mysql中关于exists的深入讲解
mysql中关于exists的讲解
我认为exists
语法是mysql中一个很强大的工具,可以简单地实现某些复杂的数据处理。
下面我谈谈与exists有关的三个方面。
all 与 any
首先,看到了exists,难免还会想到all和any,它们比exists容易理解一些。all 和 any都能让一行数据与多行数据进行比较,这是它们的主要功能。
create table T(X int);
insert into T(X) values(1),(2),(3),(4);
# eg.1
select * from T where X > all( select * from T where X < 3 ); #输出3,4
# eg.2
select * from T where X > any( select * from T where X > 1 ); #输出3,4
先看eg.1, 显然select * from T where X < 3
结果是1,2;而all要求存在X大于集合{1,2}内的任意元素,即3,4。
同理,对于eg.2,select * from T where X > 1
结果是2,3,4;any的要求是存在X大于集合{2,3,4}内的某个元素即可,即3,4。
划分表
在说exists之前,再看看一个比较特别的语句,关于表(table)的“划分”用法。
eg.1
# fruitTable
Id Name Class Count Date
1 苹果 水果 10 2011-7-1
1 桔子 水果 20 2011-7-2
1 香蕉 水果 15 2011-7-3
2 白菜 蔬菜 12 2011-7-1
2 青菜 蔬菜 19 2011-7-2
现在要求进行筛选,条件是Id唯一,Date选最近的一次
这种筛选条件潜藏着对于表的划分要求。以fruitTable为例,需要划分为2个子表,Id为1的为一个子表、Id为2的为另一个子表,再从各自子表里面选出时间最大的那个元组。
先看看下面一个错误的解法
SELECT DISTINCT Id, Name, Class, Count, Date FROM fruitTable t1
WHERE (Date IN
(SELECT MAX(Date) FROM fruitTable t2 GROUP BY Id));
# 结果
1 桔子 水果 20 2011-7-2
1 香蕉 水果 15 2011-7-3
2 青菜 蔬菜 19 2011-7-2
这周解法在逻辑上有漏洞。它将不同Id的最大时间混在了一起,没有真正地划分表格。
再来看看正确的解法
划分表格的思路是正确的,但问题是怎么划分,如果另外创建2个新的table,那这样显然太麻烦了,于是有了下面这种写法。
SELECT DISTINCT Id, Name, Class, Count, Date FROM fruitTable t1
WHERE (Date =
(SELECT MAX(Date) FROM fruitTable t2 WHERE t2.Id=t1.Id));
注意WHERE t2.Id=t1.Id
很巧妙地 对表t2 基于t2.Id=t1.Id这个标准 进行了划分。可以推导一下,比如遍历表t1,先是第1个元组: 1 苹果 水果 10 2011-7-1
, 可以知道t1.Id=1, 带入第2个select: (SELECT MAX(Date) FROM fruitTable t2 WHERE t2.Id=1)
, 观察这个select语句的筛选条件WHERE t2.Id=1, 发现它的范围限定在了Id为1的元组内,聚集函数MAX(Date)返回Id为1的所有元组中Date最大的值(2011-7-3)。
因此对于表t1, 当t1.Id=1时,只有Date=2011-7-3的元组才会被选出来;而当tl.Id=2时,第2个select又变为SELECT MAX(Date) FROM fruitTable t2 WHERE t2.Id=2
, 返会所有Id=2的元组中Date的最大值(2011-7-2)。
可以发现,表t2是受t1.Id控制的,根据t1.Id的不同而被划分为不同的子表,这就是表的划分,并且不需要另外创建新的表。
exists
先说说exists的基本用法
create table R(
X int, Y varchar(5), Z varchar(5)
);
create table S(
Y varchar(5), Z varchar(5), Q int
);
insert into R(X,Y,Z) values(
1,'a','A'
),(
1,'b','B'
),(
1,'a','B'
),(
1,'c','C'
),(
2,'a','B'
),(
2,'b','B'
),(
2,'c','A'
),(
3,'z','Z'
);
insert into S(Y,Z,Q) values(
'b','B',1
),(
'a','B',2
);
-----------------------------
select * from R where exists( select * from S where S.Y='b' and R.Y=S.Y );
# 结果
'1', 'b', 'B'
'2', 'b', 'B'
对于exists可以先简单地理解为if判断。
比如语句select * from R where exists( select * from S where S.Y='b' and R.Y=S.Y );
就可以理解为 从表R中筛选出满足条件 S.Y='b' and R.Y=S.Y (select * from S where S.Y='b' and R.Y=S.Y) 的元组。
这个性质可以看出2个特性
- 首先exists()括号内的表不会影响最终返回的结果。比如上面的例子,返回的结果始终是关于表R的元组,和表S没有任何关系
- 对于exists()语句,关键的是括号内的where子句。对于exists( select * from S where S.Y='b' and R.Y=S.Y ) 这种语句,可以直接当作 if( S.Y== 'b' and R.Y ==S.Y )。当然也不是说select不重要,比如exists( select 1 from S where S.Y='b' and R.Y=S.Y )是永远为真的条件。
理清上面2点,我们就更能意识到exists非常像是一个关于条件判断的语句。
下面例子类似
# 选了张三老师课的学生
select distinct sc.sid from sc
where exists (
select * from course c,teacher t
where sc.cid = c.cid and c.tid = t.tid and t.tname = "张三");
但仅仅只有exists还不够,因为很多其它语句也能实现这个功能,真正强大的是not exists。
对于存在exists只是一个元组与某个局部作比较,因为只要存在即可。而对于不存在,却是一个元组和整体做比较,因为要确定不存在,就必须遍历所有。
在这方面来说,not exists比exists更强大。
找最值
SELECT DISTINCT Id, Name, Class, Count, Date FROM fruitTable t1
WHERE (Date =
(SELECT MAX(Date) FROM fruitTable t2 WHERE t2.Id=t1.Id));
#用not exists
SELECT DISTINCT Id, Name, Class, Count, Date FROM fruitTable t1
WHERE NOT EXISTS(
SELECT * FROM fruitTable t2 WHERE t2.Id=t1.Id and t2.Date > t1.Date );
这里not exists同样可以看作not if,关键是明白哪部分条件被否定(not)。根据之前的理论,这里条件明显是t2.Id=t1.Id and t2.Date > t1.Date
, 而t2.Id=t1.Id不能作为否定的对象,因为这是必然存在的(自己想想,t1和t2内容一样),用来限定表t2的范围(即之前说的划分子表),再看t2.Date > t1.Date
,这才是否定的部分,即对于t2中Id为t1.Id的所有元组的Date都不大于t1.Date,而此时的t1.Date也即最大值。
嵌套not exists
还有更复杂的情况,多层not exists嵌套使用。比如实现关系代数里的除法运算。
# 表R,S的定义上面已经给出 下面计算 R除以S
select distinct R1.x from R R1 where not exists (
select * from S where not exists (
select * from R R2 where R1.X=R2.X and R2.Y=S.Y and R2.Z=S.Z ));
一个not exists只表示不存在,需要遍历所有元组才能做出判断
2个not exists嵌套,表示每一个都存在,同样需要遍历所有元组才能确定,同时还是“肯定”
这里有3个select,2个not exists。
最里面的not exists是用来否定R2.Y=S.Y and R2.Z=S.Z
(因为R1.X=R2.X一定成立,这个是用来划分子表的), 最外层的not exists就用来表示不存在这个意思,你会发现最后这个句子表达的意思就是关系代数里面除法的定义。
使用联合来解决exists问题
因为MySQL每次的操作都是基于行的,当涉及到表与表之间类似集合的关系时,处理起来比较麻烦。比如下面这个问题。
insert into R(X,Y) values(
1,'a'
),(
1,'b'
),(
1,'B'
),(
1,'C'
),(
2,'A'
),(
2,'c'
),(
3,'z'
);
insert into S(Y,Q) values(
'b',1
),(
'B',2
);
#问题:表R内,对于X值相同的行组成一组(或叫集合)。在这样的每组元素中,要求R(Y)中不能出现与S(Y)相同的值,求这样的组的X值有哪些。
#这种问题是关于集合之间的关系,不同于 一行与一个集合之间的关系。
#下面运用之前讲的not exists来求解
select distinct X from R R1 where not exists (
select * from R R2 where R2.X=R1.X and R2.Y in (select distinct Y from S));
下面来介绍另外一种方法,联合。
仔细观察可以发现R和S之间是有关系的,因此可以将它们进行自然连接,这样就直接得到了所有R(Y)=S(Y)的值。
select distinct X from R where X not in (select distinct X from R,S where R.Y=S.Y);
但是对于代码可读性来说,in和exists比派生表联合优雅