SQL 查詢語句總是先執行 SELECT？你們都錯了

很多 SQL 查詢都是以 SELECT 開始的。不過，最近我跟別人解釋什麼是窗口函數，我在網上搜索”是否可以對窗口函數返回的結果進行過濾“這個問題，得出的結論是”窗口函數必須在 WHERE 和 GROUP BY 之後，所以不能”。於是我又想到了另一個問題：SQL 查詢的執行順序是怎樣的？

好像這個問題應該很好回答，畢竟自己已經寫了上萬個 SQL 查詢了，有一些還很複雜。但事實是，我仍然很難確切地說出它的順序是怎樣的。

SQL 查詢的執行順序

於是我研究了一下，發現順序大概是這樣的。SELECT 並不是最先執行的，而是在第五個。

這張圖回答了以下這些問題

這張圖與 SQL 查詢的語義有關，讓你知道一個查詢會返回什麼，並回答了以下這些問題：

• 可以在 GRROUP BY 之後使用 WHERE 嗎？（不行，WHERE 是在 GROUP BY 之後！）
• 可以對窗口函數返回的結果進行過濾嗎？（不行，窗口函數是 SELECT 語句裡，而 SELECT 是在 WHERE 和 GROUP BY 之後）
• 可以基於 GROUP BY 裡的東西進行 ORDER BY 嗎？（可以，ORDER BY 基本上是在最後執行的，所以可以基於任何東西進行 ORDER BY）
• LIMIT 是在什麼時候執行？（在最後！）

但數據庫引擎並不一定嚴格按照這個順序執行 SQL 查詢，因為為了更快地執行查詢，它們會做出一些優化，這些問題會在以後的文章中解釋。

所以：

• 如果你想要知道一個查詢語句是否合法，或者想要知道一個查詢語句會返回什麼，可以參考這張圖；
• 在涉及查詢性能或者與索引有關的東西時，這張圖就不適用了。

混合因素：列別名

有很多 SQL 實現允許你使用這樣的語法：

SELECT CONCAT(first_name, ' ', last_name) AS full_name, count(*)
FROM table
GROUP BY full_name

從這個語句來看，好像 GROUP BY 是在 SELECT 之後執行的，因為它引用了 SELECT 中的一個別名。但實際上不一定要這樣，數據庫引擎可以把查詢重寫成這樣：

SELECT CONCAT(first_name, ' ', last_name) AS full_name, count(*)
FROM table
GROUP BY CONCAT(first_name, ' ', last_name)

這樣 GROUP BY 仍然先執行。

數據庫引擎還會做一系列檢查，確保 SELECT 和 GROUP BY 中的東西是有效的，所以會在生成執行計劃之前對查詢做一次整體檢查。

數據庫可能不按照這個順序執行查詢（優化）

在實際當中，數據庫不一定會按照 JOIN、WHERE、GROUP BY 的順序來執行查詢，因為它們會進行一系列優化，把執行順序打亂，從而讓查詢執行得更快，只要不改變查詢結果。

這個查詢說明了為什麼需要以不同的順序執行查詢：

SELECT * FROM
owners LEFT JOIN cats ON owners.id = cats.owner
WHERE cats.name = 'mr darcy'

如果只需要找出名字叫“mr darcy”的貓，那就沒必要對兩張表的所有數據執行左連接，在連接之前先進行過濾，這樣查詢會快得多，而且對於這個查詢來說，先執行過濾並不會改變查詢結果。

數據庫引擎還會做出其他很多優化，按照不同的順序執行查詢，不過我並不是這方面的專家，所以這裡就不多說了。

LINQ 的查詢以 FROM 開頭

LINQ（C#和 VB.NET 中的查詢語法）是按照 FROM…WHERE…SELECT 的順序來的。這裡有一個 LINQ 查詢例子：

var teenAgerStudent = from s in studentList
 where s.Age > 12 && s.Age < 20
 select s;

pandas 中的查詢也基本上是這樣的，不過你不一定要按照這個順序。我通常會像下面這樣寫 pandas 代碼：

df = thing1.join(thing2) # JOIN
df = df[df.created_at > 1000] # WHERE
df = df.groupby('something', num_yes = ('yes', 'sum')) # GROUP BY
df = df[df.num_yes > 2] # HAVING, 對 GROUP BY 結果進行過濾
df = df[['num_yes', 'something1', 'something']] # SELECT, 選擇要顯示的列 

df.sort_values('sometthing', ascending=True)[:30] # ORDER BY 和 LIMIT
df[:30]

這樣寫並不是因為 pandas 規定了這些規則，而是按照 JOIN/WHERE/GROUP BY/HAVING 這樣的順序來寫代碼會更有意義些。不過我經常會先寫 WHERE 來改進性能，而且我想大多數數據庫引擎也會這麼做。

R 語言裡的 dplyr 也允許開發人員使用不同的語法編寫 SQL 查詢語句，用來查詢 Postgre、MySQL 和 SQLite。