详解SQL集合运算
本篇主要是对集合运算中并集、交集、差集运算基础的总结。
以前总是追求新东西，发现基础才是最重要的，今年主要的目标是精通SQL查询和SQL性能优化。
本系列【T-SQL基础】主要是针对T-SQL基础的总结。
【T-SQL基础】06.透视、逆透视、分组集
【T-SQL基础】07.数据修改
【T-SQL基础】09.可编程对象
----------------------------------------------------------
【T-SQL进阶】01.好用的SQL TVP~~独家赠送[增-删-改-查]的例子
----------------------------------------------------------
【T-SQL性能调优】02.Transaction Log的使用和性能问题
【T-SQL性能调优】03.执行计划
【T-SQL性能调优】04.死锁分析
持续更新......欢迎关注我！
概述：
本篇主要是对集合运算中并集、交集、差集运算基础的总结。
集合运算包含三种：
1.并集运算
2.交集运算
3.差集运算
下面是集合运算的思维导图：
为什么使用集合运算：
1.在集合运算中比联接查询和EXISTS/NOT EXISTS更方便。
在阅读下面的章节时，我们可以先把环境准备好，以下的SQL脚本可以帮助大家创建数据库，创建表，插入数据。
下载脚本文件：TSQLFundamentals2008.zip
一、集合运算
1.集合运算
（1）对输入的两个集合或多集进行的运算。
（2）多集：由两个输入的查询生成的可能包含重复记录的中间结果集。
（3）T-SQL支持三种集合运算：并集（UNION）、交集（INTERSECT)、差集（EXCEPT）
2.语法
集合运算的基本格式：
输入的查询1
<集合运算符>
输入的查询2
[ORDER BY]
3.要求
（1）输入的查询不能包含ORDER BY字句；
（2）可以为整个集合运算结果选择性地增加一个ORDER BY字句；
（3）每个单独的查询可以包含所有逻辑查询处理阶段（处理控制排列顺序的ORDER BY字句）；
（4）两个查询 必须包含相同的列数；
（5）相应列必须具有兼容的数据类型。兼容个的数据类型：优先级较低的数据类型必须能隐式地转换为较高级的数据类型。比如输入的查询1的第一列为int类型，输入的查询2的第一列为float类型，则较低的数据类型int类型可以隐式地转换为较高级float类型。如果输入的查询1的第一列为char类型，输入的查询2的第一列为datetime类型，则会提示转换失败：从字符串转换日期和/或时间时，转换失败；
（6）集合运算结果中列名由输入的查询1决定，如果要为结果分配结果列，应该在输入的查询1中分配相应的别名；
（7）集合运算时，对行进行进行比较时，集合运算认为两个NULL相等；
（8）UNION支持DISTINCT和ALL。不能显示指定DISTINCT字句，如果不指定ALL，则默认使用DISTINCT；
（9）INTERSET和EXCEPT默认使用DISTINCT，不支持ALL。
二、UNION（并集）集合运算
1.并集的文氏图
并集：两个集合的并集是一个包含集合A和B中所有元素的集合。
图中阴影区域代表集合A与集合B的并集
2.UNION ALL集合运算
（1）假设Query1返回m行，Query2返回n行，则Query1 UNION ALL Query2返回（m+n）行；
（2）UNION ALL 不会删除重复行，所以它的结果就是多集，而不是真正的集合；
（3）相同的行在结果中可能出现多次。
3.UNION DISTINCT集合运算
（1）假设Query1返回m行，Query2返回n行，Query1和Query2有相同的h行，则Query1 UNION Query2返回（m+n-h）行；
（2）UNION 会删除重复行，所以它的结果就是集合；
（3）相同的行在结果中只出现一次。
（4）不能显示指定DISTINCT字句，如果不指定ALL，则默认使用DISTINCT。
（5）当Query1与Query2比较某行记录是否相等时，会认为取值为NULL的列是相等的列。
三、INTERSECT（交集）集合运算
1.交集的文氏图
交集：两个集合（记为集合A和集合B）的交集是由既属于A，也属于B的所有元素组成的集合。
图中阴影区域代表集合A与集合B的交集
2.INTERSECT DISTINCT集合运算
（1）假设Query1返回 m 行，Query2返回 n 行，Query1和Query2有相同的 h 行，则Query1 INTERSECT Query2返回 h 行；
（2）INTERSECT集合运算在逻辑上首先删除两个输入多集中的重复行（把多集变为集合），然后返回只在两个集合中都出现的行；
（3）INTERSECT 会删除重复行，所以它的结果就是集合；
（4）相同的行在结果中只出现一次。
（5）不能显示指定DISTINCT字句，如果不指定ALL，则默认使用DISTINCT。
（6）当Query1与Query2比较某行记录是否相等时，会认为取值为NULL的列是相等的列。
（7）用内联接或EXISTS谓词可以代替INTERSECT集合运算，但是必须对NULL进行处理，否则这两种方法对NULL值进行比较时，比较结果都是UNKNOWN，这样的行会被过滤掉。
3.INTERSECT ALL集合运算
（1）ANSI SQL支持带有ALL选项的INTERSECT集合运算，但SQL Server2008现在还没有实现这种运算。后面会提供一种用于T-SQL实现的替代方案；
（2）假设Query1返回 m 行，Query2返回 n 行，如果行R在Query1中出现了x次，在Query2中出现了y次，则行R应该在INTERSECT ALL运算之后出现minimum(x，y)次。
下面提供用于T-SQL实现的INTERSECT ALL集合运算：公用表表达式 + 排名函数
WITH INTERSECT_ALL
AS (
SELECT ROW_NUMBER() OVER ( PARTITION BY country, region, city ORDER BY ( SELECT
0
) ) AS rownum ,
country ,
region ,
city
FROM HR.Employees
INTERSECT
SELECT ROW_NUMBER() OVER ( PARTITION BY country, region, city ORDER BY ( SELECT
0
) ) AS rownum ,
country ,
region ,
city
FROM Sales.Customers
)
SELECT country ,
region ,
city
FROM INTERSECT_ALL
结果如下：
其中UK NULL London有四个重复行，
在排序函数的OVER字句中使用 ORDER BY ( SELECT <常量> )可以告诉SQL Server不必在意行的顺序。
四、EXCEPT（差集）集合运算
1.差集的文氏图
差集：两个集合（记为集合A和集合B）的由属于集合A，但不属于集合B的所有元素组成的集合。
图中阴影区域代表集合A与集合B的差集
2.EXCEPT DISTINCT集合运算
（1）假设Query1返回 m 行，Query2返回 n 行，Query1和Query2有相同的 h 行，则Query1 INTERSECT Query2返回 m - h 行,而Query2 INTERSECT Query1 返回 n - h 行
（2）EXCEPT集合运算在逻辑上先删除两个输入多集中的重复行（把多集转变成集合），然后返回只在第一个集合中出现，在第二个集合众不出现所有行。
（3）EXCEPT 会删除重复行，所以它的结果就是集合；
（4）EXCEPT是不对称的，差集的结果取决于两个查询的前后关系。
（5）相同的行在结果中只出现一次。
（6）不能显示指定DISTINCT字句，如果不指定ALL，则默认使用DISTINCT。
（7）当Query1与Query2比较某行记录是否相等时，会认为取值为NULL的列是相等的列。
（8）用左外联接或NOT EXISTS谓词可以代替INTERSECT集合运算，但是必须对NULL进行处理，否则这两种方法对NULL值进行比较时，比较结果都是UNKNOWN，这样的行会被过滤掉。
3.EXCEPT ALL集合运算
（1）ANSI SQL支持带有ALL选项的EXCEPT集合运算，但SQL Server2008现在还没有实现这种运算。后面会提供一种用于T-SQL实现的替代方案；
（2）假设Query1返回 m 行，Query2返回 n 行，如果行R在Query1中出现了x次，在Query2中出现了y次,且x>y，则行R应该在EXCEPT ALL运算之后出现 x - y 次。
下面提供用于T-SQL实现的EXCEPT ALL集合运算：公用表表达式 + 排名函数
WITH INTERSECT_ALL
AS (
SELECT ROW_NUMBER() OVER ( PARTITION BY country, region, city ORDER BY ( SELECT
0
) ) AS rownum ,
country ,
region ,
city
FROM HR.Employees
EXCEPT
SELECT ROW_NUMBER() OVER ( PARTITION BY country, region, city ORDER BY ( SELECT
0
) ) AS rownum ,
country ,
region ,
city
FROM Sales.Customers
)
SELECT country ,
region ,
city
FROM INTERSECT_ALL
结果如下：
五、集合运算的优先级
1.INTERSECT>UNION=EXCEPT
2.首先计算INTERSECT,然后从左到右的出现顺序依次处理优先级的相同的运算。
3.可以使用圆括号控制集合运算的优先级，它具有最高的优先级。
六、特殊处理
1.只有ORDER BY能够直接应用于集合运算的结果；
2.其他阶段如表运算符、WHERE、GROUP BY、HAVING等，不支持直接应用于集合运算的结果，这个时候可以使用表表达式来避开这一限制。如根据包含集合运算的查询定义个表表达式，然后在外部查询中对表表达式应用任何需要的逻辑查询处理；
3.ORDER BY字句不能直接应用于集合运算中的单个查询，这个时候可以TOP+ORDER BY字句+表表达式来避开这一限制。如定义一个基于该TOP查询的表表达式，然后通过一个使用这个表表达式的外部查询参与集合运算。
七、练习题
1.写一个查询，返回在2008年1月有订单活动，而在2008年2月没有订单活动的客户和雇员。
期望结果：
方案一：EXCEPT
（1）先用查询1查询出2008年1月份有订单活动的客户和雇员
（2）用查询2查询2008年2月份客户的订单活动的客户和雇员
（3）用差集运算符查询2008年1月有订单活动而2008年2月没有订单活动的客户和雇员
SELECT custid ,
empid
FROM Sales.Orders
WHERE orderdate >= '20080101'
AND orderdate < '20080201'
EXCEPT
SELECT custid ,
empid
FROM Sales.Orders
WHERE orderdate >= '20080201'
AND orderdate < '20080301'
方案二：NOT EXISTS
必须保证custid，empid不能为null，才能用NOT EXISTS进行查询，如果custid或empid其中有null值存在，则不能用NOT EXISTS进行查询，因为比较NULL值的结果是UNKNOWN，这样的行用NOT EXISTS查询返回的子查询的行会被过滤掉，所以最后的外查询会多出NULL值的行，最后查询结果中会多出NULL值的行。
SELECT custid ,
empid
FROM Sales.Orders AS O1
WHERE orderdate >= '20080101'
AND orderdate < '20080201'
AND NOT EXISTS ( SELECT *
FROM Sales.Orders
WHERE orderdate >= '20080201'
AND orderdate < '20080301'
AND custid = o1.custid
AND empid = o1.empid )
ORDER BY O1.custid ,
O1.empid
如果我往Sales.Orders表中插入两行数据：
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
用方案一查询出来结果为50行，会把cutid=NULL,empid=1的行过滤掉
用方案二查询出来结果为51行，不会把cutid=NULL,empid=1的行过滤掉
用下面的方案可以解决上面的问题，需要处理cutid=NULL,或者empid=null的情况。返回50行
SELECT custid ,
empid
FROM Sales.Orders AS O1
WHERE orderdate >= '20080101'
AND orderdate < '20080201'
AND NOT EXISTS ( SELECT *
FROM Sales.Orders
WHERE orderdate >= '20080201'
AND orderdate < '20080301'
AND ( custid = o1.custid
AND empid = o1.empid
)
OR ( o1.custid IS NULL
AND custid IS NULL
AND empid = o1.empid
)
OR ( o1.custid IS NULL
AND custid IS NULL
AND o1.empid IS NULL
AND custid IS NULL
)
OR ( custid = o1.custid
AND o1.empid IS NULL
AND custid IS NULL
) )
2.写一个查询，返回在2008年1月和在2008年2月都有订单活动的客户和雇员。
期望结果：
方案一：INTERSECT
（1）先用查询1查询出2008年1月份有订单活动的客户和雇员
（2）用查询2查询2008年2月份客户的订单活动的客户和雇员
（3）用交集运算符查询2008年1月和2008年2月都有订单活动的客户和雇员
SELECT custid ,
empid
FROM Sales.Orders
WHERE orderdate >= '20080101'
AND orderdate < '20080201'
INTERSECT
SELECT custid ,
empid
FROM Sales.Orders
WHERE orderdate >= '20080201'
AND orderdate < '20080301'
方案二：EXISTS
必须保证custid，empid不能为null，才能用EXISTS进行查询，如果custid或empid其中有null值存在，则不能用EXISTS进行查询，因为比较NULL值的结果是UNKNOWN，这样的行用EXISTS查询返回的子查询的行会被过滤掉，所以最后的外查询会少NULL值的行，最后查询结果中会少NULL值的行。
SELECT custid ,
empid
FROM Sales.Orders AS O1
WHERE orderdate >= '20080101'
AND orderdate < '20080201'
AND EXISTS ( SELECT *
FROM Sales.Orders
WHERE orderdate >= '20080201'
AND orderdate < '20080301'
AND custid = o1.custid
AND empid = o1.empid )
ORDER BY O1.custid ,
O1.empid
如果我往Sales.Orders表中插入两行数据：
插入cutid=NULL,empid=1,orderdate='20080101'
插入cutid=NULL,empid=1,orderdate='20080201'
用方案一查询出来结果为6行，不会把cutid=NULL,empid=1的行过滤掉
用方案二查询出来结果为5行，会把cutid=NULL,empid=1的行过滤掉
用下面的方案可以解决上面的问题，需要处理cutid=NULL,或者empid=null的情况。返回6行。
SELECT custid ,
empid
FROM Sales.Orders AS O1
WHERE orderdate >= '20080101'
AND orderdate < '20080201'
AND EXISTS ( SELECT *
FROM Sales.Orders
WHERE orderdate >= '20080201'
AND orderdate < '20080301'
AND ( custid = o1.custid
AND empid = o1.empid
)
OR ( o1.custid IS NULL
AND custid IS NULL
AND empid = o1.empid
)
OR ( o1.custid IS NULL
AND custid IS NULL
AND o1.empid IS NULL
AND custid IS NULL
)
OR ( custid = o1.custid
AND o1.empid IS NULL
AND custid IS NULL
) )
3.写一个查询，返回在2008年1月和在2008年2月都有订单活动，而在2007年没有订单活动的客户和雇员
期望结果：
方案一：INTERSECT + EXCEPT
SELECT custid ,
empid
FROM Sales.Orders
WHERE orderdate >= '20080101'
AND orderdate < '20080201'
INTERSECT
SELECT custid ,
empid
FROM Sales.Orders
WHERE orderdate >= '20080201'
AND orderdate < '20080301'
EXCEPT
SELECT custid ,
empid
FROM Sales.Orders
WHERE orderdate >= '20070101'
AND orderdate < '20080101'
方案二：EXISTS + NOT EXISTS
SELECT custid ,
empid
FROM Sales.Orders AS O1
WHERE orderdate >= '20080101'
AND orderdate < '20080201'
AND EXISTS ( SELECT *
FROM Sales.Orders
WHERE orderdate >= '20080201'
AND orderdate < '20080301'
AND ( custid = o1.custid
AND empid = o1.empid
)
OR ( custid = o1.custid
AND custid IS NULL
AND empid = o1.empid
)
OR ( custid = o1.custid
AND custid IS NULL
AND empid = o1.empid
AND custid IS NULL
)
OR ( custid = o1.custid
AND empid = o1.empid
AND custid IS NULL
)
OR ( custid = o1.custid
AND custid IS NULL
AND empid = o1.empid
AND custid IS NULL
) )
AND NOT EXISTS ( SELECT *
FROM Sales.Orders
WHERE orderdate >= '20070101'
AND orderdate < '20080101'
AND ( custid = o1.custid
AND empid = o1.empid
)
AND ( custid = o1.custid
AND empid = o1.empid
)
OR ( custid = o1.custid
AND custid IS NULL
AND empid = o1.empid
)
OR ( custid = o1.custid
AND custid IS NULL
AND empid = o1.empid
AND custid IS NULL
)
OR ( custid = o1.custid
AND empid = o1.empid
AND custid IS NULL
)
OR ( custid = o1.custid
AND custid IS NULL
AND empid = o1.empid
AND custid IS NULL
) )
ORDER BY O1.custid ,
O1.empid
参考资料：
《SQL2008技术内幕：T-SQL语言基础》
作 者：
Jackson0714
出 处：http://www.cnblogs.com/jackson0714/
关于作者：专注于微软平台的项目开发。如有问题或建议，请多多赐教！
版权声明：本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文链接。
特此声明：所有评论和私信都会在第一时间回复。也欢迎园子的大大们指正错误，共同进步。或者直接私信我
声援博主：如果您觉得文章对您有帮助，可以点击文章右下角【推荐】一下。您的鼓励是作者坚持原创和持续写作的最大动力！
