SQL查詢語句總是先執(zhí)行SELECT？你們都錯了
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?
這個問題好像應該很好回答，畢竟自己已經(jīng)寫了上萬個 SQL 查詢了，有一些還很復雜。但事實是，我仍然很難確切地說出它的順序是怎樣的。
SQL 查詢的執(zhí)行順序
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。
這張圖回答了以下這些問題
這張圖與 SQL 查詢的語義有關，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 之前!)
- 可以對窗口函數(shù)返回的結(jié)果進行過濾嗎?(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的東西時，這張圖就不適用了。
混合因素：列別名
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。
數(shù)據(jù)庫可能不按順序執(zhí)行查詢(優(yōu)化)
在實際當中，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 的查詢以 FROM 開頭
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。
