表的加法——UNION-SQL基础教程(中)

当前位置:　首页>> 技术小册>> SQL基础教程(中)

### 表的加法——UNION

在SQL的世界里，数据表是存储和处理信息的基本单位。当我们需要从多个表中提取数据，并将它们合并为一个结果集时，`UNION` 操作符便成为了我们的得力助手。`UNION` 被形象地称为“表的加法”，因为它允许我们将两个或多个 `SELECT` 语句的结果集合并成一个结果集，同时自动去除重复的行。这种能力在处理跨表查询、汇总数据或报告生成时尤其有用。

#### 一、UNION 的基本概念

`UNION` 操作符用于合并两个或多个 `SELECT` 语句的结果集，但要求每个 `SELECT` 语句必须拥有相同数量的列，并且对应列的数据类型也需要兼容。合并的结果集默认不包含重复行，并且结果集中的列名来自第一个 `SELECT` 语句。

##### 1.1 语法结构

```sql
SELECT column_name(s) FROM table1
UNION
SELECT column_name(s) FROM table2;
```

- `column_name(s)`：指定要从表中检索的列。
- `table1, table2`：表示要从中检索数据的表名。
- `UNION`：关键字，用于合并两个或多个 `SELECT` 语句的结果集。

##### 1.2 注意事项

- 每个 `SELECT` 语句中的列数必须相同。
- 对应列的数据类型必须兼容，以便能够合并。
- `UNION` 默认去除重复行；若需包含重复行，可使用 `UNION ALL`。
- 列名是从第一个 `SELECT` 语句中获取的，因此即使后续 `SELECT` 语句的列名不同，结果集中的列名也将基于第一个 `SELECT` 语句。

#### 二、UNION 的应用场景

`UNION` 在多种场景下都能发挥其独特的作用，以下是一些常见的应用场景：

##### 2.1 跨表数据汇总

假设我们有两个表，`sales_2022` 和 `sales_2023`，分别记录了2022年和2023年的销售数据。现在，我们想要汇总这两年的销售记录到一个表中，以便进行进一步分析。

```sql
SELECT year, product_id, total_sales
FROM sales_2022
UNION
SELECT year, product_id, total_sales
FROM sales_2023;
```

这里，`year`、`product_id`、`total_sales` 是两个表中都存在的列，我们利用 `UNION` 将它们合并成一个大的销售记录表。

##### 2.2 数据清洗与整合

在处理大量数据时，经常需要从不同来源整合数据。比如，我们有两个表 `user_info_a` 和 `user_info_b`，它们分别存储了用户信息的一部分，现在我们想要获取一个完整的用户信息表。

```sql
SELECT user_id, name, email
FROM user_info_a
UNION
SELECT user_id, name, email
FROM user_info_b
WHERE email IS NOT NULL; -- 假设我们只想合并包含邮箱的记录
```

注意，这里使用了 `WHERE` 子句来过滤 `user_info_b` 表中不包含邮箱的记录，以确保合并后的数据质量。

##### 2.3 报告生成

在生成季度或年度报告时，经常需要将多个数据表或查询结果合并为一个综合报表。比如，将第一季度、第二季度、第三季度和第四季度的销售数据合并，以展示全年销售情况。

```sql
SELECT 'Q1' AS quarter, SUM(sales) AS total_sales
FROM sales_q1
UNION ALL
SELECT 'Q2', SUM(sales)
FROM sales_q2
UNION ALL
SELECT 'Q3', SUM(sales)
FROM sales_q3
UNION ALL
SELECT 'Q4', SUM(sales)
FROM sales_q4;
```

这里使用了 `UNION ALL` 来保留所有结果，包括可能的重复行（在这个场景下，季度标识 `quarter` 确保了不会有真正的重复行，但保留 `UNION ALL` 可以使查询更明确其意图）。

#### 三、进阶使用：UNION 与 JOIN 的区别

虽然 `UNION` 和 `JOIN` 都可以用于合并数据，但它们的用途和场景截然不同。

- **UNION**：主要用于合并多个 `SELECT` 语句的结果集，要求每个 `SELECT` 语句的列数和列的数据类型相同，结果集是行的并集，默认去除重复行。
- **JOIN**：用于根据两个或多个表中的列之间的关系，将这些表连接起来，从而进行更复杂的查询。JOIN 操作是在表与表之间进行的，而不是在结果集之间。

#### 四、性能考虑

使用 `UNION` 时，需要注意其对性能的影响。特别是当合并的数据集非常大时，SQL 引擎需要额外的处理来去除重复行，这可能会增加查询的响应时间。因此，在可能的情况下，考虑使用 `UNION ALL`（如果不需要去除重复行）以提高性能。

此外，优化查询逻辑和索引策略也是提高 `UNION` 查询性能的重要手段。例如，确保参与合并的列上有适当的索引，可以显著加快查询速度。

#### 五、总结

`UNION` 作为SQL中强大的数据合并工具，在跨表数据汇总、数据清洗与整合、报告生成等多个方面发挥着重要作用。通过合理使用 `UNION` 和 `UNION ALL`，我们可以灵活地合并多个数据表或查询结果，以满足各种复杂的数据处理需求。然而，在使用过程中，我们也需要注意其对性能的影响，并采取适当的优化措施来确保查询的高效执行。

该分类下的相关小册推荐：

SQL基础教程(下)

高性能的Postgres SQL

SQL基础教程(上)

PostgreSQL入门教程