查询的原理

在一个查询中常包含下述子句：

1、select，2、distinct，3、join，4、on，5、from，6、where，7、having，8、group by，9、order by，10、limit

在查询执行过程中，每个子句按照一定的顺序被执行，每个子句被执行时都会产生一张虚拟表，只有最后一步生成的虚拟表才会返回给用户。

我们用实际的例子来讲解下查询的执行过程，先准备以下两张表：

create table t_student(

id bigint(20) not null auto_increment comment ‘主键ID‘,

  name varchar(10) not null default ‘‘ comment ‘姓名‘,

  age tinyint(3) not null default 0 comment ‘年龄‘,

 primary key (id)

)engine=innodb default charset=utf8 comment ‘学生信息表‘;

create table t_grade(

id bigint(20) not null auto_increment comment ‘主键ID‘,

student_id bigint(20) not null default 0 comment ‘学生ID‘,

  level varchar(4) comment ‘水平：Null.未评级、A.优秀、B.中等、C.不及格‘,

  primary key (id)

)engine=innodb default charset=utf8 comment ‘成绩表‘;

并插入一些基本数据：

insert into t_student(name,age) value(‘小A‘,16),(‘小B‘,17),(‘小C‘,18),(‘小D‘,17),(‘小E‘,18);

insert into t_grade(student_id,level) value(1,‘A‘),(2,‘B‘),(3,‘C‘),(4,‘B‘),(5,‘Null‘);

现有一个查询需求“查出是哪些水平拥有至少2个以上且年龄大于等于17岁的学生，并按人数由少到多排序”，那么根据这个需求我们可以写出如下代码：

select g.level, count(g.student_id) as total_student from t_student s left join t_grade g on s.id=g.student_id

where s.age>=17 group by g.level having count(g.student_id) >= 2 order by total_student asc;

下面我们就来说说上述SQL的执行顺序，

1）在一个查询语句中，from子句总是最先执行的，form操作会得到关联表的笛卡尔积，如下图

2）on子句会进行筛选操作，只有符合on后条件的行才会被筛选出来，我们刚刚所写查询的on后条件是s.id=g.student_id，那么不满足这个条件的行就会被去除，如下图有红色小三角标记的是会被保留的行

3）join子句如果是left join或right join，那么保留表（由于我们在SQL中使用的是left join，因此这里的保留表指的是t_student）中未匹配的行（因on子句被去掉的行）会作为外部行添加到虚拟表中，如下图

从上图对于join子句的表现不够直观，我们再向t_student表中插入一条数据，且这条数据是没有与t_grade表有关联关系的，insert into t_student(name,age) value(‘小F‘,16);

再看如下截图，由于刚插入的那条数据没有与t_grade表有关联关系，原本是要被on子句被去掉的，但是由于使用了left join，会保留左表的所有数据，同时右表没有与之关联的列值被赋值为Null，这就是添加外部行（left join的全写是left outer join，这里的outer就是指外部行）。

4）接着where子句会对得到的行再进行过滤，只有满足where后条件的行才会被筛选出来，见下图

这里补充讲解一点，对于left join或right join，在on过滤完之后会添加保留表中被on过滤掉的行，而被where过滤的行则是永久性过滤。

5）group by对经过了where条件筛选后的数据进行分组；

6）having需要和group by配合使用，因为having使用的前提是group by已经对数据完成了分组，而having就是来对分组后的数据再进行筛选，如下图

需要注意的是，若在left join或right join查询中，在select子句后使用count(1)或count(*)，可能会把添加的外部行统计入内，从而导致查询结果与预期结果不符，对于这样的查询最好是使用count(具体列名)。

7）select将需要返回的列筛选出来，我们可以看到select的优先级并不高；

8）如果查询语句中带有去重子句distinct，则会执行去掉重复记录的操作；

   去掉重复记录的原理是对进行distinct操作的列增加一个唯一索引。若SQL中使用了group by，则distinct是无效的，因为已经进行了分组，不会移除任何行。

9）接下来是order by，在我们得到了预期的数据后，可以对数据进行排序，以方便阅读，由于我们所执行的SQL查询出来只有一条数据，所以这里的排序效果并不明显，如下图

需要注意的是若不使用order by则查询出来的数据是无序的，并非是按照主键有序排列，这是因为关系型数据库是基于数学来实现的，关系对应数学中的集合，表中的数据对应集合中的元素，而集合本身是无序的，因此在不使用order by的情况下结果并不一定按照主键顺序进行排列，故我们在需要有序输出行记录时必须使用order by。

还有在对列进行排序时，若列没有索引，则排序会造成一定的性能开销。一般通过show status like ‘%sort%’ \G; 来观察相关变量，以此来判断是否可以通过添加索引来降低开销。

还需说明的是null值在升序中会首先被选出，因为在order by子句中null值被视为最小值。

10）最后是limit，拿到从指定位置开始的指定行数据，limit常和order by一起使用，其使用方式是limit n,m，表示拿到从第n行开始（不包含n行，实际从n+1行开始，如要取到的数据包含第n行，则应该是n-1）的共m行数据。

需要注意的是在大数据量下使用limit来分页效率是比较低的，因为需要在这么多数据量下去定位位置（定位n）。

这里详细对多表联查的过程做下说明，假设我们联查表A、B、C、D

   先是表A、B做笛卡尔积，即两表记录数相乘，然后通过on来筛掉不符合的记录，如果是left join或right join这种方式的联查，则还需要保留外部行，怎么理解保留外部行，就是保留表中被过滤条件过滤掉的数据，这样就得到了表A、B的联查数据，接下来再将得到的数据和表C做笛卡尔积，并重复这一过程，直到最后一张表完成这一过程，最后就得到了A、B、C、D四表联查的数据；

额外知识点

在where子句后书写过滤条件时，有两种过滤情况是不允许发生的。

①数据没有分组前或者说在group by没有执行前，在where子句中不能使用分组函数，例如max()、min()、count()、sum()等，正因为这个限制的存在就能理解having子句存在的意义了，因为我们还存在对分组后的数据进行统计的需要；

错误的SQL：

select id from t_commodity c where count(commodity_type_id)>=5;

MySQL提示：

②为select子句后的列取别名，并在where子句里直接使用列别名，是不被允许的。因为where的执行顺序是要高于select的，因为在列还没有被选取的情况下，就开始使用列别名明显是不行的。

错误的SQL：

select `name` as n from t_commodity where n=‘精进‘;

MySQL提示：

MySQL学习分享-->查询-->查询的原理