詳解SQL集合運算

本文主要是對集合運算中并集、交集、差集運算基礎的總結。

集合運算包含四種：

1.并集運算（兩種）

2.交集運算

3.差集運算

下面是集合運算的思維導圖：

為什么使用集合運算

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腳本可以幫助大家創建數據庫，創建表，插入數據。

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復記錄的中間結果集。

（3）T-SQL支持三種集合運算：并集（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

集合運算符>

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）相應列必須具有兼容的數據類型。兼容個的數據類型：優先級較低的數據類型必須能隱式地轉換為較高級的數據類型。比如輸入的查詢1的第一列為int類型，輸入的查詢2的第一列為float類型，則較低的數據類型int類型可以隱式地轉換為較高級float類型。如果輸入的查詢1的第一列為char類型，輸入的查詢2的第一列為datetime類型，則會提示轉換失?。簭淖址D換日期和/或時間時，轉換失??；

（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支持DISTINCT和ALL。不能顯示指定DISTINCT字句，如果不指定ALL，則默認使用DISTINCT；

（9）INTERSET和EXCEPT默認使用DISTINCT，不支持ALL。

二、UNION（并集）集合運算

1.并集的文氏圖

并集：兩個集合的并集是一個包含集合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的并集

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 不會刪除重復行，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 會刪除重復行，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，則默認使用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）的交集是由既屬于A，也屬于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復行（把多集變為集合），然后返回只在兩個集合中都出現的行；

（3）INTERSECT 會刪除重復行，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，則默認使用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支持帶有ALL選項的INTERSECT集合運算，但SQL Server2008現在還沒有實現這種運算。后面會提供一種用于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運算之后出現minimum(x，y)次。

下面提供用于T-SQL實現的INTERSECT ALL集合運算：公用表表達式 + 排名函數

結果如下：

其中UK NULL London有四個重復行，

在排序函數的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）的由屬于集合A，但不屬于集合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復行（把多集轉變成集合），然后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 會刪除重復行，所以它的結果就是集合；

（4）EXCEPT是不對稱的，差集的結果取決于兩個查詢的前后關系。

（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，則默認使用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支持帶有ALL選項的EXCEPT集合運算，但SQL Server2008現在還沒有實現這種運算。后面會提供一種用于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運算之后出現 x – y 次。

下面提供用于T-SQL實現的EXCEPT ALL集合運算：公用表表達式 + 排名函數

結果如下：

五、集合運算的優先級

1.INTERSECT>UNION=EXCEPT

2.首先計算INTERSECT,然后從左到右的出現順序依次處理優先級的相同的運算。

3.可以使用圓括號控制集合運算的優先級，它具有最高的優先級。

六、特殊處理

1.只有ORDER BY能夠直接應用于集合運算的結果；

2.其他階段如表運算符、WHERE、GROUP BY、HAVING等，不支持直接應用于集合運算的結果，這個時候可以使用表表達式來避開這一限制。如根據包含集合運算的查詢定義個表表達式，然后在外部查詢中對表表達式應用任何需要的邏輯查詢處理；

3.ORDER BY字句不能直接應用于集合運算中的單個查詢，這個時候可以TOP+ORDER BY字句+表表達式來避開這一限制。如定義一個基于該TOP查詢的表表達式，然后通過一個使用這個表表達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雇員。

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雇員

（2）用查詢2查詢2008年2月份客戶的訂單活動的客戶和雇員

（3）用差集運算符查詢2008年1月有訂單活動而2008年2月沒有訂單活動的客戶和雇員

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，所以最后的外查詢會多出NULL值的行，最后查詢結果中會多出NULL值的行。

SELECT  custid ,
            empid
    FROM    Sales.Orders AS O1
    WHERE   orderdate >= '20080101'
            AND orderdate = '20080201'
                                    AND orderdate
如果我往Sales.Orders表中插入兩行數據：
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
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

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

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雇員。

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雇員

（2）用查詢2查詢2008年2月份客戶的訂單活動的客戶和雇員

（3）用交集運算符查詢2008年1月和2008年2月都有訂單活動的客戶和雇員

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，所以最后的外查詢會少NULL值的行，最后查詢結果中會少NULL值的行。數據分析師培訓

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

如果我往Sales.Orders表中插入兩行數據：

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

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雇員

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
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