SQL 面试题:WHERE 和 HAVING、ON 有什么区别?
SQL 提供了多种对数据进行过滤的方式,包括
WHERE
、
HAVING
以及
ON
子句等。虽然它们都能够实现类似的功能,但是你知道它们之间的区别吗?让我们一起来探讨一下。
除非特殊说明,以下内容适用于各种数据库,包括 MySQL、Oracle、SQL Server、PostgreSQL 以及 SQLite 等;其中的示例表和数据来源于 GitHub 。
WHERE 与 HAVING
WHERE
与
HAVING
的根本区别在于:
-
WHERE
子句在GROUP BY
分组和聚合函数 之前 对数据行进行过滤; -
HAVING
子句对GROUP BY
分组和聚合函数 之后 的数据行进行过滤。
因此,
WHERE
子句中不能使用聚合函数。例如,以下语句将会返回错误:
-- 查找人数大于 5 的部门
select dept_id, count(*)
from employee
where count(*) > 5
group by dept_id;
由于在执行
WHERE
子句时,还没有计算聚合函数 count(*),所以无法使用。正确的方法是使用HAVING对聚合之后的结果进行过滤:
-- 查找人数大于 5 的部门
select dept_id, count(*)
from employee
group by dept_id
having count(*) > 5;
dept_id|count(*)|
-------|--------|
4| 9|
5| 8|
另一方面,
HAVING
子句中不能使用除了分组字段和聚合函数之外的其他字段。例如,以下语句将会返回错误:
-- 统计每个部门月薪大于等于 30000 的员工人数
select dept_id, count(*)
from employee
group by dept_id
having salary >= 30000;
因为经过
GROUP BY
分组和聚合函数之后,不再存在 salary 字段,
HAVING
子句中只能使用分组字段或者聚合函数。
⚠️SQLite 虽然允许
HAVING
子句中出现其他字段,但是得到的结果不正确。
从性能的角度来说,
HAVING
子句中如果使用了分组字段作为过滤条件,应该替换成
WHERE
子句;因为
WHERE
可以在执行分组操作和计算聚合函数之前过滤掉不需要的数据,性能会更好。下面示例中的语句 1 应该替换成语句 2:
-- 语句 1
select dept_id, count(*)
from employee
group by dept_id
having dept_id = 1;
-- 语句 2
select dept_id, count(*)
from employee
where dept_id = 1
group by dept_id;
当然,
WHERE
和
HAVING
可以组合在一起使用。例如:
select dept_id, count(*)
from employee
where salary > 10000
group by dept_id
having count(*) > 1;
dept_id|count(*)|
-------|--------|
1| 3|
该语句返回了月薪大于 10000 的员工人数大于 1 的部门;
WHERE
用于过滤月薪大于 10000 的员工;
HAVING
用于过滤员工数量大于 1 的部门。
WHERE 与 ON
当查询涉及多个表的关联时,我们既可以使用
WHERE
子句也可以使用
ON
子句指定连接条件和过滤条件。这两者之间的主要区别在于:
-
对于内连接(inner join)查询,
WHERE
和ON
中的过滤条件等效; -
对于外连接(outer join)查询,
ON
中的过滤条件在连接操作之前执行,WHERE
中的过滤条件(逻辑上)在连接操作之后执行。
对于内连接查询而言,以下三个语句的结果相同:
-- 语句 1
select d.dept_name, e.emp_name, e.sex, e.salary
from employee e, department d
where e.dept_id = d.dept_id
and e.emp_id = 10;
dept_name|emp_name|sex|salary |
---------|--------|---|-------|
研发部 |廖化 |男 |6500.00|
-- 语句 2
select d.dept_name, e.emp_name, e.sex, e.salary
from employee e
join department d on (e.dept_id = d.dept_id and e.emp_id = 10);
dept_name|emp_name|sex|salary |
---------|--------|---|-------|
研发部 |廖化 |男 |6500.00|
-- 语句 3
select d.dept_name, e.emp_name, e.sex, e.salary
from employee e
join department d on (e.dept_id = d.dept_id)
where e.emp_id = 10;
dept_name|emp_name|sex|salary |
---------|--------|---|-------|
研发部 |廖化 |男 |6500.00|
语句 1 在
WHERE
中指定连接条件和过滤条件;语句 2 在
ON
中指定连接条件和过滤条件;语句 3 在
ON
中指定连接条件,在
WHERE
中指定其他过滤条件。上面语句不但结果相同,数据库的执行计划也相同。以 MySQL 为例,以上语句的执行计划如下:
id|select_type|table|partitions|type |possible_keys |key |key_len|ref |rows|filtered|Extra|
--|-----------|-----|----------|-----|--------------------|-------|-------|-----|----|--------|-----|
1|SIMPLE |e | |const|PRIMARY,idx_emp_dept|PRIMARY|4 |const| 1| 100| |
1|SIMPLE |d | |const|PRIMARY |PRIMARY|4 |const| 1| 100| |
关于各种数据库的执行计划,可以参考 这篇文章 。
尽管如此,仍然建议将两个表的连接条件放在
ON
子句中,将其他过滤条件放在
WHERE
子句中;这样语义更加明确,更容易阅读和理解。对于上面的示例而言,推荐使用语句 3 的写法。
对于外连接而言,连接条件只能用
ON
子句表示,因为
WHERE
子句无法表示外连接的语义。例如:
select d.dept_name, e.emp_name, e.sex, e.salary
from department d
left join employee e on (e.dept_id = d.dept_id)
where d.dept_name = '保卫部';
dept_name|emp_name|sex|salary|
---------|--------|---|------|
保卫部 | | | |
由于“保卫部”没有员工,我们需要使用外连接返回部门的信息;
WHERE
条件用于过滤 dept_id = 6 的数据;此时,员工表中返回的都是 NULL。
Oracle 支持在
WHERE
子句的右/左侧使用 (+) 表示左/右外连接,但是无法表示全外连接。
对于以上语句,如果将
WHERE
子句中的过滤条件放到
ON
子句中,结果将会完全不同:
select d.dept_name, e.emp_name, e.sex, e.salary
from department d
left join employee e on (e.dept_id = d.dept_id and d.dept_name = '保卫部');
dept_name|emp_name|sex|salary|
---------|--------|---|------|
行政管理部| | | |
人力资源部| | | |
财务部 | | | |
研发部 | | | |
销售部 | | | |
保卫部 | | | |
左外连接返回了所有的部门信息,而且员工信息都为 NULL;显然,这不是我们期望的结果。我们可以通过执行计划分析一下为什么会这样,仍然以 MySQL 为例:
explain analyze
select d.dept_name, e.emp_name, e.sex, e.salary
from department d
left join employee e on (e.dept_id = d.dept_id and d.dept_name = '保卫部');
-> Nested loop left join (cost=7.60 rows=30) (actual time=0.098..0.278 rows=6 loops=1)
-> Table scan on d (cost=0.85 rows=6) (actual time=0.052..0.057 rows=6 loops=1)
-> Filter: (d.dept_name = '保卫部') (cost=0.71 rows=5) (actual time=0.035..0.035 rows=0 loops=6)
-> Index lookup on e using idx_emp_dept (dept_id=d.dept_id) (cost=0.71 rows=5) (actual time=0.020..0.032 rows=4 loops=6)
查询计划显示使用 Nested loop left join 方式执行连接操作;对于 department 使用全表扫描的方式返回 6 行记录;对于 employee 表采用索引(idx_emp_dept)查找,同时使用“d.dept_name = '保卫部'”作为过滤条件,循环 6 次返回了 0 行记录;最终返回了上面的结果。
作为对比,我们可以看看将过滤条件放到
WHERE
子句时的执行计划:
explain analyze
select d.dept_name, e.emp_name, e.sex, e.salary
from department d
left join employee e on (e.dept_id = d.dept_id)
where d.dept_name = '保卫部';
-> Nested loop left join (cost=1.98 rows=5) (actual time=0.074..0.078 rows=1 loops=1)
-> Filter: (d.dept_name = '保卫部') (cost=0.85 rows=1) (actual time=0.049..0.053 rows=1 loops=1)
-> Table scan on d (cost=0.85 rows=6) (actual time=0.039..0.047 rows=6 loops=1)
-> Index lookup on e using idx_emp_dept (dept_id=d.dept_id) (cost=1.12 rows=5) (actual time=0.021..0.021 rows=0 loops=1)
查询计划显示使用 Nested loop left join 方式执行连接操作;对于 department 通过扫描返回 1 行记录(d.dept_name = '保卫部');对于 employee 表采用索引(idx_emp_dept)查找,同时使用 dept_id=d.dept_id 作为过滤条件,循环 1 次返回了 0 行记录。
我们再看一个外连接的示例:
select d.dept_name, e.emp_name, e.sex, e.salary
from department d
left join employee e on (e.dept_id = d.dept_id and e.emp_name = '赵云');
dept_name |emp_name|sex|salary |
----------|--------|---|--------|
行政管理部| | | |
人力资源部| | | |
财务部 | | | |
研发部 |赵云 |男 |15000.00|
销售部 | | | |
保卫部 | | | |
select d.dept_name, e.emp_name, e.sex, e.salary