3二、联合查询UNION运算符可以将两个或两个以上上SELECT语句的查询结果集合合并成一个结果集合显示，即执行联合查询。 UNION的语法格式为：select_statementUNION [ALL] selectstatement[UNION [ALL] selectstatement][…n]其中selectstatement为待联合的SELECT查询语句。 ALL选项表示将所有行合并到结果集合中。不指定该项时，被联合查询结果集合中的重复行将只保留一行。联合查询时，查询结果的列标题为第一个查询语句的列标题。因此，要定义列标题必须在第一个查询语句中定义。要对联合查询结果排序时，也必须使用第一查询语句中的列名、列标题或者列序号。在使用UNION 运算符时，应保证每个联合查询语句的选择列表中有相同数量的表达式，并且每个查询选择表达式应具有相同的数据类型，或是可以自动将它们转换为相同的数据类型。在自动转换时，对于数值类型，系统将低精度的数据类型转换为高精度的数据类型。在包括多个查询的UNION语句中，其执行顺序是自左至右，使用括号可以改变这一执行顺序。例如：查询1 UNION (查询2 UNION 查询3)三、连接查询通过连接运算符可以实现多个表查询。连接是关系数据库模型的主要特点，也是它区别于其它类型数据库管理系统的一个标志。在关系数据库管理系统中，表建立时各数据之间的关系不必确定，常把一个实体的所有信息存放在一个表中。当检索数据时，通过连接操作查询出存放在多个表中的不同实体的信息。连接操作给用户带来很大的灵活性，他们可以在任何时候增加新的数据类型。为不同实体创建新的表，尔后通过连接进行查询。连接可以在SELECT 语句的FROM子句或WHERE子句中建立，似是而非在FROM子句中指出连接时有助于将连接操作与WHERE子句中的搜索条件区分开来。所以，在Transact-SQL中推荐使用这种方法。 SQL-92标准所定义的FROM子句的连接语法格式为：FROM join_table join_type join_table[ON (join_condition)]其中join_table指出参与连接操作的表名，连接可以对同一个表操作，也可以对多表操作，对同一个表操作的连接又称做自连接。 join_type 指出连接类型，可分为三种：内连接、外连接和交叉连接。内连接(INNER JOIN)使用比较运算符进行表间某(些)列数据的比较操作，并列出这些表中与连接条件相匹配的数据行。根据所使用的比较方式不同，内连接又分为等值连接、自然连接和不等连接三种。外连接分为左外连接(LEFT OUTER JOIN或LEFT JOIN)、右外连接(RIGHT OUTER JOIN或RIGHT JOIN)和全外连接(FULL OUTER JOIN或FULL JOIN)三种。与内连接不同的是，外连接不只列出与连接条件相匹配的行，而是列出左表(左外连接时)、右表(右外连接时)或两个表(全外连接时)中所有符合搜索条件的数据行。交叉连接(CROSS JOIN)没有WHERE 子句，它返回连接表中所有数据行的笛卡尔积，其结果集合中的数据行数等于第一个表中符合查询条件的数据行数乘以第二个表中符合查询条件的数据行数。连接操作中的ON (join_condition) 子句指出连接条件，它由被连接表中的列和比较运算符、逻辑运算符等构成。无论哪种连接都不能对text、ntext和image数据类型列进行直接连接，但可以对这三种列进行间接连接。例如：SELECT _id,_id,_infoFROM pub_info AS p1 INNER JOIN pub_info AS p2ON DATALENGTH(_info)=DATALENGTH(_info)(一)内连接内连接查询操作列出与连接条件匹配的数据行，它使用比较运算符比较被连接列的列值。内连接分三种：1、等值连接：在连接条件中使用等于号(=)运算符比较被连接列的列值，其查询结果中列出被连接表中的所有列，包括其中的重复列。 2、不等连接：在连接条件使用除等于运算符以外的其它比较运算符比较被连接的列的列值。这些运算符包括>、>=、<=、<、!>、!<和><>。 3、自然连接：在连接条件中使用等于(=)运算符比较被连接列的列值，但它使用选择列表指出查询结果集合中所包括的列，并删除连接表中的重复列。例，下面使用等值连接列出authors和publishers表中位于同一城市的作者和出版社：SELECT *FROM authors AS a INNER JOIN publishers AS pON =又如使用自然连接，在选择列表中删除authors 和publishers 表中重复列(city和state)：SELECT a.*,_id,_name, authors AS a INNER JOIN publishers AS pON =(二)外连接内连接时，返回查询结果集合中的仅是符合查询条件( WHERE 搜索条件或 HAVING 条件)和连接条件的行。而采用外连接时，它返回到查询结果集合中的不仅包含符合连接条件的行，而且还包括左表(左外连接时)、右表(右外连接时)或两个边接表(全外连接)中的所有数据行。如下面使用左外连接将论坛内容和作者信息连接起来： SELECT a.*,b.* FROM luntan LEFT JOIN usertable as bON =下面使用全外连接将city表中的所有作者以及user表中的所有作者，以及他们所在的城市：SELECT a.*,b.*FROM city as a FULL OUTER JOIN user as bON =(三)交叉连接交叉连接不带WHERE 子句，它返回被连接的两个表所有数据行的笛卡尔积，返回到结果集合中的数据行数等于第一个表中符合查询条件的数据行数乘以第二个表中符合查询条件的数据行数。例，titles表中有6类图书，而publishers表中有8家出版社，则下列交叉连接检索到的记录数将等于6*8=48行。 SELECT type,pub_nameFROM titles CROSS JOIN publishersORDER BY type