SQL 查询的执行顺序

ゝ一世哀愁。 2023-05-31 06:51 27阅读 0赞

![format_png][]

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？

好像这个问题应该很好回答，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。

![format_png 1][]

## 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 之后！）
 *  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：

<table style="width:685px;"> 
 <tbody> 
  <tr> 
   <td> <p><code>SELECT CONCAT(first_name, \' \', last_name) AS full_name, count(*)</code></p> </td> 
  </tr> 
  <tr> 
   <td> <p><code>FROM table</code></p> </td> 
  </tr> 
  <tr> 
   <td> <p><code>GROUP BY full_name</code></p> </td> 
  </tr> 
 </tbody> 
</table>

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：

<table style="width:685px;"> 
 <tbody> 
  <tr> 
   <td> <p><code>SELECT CONCAT(first_name, \' \', last_name) AS full_name, count(*)</code></p> </td> 
  </tr> 
  <tr> 
   <td> <p><code>FROM table</code></p> </td> 
  </tr> 
  <tr> 
   <td> <p><code>GROUP BY CONCAT(first_name, \' \', last_name)</code></p> </td> 
  </tr> 
 </tbody> 
</table>

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。

## 数据库可能不按照这个顺序执行查询（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：

<table style="width:685px;"> 
 <tbody> 
  <tr> 
   <td> <p><code>SELECT * FROM</code></p> </td> 
  </tr> 
  <tr> 
   <td> <p><code>owners LEFT JOIN cats ON owners.id = cats.owner</code></p> </td> 
  </tr> 
  <tr> 
   <td> <p><code>WHERE cats.name = \'mr darcy\'</code></p> </td> 
  </tr> 
 </tbody> 
</table>

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：

<table style="width:685px;"> 
 <tbody> 
  <tr> 
   <td> <p><code>var teenAgerStudent = from s in studentList</code></p> </td> 
  </tr> 
  <tr> 
   <td> <p><code>&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; where s.Age &gt; 12 &amp;&amp; s.Age &lt; 20</code></p> </td> 
  </tr> 
  <tr> 
   <td> <p><code>&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; select s;</code></p> </td> 
  </tr> 
 </tbody> 
</table>

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：

<table style="width:685px;"> 
 <tbody> 
  <tr> 
   <td> <p><code>df = thing1.join(thing2)&nbsp; &nbsp; &nbsp; # JOIN</code></p> </td> 
  </tr> 
  <tr> 
   <td> <p><code>df = df[df.created_at &gt; 1000] # WHERE</code></p> </td> 
  </tr> 
  <tr> 
   <td> <p><code>df = df.groupby(\'something\', num_yes = (\'yes\', \'sum\')) # GROUP BY</code></p> </td> 
  </tr> 
  <tr> 
   <td> <p><code>df = df[df.num_yes &gt; 2]&nbsp; &nbsp; &nbsp; &nbsp;# HAVING, 对 GROUP BY 结果进行过滤</code></p> </td> 
  </tr> 
  <tr> 
   <td> <p><code>df = df[[\'num_yes\', \'something1\', \'something\']] # SELECT, 选择要显示的列</code></p> </td> 
  </tr> 
  <tr> 
   <td> <p><code>df.sort_values(\'sometthing\', ascending=True)[:30] # ORDER BY 和 LIMIT</code></p> </td> 
  </tr> 
  <tr> 
   <td> <p><code>df[:30]</code></p> </td> 
  </tr> 
 </tbody> 
</table>

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。

[format_png]: /images/20230531/90673cca1fb64cd7b4c5a23d707f5694.png
[format_png 1]: /images/20230531/49958d03ed1041cc9f2f3b6117211974.png