这个自我加入是如何工作的？

Question

这是来自sqlzoo.net

的问题

这里是 table 世界：

+-------------+-----------+---------+
|    name     | continent |  area   |
+-------------+-----------+---------+
| Afghanistan | Asia      | 652230  |
| Albania     | Europe    | 2831741 |
| Algeria     | Africa    | 28748   |
| ...         | ...       | ...     |
+-------------+-----------+---------+

问题：

找到每个大陆中最大的国家（按面积），显示大陆、名称和面积：

我试图理解的答案是：

SELECT continent, name, area 
FROM world x
WHERE area >= ALL (SELECT area 
                   FROM world y
                   WHERE y.continent=x.continent
                   AND area>0)

此代码给出：

+-------------+-----------+--------+
| continent   |   name    |  area  |
+-------------+-----------+--------+
|Africa       | Algeria   | 2381741|
|Oceania      | Australia | 7692024|
|South America| Brazil    | 8515767|
|North America| Canada    | 9984670|
|Asia         | China     | 9596961|
|Caribbean    | Cuba      |  109884|
|Europe       | France    |  640679|
|Eurasia      | Russia    |17125242|
+-------------+-----------+--------+

我不明白这是怎么回事。我认为内部 select 应该产生一个包含所有区域的 table 而外部 select 只选择最大的（>=）。但它如何过滤到一个似乎按大陆分组的列表？ y.continent=x.continent AND area>0 是如何工作的？

Answer 1

SELECT THIS, name, area 
FROM world X
WHERE area >= ALL (SELECT area 
                   FROM world y
                   WHERE y.continent = X.THIS
                   AND area > 0)

注意大写的 X 和 THIS，它们是将子查询与查询联系在一起的项目。

在功能效果上^(a)，子查询在查询级别仅returns行与当前正在处理的行相关

所以这样想。在处理大陆Africa时，子查询基本上是：

SELECT area
FROM   world y
WHERE  y.continent = 'Africa'
  AND  area > 0

而且，因为您在外部查询中有 WHERE area >= ALL [[that_sub_query]]，它只会为您提供面积至少与该大陆最大面积一样大的行。

或者，更简洁地说，等于最大的，因为在给定的组中，没有一项可以同时小于另一项并同时大于或等于所有项。

^(a) 它在幕后的工作方式可能大不同，但效果是我们在这里关心的。

Answer 2

为了解释，我假设世界 table 只有 5 个国家，如下所示：

Algeria      2381741
Australia    7692024
South Africa 1221037
New Zealand   268021
/*And to make it a little interesting:*/
Algeria Twin 2381741

子查询与基本查询的每一行匹配，一次匹配一个。这就是所谓的相关子查询。尽管相关子查询运行良好，但它们通常被认为是危险的，因为如果优化器无法找出更有效、等效的结构，它们往往会产生较差的性能特征。

以下 table 说明了有关如何评估数据的逻辑视图。请注意，数据库的查询引擎可能能够在内部将计划转换为数学上等效的内容，但效率更高。

+-------------+--------------+--------+
| continent   |   name       |  area  |
+-------------+--------------+--------+
|Africa       | Algeria      | 2381741| >= ALL( /*y.continent='Africa'*/
                                               2381741, /*Alegria*/
                                               1221037, /*South Africa*/
                                               2381741) /*Alegria Twin*/
|Oceania      | Australia    | 7692024| >= ALL( /*y.continent='Oceania'*/
                                               7692024, /*Australia*/
                                               268021)  /*New Zealand*/
|Africa       | South Africa | 1221037| >= ALL( /*y.continent='Africa'*/
                                               2381741, /*Alegria*/
                                               1221037, /*South Africa*/
                                               2381741) /*Alegria Twin*/
|Oceania      | New Zealand  |  268021| >= ALL( /*y.continent='Oceania'*/
                                               7692024, /*Australia*/
                                               268021)  /*New Zealand*/
|Africa       | Algeria Twin | 2381741| >= ALL( /*y.continent='Africa'*/
                                               2381741, /*Alegria*/
                                               1221037, /*South Africa*/
                                               2381741) /*Alegria Twin*/
+-------------+--------------+--------+

由上可知，第1、2、5行是>=所有的子查询区域。所以这些被保留，而其他行被丢弃。

请注意，有几种方法可以编写将产生完全相同结果的子查询。

成为>=大陆上的所有区域等同于成为=大陆上的最大区域。

WHERE area = ( SELECT MAX(y.area)
               FROM   world y
               WHERE  y.continent=x.continent)

另一种获取最大值的方法是在按区域降序排序时获取第一行。

WHERE area = ( SELECT y.area
               FROM   world y
               WHERE  y.continent=x.continent
               ORDER BY y.area DESC LIMIT 1)

但是，请注意以下看似等效但实际上并非等效的内容。

/* The problem here is that only 1 Algeria will happen to be 
   first in the sub-query. Meaning 1 row will be missing from 
   the final result set. */
WHERE name = ( SELECT y.name
               FROM   world y
               WHERE  y.continent=x.continent
               ORDER BY y.area DESC LIMIT 1)

最后，我提到关联子查询可能会有性能问题。因此，如果可以的话，通常建议考虑将相关子查询重写为直接连接到 FROM 子句中的子查询的子查询。例如

SELECT  x.contient, x.name, x.area
FROM    world x
        INNER JOIN (
            SELECT MAX(y.area) as max_area, y.continent
            FROM   world y
            GROUP BY y.continent
        ) z ON
            x.continent = z.continent
        AND x.area = z.max_area

这个自我加入是如何工作的？

How does this self join work?

mysql

sql

self-join

correlated-subquery