图解 SQL 执行顺序，通俗易懂！

心已赠人 2024-03-17 22:54 44阅读 0赞

**这是一条标准的查询语句:**

![图片][54b4f39ea7ab3ec5196a7d2af7ea9d45.png]

**这是我们实际上SQL执行顺序：**

*  我们先执行from,join来确定表之间的连接关系，得到初步的数据
 *  where对数据进行普通的初步的筛选
 *  group by 分组
 *  各组分别执行having中的普通筛选或者聚合函数筛选。
 *  然后把再根据我们要的数据进行select，可以是普通字段查询也可以是获取聚合函数的查询结果，如果是集合函数，select的查询结果会新增一条字段
 *  将查询结果去重distinct
 *  最后合并各组的查询结果，按照order by的条件进行排序

![图片][deb76f82eec83c6081d8060a4e9884dd.png]

我们在理解SELECT语法的时候，还需要了解SELECT执行时的底层原理。只有这样，才能让我们对SQL有更深刻的认识。

其中你需要记住SELECT查询时的两个顺序：

1.关键字的顺序是不能颠倒的：

SELECT ... FROM ... WHERE ... GROUP BY ... HAVING ... ORDER BY ...

2.SELECT语句的执行顺序（在MySQL和Oracle中，SELECT执行顺序基本相同）：

FROM > WHERE > GROUP BY > HAVING > SELECT的字段 > DISTINCT > ORDER BY > LIMIT

比如你写了一个SQL语句，那么它的关键字顺序和执行顺序是下面这样的：

SELECT DISTINCT player_id, player_name, count(*) as num #顺序5
    FROM player JOIN team ON player.team_id = team.team_id #顺序1
    WHERE height > 1.80 #顺序2
    GROUP BY player.team_id #顺序3
    HAVING num > 2 #顺序4
    ORDER BY num DESC #顺序6
    LIMIT 2 #顺序7

在SELECT语句执行这些步骤的时候，每个步骤都会产生一个虚拟表，然后将这个虚拟表传入下一个步骤中作为输入。需要注意的是，这些步骤隐含在SQL的执行过程中，对于我们来说是不可见的。

### 数据的关联过程 ###

数据库中的两张表

![图片][86ee89807b4b1febeaeeaf35117b14dc.png]

#### from&join&where ####

用于确定我们要查询的表的范围，涉及哪些表。

选择一张表，然后用join连接

from table1 join table2 on table1.id=table2.id

选择多张表，用where做关联条件

from table1,table2 where table1.id=table2.id

我们会得到满足关联条件的两张表的数据，不加关联条件会出现笛卡尔积。

![图片][266b6da1aeda89982aa1b96fc2c93f38.png]

#### group by ####

按照我们的分组条件，将数据进行分组，但是不会筛选数据。

比如我们按照即id的奇偶分组

![图片][216179adda6794a0320ca456efe79294.png]

#### having&where ####

having中可以是普通条件的筛选，也能是聚合函数。而where只能是普通函数，一般情况下，有having可以不写where，把where的筛选放在having里，SQL语句看上去更丝滑。

**使用where再group by**

先把不满足where条件的数据删除，再去分组

**使用group by再having**

先分组再删除不满足having条件的数据，这两种方法有区别吗，几乎没有！

举个例子：

> 100/2=50，此时我们把100拆分`(10+10+10+10+10…)/2=5+5+5+…+5=50`,只要筛选条件没变，即便是分组了也得满足筛选条件，所以where后group by 和group by再having是不影响结果的！

不同的是，having语法支持聚合函数,其实having的意思就是针对每组的条件进行筛选。我们之前看到了普通的筛选条件是不影响的，但是having还支持聚合函数，这是where无法实现的。

当前数据分组情况

![图片][3047ea88f518fe4e0b4c50ca473e6216.png]

执行having的筛选条件，可以使用聚合函数。筛选掉工资小于各组平均工资的`having salary<avg(salary)`

![图片][69ce1b9b361253b47ff9cf19b8c8a9d6.png]

#### select ####

分组结束之后，我们再执行select语句，因为聚合函数是依赖于分组的，聚合函数会单独新增一个查询出来的字段，这里用紫色表示，这里我们两个id重复了，我们就保留一个id，重复字段名需要指向来自哪张表，否则会出现唯一性问题。最后按照用户名去重。

select employee.id,distinct name,salary, avg(salary)

![图片][4b51660d7c77fe715e75840b32921f77.png]

将各组having之后的数据再合并数据。

![图片][65ad488637aba4e87bf540bef58d0f76.png]

#### order by ####

最后我们执行order by 将数据按照一定顺序排序，比如这里按照id排序。如果此时有limit那么查询到相应的我们需要的记录数时，就不继续往下查了。

![图片][d7db24a7eb9fd58c6efc696683daaa4a.png]

#### limit ####

记住limit是最后查询的，为什么呢？假如我们要查询年级最小的三个数据，如果在排序之前就截取到3个数据。实际上查询出来的不是最小的三个数据而是前三个数据了，记住这一点。

我们如果limit 0,3窃取前三个数据再排序，实际上最少工资的是2000,3000,4000。你这里只能是4000,5000,8000了。

![图片][20128c1ffb732ae7ca9dcdb6cfa6ff55.png]

[54b4f39ea7ab3ec5196a7d2af7ea9d45.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/3acddc2bcabb4f13a109805fec101770.png
[deb76f82eec83c6081d8060a4e9884dd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/271498b0c62045ca8228a13c21d9c810.png
[86ee89807b4b1febeaeeaf35117b14dc.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/e98c305c99f846998209d6e23167ad6b.png
[266b6da1aeda89982aa1b96fc2c93f38.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/f03d655a409648ba90afba98f60c4a49.png
[216179adda6794a0320ca456efe79294.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/617620baf1414d0ab738eab45b85a23a.png
[3047ea88f518fe4e0b4c50ca473e6216.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/65d355f9c8da43ae9921724730b82e39.png
[69ce1b9b361253b47ff9cf19b8c8a9d6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/c048979e3e3346bdbeb1c31923503ab0.png
[4b51660d7c77fe715e75840b32921f77.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/c916e5e6661a408cadeda0bbb77be506.png
[65ad488637aba4e87bf540bef58d0f76.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/82705a1efa204a8e90ba34597ef9e067.png
[d7db24a7eb9fd58c6efc696683daaa4a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/49d1a7af76244369bb915c3be27fe6b9.png
[20128c1ffb732ae7ca9dcdb6cfa6ff55.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/f499aa744a4b42e18de50dc48a39b21b.png