作者丨Julia Evans
譯者丨無明
很多 SQL 查詢都是以 SELECT 開始的。不過,最近我跟別人解釋什么是窗口函數(shù),我在網(wǎng)上搜索”是否可以對窗口函數(shù)返回的結(jié)果進(jìn)行過濾“這個問題,得出的結(jié)論是”窗口函數(shù)必須在 WHERE 和 GROUP BY 之后,所以不能”。于是我又想到了另一個問題:SQL 查詢的執(zhí)行順序是怎樣的?
好像這個問題應(yīng)該很好回答,畢竟自己已經(jīng)寫了上萬個 SQL 查詢了,有一些還很復(fù)雜。但事實是,我仍然很難確切地說出它的順序是怎樣的。
于是我研究了一下,發(fā)現(xiàn)順序大概是這樣的。SELECT 并不是最先執(zhí)行的,而是在第五個。
這張圖與 SQL 查詢的語義有關(guān),讓你知道一個查詢會返回什么,并回答了以下這些問題:
可以在 GRROUP BY 之后使用 WHERE 嗎?(不行,WHERE 是在 GROUP BY 之后?。?/p>
可以對窗口函數(shù)返回的結(jié)果進(jìn)行過濾嗎?(不行,窗口函數(shù)是 SELECT 語句里,而 SELECT 是在 WHERE 和 GROUP BY 之后)
可以基于 GROUP BY 里的東西進(jìn)行 ORDER BY 嗎?(可以,ORDER BY 基本上是在最后執(zhí)行的,所以可以基于任何東西進(jìn)行 ORDER BY)
LIMIT 是在什么時候執(zhí)行?(在最后!)
但數(shù)據(jù)庫引擎并不一定嚴(yán)格按照這個順序執(zhí)行 SQL 查詢,因為為了更快地執(zhí)行查詢,它們會做出一些優(yōu)化,這些問題會在以后的文章中解釋。
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么,可以參考這張圖;
在涉及查詢性能或者與索引有關(guān)的東西時,這張圖就不適用了。
有很多 SQL 實現(xiàn)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 之后執(zhí)行的,因為它引用了 SELECT 中的一個別名。但實際上不一定要這樣,數(shù)據(jù)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(zhí)行。
數(shù)據(jù)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(zhí)行計劃之前對查詢做一次整體檢查。
在實際當(dāng)中,數(shù)據(jù)庫不一定會按照 JOIN、WHERE、GROUP BY 的順序來執(zhí)行查詢,因為它們會進(jìn)行一系列優(yōu)化,把執(zhí)行順序打亂,從而讓查詢執(zhí)行得更快,只要不改變查詢結(jié)果。
這個查詢說明了為什么需要以不同的順序執(zhí)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(shù)據(jù)執(zhí)行左連接,在連接之前先進(jìn)行過濾,這樣查詢會快得多,而且對于這個查詢來說,先執(zhí)行過濾并不會改變查詢結(jié)果。
數(shù)據(jù)庫引擎還會做出其他很多優(yōu)化,按照不同的順序執(zhí)行查詢,不過我并不是這方面的專家,所以這里就不多說了。
LINQ(C# 和 VB.NET 中的查詢語法)是按照 FROM…WHERE…SELECT 的順序來的。這里有一個 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(jié)果進(jìn)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]
這樣寫并不是因為 pandas 規(guī)定了這些規(guī)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(jīng)常會先寫 WHERE 來改進(jìn)性能,而且我想大多數(shù)數(shù)據(jù)庫引擎也會這么做。
R 語言里的 dplyr 也允許開發(fā)人員使用不同的語法編寫 SQL 查詢語句,用來查詢 Postgre、MySQL 和 SQLite。
聯(lián)系客服