T-SQL基础之集合运算

Posted 2021-01-23 雪飞鸿

三个运算符

T-SQL支持三个集合运算符：UNION、INTERSECT、EXCEPT。

集合运算符查询的一般形式如下：

Query1
<set_operator>
Query2
-- 这里，ORDER BY子句对最终结果集进行排序
[ORDER BY...]

ORDER BY

在逻辑查询处理方面，集合运算符应用于两个查询结果集，且外部的ORDER BY子句（如果有的话）应用于集合运算所得到的结果集。

每个独立的查询可以使用除了ORDER BY之外的所有逻辑查询处理阶段，原因如下：

1. ORDER BY会对查询结果集进行排序

2. 排序后的结果集不在表示一个集合而是游标

3. 集合运算符只能用于集合间运算

因此，每个独立的查询语句中不能使用ORDER BY子句。

其它查询逻辑

对集合运算结果集使用除ORDER BY之外的查询逻辑则易引发逻辑错误：

USE WJChi;
​
SELECT Name AS 姓名,Age FROM dbo.UserInfo AS U1 
UNION ALL
SELECT Name,Age AS 年龄 FROM dbo.UserInfo AS U2
WHERE Age>26;
​
-- 上述写法等价于（注意WHERE条件）
SELECT Name AS 姓名,Age FROM dbo.UserInfo AS U1 
UNION ALL
SELECT Name,Age AS 年龄 FROM dbo.UserInfo AS U2
WHERE U2.Age>26;

可以借助表表达式对集合运算符运算结果集使用ORDER BY之外的查询逻辑：

USE WJChi;
​
SELECT * FROM 
(
    SELECT Name AS 姓名,Age FROM dbo.UserInfo AS U1 
    UNION ALL
    SELECT Name,Age AS 年龄 FROM dbo.UserInfo AS U2 
) AS T
WHERE T.Age>26;

上述查询也可使用派生表之外的表表达式，如：CTE。

集合的列

用于集合运算符的两个查询必须返回相同列数且对应列数据类型相互兼容的结果集。在进行比较运算时，集合运算符会认为两个NULL值是相等的。

集合运算符返回结果集中的列名是第一个查询中的列名：

USE WJChi;
​
SELECT Name AS 姓名,Age FROM dbo.UserInfo AS U1 
UNION
SELECT Name,Age AS 年龄 FROM dbo.UserInfo AS U2 
ORDER BY Age

返回结果如下：

UNION

UNION用于获取两个集合的并集。

UNION运算符有两种形式：UNION、UNION ALL：

UNION

USE WJChi;
​
SELECT Name AS 姓名,Age FROM dbo.UserInfo AS U1 
UNION
SELECT Name,Age AS 年龄 FROM dbo.UserInfo AS U2 
ORDER BY Age

返回结果如下：

UNION ALL

USE WJChi;
​
SELECT Name AS 姓名,Age FROM dbo.UserInfo AS U1 
UNION ALL
SELECT Name,Age AS 年龄 FROM dbo.UserInfo AS U2 
ORDER BY Age

返回结果如下：

从上面两个结果集中可以看到，UNION与UNION ALL的区别是：UNION会去除结果集中的重复元素，而UNION ALL不会，从性能上来讲，UNION ALL优于UNION。严格来讲，UNION ALL运算结果集不能称为集合，因为集合不存在重复元素。

INTERSECT

INTERSECT用于获取两个集合的交集，分为：INTERSECT和INTERSECT ALL两种形式，二者区别同UNION运算符。

INTERSECT

可以使用内联接或者EXSITS谓词来替代INTERSECT，但在比较运算时，INTERSECT将两个NULL值视为相等，而替代方案不会。

INTERSECT只关注行的内容是否相同，不关注行出现的次数：

USE WJChi;
​
SELECT Name AS 姓名,Age FROM dbo.UserInfo AS U1 
INTERSECT
SELECT Name,Age AS 年龄 FROM dbo.UserInfo AS U2 
ORDER BY Age;

INTERSECT ALL

SQL标准中包含INTERSECT ALL，但在SQL Server2014中未实现该特性，在SQL Server2014中使用INTERSECT ALL会报错：

不支持 INTERSECT 运算符的 \'ALL\' 版本。

UNION ALL中ALL的含义是返回所有重复行。与之类似，INTERSECT ALL中ALL的含义是不删除交集中的重复项。换个角度看，INTERSECT ALL不仅关心两侧存在的行，还关心每一侧行出现的次数，即：

如果某一数据在第一个输入中出现了a次，在第二个输入中出现了b次，那么在运算结果中该行出现min(a,b)次。

下面，我们借助开窗函数ROW_NUMBER()实现了INTERSECT ALL的效果：

USE WJChi;
​
SELECT 
ROW_NUMBER() OVER(PARTITION BY Name,Age ORDER BY Age) AS RowNumber,
Name,Age
FROM dbo.UserInfo;

经过开窗函数ROW_NUMBER()的处理后，原本相同的数据被视为不同。

USE WJChi;
​
-- 实现INTERSECT ALL效果
SELECT T.Name,T.Age FROM 
(
    SELECT 
    ROW_NUMBER() OVER(PARTITION BY Name,Age ORDER BY Age) AS RowNumber,
    Name,Age
    FROM dbo.UserInfo
    
    INTERSECT
    
    SELECT 
    ROW_NUMBER() OVER(PARTITION BY Name,Age ORDER BY Age) AS RowNumber,
    Name,Age
    FROM dbo.UserInfo
) AS T
ORDER BY T.Age;

查询结果如下：

EXCEPT

EXCEPT用于获取两个集合的差集，与UNION与INTERSECT类似，EXCEPT也分为两种形式：EXCEPT和EXCEPT ALL。同样，SQL Server2014也不支持EXCEPT ALL特性。

Query1
EXCEPT
Query2

EXCEPT

与UNION、INTERSECT不同，EXCEPT运算符对于两个查询的先后顺序有要求：EXCEPT返回存在于Query1中出现且不在Query2中出现的行，EXCEPT只关注行是否重复，而不关注行出现的次数。

可以使用外联接或者NOT EXISTS来替代EXCEPT，但在比较运算时，EXCEPT将两个NULL值视为相等，而替代方案不会。

准备如下数据：

USE WJChi;
​
SELECT Name,Age FROM #temp;
SELECT Name,Age FROM dbo.UserInfo;

那么，下面两条SQL的运算结果集均不包含任何数据：

SELECT Name ,Age FROM #temp 
EXCEPT
SELECT Name,Age FROM dbo.UserInfo
ORDER BY Age;
​
SELECT Name ,Age FROM dbo.UserInfo 
EXCEPT
SELECT Name,Age FROM #temp
ORDER BY Age;

EXCEPT ALL

EXCEPT ALL与EXCEPT的差异在于，EXCEPT ALL不止考虑行是否重复，还会考虑行出现的次数：

如果某一数据在第一个输入中出现了a次，在第二个输入中出现了b次，那么在运算结果中该行出现a-b次。若a<b则运算结果中不包含该行。

同样，我们借助开窗函数ROW_NUMBER()来实现EXCEPT ALL效果：

USE WJChi;
​
SELECT 
T.Name,T.Age 
FROM 
(
    SELECT 
    ROW_NUMBER() OVER(PARTITION BY Name,Age ORDER BY Age) AS RowNumber,
    Name,Age
    FROM #temp
    
    EXCEPT
    
    SELECT 
    ROW_NUMBER() OVER(PARTITION BY Name,Age ORDER BY Age) AS RowNumber,
    Name,Age
    FROM dbo.UserInfo
) AS T 
ORDER BY T.Age;

小结

标准SQL支持三个集合运算符：UNION、INTERSECT、EXCEPT，每个运算符均支持两种行为：去重（不带ALL关键字）和保留重复项（带上ALL关键字)。

T-SQL未提供对INTERSECT ALL与EXCEPT ALL的支持，我们可以通过开窗函数ROW_NUMBER()来实现。

另外需要注意一点，集合运算符认为两个NULL是相等的。

推荐阅读

T-SQL基础（三）之子查询与表表达式