前言
SQL 语言无处不在。SQL 已经不仅仅是技术人员的专属技能了，似乎人人都会写SQL，就如同人人都是产品经理一样。如果你是做后台开发的，那么CRUD就是家常便饭。如果你是做数仓开发的，那么写SQL可能占据了你的大部分工作时间。我们在理解 SELECT 语法的时候，还需要了解 SELECT 执行时的底层原理。只有这样，才能让我们对 SQL 有更深刻的认识。本文分享将逐步分解SQL的执行过程，希望对你有所帮助。
数据准备
本文旨在说明SQL查询的执行过程，不会涉及太复杂的SQL操作，主要涉及两张表： citizen 和 city ,具体数据如下所示：
CREATE TABLE citizen (
name CHAR ( 20 ),
city_id INT ( 10 )
);
CREATE TABLE city (
city_id INT ( 10 ),
city_name CHAR ( 20 )
);
INSERT INTO city
VALUES
( 1, "上海" ),
( 2, "北京" ),
( 3, "杭州" );
INSERT INTO citizen
VALUES
("tom",3),
("jack",2),
("robin",1),
("jasper",3),
("kevin",1),
("rachel",2),
("trump",3),
("lilei",1),
("hanmeiei",1);
查询执行顺序
本文所涉及的查询语句如下，主要是citizen表与city表进行join，然后筛掉city_name != "上海"的数据，接着按照city_name进行分组，统计每个城市总人数大于2的城市，具体如下：
查询语句
SELECT city.city_name AS "City", COUNT(*) AS "citizen_cnt" FROM citizen JOIN city ON citizen.city_id = city.city_id WHERE city.city_name != '上海' GROUP BY city.city_name HAVING COUNT(*) >= 2 ORDER BY city.city_name ASC LIMIT 2
执行步骤
上面SQL查询语句的书写书序是：
SELECT ... FROM ... WHERE ... GROUP BY ... HAVING ... ORDER BY ...
但是执行顺序并不是这样，具体的执行顺序如下步骤所示：
- 1.获取数据 ( From, Join )
- 2.过滤数据 ( Where )
- 3.分组 ( Group by )
- 4.分组过滤 ( Having )
- 5.返回查询字段 ( Select )
- 6.排序与分页 ( Order by & Limit / Offset )
尖叫提示：本文旨在说明通用的SQL执行底层原理，对于其优化技术不做考虑，比如谓词下推、投影下推等等。
执行的底层原理
其实上面所说的SQL执行顺序就是所谓的底层原理，当我们在执行SELECT语句时，每个步骤都会产生一张 虚拟表(virtual table） ，在执行下一步骤时，会将该虚拟表作为输入。指的注意的是，这些过程是对用户透明的。
你可以注意到，SELECT 是先从FROM 这一步开始执行的。在这个阶段，如果是多张表进行JOIN，还会经历下面的几个步骤：
获取数据 ( From, Join )
- 首先会通过 CROSS JOIN 求笛卡尔积，相当于得到虚拟表 vt1-1；
- 接着通过ON 条件进行筛选，虚拟表 vt1-1 作为输入，输出虚拟表 vt1-2；
- 添加外部行。我们使用的是左连接、右链接或者全连接，就会涉及到外部行，也就是在虚拟表 vt1-2 的基础上增加外部行，得到虚拟表 vt1-3
过滤数据 ( Where )
经过上面的步骤，我们得到了一张最终的虚拟表vt1，在此表之上作用where过滤，通过筛选条件过滤掉不满足条件的数据，从而得到虚拟表vt2。
分组 ( Group by )
经过where过滤操作之后，得到vt2。接下来进行GROUP BY操作，得到中间的虚拟表vt3。
分组过滤 ( Having )
在虚拟表vt3的基础之上，使用having过滤掉不满足条件的聚合数据，得到vt4。
返回查询字段 ( Select )
当我们完成了条件筛选部分之后，就可以筛选表中提取的字段，也就是进入到 SELECT 和 DISTINCT 阶段。首先在 SELECT 阶段会提取目标字段，然后在 DISTINCT 阶段过滤掉重复的行，分别得到中间的虚拟表 vt5-1 和 vt5-2。
排序与分页 ( Order by & Limit / Offset )
当我们提取了想要的字段数据之后，就可以按照指定的字段进行排序，也就是 ORDER BY 阶段，得到虚拟表 vt6。最后在 vt6 的基础上，取出指定行的记录，也就是 LIMIT 阶段，得到最终的结果，对应的是虚拟表 vt7
详细执行步骤分析
Step 1:获取数据 ( From, Join )
FROM citizen JOIN city
该过程的第一步是执行From子句中的语句，然后执行Join子句。这些操作的结果是得到两个表的笛卡尔积。
name
city_id
city_id
city_name
tom
3
1
上海
tom
3
2
北京
tom
3
3
杭州
jack
2
1
上海
jack
2
2
北京
jack
2
3
杭州
robin
1
1
上海
robin
1
2
北京
robin
1
3
杭州
jasper
3
1
上海
jasper
3
2
北京
jasper
3
3
杭州
kevin
1
1
上海
kevin
1
2
北京
kevin
1
3
杭州
rachel
2
1
上海
rachel
2
2
北京
rachel
2
3
杭州
trump
3
1
上海
trump
3
2
北京
trump
3
3
杭州
lilei
1
1
上海
lilei
1
2
北京
lilei
1
3
杭州
hanmeiei
1
1
上海
hanmeiei
1
2
北京
hanmeiei
1
3
杭州
在FROM和JOIN执行结束之后，会按照JOIN的ON条件，筛选所需要的行
ON citizen.city_id = city.city_id
name
city_id
city_id
city_name
tom
3
3
杭州
jack
2
2
北京
robin
1
1
上海
jasper
3
3
杭州
kevin
1
1
上海
rachel
2
2
北京
trump
3
3
杭州
lilei
1
1
上海
hanmeiei
1
1
上海
Step 2:过滤数据 ( Where )
获得满足条件的行后，将传递给Where子句。这将使用条件表达式评估每一行。如果行的计算结果不为true，则会将其从集合中删除。
WHERE city.city_name != '上海'
name
city_id
city_id
city_name
tom
3
3
杭州
jack
2
2
北京
jasper
3
3
杭州
rachel
2
2
北京
trump
3
3
杭州
Step 3:分组 ( Group by )
下一步是执行Group by子句，它将具有相同值的行分为一组。此后，将按组对所有Select表达式进行评估，而不是按行进行评估。
GROUP BY city.city_name
GROUP_CONCAT(citizen. name )
city_id
city_name
jack,rachel
2
北京
tom,jasper,trump
3
杭州
Step 4:分组过滤 ( Having )
对分组后的数据使用Having子句所包含的谓词进行过滤
HAVING COUNT(*) >= 2
Step 5:返回查询字段 ( Select )
在此步骤中，处理器将评估查询结果将要打印的内容，以及是否有一些函数要对数据运行，例如Distinct，Max，Sqrt，Date，Lower等等。本案例中，SELECT子句只会打印城市名称和其对应分组的count(*)值，并使用标识符“ City”作为city_name列的别名。
SELECT city.city_name AS "City", COUNT(*) AS "citizen_cnt"
city
citizen_cnt
北京
2
杭州
3
Step 6:排序与分页 ( Order by & Limit / Offset )
查询的最后处理步骤涉及结果集的排序与输出大小。在我们的示例中，按照字母顺序升序排列，并输出两条数据结果。
ORDER BY city.city_name ASC LIMIT 2
city
citizen_cnt
北京
2
杭州
3
总结
本文主要剖析了SQL语句的执行顺序和底层原理，基本的SQL查询会分为六大步骤。本文结合具体事例，给出了每一步骤的详细结果，这样会对其执行的底层原理有更加深刻的认识。