爲何 SQL 查詢不是先執行 SELECT 語句？

做者：Julia Evans 譯者：無明
連接：infoq.cn/article/Oke8hgilga3PTZ3gWvbg

不少 SQL 查詢都是以 SELECT 開始的。不過，最近我跟別人解釋什麼是窗口函數，我在網上搜索」是否能夠對窗口函數返回的結果進行過濾「這個問題，得出的結論是」窗口函數必須在 WHERE 和 GROUP BY 以後，因此不能」。

因而我又想到了另外一個問題：SQL 查詢的執行順序是怎樣的？

好像這個問題應該很好回答，畢竟本身已經寫了上萬個 SQL 查詢了，有一些還很複雜。但事實是，我仍然很難確切地說出它的順序是怎樣的。

SQL 查詢的執行順序

因而我研究了一下，發現順序大概是這樣的。SELECT 並非最早執行的，而是在第五個。

這張圖回答瞭如下這些問題

這張圖與 SQL 查詢的語義有關，讓你知道一個查詢會返回什麼，並回答瞭如下這些問題：

• 能夠在 GRROUP BY 以後使用 WHERE 嗎？（不行，WHERE 是在 GROUP BY 以前！）
• 能夠對窗口函數返回的結果進行過濾嗎？（不行，窗口函數是 SELECT 語句裏，而 SELECT 是在 WHERE 和 GROUP BY 以後）
• 能夠基於 GROUP BY 裏的東西進行 ORDER BY 嗎？（能夠，ORDER BY 基本上是在最後執行的，因此能夠基於任何東西進行 ORDER BY）
• LIMIT 是在何時執行？（在最後！）

但數據庫引擎並不必定嚴格按照這個順序執行 SQL 查詢，由於爲了更快地執行查詢，它們會作出一些優化，這些問題會在之後的文章中解釋。

因此：

• 若是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麼，能夠參考這張圖；
• 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

有不少 SQL 實現容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 以後執行的，由於它引用了 SELECT 中的一個別名。但實際上不必定要這樣，數據庫引擎能夠把查詢重寫成這樣：

SELECT CONCAT(first_name, ' ', last_name) AS full_name, count(*)
FROM table
GROUP BY CONCAT(first_name, ' ', last_name)

這樣 GROUP BY 仍然先執行。

數據庫引擎還會作一系列檢查，確保 SELECT 和 GROUP BY 中的東西是有效的，因此會在生成執行計劃以前對查詢作一次總體檢查。

數據庫可能不按照這個順序執行查詢（優化）

在實際當中，數據庫不必定會按照 JOIN、WHERE、GROUP BY 的順序來執行查詢，由於它們會進行一系列優化，把執行順序打亂，從而讓查詢執行得更快，只要不改變查詢結果。

這個查詢說明了爲何須要以不一樣的順序執行查詢：

SELECT * FROM owners LEFT JOIN cats ON owners.id = cats.owner
WHERE cats.name = 'mr darcy'

若是隻須要找出名字叫「mr darcy」的貓，那就不必對兩張表的全部數據執行左鏈接，在鏈接以前先進行過濾，這樣查詢會快得多，並且對於這個查詢來講，先執行過濾並不會改變查詢結果。

數據庫引擎還會作出其餘不少優化，按照不一樣的順序執行查詢，不過我並非這方面的專家，因此這裏就很少說了。

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。這裏有一個 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，不過你不必定要按照這個順序。我一般會像下面這樣寫 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]

這樣寫並非由於 pandas 規定了這些規則，而是按照 JOIN/WHERE/GROUP BY/HAVING 這樣的順序來寫代碼會更有意義些。不過我常常會先寫 WHERE 來改進性能，並且我想大多數數據庫引擎也會這麼作。

若有錯誤或其它問題，歡迎小夥伴留言評論、指正。若有幫助，歡迎點贊+轉發分享。

歡迎你們關注民工哥的公衆號：民工哥技術之路