数据库多表查询全攻略

🔗 数据库多表查询全攻略：告别笛卡尔积，玩转各种 JOIN 与高级嵌套！

引言：数据孤岛？不存在的！

在真实的业务世界里，数据从来都不是孤立存在的。用户信息存在 user 表，订单信息存在 order 表，商品详情又在 product 表......如果只会单表查询，你就只能看到一堆零散的碎片。

这时候，就需要**多表查询（Multi-table Query）**登场了！它就像一位高超的"红娘"，能把分散在不同表里的数据完美地牵线搭桥，组合成我们想要的完整视图。今天，我们就来彻底搞懂多表查询的各种姿势，让你在面对复杂业务时游刃有余！

有关单表查询可以看这篇！！！

🕸️ 第一章：多表关系的"前世今生"

在写 SQL 之前，先要搞清楚表与表之间是什么关系。通常只有以下三种：

一对多（1:N） ：最常见。比如一个部门有多个员工，但一个员工只能属于一个部门。实现方式：在"多"的一方（员工表）建立外键，指向"一"的一方（部门表）。
多对多（N:M） ：比如一个学生可以选多门课，一门课也能被多个学生选。实现方式：必须建立一个中间表（如选课表），里面至少包含两个外键，分别关联两张主表。
一对一（1:1） ：比较少见，通常是为了拆分大表优化性能。比如用户基础信息和用户隐私详情。实现方式：在任意一方加外键并设置唯一约束（UNIQUE）。

💥 第二章：连接查询------JOIN 的四大门派

多表查询的核心就是"连接"。如果不加任何条件直接把两张表拼在一起，会产生恐怖的笛卡尔积 （A表100行，B表100行，结果变成了10000行！）。为了避免这种情况，我们需要用 JOIN 来精准匹配。

1. 内连接（INNER JOIN）：只要"两情相悦"

内连接只返回两张表中完全匹配的数据。就像找对象，必须双方都看对眼了才行。

sql 复制代码

-- 查询有部门的员工姓名和部门名称
SELECT 
    e.name, 
    d.dept_name 
FROM emp e 
INNER JOIN dept d ON e.dept_id = d.id;

💡 提示 ：INNER 可以省略，直接写 JOIN 默认就是内连接。

2. 外连接（OUTER JOIN）：总有一方是"备胎"

外连接会保证某一张表的数据全部显示出来，另一张表没匹配上的就填 NULL。

左外连接（LEFT JOIN） ：以左表为主。左表数据全都要，右表匹配不上拉倒。场景：查询所有员工及其部门信息（哪怕有些新员工还没分配部门，也要把人名查出来）。
sql 复制代码
```
SELECT 
    e.name, 
    d.dept_name 
FROM emp e 
LEFT JOIN dept d ON e.dept_id = d.id;
```
右外连接（RIGHT JOIN） ：以右表为主。逻辑和左连接相反，但在实际开发中，大家习惯统一用 LEFT JOIN，把想保全的表放在左边就行。

3. 自连接（SELF JOIN）：自己和自己谈恋爱？

当一张表里既有数据又有层级关系时（比如员工表里存了 manager_id 领导编号），就需要把这张表当成两张表来用。场景：查询每个员工的上级领导名字。

sql 复制代码

-- 把 emp 表看成两份：a代表员工，b代表领导
SELECT 
    a.name AS '员工', 
    b.name AS '领导' 
FROM emp a 
LEFT JOIN emp b ON a.manager_id = b.id;

⚠️ 注意：自连接必须给表起别名（如 a 和 b），否则数据库会晕头转向。

🪆 第三章：子查询------SQL 里的"套娃"艺术

如果不想用 JOIN，或者逻辑太复杂，我们还可以在 SQL 语句里再嵌套一个 SELECT 语句，这就是子查询。

根据子查询返回的结果不同，可以分为以下几类：

1. 标量子查询（返回单个值）

子查询的结果只有一个数，通常配合 =, >, < 使用。场景：查询工资高于公司平均工资的员工。

sql 复制代码

SELECT * 
FROM emp 
WHERE salary > (
    SELECT AVG(salary) 
    FROM emp
);

2. 列子查询（返回一列数据）

子查询返回一列多行，通常配合 IN, ANY, ALL 使用。场景：查询在"销售部"或"市场部"工作的所有员工。

sql 复制代码

SELECT * 
FROM emp 
WHERE dept_id IN (
    SELECT id 
    FROM dept 
    WHERE name IN ('销售部', '市场部')
);

3. 进阶玩法：带 ANY 和 ALL 的子查询

当子查询返回多个值时，我们可以用这两个关键字进行更精细的比较：

ANY（任意一个） ：只要满足子查询结果中的任意一个值即可。场景：查询比"研发部"任意一个 员工工资高的其他部门员工（即只要比研发部最低工资高就行）。
sql 复制代码
```
SELECT name, salary 
FROM emp 
WHERE salary > ANY (
    SELECT salary 
    FROM emp 
    WHERE dept_id = (SELECT id FROM dept WHERE name = '研发部')
) AND dept_id != (SELECT id FROM dept WHERE name = '研发部');
```
ALL（所有） ：必须满足子查询结果中的所有值。场景：查询比其他部门所有员工工资都高的员工（即比所有非本部门员工的最高工资还要高）。
sql 复制代码
```
SELECT name, salary 
FROM emp 
WHERE salary > ALL (
    SELECT salary 
    FROM emp 
    WHERE dept_id = 30
);
```

4. 降维打击：带 EXISTS 的子查询

EXISTS 不关心子查询的具体内容，只判断子查询是否有结果返回 （有结果则为真，无结果则为假）。它的执行效率通常在大数据量下优于 IN。场景：查询所有选修了 1 号课程的学生姓名（相关子查询）。

sql 复制代码

SELECT name 
FROM student s 
WHERE EXISTS (
    SELECT 1 
    FROM score sc 
    WHERE sc.sno = s.sno AND sc.cno = '1'
);

💡 技巧 ：子查询里写 SELECT 1 或 SELECT * 都可以，因为数据库只在乎"有没有"，不在乎"是什么"。与之对应的还有 NOT EXISTS，用来查找"不存在"的记录。

5. 派生表（放在 FROM 后面）

把子查询的结果当成一张临时表来用。场景：统计各部门的平均薪资，并筛选出平均薪资大于 10000 的部门详情。

sql 复制代码

SELECT 
    d.*, 
    temp.avg_sal 
FROM dept d 
JOIN (
    SELECT dept_id, AVG(salary) as avg_sal 
    FROM emp 
    GROUP BY dept_id
) temp ON d.id = temp.dept_id 
WHERE temp.avg_sal > 10000;

⚠️ 避坑 ：放在 FROM 后面的子查询，一定要给它起个别名（如上面的 temp）！

⚖️ 第四章：集合查询------横向拼接的魔法

前面讲的 JOIN 都是横向拼接（增加字段），而集合查询是纵向拼接（增加行数）。它可以把两条或多条 SELECT 语句的结果合并起来。

UNION：合并后会自动去重，效率较低。
UNION ALL：直接合并，不去重，效率高（推荐使用）。
INTERSECT（交集）：返回两个查询结果中共同拥有的部分（MySQL 8.0+ 支持，老版本可用 INNER JOIN 替代）。
EXCEPT / MINUS（差集）：返回第一个查询有，但第二个查询没有的部分（Oracle 叫 MINUS，SQL Server 叫 EXCEPT，MySQL 可用 LEFT JOIN 替代）。

场景：要把中国城市和外国城市合并到一个列表展示。

sql 复制代码

SELECT name, country FROM cn_cities
UNION ALL
SELECT name, country FROM en_cities;

⚠️ 强制规范 ：参与合并的查询语句，它们的字段数量和数据类型必须一致。

📝 总结：多表查询速查宝典

为了让大家不再混淆，我把核心知识点整理成了表格：

查询方式	核心关键词	适用场景	注意事项
内连接	INNER JOIN	只要两边都有的数据	最常用的连接方式
左外连接	LEFT JOIN	保左表，右表没有补NULL	生产环境最常用，替代右连接
自连接	JOIN ... ON	同一张表内的层级关系	必须给表起不同的别名
子查询	ANY / ALL	与子查询结果集进行比较	ANY满足其一，ALL需满足全部
子查询	EXISTS	判断子查询是否有结果	大数据量下效率通常优于 IN
联合查询	UNION / ALL	合并结构相同的多张表	字段数量和类型必须对齐

掌握了这些多表查询的技巧，你就不再是那个对着单表发愁的新手了。下次遇到复杂的报表需求，试着拆解一下表之间的关系，灵活运用 JOIN、高级子查询和集合运算，你会发现 SQL 的世界原来如此广阔！

如果觉得这篇干货对你有用，别忘了点赞、在看、转发三连哦！我们下期见！👋