📖 先说结论
很多初学者容易把 JOIN 和 UNION 搞混，因为它们都是"把两张表合在一起"。但合并的方向完全不同：
📄 JOIN 是把两张表左右合并 ，像把两张纸并排贴在一起。
📄 UNION 是把两张表上下合并 ，像把两张纸上下拼接成一张长纸。
用一张图来理解：
css
JOIN（左右合并）： UNION（上下合并）：
表A 表B 结果 表A 结果
───── + ───── = ─────────── ───── ─────
行1 行X 行1 | 行X 行1 行1
行2 行Y 行2 | 行Y 行2 行2
行3 行Z 行3 | 行Z ───── = 行3
表B ─────
行A 行A
行B 行B
AI写代码text
12345678910🔗 一、JOIN ------ 横向拼接
核心思想
JOIN 用于将同一业务实体的不同维度 拼在一起。两张表之间必须存在可以对齐的关联关系（通常是外键），把符合条件的行左右合并成一行。
典型场景
我有一张订单表，想同时看到订单信息 + 下单患者的姓名。
订单表和患者表之间存在 patient_id 关联，每一条订单对应一个患者，这就是典型的横向拼接场景。
vbnet
-- 查询订单，同时展示患者姓名
SELECT
o.order_no AS 订单号,
o.amount AS 金额,
u.real_name AS 患者姓名
FROM orders o
JOIN patient_user u ON o.patient_id = u.id
WHERE o.create_time >= '2024-01-01'
AI写代码sql
12345678结果长这样：
arduino
订单号 金额 患者姓名
ORDER_001 199.00 张三
ORDER_002 299.00 李四
ORDER_003 99.00 张三
AI写代码text
1234每一行都是一条订单 + 这条订单对应的患者，数据是横向扩展的，列变多了，行数不变（或者因为匹配关系有所变化）。
JOIN 的几种类型
css
-- INNER JOIN（内连接）：只返回两边都能匹配上的行
SELECT * FROM A INNER JOIN B ON A.id = B.a_id
-- LEFT JOIN（左连接）：左表全返回，右表没匹配到的填 NULL
SELECT * FROM A LEFT JOIN B ON A.id = B.a_id
-- RIGHT JOIN（右连接）：右表全返回，左表没匹配到的填 NULL
SELECT * FROM A RIGHT JOIN B ON A.id = B.a_id
AI写代码sql
12345678💡 记忆口诀 ：JOIN 是"找对象"，两行数据牵手合并成一行，牵手的条件就是
ON后面的关联字段。
🔀 二、UNION ------ 纵向堆叠
核心思想
UNION 用于将结构相同、但来源不同 的数据集纵向堆叠在一起。两个查询的列数和数据类型必须一致，把多个查询的结果上下拼成一张更长的表。
典型场景
我有体重日常记录表和 InBody 专业测量表，想在趋势图里把两边的体重数据按时间顺序展示在同一条折线上。
这两张表的记录之间没有对应关系，体重记录表有365条，InBody表有12条，它们都是独立的测量事件。我需要的是把它们纵向堆叠，按时间排列：
sql
-- 体重趋势图：把两张表的数据纵向合并
SELECT record_time, weight, '日常测量' AS source
FROM patient_weight_record
WHERE patient_id = 1
UNION ALL
SELECT record_time, weight, 'InBody测量' AS source
FROM patient_body_composition
WHERE patient_id = 1
ORDER BY record_time
AI写代码sql
123456789101112结果长这样：
yaml
record_time weight source
2024-01-01 07:00 85.50 日常测量
2024-01-05 09:00 85.20 日常测量
2024-01-10 10:00 84.80 InBody测量 ← 来自另一张表
2024-01-15 07:30 84.50 日常测量
2024-01-20 08:00 84.10 日常测量
2024-02-10 10:00 83.60 InBody测量 ← 来自另一张表
AI写代码
1234567数据是纵向扩展的，列数不变，行数变多了。
UNION 和 UNION ALL 的区别
sql
-- UNION：自动去重（性能较差，需要额外排序去重）
SELECT name FROM table_a
UNION
SELECT name FROM table_b
-- UNION ALL：不去重，直接合并（性能更好）
SELECT name FROM table_a
UNION ALL
SELECT name FROM table_b
AI写代码sql
123456789⚠️ 原则 ：如果你确定两个结果集不会有重复数据，或者你不在乎重复，优先用 UNION ALL，性能更好。只有在明确需要去重时才用 UNION。
⚖️ 三、核心对比
| 对比维度 | JOIN | UNION |
|---|---|---|
| 📐 合并方向 | 横向（列变多） | 纵向（行变多） |
| 🔗 前提条件 | 两表有关联字段 | 两个查询列数和类型一致 |
| 📊 结果形态 | 行数取决于匹配关系 | 行数 = 两个查询结果之和 |
| 🎯 适用场景 | 同一实体的不同维度 | 同类数据的不同来源 |
| 🔑 关键字 | ON 指定关联条件 |
无需关联条件 |
| ⚡ 典型用法 | 订单 + 用户信息 | 多个来源的同类数据合并 |
🎯 四、如何判断用哪个？
遇到"把两张表合在一起"的需求时，问自己两个问题：
问题一：我想要的结果，列数是变多了，还是行数变多了？
列变多 → JOIN，行变多 → UNION。
问题二：两张表的数据是"同一件事的不同角度"，还是"同类事情的不同来源"？
markdown
同一件事的不同角度（一条订单 + 这条订单的用户名）
→ JOIN，横向拼接
同类事情的不同来源（体脂秤的体重记录 + InBody的体重记录）
→ UNION，纵向堆叠
AI写代码text
12345实际案例判断练习
sql
❓ 查询患者信息，同时展示主管医生的姓名
→ 患者表 JOIN 医生表（同一患者档案的不同维度）✅ JOIN
❓ 查询本月所有健康指标的预警记录（血压预警 + 血糖预警 + 体重预警分别在不同表）
→ 三张预警表纵向合并（同类事件的不同来源）✅ UNION ALL
❓ 查询运动记录，同时展示当天的饮食热量
→ 运动表 LEFT JOIN 饮食表（同一天的不同健康维度）✅ JOIN
❓ 查询某患者所有沟通记录（患者发的 + 医生发的 + 系统消息）
→ 这个其实在同一张表里，按 sender_type 区分，不需要 UNION
AI写代码text
1234567891011🚫 五、常见误区
❌ 误区一：以为 JOIN 可以代替 UNION
sql
-- ❌ 错误思路：用 JOIN 合并两张体重表
SELECT w.record_time, w.weight, b.weight
FROM patient_weight_record w
JOIN patient_body_composition b ON w.patient_id = b.patient_id
-- 结果是笛卡尔积：365条 × 12条 = 4380条，完全错误！
AI写代码sql
12345两张表没有行级别的对应关系，JOIN 会产生笛卡尔积，结果毫无意义。
❌ 误区二：UNION 的列不对齐
sql
-- ❌ 错误：两个查询列数不一致
SELECT record_time, weight FROM patient_weight_record
UNION ALL
SELECT record_time, weight, bmi FROM patient_body_composition
-- 报错：列数不匹配
AI写代码sql
12345
sql
-- ✅ 正确：列数和类型对齐，缺少的列用 NULL 补位
SELECT record_time, weight, NULL AS bmi FROM patient_weight_record
UNION ALL
SELECT record_time, weight, bmi FROM patient_body_composition
AI写代码sql
1234❌ 误区三：UNION 后忘记加 ORDER BY
sql
-- ⚠️ 注意：ORDER BY 要放在最后，对整体结果排序
SELECT record_time, weight FROM patient_weight_record WHERE patient_id = 1
UNION ALL
SELECT record_time, weight FROM patient_body_composition WHERE patient_id = 1
ORDER BY record_time -- ✅ 放在最后，对合并后的全部结果排序
AI写代码sql
12345📌 六、一句话总结
🎯 JOIN 是找对象 （两行数据牵手变成一行，列变多）；UNION 是排队（两批数据排成一队，行变多）。搞清楚你要的是"更宽的表"还是"更长的表"，就知道该用哪个了。