[转载]T-SQL查询处理详解 （续）

在上一篇T-SQL查询处理详解， 文中提到了在如果不考虑查询优化器做的优化的情况下T-SQL查询的逻辑处理过程，讲得很粗糙，这一篇将补充说明这个逻辑处理过程，并对一些容易误解的地 方进行说明。不对之处，还请指出。另外再次声明一点，这种逻辑处理顺序，是理论上的处理过程，实际情况还会根据查询优化器选择最优的执行计划。

还是从FROM阶段讲开。

（1）FROM阶段

这个阶段是查询逻辑处理的第一步。想到这里，想起了LINQ表达式不就是从FROM开始的嘛，看来还是挺有道理的。FROM阶段负责表示表或要查询的表。 如果指定了表运算符，还需  要按从左到右的顺序，对运算符进行逐个处理。表运算符有4类，JOIN,APPLY,PIVOT,UNPIVOT。每个表运算符都有自己的处理规则。这里 挑最常见的JOIN来说。

对于联接（join），一般有以下几个个步骤:

a.求笛卡尔积，对两张表进行cross join，得出最大的可能结果集。如果左表有n行，右表有m行，则结果集有nxm行。

b.利用ON筛选条件来筛选，剔除不符合条件的行。

c.对于外联接（left，right，full outer join），还需要添加外部行。在上个步骤中，ON条件剔除掉了所有不匹配两张表的行。但是在外联接中，通过指定外连接的类型，需要将其中的一个或者两个 表标记为保留表，并返回该表中所有的行。所以这时候还需要将保留表中被ON筛选条件剔除的行重新加入到结果集中（这些重新加进来的表，书中称为外部行）， 并将外部行中非保留表的列值标记为NULL.再次提醒一下，这一个步骤，只有外联接才执行，对于内联接（inner join）只需要执行a和b两个步骤的。

（2）WHERE阶段

对于上一步骤返回的虚拟表，经过where条件的判定，只有让where条件为true的行才会被保留下来。请注意，因为还没有对数据进行分组，所以在 where子句中不能聚合。也不能引用select列表中创建的别名，因为SELECT阶段还在后头呢。例如where orderid>max(orderid), select year(thedate) as theyear… where theyear>2010是不能使用的。

另外一个很让人迷惑的问题是，对于包含JOIN的查询，到底ON和WHERE子句有什么区别，应该什么时候使用ON子句，什么时候使用where子句。这里作一下说明。只有对于外联接，ON和where子句才会存在这种逻辑区别， 因为在外联接中，通过ON子句的筛选之后，还要对保留表进行外部行添加，而where子句则是在外部行添加过之后才进行筛选的。因此，ON子句对这种外联 接的情况的筛选，并不是最终的结果，在FROM阶段的第三个步骤，还会把外部行添加回来的。而对于内联接，where子句和on子句作用是完全一样的，在 哪里筛选都是同种效果，没有其他步骤。所以在处理这种含有外联接的查询，一定要注意ON筛选和where筛选的区别，避免使用错了，达不到筛选的效果。另 外，对于内联接，一个不错的建议是，对于两个表都存在的字段筛选，用ON子句，对于单个表的字段筛选，用where，例如：select * from a inner join b on a.col = b.col where a.col2 >1。

（3）GROUP BY阶段

在这一阶段将上一步返回的虚拟表中的 结果集按分组进行重组，由分组集所有列的每个唯一组合，标识出一个组。再用这些组，跟上一步返回的每一个行进行关系。注意，每个行只能关联一个组。最后， 生成的结果集中，每个组只能有一行。关于GROUP BY还有很多有意思的地方，比如cube，rollup，grouping等等，有时间再一一介绍。

(4)HAVING阶段

HAVING筛选器用于对上一步返回的结果集进行筛选。HAVING筛选器是唯一能筛选分组数据的筛选器，ON和where都不行。理由很简单，ON和where都是在分组之前进行处理的，自然不能对分组进行筛选。所以HAVING和WHERE的区别，也是很显而易见了。HAVING 只能与 SELECT 语句一起使用。HAVING 通常在 GROUP BY 子句中使用。如果不使用 GROUP BY 子句，则 HAVING 的行为与 WHERE 子句一样。

（5）SELECT阶段

这一个步骤，将构造最终返回给调用者的表。这个步骤涉及到3个子阶段。

a.计算表达式。在这个阶段中，select列表可以返回油上一步得到的虚拟表的基础列，也可以是对这些基础列的操作。有一点需要注意的是，在这个select列表中，所有的表达式是同时计算的。举个例子，在SQL中，可以这么交换两个列值:update tab_test set col1 = col2,col2 =col1;在别的语言看来这的确很神奇。

而且在select列表中创建的别名不能在同一select列表中的其他表达式中使用。所以，基于这个特性，我们就会得出一个结论，select列表的顺序是无关紧要的。

b.处理DINSTINCT，如果查询中指定了DINSTINCT，则从上一步返回的虚拟表中删除重复的行。

c.应用TOP选项。对于指定了TOP选项的查询，则会根据查询的order by子句来选择指定数量的行。TOP选项里有很多特殊的地方，此处先不扯远，以后有机会单独讲。

（6）ORDER BY阶段

这一步按照order by列表中的列明对上一步的表进行排序，返回游标。

这里有必要谈一下集合和游标。SQL的理论基础是集合，集合是无序的，它只是成员的一种逻辑集合。对于带有排序作用的ORDER BY子句的查询，可以返回一个对象，其中的行按照特定的顺序组织在一起。ANSI把这种 对象成为游标（cursor）。

因为在这一步中，最后返回的是游标，所以带有order by的查询，是不能用来定义视图，子查询，公用表等。例如：

SELECT * FROM (SELECT col1,col2 FROM tab_test ORDER BY col1)是无效的，并且将报错。

但是如果同时指定了TOP选项，则是一个例外。SELECT * FROM (SELECT top (10) col1,col2 FROM tab_test ORDER BY col1)，对于这个查询，因为同时指定了top和order by，则子查询中的结果一定是固定而且有序的的，但是外部的查询，则不能保证是有序排列的。

对于T-SQL查询逻辑处理，就整理到这里，有什么问题，还请大家指出，一起探讨。

参考文献：《Microsoft SQL Server 2008 技术内幕：T-SQL查询》