探讨 T-SQL 的 EXISTS、EXCEPT、INTERSECT 算符

本帖先探讨 IT 人的职涯规划，再回到技术面，研究 T-SQL 的 UNION、EXISTS、EXCEPT、INTERSECT 运算符。

之前有园友提到：「DBA 了解业务是非常必要的」，确实如此。不管您担任的是 IT 的哪种职务，都应深入了解所任职公司的业务和流程，结合既有的 IT 专长，发展出自己在公司的「不可替代性」，甚至去思考老板、公司的好高高层们，想要的是什么？ 若您是担任 MIS 或 DBA，每天辛勤努力修机器、备份数据库、维护网络状态、研究最新的前台和 .NET 技术，却无法让老板了解你每天在忙什么，则你的地位，可能远不如一位很懂业务和流程的人，虽然他只会写些 SQL 句子，却能每天产出老板和主管想看的报表，老板不能没有他，他也就创造了自己的不可替代性。 当然做项目的软件公司，和一般产业的信息部门又有所不同，这里只是举例。

那么该学什么技术最保值呢？有没有什么 IT 技术像会计学一样，学一套就能吃一辈子？前台 UI 技术日新月异、层出不穷，感觉自己再也跟不上年轻人熬夜学 ASP.NET 4,5,6,7,8 ...、Silverlight 5,6,7,8,9 ...？ 若要论技术的保值性，将 SQL 和数据库学到精通，或许是不错的选择。除了技术变化性比较小 (至少不会像某些技术会忽然推翻旧版本)，往上钻研可研究 BI、OLAP、Data Mining、报表、当顾问，往下钻研可深入学 SQL 语句、软件项目开发、备份还原和监控，横向钻研可学习操作系统、Storage、性能优化 .... 等等，至少就技术的「保值性」而言，学一套能「撑」较久，甚至大半辈子，也较有机会接触公司的核心业务和流程 (把公司的业务逻辑都写进存储过程里，公司从此不能没有你)。

当然这里只是举例，并非鼓吹大家都该往此方向投入学习，就像有人说程序员最后都要升级 SA、PM，但这应视个人性格、兴趣、所在的产业而论，并没有标准的答案。但话说回来，要精通 SQL 的撰写也非易事，其为易学难精的功夫，如笔者以前曾经转贴的一篇陈年好文「程序员真情忏悔录」也曾提到这些特性：

做应用软件的人真的没价值吗？有些靠应用软件赚了不少钱的朋友开始偷笑了。软件必须加上专业知识，才能够发挥价值；换句话说，如果您真的「只会写代码」，却没有配合各种领域的专业知识 ，「编程」这项技能本身根本毫无价值可言。

就很像你的计算机装了浏览器，但却没有对外联机的网络一样。如果没有网络本身，浏览器一点价值也没有，更不需要一家公司大费周章地利用平台优势去整倒另外一家公司 。

-你老觉得真正的高手应该精通各门各派的技术 (?)，如果你会 XML，他不会，你就觉得你比他厉害。你觉得他的履历上写的技能太少，证照太少，所以你认为你比他优秀？

有人认为写 Java 程序应该善用工具，用 UltraEdit 根本是重新造轮子的行为，所以一开始就学 JBuilder (或 Visual Studio) 的使用者，其实他用 JBuilder 写了老半天 GUI 程序，哪天回头叫他用文本编辑器写个简单的 Frame + Button 他却写不出来，因为他从没弄懂过 Java 的事件处理模型。他只会不断地：选择组件 -> 放在容器里 -> 调整位置和大小 -> 调整属性 -> 按两下 -> 填写事件处理函数，成为一个名副其实的「代码女工」。

有人觉得他精通各家厂商的数据库，所以看不起那些只会下 SQL 命令或是只会写 stored procedure 的人，因为他可是精通 ODBC、JDBC、ADO、ADO.NET 各种程序的写法。问题是，一个精通 SQL 的专家，和只会写 SQL 语句的人，在数据库表格交互参考、数据量很大的时候，要从中取出我们需要的内容，所下的 SQL 指令在效率上，是几秒钟和几个小时的差别。

SQL 也是个专门学问，要能够巧妙地操作它，必须下非常多功夫做研究，而且一研究可能就是十几年。如果贵公司的项目老是苦于数据库访问的性能不佳，你猜老板会花钱找一个有能力彻底改善所有 SQL 语句中性能问题的稀有专家，还是再找一个号称他什么都会，结果一点用场也派不上的「数据库女工」？ 我们常常看到某人列出他的履历，好像会很多就是很厉害。但是当我们完全深入一项技术时 (喔，我是说你真正下过苦功的时候)，通常我们会越来越感觉到自己的渺小。

说偏了，回归技术面，以下才是本帖的主题。

-------------------------------------------------
本帖的示例下载：
http://files.cnblogs.com/WizardWu/111001.zip

SQL Server 2008 R2 的 AdventureWorks 数据库下载：
http://msftdbprodsamples.codeplex.com/releases/view/55926
http://msftdbprodsamples.codeplex.com/
---------------------------------------------------

The EXISTS Operator

EXISTS 可称之为运算符，有些书称它为关键词。 EXISTS 和 IN 关键词很类似，但仍有些不同，EXISTS 使用时不会返回数据，而是返回简单的 TRUE / FALSE。如下示例 [1]，即使子查询返回 NULL，用 EXISTS 也会得到 TRUE：

USE AdventureWorks2008 ;
GO

SELECT DepartmentID, Name
FROM HumanResources.Department
WHERE EXISTS (SELECT NULL)

EXISTS 和 IN 在很多情况下可查到相同的结果 [1]，两个关键词的用途有些类似，因此网络上常有些 EXISTS 和 IN 谁效率较好的讨论串 [2]，此处不再赘述。 以下我们改探讨 EXISTS 和 JOIN 的比较，下方是书上的两个示例 [7]，两者的执行结果相同，第一个示例是 EXISTS 搭配「嵌套查询 (nested query)」，第二个示例语法看起来较简洁，是传统大家习惯用的 join 写法：

SELECT e.BusinessEntityID, FirstName, LastName
FROM HumanResources.Employee e
JOIN Person.Person pp
ON e.BusinessEntityID = pp.BusinessEntityID
WHERE EXISTS
(SELECT BusinessEntityID
FROM HumanResources.JobCandidate jc
WHERE e.BusinessEntityID = jc.BusinessEntityID);

上方示例、下方示例，执行结果皆为：
EmployeeID　　FirstName　　LastName
-----------　　------------　　-------------
　　212　　　　　Peng　　　　 Wu
　　274　　　　　Stephen　　 Jiang

(2 row(s) affected)

SELECT e.BusinessEntityID, FirstName, LastName
FROM HumanResources.Employee e
JOIN Person.Person pp
ON e.BusinessEntityID = pp.BusinessEntityID
JOIN HumanResources.JobCandidate jc
ON e.BusinessEntityID = jc.BusinessEntityID;

两个示例虽然结果相同，但 EXISTS 的性能会较好 (书上说的) [7]。 当我们使用 EXISTS 关键词时，SQL Server 不会用 full row-by-row join，而是在记录当中搜寻，当它找到第一个符合条件的记录时，就会立即停止后续搜寻的动作，并标示为 TRUE，表示不需要再往下找了；反观 inner join 则不会有此种标示的动作。

此外，NOT EXISTS 也有此种标示的功能。当 NOT EXISTS 找到符合条件的数据时，同样也会标示，但标示为 FALSE，表示不需要再往下找了。

除了此一性能差别外，EXISTS 和 join-based 在查询时，各方面并无二致。

Using EXISTS in Other Ways

有时您会看到有些人执行 CREATE 前，会加一些古怪的语句，如下：

IF EXISTS (SELECT * FROM sysobjects WHERE id =
object_id(N'[Sales].[SalesOrderHeader]') AND OBJECTPROPERTY(id,N'IsUserTable') = 1)
DROP TABLE [Sales].[SalesOrderHeader]
GO

CREATE TABLE [Sales].[SalesOrderHeader] (
...
...

他们使用 sys.objects、sys.databases，或 INFORMATION_SCHEMA 检视 (view)，目的都一样，想在执行 CREATE 前先看看某个对象是否已存在。 但同样是用 EXISTS 做事先的判断，我有更好的写法，请参考以下创建数据库的示例：

USE master
GO

IF NOT EXISTS (SELECT 'True' FROM sys.databases WHERE name = 'DBCreateTest')
BEGIN
CREATE DATABASE DBCreateTest
END
ELSE
BEGIN
PRINT '此数据库已经存在。跳过了 CREATE DATABASE 语句'
END
GO

第一次执行此语句时，若没有 DBCreateTest 数据库，则创建它；第二次执行时，由于该数据库已存在，因此会印出自定义的提示信息。 因此，仅用一点小技巧，可避免掉不必要的 DROP 动作被执行，这会让您公司的产品在被安装时更有效率。

EXISTS 是很方便的关键词，有时可让查询语句执行得更有效率，有时则可简化 SQL 语句。

The INTERSECT and EXCEPT Operators

接下来介绍的 INTERSECT 和 EXCEPT 关键词，在 SQL Server 和其他厂牌数据库多半都支持。 INTERSECT 和 EXCEPT 在处理两个 result set 时，和 UNION 关键词很类似。 在 MSDN、TechNet 上虽然有对这两个关键词作解释 [3], [6]，但半机器的翻译有些不易理解，建议参考下列取自书上的图文示例 [7]，可让人一目了然：

UNION： 将多个「结果集 (result set)」的「行 (row)」合并，作为单个结果集返回，并移除重复的行。若有重复的行，只留下一个。
UNION ALL： 将多个「结果集 (result set)」所有的行合并，不论是否有重复的行。
EXCEPT： 提取只在 EXCEPT 左侧存在，但右侧不存在的行，参考下图 1。用更口语化的说法：「只给我 A 里才有，但 B 里没有的行」。
INTERSECT： 只提取两个结果集里，都存在的行。 INTERSECT 很类似 inner join，但 INTERSECT 并不会对特定的「列 (column)」去做处理。

由于上述关键词，不会对特定的「列」去做处理，因此在使用上必须符合某些原则 [3]，例如：所有查询中的列数和列的顺序必须相同、数据类型必须兼容。

完整示例

1 -- Create our test tables and populate them with a few relevant rows
2 CREATE TABLE UnionTest1
3 (
4 idcol int IDENTITY,
5 col2 char(3),
6 );
7
8 CREATE TABLE UnionTest2
9 (
10 idcol int IDENTITY,
11 col4 char(3),
12 );
13
14 INSERT INTO UnionTest1 VALUES ('AAA'),('BBB'),('CCC');
15 INSERT INTO UnionTest2 VALUES ('CCC'),('DDD'),('EEE');
16
17
18 PRINT '测试 1, Source and content of both tables:';
19
20 SELECT 1 AS SourceTable, col2 AS Value FROM UnionTest1
21 UNION ALL
22 SELECT 2, col4 FROM UnionTest2;
23
24
25 PRINT '测试 2, Results with classic UNION';
26
27 SELECT col2 FROM UnionTest1
28 UNION
29 SELECT col4 FROM UnionTest2;
30
31
32 PRINT '测试 3-1, Results with EXCEPT';
33
34 SELECT col2 FROM UnionTest1
35 EXCEPT
36 SELECT col4 FROM UnionTest2;
37
38
39 PRINT '测试 3-2, Equivilent of EXCEPT but using NOT EXISTS';
40
41 SELECT col2 FROM UnionTest1 ut1
42 WHERE NOT EXISTS
43 (SELECT col4 FROM UnionTest2 WHERE col4 = ut1.col2);
44
45
46 PRINT '测试 4-1, Results with INTERSECT';
47
48 SELECT col2 FROM UnionTest1
49 INTERSECT
50 SELECT col4 FROM UnionTest2;
51
52
53 PRINT '测试 4-2, Equivilent of INTERSECT but using EXISTS';
54
55 SELECT col2 FROM UnionTest1 ut1
56 WHERE EXISTS
57 (SELECT col4 FROM UnionTest2 WHERE col4 = ut1.col2);
58
59
60 PRINT '测试 5, INTERSECT 运算符优先于 EXCEPT';
61 SELECT col2 FROM UnionTest1
62 EXCEPT
63 SELECT col2 FROM UnionTest1
64 INTERSECT
65 SELECT col4 FROM UnionTest2;
66
67
68 -- Clean up after ourselves
69 DROP TABLE UnionTest1;
70 DROP TABLE UnionTest2;

执行结果：

测试 1 结果

测试 2 结果

测试 3-1、3-2 结果

测试 4-1、4-2 结果

测试 5 结果

如您所见，测试 3-1、3-2 的结果相同，测试 4-1、4-2 的结果也相同，但 SQL Server 的「评估的执行计划」很不同，且 EXCEPT / INTERSECT 的「查询开销」会比 NOT EXISTS / EXISTS 大很多，如同上例中，测试 3-1 比 3-2 的性能差，测试 4-1 比 4-2 性能差。而且经我测试 (书籍作者 [7])，大多数的情形，用 EXISTS 的写法，性能都比 EXCEPT / INTERSECT 要好。

虽然如此，但我们不该完全舍弃 EXCEPT / INTERSECT 的使用，因为他们的语法简洁、容易阅读。因此在您的 SQL 语句中，除非两种写法的性能差距很大，不然我仍建议使用 EXCEPT / INTERSECT 写法，以便项目后续的维护。若论 EXISTS 和 EXCEPT / INTERSECT 哪一种写法较好，则属见仁见智的问题，端视您的数据量、执行环境、实测两种写法的效率差距，来决定要用哪一种写法。

参考文档：

[1] EXISTS (Transact-SQL)
http://msdn.microsoft.com/zh-cn/library/ms188336.aspx

[2] SQL 中 IN 和 EXISTS 用法的区别？
http://topic.csdn.net/u/20090715/10/ec21e6cc-7265-4c44-a35c-8a0003e73978.html

[3] EXCEPT 和 INTERSECT (Transact-SQL)
http://msdn.microsoft.com/zh-cn/library/ms188055.aspx

[4] UNION (Transact-SQL)
http://msdn.microsoft.com/zh-cn/library/ms180026.aspx

[5] 与其他 Transact-SQL 语句一起使用 UNION、EXCEPT 和 INTERSECT
http://msdn.microsoft.com/zh-cn/library/ms191523.aspx

[6] 使用 EXCEPT 和 INTERSECT 执行半联接操作
http://msdn.microsoft.com/zh-cn/library/ms191255.aspx

参考书籍：

[7] Professional Microsoft SQL Server 2008 Programming, Chapter 3
http://www.wrox.com/WileyCDA/WroxTitle/Professional-Microsoft-SQL-Server-2008-Programming.productCd-0470257024.html http://www.ppurl.com/pdfpreview/?skey=AQQHNgokAXRXMVA7UAxQP1Z0XTkJYwBtB2ZUZQI6UzQ%3D&page=0
相关文章：

[8] 探讨 .NET 4 新增的 SortedSet 类 (.NET 平台的 EXCEPT、INTERSECT)
/article/4784794.html