MySQL中的内连接与外连接详解:基础与进阶应用

文章目录

  • 表的内连和外连(重点)
    • 内连接
    • 外连接
      • 左外连接
      • 右外连接
  • 简单回顾

表的内连和外连(重点)

表的连接分为内连和外连

内连接

内连接实际上就是利用where子句对两种表形成的笛卡儿积进行筛选,我们前面学习的查询都是内连接,也是在开发过程中使用的最多的连接查询。

笛卡尔积(Cartesian product)是数学中一个基本的运算,通常用来描述两个集合之间的组合关系。假设有两个集合
𝐴 和 𝐵,笛卡尔积 𝐴×𝐵是所有可能的有序对 (𝑎,𝑏),其中 𝑎 来自集合 𝐴,𝑏 来自集合 𝐵。
具体来说,笛卡尔积的定义如下:
在这里插入图片描述

例如,如果集合 𝐴 ={1,2} 和集合 𝐵={𝑥,𝑦},那么它们的笛卡尔积为:
在这里插入图片描述
语法:select 字段 from 表1 inner join 表2 on 连接条件 and 其他条件;

外连接

外连接分为左外连接和右外连接

左外连接

如果联合查询,左侧的表完全显示我们就说是左外连接。

语法:select 字段名 from 表名1 left join 表名2 on 连接条件
案例:

-- 建两张表
create table stu (id int, name varchar(30)); -- 学生表
insert into stu values(1,'jack'),(2,'tom'),(3,'kity'),(4,'nono');
create table exam (id int, grade int); -- 成绩表
insert into exam values(1, 56),(2,76),(11, 8);
  • 查询所有学生的成绩,如果这个学生没有成绩,也要将学生的个人信息显示出来
-- 当左边表和右边表没有匹配时,也会显示左边表的数据
select * from stu left join exam on stu.id=exam.id; 

右外连接

如果联合查询,右侧的表完全显示我们就说是右外连接。

语法:select 字段 from 表名1 right join 表名2 on 连接条件;

案例:

  • 对stu表和exam表联合查询,把所有的成绩都显示出来,即使这个成绩没有学生与它对应,也要显示出来
select * from stu right join exam on stu.id=exam.id;

练习:

  • 列出部门名称和这些部门的员工信息,同时列出没有员工的部门
方法一:
select d.dname, e.* from dept d left join emp e on d.deptno=e.deptno;
方法二:
select d.dname, e.* from emp e right join dept d on d.deptno=e.deptno;

简单回顾

内连接(Inner Join)
简要回顾:内连接是数据库中最常用的连接方式,它只返回两个表中匹配条件的记录。内连接默认会排除不匹配的数据行,因此它常用于查询两个表之间有逻辑关系的数据。

不同于笛卡尔积:尽管内连接涉及笛卡尔积的概念,但它对笛卡尔积进行了筛选(使用ON或WHERE子句来限制返回的数据)。笛卡尔积产生所有可能的组合,而内连接通过指定条件将其缩小为实际匹配的数据集。

多表连接:可以进行多表的内连接(例如三张及以上表),只要确保每个表之间有连接条件。例如

SELECT a.name, b.salary, c.department
FROM employees a
INNER JOIN salaries b ON a.id = b.employee_id
INNER JOIN departments c ON a.department_id = c.id;

外连接(Outer Join)
外连接分为三种:左外连接、右外连接和全外连接(不过全外连接在MySQL中并不直接支持,可以通过联合查询的方式实现)。

左外连接(LEFT JOIN)
简要回顾:左外连接将返回左表的所有记录,即使它们在右表中没有匹配的记录。对于没有匹配的右表记录,右表的字段将显示NULL。

使用场景:左外连接常用于显示所有左表中的记录,即便它们在右表中没有相应的记录。例如,列出所有员工以及他们的销售数据,如果某个员工没有销售数据,也应该显示该员工的信息。

示例:

SELECT employees.name, sales.amount
FROM employees
LEFT JOIN sales ON employees.id = sales.employee_id;

右外连接(RIGHT JOIN)
简要回顾:右外连接返回右表的所有记录,即使它们在左表中没有匹配的记录。对于没有匹配的左表记录,左表的字段将显示NULL。

使用场景:右外连接常用于显示所有右表中的记录,并显示左表匹配的记录(如果有的话)。例如,列出所有销售记录以及销售人员的信息,如果某个销售记录没有对应的员工信息,也会显示该销售记录。

示例:

SELECT employees.name, sales.amount
FROM employees
RIGHT JOIN sales ON employees.id = sales.employee_id;

全外连接(FULL OUTER JOIN)
简要回顾:全外连接返回左表和右表的所有记录。如果某个表中没有匹配的记录,则该表的相关字段显示NULL。但是需要注意的是,MySQL 不直接支持全外连接,通常可以通过联合左外连接和右外连接来实现。

实现方式:

SELECT * FROM table1
LEFT JOIN table2 ON table1.id = table2.id
UNION
SELECT * FROM table1
RIGHT JOIN table2 ON table1.id = table2.id;

连接条件
不同连接条件的选择:除了最常见的基于键的等值连接(=),你还可以使用其他条件进行连接,例如:

 >、<、>=、<=,可以在连接条件中使用这些操作符进行非等值连接。

IS NULL 和 IS NOT NULL,可以用来连接包含或不包含NULL的记录。

使用多个连接条件:连接条件不一定只有一个,可以使用多个条件来确保数据的准确匹配。例如,连接条件可以是id和status两个字段的组合:

SELECT * 
FROM table1 t1
INNER JOIN table2 t2 ON t1.id = t2.id AND t1.status = t2.status;

连接的优化
索引优化:对于连接查询,确保连接字段上有索引,以提高查询的效率。如果连接字段没有索引,查询可能会变得非常慢,尤其是当表数据量非常大时。

避免笛卡尔积:当你忘记加连接条件时,MySQL会执行笛卡尔积,这会导致查询结果数目激增。因此,一定要小心连接条件的设置。

ON与WHERE的区别

  • ON子句:用于指定连接条件,它是在连接过程中确定行是否匹配的条件。
  • WHERE子句:用于进一步筛选结果集,可以用来过滤已连接的结果集中的行。

在内连接中,ON子句和WHERE子句通常是可以互换的,但是在外连接中,ON和WHERE的作用有所不同。使用WHERE会影响外连接的结果,可能会丢失左或右表的某些记录。因此,在外连接中,过滤条件应该尽量放在ON子句中,而非WHERE子句中。

MySQL特有的连接语法
自然连接(NATURAL JOIN):自然连接会根据两个表中具有相同名称的所有列进行连接。它可以简化SQL查询,但有时可能不如显式列出连接条件来得直观。

SELECT * FROM table1 NATURAL JOIN table2;

使用USING进行连接:USING简化了多个列名的连接,可以自动匹配两个表中同名的列。

SELECT * 
FROM table1 
INNER JOIN table2 USING(id);

连接的其他注意事项
自连接(Self Join):有时候需要将同一张表与自身进行连接,这称为自连接。自连接通常使用别名来区分同一张表的不同实例。

SELECT a.name, b.name
FROM employees a
INNER JOIN employees b ON a.manager_id = b.id;

链式连接:可以将多个表通过多个连接进行链式连接。例如:

SELECT a.name, b.salary, c.department
FROM employees a
INNER JOIN salaries b ON a.id = b.employee_id
INNER JOIN departments c ON b.department_id = c.id;

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/899231.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

动态内存分配与内存对齐

在C语言及其他低级编程语言中,内存管理是一个至关重要的主题。动态内存分配和内存对齐是确保程序高效和稳定运行的关键因素。本文将深入探讨动态内存分配的原理,内存对齐的概念,并解释它们如何共同影响程序的性能和资源利用。 一、动态内存分配简介 1.1 动态内存分配的概念…

Milvus×最新版DeepSeek v3:对标Claude,本地数据五分钟写网站

前言 就在昨晚&#xff0c;DeepSeek v3推出了新版本V3-0324&#xff0c;再次一夜爆火。 虽然官方表示“这只是一次小升级”“API接口和使用方式不变”&#xff0c;但经过Zilliz的第一时间实测&#xff0c;我们发现无论是逻辑能力&#xff0c;还是编程能力&#xff0c;相较原本的…

6.M-LAG专题

M-LAG 的作用及特点 能不能简单的描述以下M-LAG的工作原理? 跨设备链路聚合&#xff0c;将两台物理设备在聚合层面虚拟成一台设备来实现跨设备链路聚合&#xff0c;从而提供设备级冗余保护和流量负载分担 M-LAG(跨设备链路聚合)是基于IEEEP802.1A协议的跨设备链路聚合技术。…

每日免费分享之精品wordpress主题系列~DAY16

主题介绍&#xff1a; 今日在网上寻找wordpress主题的时候逛到了大叔的网站&#xff0c;赶脚这个主题蛮不错的&#xff0c;于是百度一下&#xff0c;果然&#xff0c;这个主题很受欢迎。作为主题下载站追梦者也不甘落后&#xff0c;马上就发布出来了&#xff0c;希望对你们有用…

LeeCode 383. 赎金信

给你两个字符串&#xff1a;ransomNote 和 magazine &#xff0c;判断 ransomNote 能不能由 magazine 里面的字符构成。 如果可以&#xff0c;返回 true &#xff1b;否则返回 false 。 magazine 中的每个字符只能在 ransomNote 中使用一次。 示例 1&#xff1a; 输入&#…

目标检测20年(一)

今天看的文献是《Object Detection in 20 Years: A Survey》&#xff0c;非常经典的一篇目标检测文献&#xff0c;希望通过这篇文章学习到目标检测的基础方法并提供一些创新思想。 论文链接&#xff1a;1905.05055 目录 一、摘要 1.1 原文 1.2 翻译 二、介绍 三、目标检测…

分割 / 合并大文件的简单 python 代码

使用方法 分割: python fs.py -n <分割后的文件个数> <要分割的文件> 合并: python fs.py -m <分割文件1> <分割文件2> ... 示例 PS C:\Users\Administrator\Desktop> python fs.py 使用方法: 分割: python fs.py -n <分割后的文件个数> &…

IDEA 快捷键ctrl+shift+f 无法全局搜索内容的问题及解决办法

本篇文章主要讲解IDEA、phpStrom、webStrom、pyCharm等jetbrains系列编辑器无法进行全局搜索内容问题的主要原因及解决办法。 日期&#xff1a;2025年3月22日 作者&#xff1a;任聪聪 现象描述&#xff1a; 1.按下ctrlshiftf 输入法转为了繁体。 2.快捷键ctrlshiftr 可以全局检…

树状数组【数据结构】

树状数组 简介 1.应用 1.单点修改区间查询 2.区间修改单点查询(差分) 3.区间修改区间查询(差分公式) 总而言之,就是动态维护前缀和。 2.树状结构图 3.lowbit函数 我们知道&#xff0c;任何一个正整数都可以被表示成一个二进制数。如&#xff1a; ( 2 ) 10 ( 10 ) 2 (2)_{10…

pytorch+maskRcnn框架训练自己的模型以及模型导出ONXX格式供C++部署推理

背景 maskrcnn用作实例分割时&#xff0c;可以较为精准的定位目标物体&#xff0c;相较于yolo只能定位物体的矩形框而言&#xff0c;优势更大。虽然yolo的计算速度更快。 直接开始从0到1使用maskrCNN训练自己的模型并并导出给C部署&#xff08;亲测可用&#xff09; 数据标注…

PCL配置

1、下载 打开GitHub网站&#xff0c;搜索pcl&#xff0c;选择第一个结果打开&#xff0c;按照下图步骤操作 下载PCL预编译安装程序PCL-1.13.1-AllInOne-msvc2022-win64.exe 和要安装的PCL组件&#xff08;例如pcl-1.13.1-pdb-msvc2022-win64.zip&#xff09; 2、安装 双击 P…

大模型tokenizer重构流程

大模型tokenizer层再训练&#xff08;选取Qwen7B试验&#xff0c;重构token层&#xff09; 最近公司可能想训练一个蛋白质大模型&#xff0c;需要了解一下大模型tokenizer重构&#xff0c;之后可能要训练&#xff0c;这里做了一定的总结。 文章目录 1. 首先查看Qwen2.5 7B基本…

Android设计模式之单例模式

一、定义&#xff1a;确保一个类只有一个实例&#xff0c;并且自动实例化&#xff0c;并向整个系统提供这个实例。 二、使用场景&#xff1a;避免重复创建对象&#xff0c;过多消耗系统资源。 三、使用方式 3.1饿汉式&#xff1a;类加载时立即初始化&#xff0c;线程安全&…

docker ssh远程连接

目录 操作命令&#xff1a; 确保 SSH 配置允许 root 登录&#xff1a; docker提交&#xff1a; 操作命令&#xff1a; # 进入容器 docker exec -ti lbg04 /bin/bash# 更新包管理并安装 SSH 服务&#xff08;Ubuntu/Debian 示例&#xff09; apt-get update apt-get install…

关于matlab和python谁快的问题

关于matlab和python谁快的问题&#xff0c;python比matlab在乘法上快10倍&#xff0c;指数计算快4倍&#xff0c;加减运算持平&#xff0c;略慢于matlab。或许matlab只适合求解特征值。 import torch import timen 50000 # 矩阵规模 M torch.rand(n, 31)start_time time.t…

准确--配置服务器文件数

某些系统可能在 /etc/security/limits.d/ 目录下有额外配置覆盖全局设置。检查是否存在冲突文件&#xff1a; ls /etc/security/limits.d/如果有文件&#xff08;如 90-nproc.conf 或 90-nofile.conf&#xff09;&#xff0c;需编辑或删除这些文件中的冲突配置。 确保系统启用…

VectorBT:使用PyTorch+LSTM训练和回测股票模型 进阶一

VectorBT&#xff1a;使用PyTorchLSTM训练和回测股票模型 进阶一 本文介绍了如何使用PyTorch和LSTM模型进行股票数据的训练和回测。涵盖了数据预处理、特征选择、LSTM模型构建、模型训练与验证、动态阈值策略生成交易信号以及使用VectorBT进行回测和绩效分析。 文中内容仅限技术…

mysql中的聚簇索引,什么是聚簇索引和非聚簇索引

文章目录 1. 什么是聚簇索引2. 非聚簇索引3. 聚簇索引的优缺点4. 聚簇索引的使用场景5. 聚簇索引和主键索引的异同前言: 在继续讲解专栏内容之前,先学习几个概念,以便更好了解: 什么是聚簇索引什么是回表这篇文章详细分析 聚簇索引。回表的理解可以进入这篇文章:什么是回表…

MantisBT在Windows10上安装部署详细步骤

MantisBT 是一款基于 Web 的开源缺陷跟踪系统&#xff0c;以下是在 Windows 10 上安装部署 MantisBT 的详细步骤&#xff1a; 1. 安装必要的环境 MantisBT 是一个基于 PHP 的 Web 应用程序&#xff0c;因此需要安装 Web 服务器&#xff08;如 Apache&#xff09;、PHP 和数据…

深入理解K8s与Docker的关系:容器化技术的双雄

友情提示&#xff1a;本文内容由银河易创&#xff08;https://ai.eaigx.com&#xff09;AI创作平台gpt-4-turbo模型生成&#xff0c;仅供参考。 在现代云计算及微服务架构的发展中&#xff0c;Docker与Kubernetes&#xff08;K8s&#xff09;作为两大核心技术&#xff0c;被广泛…