點擊上方“朱小廝的博客”,選擇“設爲星標”
後臺回覆"書",獲取近百本電子書入口
譯者:無明
鏈接:22j.co/b8Un
很多 SQL 查詢都是以 SELECT 開始的。不過,最近我跟別人解釋什麼是窗口函數,我在網上搜索“是否可以對窗口函數返回的結果進行過濾”這個問題,得出的結論是“窗口函數必須在 WHERE 和 GROUP BY 之後,所以不能”。
於是我又想到了另一個問題:SQL 查詢的執行順序是怎樣的?
好像這個問題應該很好回答,畢竟自己已經寫了上萬個 SQL 查詢了,有一些還很複雜。但事實是,我仍然很難確切地說出它的順序是怎樣的。
SQL 查詢的執行順序
於是我研究了一下,發現順序大概是這樣的。SELECT 並不是最先執行的,而是在第五個。
這張圖回答了以下這些問題
這張圖與 SQL 查詢的語義有關,讓你知道一個查詢會返回什麼,並回答了以下這些問題:
可以在 GRROUP BY 之後使用 WHERE 嗎?(不行,WHERE 是在 GROUP BY 之前!)
可以對窗口函數返回的結果進行過濾嗎?(不行,窗口函數是 SELECT 語句裏,而 SELECT 是在 WHERE 和 GROUP BY 之後)
可以基於 GROUP BY 裏的東西進行 ORDER BY 嗎?(可以,ORDER BY 基本上是在最後執行的,所以可以基於任何東西進行 ORDER BY)
LIMIT 是在什麼時候執行?(在最後!)
但數據庫引擎並不一定嚴格按照這個順序執行 SQL 查詢,因爲爲了更快地執行查詢,它們會做出一些優化,這些問題會在以後的文章中解釋。
所以:
如果你想要知道一個查詢語句是否合法,或者想要知道一個查詢語句會返回什麼,可以參考這張圖;
在涉及查詢性能或者與索引有關的東西時,這張圖就不適用了。
混合因素:列別名
有很多 SQL 實現允許你使用這樣的語法:
SELECT CONCAT(first_name, ' ', last_name) AS full_name, count(*)
FROM table
GROUP BY full_name
從這個語句來看,好像 GROUP BY 是在 SELECT 之後執行的,因爲它引用了 SELECT 中的一個別名。但實際上不一定要這樣,數據庫引擎可以把查詢重寫成這樣:
SELECT CONCAT(first_name, ' ', last_name) AS full_name, count(*)
FROM table
GROUP BY CONCAT(first_name, ' ', last_name)
這樣 GROUP BY 仍然先執行。
數據庫引擎還會做一系列檢查,確保 SELECT 和 GROUP BY 中的東西是有效的,所以會在生成執行計劃之前對查詢做一次整體檢查。
數據庫可能不按照這個順序執行查詢(優化)
在實際當中,數據庫不一定會按照 JOIN、WHERE、GROUP BY 的順序來執行查詢,因爲它們會進行一系列優化,把執行順序打亂,從而讓查詢執行得更快,只要不改變查詢結果。
這個查詢說明了爲什麼需要以不同的順序執行查詢:
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”的貓,那就沒必要對兩張表的所有數據執行左連接,在連接之前先進行過濾,這樣查詢會快得多,而且對於這個查詢來說,先執行過濾並不會改變查詢結果。
數據庫引擎還會做出其他很多優化,按照不同的順序執行查詢,不過我並不是這方面的專家,所以這裏就不多說了。
LINQ 的查詢以 FROM 開頭
LINQ(C#和 VB.NET 中的查詢語法)是按照 FROM…WHERE…SELECT 的順序來的。這裏有一個 LINQ 查詢例子:
var teenAgerStudent = from s in studentList
where s.Age > 12 && s.Age < 20
select s;
pandas 中的查詢也基本上是這樣的,不過你不一定要按照這個順序。我通常會像下面這樣寫 pandas 代碼:
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, 對 GROUP BY 結果進行過濾
df = df[['num_yes', 'something1', 'something']] # SELECT, 選擇要顯示的列
df.sort_values('sometthing', ascending=True)[:30] # ORDER BY 和 LIMIT
df[:30]
這樣寫並不是因爲 pandas 規定了這些規則,而是按照 JOIN/WHERE/GROUP BY/HAVING 這樣的順序來寫代碼會更有意義些。不過我經常會先寫 WHERE 來改進性能,而且我想大多數數據庫引擎也會這麼做。
想知道更多?掃描下面的二維碼關注我後臺回覆"書",獲取近百本電子書入口
點個贊+在看,少個 bug ????