SQL 查询中的歧义

Posted 2023-02-24

【中文标题】SQL 查询中的歧义

【英文标题】：Ambiguity in the SQL query

【发布时间】：2018-12-09 19:18:09

【问题描述】：

有两个表：表customer 包含有关客户的信息，表payment 包含有关付款的信息。 customer表中的主键customer_id是表payment_id中的外键。以下两个查询返回相同的结果：

SELECT
  payment.customer_id,
  last name,
  amount
FROM customer
INNER JOIN payment ON customer.customer_id = payment.customer_id

SELECT
  customer.customer_id,
  last_name,
  amount
FROM customer
INNER JOIN payment ON customer.customer_id = payment.customer_id

查询之间的唯一区别在于SELECT 子句中的第一个参数：payment.customer_id 与customer.customer_id。由于customer_id 是表连接所在的列，payment.customer_id 和customer.customer_id 之间的区别似乎没有意义。但是，如果我尝试在查询中省略该表：

SELECT
  customer_id,
  last_name,
  amount
FROM customer
INNER JOIN payment ON customer.customer_id = payment.customer_id

我收到了

[42702] 错误：列引用“customer_id”不明确

您能否描述一下查询中的歧义在哪里？

【问题讨论】：

DBMS 引擎如何知道您更喜欢哪个（公共）列，而无需对单个表进行任何寻址？

【参考方案1】：

错误表示有两列同名customer_id，让数据库引擎不知道你要查询哪一列。

您需要明确告诉数据库引擎您要查询的列的名称。

表可能会在创建表后添加一个新列，如果您没有在选择中明确指定查询的SELECT表列，则新列可能与旧列名称相同原始查询出错。

给你一些建议

您可以给查询表一个别名，让您的查询更清晰。

在选择表名时明确指定查询的SELECT表列，因为表

如果payment 表中的last_name 列和customer 中的amount 列

你可以这样做。

SELECT
  c.customer_id,
  p.last_name,
  c.amount
FROM customer c
INNER JOIN payment p ON c.customer_id = p.customer_id

【参考方案2】：

INNER JOIN 等旧版联接会创建重复的列。在查询中使用INNER JOIN 会生成两个名为customer_id 的列。 SQL 语言对此有一个解决方法：您必须在列前加上一个范围变量，正如其他人在此处所建议的那样（尽管使用了具有误导性的术语“表别名”）。

谢天谢地，SQL 语言也解决了这个问题：NATURAL JOIN 不会创建重复的列，因此您不需要消除它们的歧义：

SELECT
  customer_id,
  last_name,
  amount
FROM customer
NATURAL JOIN payment

产生重复列的联接仍然存在，因为从未从 SQL 语言中删除任何内容（“兼容性桎梏”）。但是除了NATURAL JOIN，你不需要任何加入。

这个想法是，您的数据元素名称在整个数据字典中的含义相同，例如amount 表示一件事（与付款有关）和仅一件事（没有与客户或任何其他类型有关的 amount）。

有时您可能需要将不想参与的专栏“投射出去”NATURAL JOIN，例如

WITH
C AS ( SELECT customer_id, last_name FROM customer ),
P AS ( SELECT customer_id, amount FROM payment )
SELECT
  customer_id,
  last_name,
  amount
FROM C 
NATURAL JOIN P

这也可以“保护”您的代码，例如万一有人在付款中添加last_name 属性。

【参考方案3】：

仅仅因为两列使用相等测试匹配，并不意味着它们具有相同的值。

这两列可以是不同的类型，例如整数和浮点数，或数字等。

或者他们可以是citextwhich does case insensitive comparisons（一张桌子可以有'RedRum'和其他'redruM'）。

通常连接条件可能不是严格相等（例如网络范围比较或前缀匹配）

在所有这些情况下，您将哪个表用于结果列很重要。

如果你在做一个外连接，表名又很重要。

Postgresql 不知道= 什么时候可以隐含，什么时候不能隐含，它总是需要它。

经验法则，当连接表时，指定您在查询中使用的每一列的表。这样，如果有人向另一个表添加一些列，事情就不会中断。

【参考方案4】：

您能否描述一下查询中的歧义在哪里？

从逻辑上讲，查询中没有歧义，因为两列必须具有相同的值。但是，当您使用LEFT JOIN 而不是INNER JOIN 时，可能会出现歧义，例如：

INSERT INTO customer (customer_id, last_name) VALUES
(1, 'Smith'),
(2, 'Jones');

INSERT INTO payment (customer_id, amount) VALUES
(1, 100);

SELECT
    customer.customer_id,
    payment.customer_id,
    last_name,
    amount
FROM customer
LEFT JOIN payment ON customer.customer_id = payment.customer_id

 customer_id | customer_id | last_name | amount 
-------------+-------------+-----------+--------
           1 |           1 | Smith     |    100
           2 |             | Jones     |       
(2 rows)

解析器只遵循一般规则，不会分析查询以找出潜在的歧义何时会暴露出来。

【参考方案5】：

最好始终在列前加上表/子查询别名。

但在您的情况下（两个表之间仅共享 PK/FK 名称）您也可以使用 USING 子句：

SELECT
  customer_id,
  last_name,
  amount
FROM customer
JOIN payment USING(customer_id);

DBFiddle Demo

---

还有第三种可能的解决方案，但我强烈建议不要使用它：

SELECT
  customer_id,
  last_name,
  amount
FROM customer
NATURAL JOIN payment

【讨论】：

我强烈推荐NATURAL JOIN“解决方案”，因为我认为最好的做法是避免重复列，而不是使用范围变量来解决它们引起的问题。

@onedaywhen我更喜欢避免自然加入，here你可以找到一些原因。

@onedaywhen 随意使用任何最适合您的方法。在我看来，NATURAL JOIN 并不能解决任何问题，而且将来可能会导致更多问题。我的建议很简单：不要偷懒（为每一列使用表别名，从长远来看会有所回报）。

首先，所谓的“表别名”实际上是范围变量。这个想法是它们“覆盖”表中的行并代表一行，而不是表。因此，“表别名”是最不合适的。其次，范围变量是 1992 年以前的连接类型生成的重复列问题的解决方法。该问题在 1992 年通过 NATURAL JOIN 得到解决，这是一种替代旧连接类型的高级连接类型...

如果我选择使用 1992 年之前的连接类型，它会生成重复的列，然后我需要使用范围变量来解决问题。相反，我选择使用NATURAL JOIN 来完全避免这个问题。你对懒惰的指责太离谱了。

【参考方案6】：

您通过省略 select 语句中的表格回答了您自己的问题。通过不指定，SQL 不知道customer_id 指的是哪个表。