转载《mysql 一》：mysql的select查询语句内在逻辑执行顺序

原文：http://www.jellythink.com/archives/924

我的抱怨

我一个搞应用开发的，非要会数据库，这不是专门的数据库开发人员干的事么？话说，小公司也没有数据库开发人员这么个职位吧。好吧，对数据库最深的印象还停留在大学《数据库原理》这堂课上，什么第一范式，第二范式…，这些理论的东西，多多少少还是记得点，至于更深层次的，我不会。所以呢，撸起袖子，开始学习吧。

干程序员，最不怕的就是学习，如果你连学习都怕了，那还是早点退出这行吧。你说是吧。而我今天这篇文章，既不总结什么深奥的理论，也不总结多么高深的架构（我也不会）。就从最基本的SELECT语句开始吧。

最后，这篇文章是我读《MySQL技术内幕：SQL编程》而总结出来的，对于书中有的东西讲的比较“粗”，可能是我的水平没有达到人家作者要求的水平，导致阅读起来，不是很舒服，所以，这篇博文，将会非常细致的进行总结。只有你想不到，没有你做不到。

能看懂么？

先来一段伪代码，首先你能看懂么？

SELECT DISTINCT <select_list>

FROM <left_table>

<join_type> JOIN <right_table>

ON <join_condition>

WHERE <where_condition>

GROUP BY <group_by_list>

HAVING <having_condition>

ORDER BY <order_by_condition>

LIMIT <limit_number>

如果你知道每个关键字的意思，作用，如果你还用过的话，那再好不过了。但是，你知道这些语句，它们的执行顺序你清楚么？如果你非常清楚，你就没有必要再浪费时间继续阅读了；如果你不清楚，非常好，你应该庆幸你阅读到了这么好的一篇文章。

准备工作

首先声明下，一切测试操作都是在MySQL数据库上完成，关于MySQL数据库的一些简单操作，请阅读一下文章：

继续做以下的前期准备工作：

新建一个测试数据库TestDB；
```
  create database TestDB;
```

创建测试表table1和table2；

 CREATE TABLE table1

 (

     customer_id VARCHAR(10) NOT NULL,

     city VARCHAR(10) NOT NULL,

     PRIMARY KEY(customer_id)

 )ENGINE=INNODB DEFAULT CHARSET=UTF8;

 CREATE TABLE table2

 (

     order_id INT NOT NULL auto_increment,

     customer_id VARCHAR(10),

     PRIMARY KEY(order_id)

 )ENGINE=INNODB DEFAULT CHARSET=UTF8;

插入测试数据；

 INSERT INTO table1(customer_id,city) VALUES('163','hangzhou');

 INSERT INTO table1(customer_id,city) VALUES('9you','shanghai');

 INSERT INTO table1(customer_id,city) VALUES('tx','hangzhou');

 INSERT INTO table1(customer_id,city) VALUES('baidu','hangzhou');

 INSERT INTO table2(customer_id) VALUES('163');

 INSERT INTO table2(customer_id) VALUES('163');

 INSERT INTO table2(customer_id) VALUES('9you');

 INSERT INTO table2(customer_id) VALUES('9you');

 INSERT INTO table2(customer_id) VALUES('9you');

 INSERT INTO table2(customer_id) VALUES('tx');

 INSERT INTO table2(customer_id) VALUES(NULL);

准备工作做完以后，table1和table2看起来应该像下面这样：

 mysql> select * from table1;

 +-------------+----------+

 | customer_id | city     |

 +-------------+----------+

 | 163         | hangzhou |

 | 9you        | shanghai |

 | baidu       | hangzhou |

 | tx          | hangzhou |

 +-------------+----------+

 4 rows in set (0.00 sec)

 mysql> select * from table2;

 +----------+-------------+

 | order_id | customer_id |

 +----------+-------------+

 |        1 | 163         |

 |        2 | 163         |

 |        3 | 9you        |

 |        4 | 9you        |

 |        5 | 9you        |

 |        6 | tx          |

 |        7 | NULL        |

 +----------+-------------+

 7 rows in set (0.00 sec)

准备SQL逻辑查询测试语句

 SELECT a.customer_id, COUNT(b.order_id) as total_orders

 FROM table1 AS a

 LEFT JOIN table2 AS b

 ON a.customer_id = b.customer_id

 WHERE a.city = 'hangzhou'

 GROUP BY a.customer_id

 HAVING count(b.order_id) < 2

 ORDER BY total_orders DESC;

使用上述SQL查询语句来获得来自杭州，并且订单数少于2的客户。

好吧，这些测试表和测试数据均来自《MySQL技术内幕：SQL编程》，这应该不算抄袭吧，借鉴借鉴啊。

万事俱备，只欠东风。接下来开始这篇文章最正式的部分吧。

SQL逻辑查询语句执行顺序

还记得上面给出的那一长串的SQL逻辑查询规则么？那么，到底哪个先执行，哪个后执行呢？现在，我先给出一个查询语句的执行顺序：

(7)     SELECT

(8)     DISTINCT <select_list>

(1)     FROM <left_table>

(3)     <join_type> JOIN <right_table>

(2)     ON <join_condition>

(4)     WHERE <where_condition>

(5)     GROUP BY <group_by_list>

(6)     HAVING <having_condition>

(9)     ORDER BY <order_by_condition>

(10)    LIMIT <limit_number>

上面在每条语句的前面都标明了执行顺序号，不要问我怎么知道这个顺序的。我也是读各种“武林秘籍”才得知的，如果你有功夫，去阅读一下MySQL的源码，也会得出这个结果的。

好了，上面我标出了各条查询规则的执行先后顺序，那么各条查询语句是如何执行的呢？这就是我今天这篇博文的重点内容。Go on…

执行FROM语句

在这些SQL语句的执行过程中，都会产生一个虚拟表，用来保存SQL语句的执行结果（这是重点），我现在就来跟踪这个虚拟表的变化，得到最终的查询结果的过程，来分析整个SQL逻辑查询的执行顺序和过程。

第一步，执行FROM语句。我们首先需要知道最开始从哪个表开始的，这就是FROM告诉我们的。现在有了<left_table>和<right_table>两个表，我们到底从哪个表开始，还是从两个表进行某种联系以后再开始呢？它们之间如何产生联系呢？——笛卡尔积

关于什么是笛卡尔积，请自行Google补脑。经过FROM语句对两个表执行笛卡尔积，会得到一个虚拟表，暂且叫VT1（vitual table 1），内容如下：

+-------------+----------+----------+-------------+

| customer_id | city     | order_id | customer_id |

+-------------+----------+----------+-------------+

| 163         | hangzhou |        1 | 163         |

| 9you        | shanghai |        1 | 163         |

| baidu       | hangzhou |        1 | 163         |

| tx          | hangzhou |        1 | 163         |

| 163         | hangzhou |        2 | 163         |

| 9you        | shanghai |        2 | 163         |

| baidu       | hangzhou |        2 | 163         |

| tx          | hangzhou |        2 | 163         |

| 163         | hangzhou |        3 | 9you        |

| 9you        | shanghai |        3 | 9you        |

| baidu       | hangzhou |        3 | 9you        |

| tx          | hangzhou |        3 | 9you        |

| 163         | hangzhou |        4 | 9you        |

| 9you        | shanghai |        4 | 9you        |

| baidu       | hangzhou |        4 | 9you        |

| tx          | hangzhou |        4 | 9you        |

| 163         | hangzhou |        5 | 9you        |

| 9you        | shanghai |        5 | 9you        |

| baidu       | hangzhou |        5 | 9you        |

| tx          | hangzhou |        5 | 9you        |

| 163         | hangzhou |        6 | tx          |

| 9you        | shanghai |        6 | tx          |

| baidu       | hangzhou |        6 | tx          |

| tx          | hangzhou |        6 | tx          |

| 163         | hangzhou |        7 | NULL        |

| 9you        | shanghai |        7 | NULL        |

| baidu       | hangzhou |        7 | NULL        |

| tx          | hangzhou |        7 | NULL        |

+-------------+----------+----------+-------------+

总共有28（table1的记录条数 * table2的记录条数）条记录。这就是VT1的结果，接下来的操作就在VT1的基础上进行。

执行ON过滤

执行完笛卡尔积以后，接着就进行ON a.customer_id = b.customer_id条件过滤，根据ON中指定的条件，去掉那些不符合条件的数据，得到VT2表，内容如下：

+-------------+----------+----------+-------------+

| customer_id | city     | order_id | customer_id |

+-------------+----------+----------+-------------+

| 163         | hangzhou |        1 | 163         |

| 163         | hangzhou |        2 | 163         |

| 9you        | shanghai |        3 | 9you        |

| 9you        | shanghai |        4 | 9you        |

| 9you        | shanghai |        5 | 9you        |

| tx          | hangzhou |        6 | tx          |

+-------------+----------+----------+-------------+

VT2就是经过ON条件筛选以后得到的有用数据，而接下来的操作将在VT2的基础上继续进行。

添加外部行

这一步只有在连接类型为OUTER JOIN时才发生，如LEFT OUTER JOIN、RIGHT OUTER JOIN和FULL OUTER JOIN。在大多数的时候，我们都是会省略掉OUTER关键字的，但OUTER表示的就是外部行的概念。

LEFT OUTER JOIN把左表记为保留表，得到的结果为：

+-------------+----------+----------+-------------+

| customer_id | city     | order_id | customer_id |

+-------------+----------+----------+-------------+

| 163         | hangzhou |        1 | 163         |

| 163         | hangzhou |        2 | 163         |

| 9you        | shanghai |        3 | 9you        |

| 9you        | shanghai |        4 | 9you        |

| 9you        | shanghai |        5 | 9you        |

| tx          | hangzhou |        6 | tx          |

| baidu       | hangzhou |     NULL | NULL        |

+-------------+----------+----------+-------------+

RIGHT OUTER JOIN把右表记为保留表，得到的结果为：

+-------------+----------+----------+-------------+

| customer_id | city     | order_id | customer_id |

+-------------+----------+----------+-------------+

| 163         | hangzhou |        1 | 163         |

| 163         | hangzhou |        2 | 163         |

| 9you        | shanghai |        3 | 9you        |

| 9you        | shanghai |        4 | 9you        |

| 9you        | shanghai |        5 | 9you        |

| tx          | hangzhou |        6 | tx          |

| NULL        | NULL     |        7 | NULL        |

+-------------+----------+----------+-------------+

FULL OUTER JOIN把左右表都作为保留表，得到的结果为：

+-------------+----------+----------+-------------+

| customer_id | city     | order_id | customer_id |

+-------------+----------+----------+-------------+

| 163         | hangzhou |        1 | 163         |

| 163         | hangzhou |        2 | 163         |

| 9you        | shanghai |        3 | 9you        |

| 9you        | shanghai |        4 | 9you        |

| 9you        | shanghai |        5 | 9you        |

| tx          | hangzhou |        6 | tx          |

| baidu       | hangzhou |     NULL | NULL        |

| NULL        | NULL     |        7 | NULL        |

+-------------+----------+----------+-------------+

添加外部行的工作就是在VT2表的基础上添加保留表中被过滤条件过滤掉的数据，非保留表中的数据被赋予NULL值，最后生成虚拟表VT3。

由于我在准备的测试SQL查询逻辑语句中使用的是LEFT JOIN，过滤掉了以下这条数据：

| baidu       | hangzhou |     NULL | NULL        |

现在就把这条数据添加到VT2表中，得到的VT3表如下：

+-------------+----------+----------+-------------+

| customer_id | city     | order_id | customer_id |

+-------------+----------+----------+-------------+

| 163         | hangzhou |        1 | 163         |

| 163         | hangzhou |        2 | 163         |

| 9you        | shanghai |        3 | 9you        |

| 9you        | shanghai |        4 | 9you        |

| 9you        | shanghai |        5 | 9you        |

| tx          | hangzhou |        6 | tx          |

| baidu       | hangzhou |     NULL | NULL        |

+-------------+----------+----------+-------------+

接下来的操作都会在该VT3表上进行。

执行WHERE过滤

对添加外部行得到的VT3进行WHERE过滤，只有符合<where_condition>的记录才会输出到虚拟表VT4中。当我们执行WHERE a.city = 'hangzhou'的时候，就会得到以下内容，并存在虚拟表VT4中：

+-------------+----------+----------+-------------+

| customer_id | city     | order_id | customer_id |

+-------------+----------+----------+-------------+

| 163         | hangzhou |        1 | 163         |

| 163         | hangzhou |        2 | 163         |

| tx          | hangzhou |        6 | tx          |

| baidu       | hangzhou |     NULL | NULL        |

+-------------+----------+----------+-------------+

但是在使用WHERE子句时，需要注意以下两点：

由于数据还没有分组，因此现在还不能在WHERE过滤器中使用where_condition=MIN(col)这类对分组统计的过滤；
由于还没有进行列的选取操作，因此在SELECT中使用列的别名也是不被允许的，如：SELECT city as c FROM t WHERE c='shanghai';是不允许出现的。

执行GROUP BY分组

GROU BY子句主要是对使用WHERE子句得到的虚拟表进行分组操作。我们执行测试语句中的GROUP BY a.customer_id，就会得到以下内容：

+-------------+----------+----------+-------------+

| customer_id | city     | order_id | customer_id |

+-------------+----------+----------+-------------+

| 163         | hangzhou |        1 | 163         |

| baidu       | hangzhou |     NULL | NULL        |

| tx          | hangzhou |        6 | tx          |

+-------------+----------+----------+-------------+

得到的内容会存入虚拟表VT5中，此时，我们就得到了一个VT5虚拟表，接下来的操作都会在该表上完成。

执行HAVING过滤

HAVING子句主要和GROUP BY子句配合使用，对分组得到的VT5虚拟表进行条件过滤。当我执行测试语句中的HAVING count(b.order_id) < 2时，将得到以下内容：

+-------------+----------+----------+-------------+

| customer_id | city     | order_id | customer_id |

+-------------+----------+----------+-------------+

| baidu       | hangzhou |     NULL | NULL        |

| tx          | hangzhou |        6 | tx          |

+-------------+----------+----------+-------------+

这就是虚拟表VT6。

SELECT列表

现在才会执行到SELECT子句，不要以为SELECT子句被写在第一行，就是第一个被执行的。

我们执行测试语句中的SELECT a.customer_id, COUNT(b.order_id) as total_orders，从虚拟表VT6中选择出我们需要的内容。我们将得到以下内容：

+-------------+--------------+

| customer_id | total_orders |

+-------------+--------------+

| baidu       |            0 |

| tx          |            1 |

+-------------+--------------+

不，还没有完，这只是虚拟表VT7。

执行DISTINCT子句

如果在查询中指定了DISTINCT子句，则会创建一张内存临时表（如果内存放不下，就需要存放在硬盘了）。这张临时表的表结构和上一步产生的虚拟表VT7是一样的，不同的是对进行DISTINCT操作的列增加了一个唯一索引，以此来除重复数据。

由于我的测试SQL语句中并没有使用DISTINCT，所以，在该查询中，这一步不会生成一个虚拟表。

执行ORDER BY子句

对虚拟表中的内容按照指定的列进行排序，然后返回一个新的虚拟表，我们执行测试SQL语句中的ORDER BY total_orders DESC，就会得到以下内容：

+-------------+--------------+

| customer_id | total_orders |

+-------------+--------------+

| tx          |            1 |

| baidu       |            0 |

+-------------+--------------+

可以看到这是对total_orders列进行降序排列的。上述结果会存储在VT8中。

执行LIMIT子句

LIMIT子句从上一步得到的VT8虚拟表中选出从指定位置开始的指定行数据。对于没有应用ORDER BY的LIMIT子句，得到的结果同样是无序的，所以，很多时候，我们都会看到LIMIT子句会和ORDER BY子句一起使用。

MySQL数据库的LIMIT支持如下形式的选择：

LIMIT n, m

表示从第n条记录开始选择m条记录。而很多开发人员喜欢使用该语句来解决分页问题。对于小数据，使用LIMIT子句没有任何问题，当数据量非常大的时候，使用LIMIT n, m是非常低效的。因为LIMIT的机制是每次都是从头开始扫描，如果需要从第60万行开始，读取3条数据，就需要先扫描定位到60万行，然后再进行读取，而扫描的过程是一个非常低效的过程。所以，对于大数据处理时，是非常有必要在应用层建立一定的缓存机制（貌似现在的大数据处理，都有缓存哦）。各位，请期待我的缓存方面的文章哦。

总结

文章略长，但都是干货。仔细阅读完，肯定有收获的。好歹是总结完了，个人认为还是比书上的内容清晰一点，好懂一点。如果觉的文章不错，对你有帮助，你也可以打赏我。你也可以加果冻想的微信公众号，期待你与我交流。