詳解 SQL 集合運算

發表於2016-08-12

SQL

以前總是追求新東西，發現基礎才是最重要的，今年主要的目標是精通SQL查詢和SQL效能優化。

概述：

本篇主要是對集合運算中並集、交集、差集運算基礎的總結。

集合運算包含四種：

1.並集運算

2.交集運算

3.差集運算

下面是集合運算的思維導圖：

為什麼使用集合運算：

1.在集合運算中比聯接查詢和EXISTS/NOT EXISTS更方便。

在閱讀下面的章節時，我們可以先把環境準備好，以下的SQL指令碼可以幫助大家建立資料庫，建立表，插入資料。

下載指令碼檔案：TSQLFundamentals2008.zip

一、集合運算

1.集合運算

（1）對輸入的兩個集合或多集進行的運算。

（2）多集：由兩個輸入的查詢生成的可能包含重複記錄的中間結果集。

（3）T-SQL支援三種集合運算：並集（UNION）、交集（INTERSECT)、差集（EXCEPT）

2.語法

集合運算的基本格式：

輸入的查詢1

集合運算子>

輸入的查詢2

[ORDER BY]

3.要求

（1）輸入的查詢不能包含ORDER BY字句；

（2）可以為整個集合運算結果選擇性地增加一個ORDER BY字句；

（3）每個單獨的查詢可以包含所有邏輯查詢處理階段（處理控制排列順序的ORDER BY字句）；

（4）兩個查詢必須包含相同的列數；

（5）相應列必須具有相容的資料型別。相容個的資料型別：優先順序較低的資料型別必須能隱式地轉換為較高階的資料型別。比如輸入的查詢1的第一列為int型別，輸入的查詢2的第一列為float型別，則較低的資料型別int型別可以隱式地轉換為較高階float型別。如果輸入的查詢1的第一列為char型別，輸入的查詢2的第一列為datetime型別，則會提示轉換失敗：從字串轉換日期和/或時間時，轉換失敗；

（6）集合運算結果中列名由輸入的查詢1決定，如果要為結果分配結果列，應該在輸入的查詢1中分配相應的別名；

（7）集合運算時，對行進行進行比較時，集合運算認為兩個NULL相等；

（8）UNION支援DISTINCT和ALL。不能顯示指定DISTINCT字句，如果不指定ALL，則預設使用DISTINCT；

（9）INTERSET和EXCEPT預設使用DISTINCT，不支援ALL。

二、UNION（並集）集合運算

1.並集的文氏圖

並集：兩個集合的並集是一個包含集合A和B中所有元素的集合。

圖中陰影區域代表集合A與集合B的並集

2.UNION ALL集合運算

（1）假設Query1返回m行，Query2返回n行，則Query1 UNION ALL Query2返回（m+n）行；

（2）UNION ALL 不會刪除重複行，所以它的結果就是多集，而不是真正的集合；

（3）相同的行在結果中可能出現多次。

3.UNION DISTINCT集合運算

（1）假設Query1返回m行，Query2返回n行，Query1和Query2有相同的h行，則Query1 UNION Query2返回（m+n-h）行；

（2）UNION 會刪除重複行，所以它的結果就是集合；

（3）相同的行在結果中只出現一次。

（4）不能顯示指定DISTINCT字句，如果不指定ALL，則預設使用DISTINCT。

（5）當Query1與Query2比較某行記錄是否相等時，會認為取值為NULL的列是相等的列。

三、INTERSECT（交集）集合運算

1.交集的文氏圖

交集：兩個集合（記為集合A和集合B）的交集是由既屬於A，也屬於B的所有元素組成的集合。

圖中陰影區域代表集合A與集合B的交集

2.INTERSECT DISTINCT集合運算

（1）假設Query1返回 m 行，Query2返回 n 行，Query1和Query2有相同的 h 行，則Query1 INTERSECT Query2返回 h 行；

（2）INTERSECT集合運算在邏輯上首先刪除兩個輸入多集中的重複行（把多集變為集合），然後返回只在兩個集合中都出現的行；

（3）INTERSECT 會刪除重複行，所以它的結果就是集合；

（4）相同的行在結果中只出現一次。

（5）不能顯示指定DISTINCT字句，如果不指定ALL，則預設使用DISTINCT。

（6）當Query1與Query2比較某行記錄是否相等時，會認為取值為NULL的列是相等的列。

（7）用內聯接或EXISTS謂詞可以代替INTERSECT集合運算，但是必須對NULL進行處理，否則這兩種方法對NULL值進行比較時，比較結果都是UNKNOWN，這樣的行會被過濾掉。

3.INTERSECT ALL集合運算

（1）ANSI SQL支援帶有ALL選項的INTERSECT集合運算，但SQL Server2008現在還沒有實現這種運算。後面會提供一種用於T-SQL實現的替代方案；

（2）假設Query1返回 m 行，Query2返回 n 行，如果行R在Query1中出現了x次，在Query2中出現了y次，則行R應該在INTERSECT ALL運算之後出現minimum(x，y)次。

下面提供用於T-SQL實現的INTERSECT ALL集合運算：公用表表示式 + 排名函式

WITH    INTERSECT_ALL
          AS (
                SELECT   ROW_NUMBER() OVER ( PARTITION BY country, region, city ORDER BY ( SELECT
                                                              0
                                                              ) ) AS rownum ,
                        country ,
                        region ,
                        city
               FROM     HR.Employees
               INTERSECT
               SELECT   ROW_NUMBER() OVER ( PARTITION BY country, region, city ORDER BY ( SELECT
                                                              0
                                                              ) ) AS rownum ,
                        country ,
                        region ,
                        city
               FROM     Sales.Customers
             )
    SELECT  country ,
            region ,
            city
    FROM    INTERSECT_ALL

WITH INTERSECT_ALL

AS (

SELECT ROW_NUMBER() OVER ( PARTITION BY country, region, city ORDER BY ( SELECT

) ) AS rownum ,

country ,

region ,

city

FROM HR.Employees

INTERSECT

SELECT ROW_NUMBER() OVER ( PARTITION BY country, region, city ORDER BY ( SELECT

) ) AS rownum ,

country ,

region ,

city

FROM Sales.Customers

)

SELECT country ,

region ,

city

FROM INTERSECT_ALL

結果如下：

其中UK NULL London有四個重複行，

在排序函式的OVER字句中使用 ORDER BY ( SELECT 常量> )可以告訴SQL Server不必在意行的順序。

四、EXCEPT（差集）集合運算

1.差集的文氏圖

差集：兩個集合（記為集合A和集合B）的由屬於集合A，但不屬於集合B的所有元素組成的集合。

圖中陰影區域代表集合A與集合B的差集

2.EXCEPT DISTINCT集合運算

（1）假設Query1返回 m 行，Query2返回 n 行，Query1和Query2有相同的 h 行，則Query1 INTERSECT Query2返回 m – h 行,而Query2 INTERSECT Query1 返回 n – h 行

（2）EXCEPT集合運算在邏輯上先刪除兩個輸入多集中的重複行（把多集轉變成集合），然後返回只在第一個集合中出現，在第二個集合眾不出現所有行。

（3）EXCEPT 會刪除重複行，所以它的結果就是集合；

（4）EXCEPT是不對稱的，差集的結果取決於兩個查詢的前後關係。

（5）相同的行在結果中只出現一次。

（6）不能顯示指定DISTINCT字句，如果不指定ALL，則預設使用DISTINCT。

（7）當Query1與Query2比較某行記錄是否相等時，會認為取值為NULL的列是相等的列。

（8）用左外聯接或NOT EXISTS謂詞可以代替INTERSECT集合運算，但是必須對NULL進行處理，否則這兩種方法對NULL值進行比較時，比較結果都是UNKNOWN，這樣的行會被過濾掉。

3.EXCEPT ALL集合運算

（1）ANSI SQL支援帶有ALL選項的EXCEPT集合運算，但SQL Server2008現在還沒有實現這種運算。後面會提供一種用於T-SQL實現的替代方案；

（2）假設Query1返回 m 行，Query2返回 n 行，如果行R在Query1中出現了x次，在Query2中出現了y次,且x>y，則行R應該在EXCEPT ALL運算之後出現 x – y 次。

下面提供用於T-SQL實現的EXCEPT ALL集合運算：公用表表示式 + 排名函式

WITH    INTERSECT_ALL
          AS ( 
　　　　　　　　　SELECT   ROW_NUMBER() OVER ( PARTITION BY country, region, city ORDER BY ( SELECT
                                                              0
                                                              ) ) AS rownum ,
                        country ,
                        region ,
                        city
               FROM     HR.Employees
               EXCEPT
               SELECT   ROW_NUMBER() OVER ( PARTITION BY country, region, city ORDER BY ( SELECT
                                                              0
                                                              ) ) AS rownum ,
                        country ,
                        region ,
                        city
               FROM     Sales.Customers
             )
    SELECT  country ,
            region ,
            city
    FROM    INTERSECT_ALL

WITH INTERSECT_ALL

AS (

　　　　　　　　　SELECT ROW_NUMBER() OVER ( PARTITION BY country, region, city ORDER BY ( SELECT

) ) AS rownum ,

country ,

region ,

city

FROM HR.Employees

EXCEPT

SELECT ROW_NUMBER() OVER ( PARTITION BY country, region, city ORDER BY ( SELECT

) ) AS rownum ,

country ,

region ,

city

FROM Sales.Customers

)

SELECT country ,

region ,

city

FROM INTERSECT_ALL

結果如下：

五、集合運算的優先順序

1.INTERSECT>UNION=EXCEPT

2.首先計算INTERSECT,然後從左到右的出現順序依次處理優先順序的相同的運算。

3.可以使用圓括號控制集合運算的優先順序，它具有最高的優先順序。

六、特殊處理

1.只有ORDER BY能夠直接應用於集合運算的結果；

2.其他階段如表運算子、WHERE、GROUP BY、HAVING等，不支援直接應用於集合運算的結果，這個時候可以使用表表示式來避開這一限制。如根據包含集合運算的查詢定義個表表示式，然後在外部查詢中對錶表示式應用任何需要的邏輯查詢處理；

3.ORDER BY字句不能直接應用於集合運算中的單個查詢，這個時候可以TOP+ORDER BY字句+表表示式來避開這一限制。如定義一個基於該TOP查詢的表表示式，然後通過一個使用這個表表示式的外部查詢參與集合運算。

七、練習題

1.寫一個查詢，返回在2008年1月有訂單活動，而在2008年2月沒有訂單活動的客戶和僱員。

期望結果：

方案一：EXCEPT

（1）先用查詢1查詢出2008年1月份有訂單活動的客戶和僱員

（2）用查詢2查詢2008年2月份客戶的訂單活動的客戶和僱員

（3）用差集運算子查詢2008年1月有訂單活動而2008年2月沒有訂單活動的客戶和僱員

SELECT  custid ,
        empid
FROM    Sales.Orders
WHERE   orderdate >= '20080101'
        AND orderdate = '20080201'
        AND orderdate

SELECT custid ,

empid

FROM Sales.Orders

WHERE orderdate >= '20080101'

AND orderdate = '20080201'

AND orderdate

方案二：NOT EXISTS

必須保證custid，empid不能為null，才能用NOT EXISTS進行查詢，如果custid或empid其中有null值存在，則不能用NOT EXISTS進行查詢，因為比較NULL值的結果是UNKNOWN，這樣的行用NOT EXISTS查詢返回的子查詢的行會被過濾掉，所以最後的外查詢會多出NULL值的行，最後查詢結果中會多出NULL值的行。

SELECT  custid ,
        empid
FROM    Sales.Orders AS O1
WHERE   orderdate >= '20080101'
        AND orderdate = '20080201'
                                AND orderdate

SELECT custid ,

empid

FROM Sales.Orders AS O1

WHERE orderdate >= '20080101'

AND orderdate = '20080201'

AND orderdate

如果我往Sales.Orders表中插入兩行資料：

插入cutid=NULL,empid=1,orderdate=‘20080101’

INSERT  INTO [TSQLFundamentals2008].[Sales].[Orders]
        ( [custid] ,
          [empid] ,
          [orderdate] ,
          [requireddate] ,
          [shippeddate] ,
          [shipperid] ,
          [freight] ,
          [shipname] ,
          [shipaddress] ,
          [shipcity] ,
          [shipregion] ,
          [shippostalcode] ,
          [shipcountry]
        )
VALUES  ( NULL ,
          1 ,
          '20080101' ,
          '20080101' ,
          '20080101' ,
          1 ,
          1 ,
          'A' ,
          '20080101' ,
          'A' ,
          'A' ,
          'A' ,
          'A'
        )
GO

INSERT INTO [TSQLFundamentals2008].[Sales].[Orders]

( [custid] ,

[empid] ,

[orderdate] ,

[requireddate] ,

[shippeddate] ,

[shipperid] ,

[freight] ,

[shipname] ,

[shipaddress] ,

[shipcity] ,

[shipregion] ,

[shippostalcode] ,

[shipcountry]

)

VALUES ( NULL ,

1 ,

'20080101' ,

1 ,

'A' ,

'20080101' ,

'A' ,

'A'

)

插入cutid=NULL,empid=1,orderdate=‘20080201’

INSERT  INTO [TSQLFundamentals2008].[Sales].[Orders]
        ( [custid] ,
          [empid] ,
          [orderdate] ,
          [requireddate] ,
          [shippeddate] ,
          [shipperid] ,
          [freight] ,
          [shipname] ,
          [shipaddress] ,
          [shipcity] ,
          [shipregion] ,
          [shippostalcode] ,
          [shipcountry]
        )
VALUES  ( NULL ,
          1 ,
          '20080201' ,
          '20080101' ,
          '20080101' ,
          1 ,
          1 ,
          'A' ,
          '20080101' ,
          'A' ,
          'A' ,
          'A' ,
          'A'
        )
GO

INSERT INTO [TSQLFundamentals2008].[Sales].[Orders]

( [custid] ,

[empid] ,

[orderdate] ,

[requireddate] ,

[shippeddate] ,

[shipperid] ,

[freight] ,

[shipname] ,

[shipaddress] ,

[shipcity] ,

[shipregion] ,

[shippostalcode] ,

[shipcountry]

)

VALUES ( NULL ,

1 ,

'20080201' ,

'20080101' ,

1 ,

'A' ,

'20080101' ,

'A' ,

'A'

)

用方案一查詢出來結果為50行，會把cutid=NULL,empid=1的行過濾掉

用方案二查詢出來結果為51行，不會把cutid=NULL,empid=1的行過濾掉

用下面的方案可以解決上面的問題，需要處理cutid=NULL,或者empid=null的情況。返回50行

SELECT  custid ,
        empid
FROM    Sales.Orders AS O1
WHERE   orderdate >= '20080101'
        AND orderdate = '20080201'
                            AND orderdate

SELECT custid ,

empid

FROM Sales.Orders AS O1

WHERE orderdate >= '20080101'

AND orderdate = '20080201'

AND orderdate

2.寫一個查詢，返回在2008年1月和在2008年2月都有訂單活動的客戶和僱員。

期望結果：

方案一：INTERSECT

（1）先用查詢1查詢出2008年1月份有訂單活動的客戶和僱員

（2）用查詢2查詢2008年2月份客戶的訂單活動的客戶和僱員

（3）用交集運算子查詢2008年1月和2008年2月都有訂單活動的客戶和僱員

SELECT  custid ,
        empid
FROM    Sales.Orders
WHERE   orderdate >= '20080101'
        AND orderdate = '20080201'
        AND orderdate

SELECT custid ,

empid

FROM Sales.Orders

WHERE orderdate >= '20080101'

AND orderdate = '20080201'

AND orderdate

方案二：EXISTS

必須保證custid，empid不能為null，才能用EXISTS進行查詢，如果custid或empid其中有null值存在，則不能用EXISTS進行查詢，因為比較NULL值的結果是UNKNOWN，這樣的行用EXISTS查詢返回的子查詢的行會被過濾掉，所以最後的外查詢會少NULL值的行，最後查詢結果中會少NULL值的行。

SELECT  custid ,
        empid
FROM    Sales.Orders AS O1
WHERE   orderdate >= '20080101'
        AND orderdate = '20080201'
                            AND orderdate

SELECT custid ,

empid

FROM Sales.Orders AS O1

WHERE orderdate >= '20080101'

AND orderdate = '20080201'

AND orderdate

如果我往Sales.Orders表中插入兩行資料：

插入cutid=NULL,empid=1,orderdate=’20080101′

插入cutid=NULL,empid=1,orderdate=’20080201′

用方案一查詢出來結果為6行，不會把cutid=NULL,empid=1的行過濾掉

用方案二查詢出來結果為5行，會把cutid=NULL,empid=1的行過濾掉

用下面的方案可以解決上面的問題，需要處理cutid=NULL,或者empid=null的情況。返回6行。

SELECT  custid ,
        empid
FROM    Sales.Orders AS O1
WHERE   orderdate >= '20080101'
        AND orderdate = '20080201'
                            AND orderdate

SELECT custid ,

empid

FROM Sales.Orders AS O1

WHERE orderdate >= '20080101'

AND orderdate = '20080201'

AND orderdate

3.寫一個查詢，返回在2008年1月和在2008年2月都有訂單活動，而在2007年沒有訂單活動的客戶和僱員

期望結果：

方案一：INTERSECT + EXCEPT

SELECT  custid ,
        empid
FROM    Sales.Orders
WHERE   orderdate >= '20080101'
        AND orderdate = '20080201'
        AND orderdate = '20070101'
        AND orderdate

SELECT custid ,

empid

FROM Sales.Orders

WHERE orderdate >= '20080101'

AND orderdate = '20080201'

AND orderdate = '20070101'

AND orderdate

方案二：EXISTS + NOT EXISTS

SELECT  custid ,
        empid
FROM    Sales.Orders AS O1
WHERE   orderdate >= '20080101'
        AND orderdate = '20080201'
                            AND orderdate = '20070101'
                                AND orderdate

SELECT custid ,

empid

FROM Sales.Orders AS O1

WHERE orderdate >= '20080101'

AND orderdate = '20080201'

AND orderdate = '20070101'

AND orderdate

參考資料：

《SQL2008技術內幕：T-SQL語言基礎》

ORACLE 集合運算
2009-12-03
Oracle
SQL Server中的集合運算: UNION, EXCEPT和INTERSECT
2020-08-08
SQLServer
詳解 javascript 的 delete 運算
2017-01-02
JavaScriptdelete
【開發篇sql】條件和表示式（五）集合運算
2010-05-15
SQL
SQL位運算
2015-12-28
SQL
Spark運算元篇 --Spark運算元之aggregateByKey詳解
2018-01-06
Spark
Spark運算元篇 --Spark運算元之combineByKey詳解
2018-01-07
Spark
基於python的集合運算
2018-10-02
Python
MySQL第四天——集合運算
2020-12-22
MySql
MySQL小白入門04 - 集合運算
2020-12-22
MySql
Oracle_Day2集合運算
2014-01-08
Oracle
Redis有序集合詳解
2020-03-20
Redis
Kotlin——集合詳解
2019-03-02
Kotlin
Java集合詳解(二)
2020-11-01
Java
Java集合詳解(三)
2020-11-01
Java
Java集合類詳解
2016-03-10
Java
Java集合詳解（一）：全面理解Java集合
2021-05-24
Java
php計算多個集合的笛卡爾積例項詳解
2017-11-15
PHP
awk+uniq實現集合減法運算
2009-05-18
java基礎詳解-集合
2021-03-14
Java
Java集合（三） ArrayList詳解
2017-12-12
Java
Java集合（六） Set詳解
2017-12-12
Java
Java集合（七） Queue詳解
2017-12-21
Java
Java集合型別詳解
2014-11-19
Java型別
Python集合使用詳解
2016-03-10
Python
OCP課程9：SQL之使用集合運算子
2015-11-25
SQL
spark RDD textFile運算元分割槽數量詳解
2020-11-24
Spark
【Java集合】單列集合Collection常用方法詳解
2023-10-31
Java
位運算與SQL實現
2019-03-02
SQL
【學習】SQL基礎-008-集合運算子
2018-04-03
SQL
大數運算—大數加法、減法、乘法、除法詳解
2021-04-02
【小白學PyTorch】10 pytorch常見運算詳解
2020-09-14
PyTorch
Redis 有序集合（zset）命令詳解
2019-08-27
Redis
JavaScript --- Map集合結構詳解
2018-11-06
JavaScript
JavaScript — Map集合結構詳解
2018-06-10
JavaScript
Java集合（四） LinkedList詳解
2017-12-12
Java
【SQL】SELECT語句中集合運算子 UNION/INTERSECT/MINUS
2015-03-24
SQL
websocket 運用詳解
2018-06-07
Web

詳解 SQL 集合運算

概述：

為什麼使用集合運算：

一、集合運算

1.集合運算

2.語法

3.要求

二、UNION（並集）集合運算

1.並集的文氏圖

2.UNION ALL集合運算

3.UNION DISTINCT集合運算

三、INTERSECT（交集）集合運算

1.交集的文氏圖

2.INTERSECT DISTINCT集合運算

3.INTERSECT ALL集合運算

四、EXCEPT（差集）集合運算

1.差集的文氏圖

2.EXCEPT DISTINCT集合運算

3.EXCEPT ALL集合運算

五、集合運算的優先順序

六、特殊處理

七、練習題

1.寫一個查詢，返回在2008年1月有訂單活動，而在2008年2月沒有訂單活動的客戶和僱員。

2.寫一個查詢，返回在2008年1月和在2008年2月都有訂單活動的客戶和僱員。

3.寫一個查詢，返回在2008年1月和在2008年2月都有訂單活動，而在2007年沒有訂單活動的客戶和僱員

相關文章