开发指南—DQL语句—SELECT

本文涉及的产品
云数据库 RDS MySQL,集群系列 2核4GB
推荐场景:
搭建个人博客
云原生数据库 PolarDB 分布式版,标准版 2核8GB
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
简介: SELECT用于从一个或多个表中查询数据。

语法


SELECT
    [ALL | DISTINCT]
    select_expr [, select_expr ...]
    [FROM table_references
    [WHERE where_condition]
    [GROUP BY {col_name | expr | position}
    [HAVING where_condition]
    [ORDER BY {col_name | expr | position}
      [ASC | DESC], ...]
    [LIMIT {[offset,] row_count | row_count OFFSET offset}]
    [FOR UPDATE]

SELECT子句说明:

  • select_expr:表示查询的列,SELETE必须至少有一个select_expr。
  • table_references:表示从哪些表中获取数据。
  • WHERE子句:指定查询条件,即从表中获取满足where_condition的行,若没有指定,则获取所有行。
  • GROUP BY子句:支持列名,表达式以及输出列中的位置引用。
  • HAVING子句:与WHERE类似,不同点在于可以使用聚合函数。
  • ORDER BY:指定排序,支持列名、表达式以及输出列中的位置引用,同时支持指定排序方向,ASC(升序)或 DESC(降序)。
  • LIMIT/OFFSET:限定输出结果集的偏移量和大小。LIMIT 接受一个或两个数字参数。参数必须是一个整数常量。如果给定两个参数,第一个参数指定第一个返回记录行的偏移量,第二个参数指定返回记录行的最大数目。初始记录行的偏移量是 0(而不是 1): 为了与PostgreSQL兼容,MySQL也支持句法: LIMIT # OFFSET #。
  • FOR UPDATE:对查询结果所有行加排他锁,以阻止其他事务的并发修改,或阻止在某些事务隔离级别时的并发读取。

注意事项

  • 不支持在HAVING中使用适用于WHERE子句的表达式,如下SQL1应改写为SQL2。SQL1:
SELECT col_name FROM tbl_name HAVING col_name > 0;
  • SQL2:
SELECT col_name FROM tbl_name WHERE col_name > 0;
  • HAVING子句可以引用聚合函数,但WHERE子句不可以。
SELECT user, MAX(salary) FROM users

GROUP BY user HAVING MAX(salary) > 10;
  • LIMIT若有两个参数,第一个参数表示返回第一行的偏移量,第二个参数表示返回的行数;若仅有一个参数,则表示返回的行数,默认偏移量为0。
  • GROUP BY子句不支持ASC和DESC。
  • 同时存在GROUP BY和ORDER BY时,ORDER BY后面的表达式必须在SELECT表达式或GROUP BY表达式中,如不支持以下SQL。
SELECT user FROM users GROUP BY age ORDER BY salary;
  • 暂不支持ORDER BY子句中使用聚合函数以及包含聚合函数的表达式,可将表达式作为select_expr,并赋予别名,在ORDER BY子句中引用该别名。
  • 暂不支持以空字符串作为别名。

JOIN

PolarDB-X支持在SELECT语句的table_references中使用如下JOIN语法:


table_references:
escaped_table_reference [, escaped_table_reference] ...
escaped_table_reference:
table_reference
| { OJ table_reference }
table_reference:
table_factor
| join_table
table_factor:
[schema_name.]tbl_name [[AS] alias] [index_hint_list]
| table_subquery [AS] alias
| ( table_references )
join_table:
table_reference [INNER | CROSS] JOIN table_factor [join_condition]
| table_reference {LEFT|RIGHT} [OUTER] JOIN table_reference join_condition
join_condition:
ON conditional_expr
| USING (column_list)
index_hint_list:
index_hint [, index_hint] ...
index_hint:
USE {INDEX|KEY}
[FOR {JOIN|ORDER BY|GROUP BY}] ([index_list])
| IGNORE {INDEX|KEY}
[FOR {JOIN|ORDER BY|GROUP BY}] (index_list)
| FORCE {INDEX|KEY}
[FOR {JOIN|ORDER BY|GROUP BY}] (index_list)
index_list:
index_name [, index_name] ...

使用JOIN语句时,应考虑如下因素:

  • JOIN、CROSS JOIN与INNER JOIN语法是等价的,这种设定与MySQL保持一致。
  • 如果INNER JOIN没有ON条件,其与”逗号“连接是等价的,均表示笛卡尔积。如下两条SQL等价:
SELECT * FROM t1 INNER JOIN t2 WHERE t1.id > 10
SELECT * FROM t1, t2 WHERE t1.id > 10
  • USING(column_list)指定连接两表中都存在的列名,PolarDB-X会按照这些列构建等值条件。如下两条SQL等价:
a LEFT JOIN b USING(c1, c2)
a LEFT JOIN b ON a.c1 = b.c1 AND a.c2 = b.c2
  • JOIN的优先级高于”逗号“操作符,对于连接表达式t1, t2 JOIN t3会转换为(t1, (t2 JOIN t3),而不是((t1, t2) JOIN t3)。
  • 外连接LEFT/RIGHT JOIN必须有ON条件。
  • index_hint用于告知MySQL使用哪个索引,PolarDB-X会将该Hint下推至底层MySQL。
  • 暂不支持STRAIGHT_JOIN和NATURAL JOIN。

UNION

PolarDB-X支持如下UNION语法:


SELECT ...
UNION [ALL | DISTINCT] SELECT ...
[UNION [ALL | DISTINCT] SELECT ...]


说明 对于UNION中的每个SELECT,PolarDB-X暂不支持使用多个同名的列。例如以下SQL的SELECT中存在重复的列名,暂不支持。


SELECT id, id, name FROM t1 UNION SELECT pk, pk, name FROM t2;

相关文档

相关实践学习
快速体验PolarDB开源数据库
本实验环境已内置PostgreSQL数据库以及PolarDB开源数据库:PolarDB PostgreSQL版和PolarDB分布式版,支持一键拉起使用,方便各位开发者学习使用。
相关文章
|
SQL 自然语言处理 关系型数据库
开发指南—DQL语句—SELECT
SELECT用于从一个或多个表中查询数据。
113 0
|
SQL 关系型数据库 MySQL
开发指南—DQL语句—子查询
本文介绍PolarDB-X支持的子查询类别及在PolarDB-X中使用子查询的相关限制和注意事项。
开发指南—DML语句—INSERT
您可以使用INSERT语句往表中插入数据。
|
19天前
|
供应链 监控 安全
对话|企业如何构建更完善的容器供应链安全防护体系
阿里云与企业共筑容器供应链安全
171341 14
|
21天前
|
供应链 监控 安全
对话|企业如何构建更完善的容器供应链安全防护体系
随着云计算和DevOps的兴起,容器技术和自动化在软件开发中扮演着愈发重要的角色,但也带来了新的安全挑战。阿里云针对这些挑战,组织了一场关于云上安全的深度访谈,邀请了内部专家穆寰、匡大虎和黄竹刚,深入探讨了容器安全与软件供应链安全的关系,分析了当前的安全隐患及应对策略,并介绍了阿里云提供的安全解决方案,包括容器镜像服务ACR、容器服务ACK、网格服务ASM等,旨在帮助企业构建涵盖整个软件开发生命周期的安全防护体系。通过加强基础设施安全性、技术创新以及倡导协同安全理念,阿里云致力于与客户共同建设更加安全可靠的软件供应链环境。
150298 32
|
29天前
|
弹性计算 人工智能 安全
对话 | ECS如何构筑企业上云的第一道安全防线
随着中小企业加速上云,数据泄露、网络攻击等安全威胁日益严重。阿里云推出深度访谈栏目,汇聚产品技术专家,探讨云上安全问题及应对策略。首期节目聚焦ECS安全性,提出三道防线:数据安全、网络安全和身份认证与权限管理,确保用户在云端的数据主权和业务稳定。此外,阿里云还推出了“ECS 99套餐”,以高性价比提供全面的安全保障,帮助中小企业安全上云。
201977 15
对话 | ECS如何构筑企业上云的第一道安全防线
|
7天前
|
机器学习/深度学习 自然语言处理 PyTorch
深入剖析Transformer架构中的多头注意力机制
多头注意力机制(Multi-Head Attention)是Transformer模型中的核心组件,通过并行运行多个独立的注意力机制,捕捉输入序列中不同子空间的语义关联。每个“头”独立处理Query、Key和Value矩阵,经过缩放点积注意力运算后,所有头的输出被拼接并通过线性层融合,最终生成更全面的表示。多头注意力不仅增强了模型对复杂依赖关系的理解,还在自然语言处理任务如机器翻译和阅读理解中表现出色。通过多头自注意力机制,模型在同一序列内部进行多角度的注意力计算,进一步提升了表达能力和泛化性能。
|
11天前
|
存储 人工智能 安全
对话|无影如何助力企业构建办公安全防护体系
阿里云无影助力企业构建办公安全防护体系
1257 11
|
14天前
|
机器学习/深度学习 自然语言处理 搜索推荐
自注意力机制全解析:从原理到计算细节,一文尽览!
自注意力机制(Self-Attention)最早可追溯至20世纪70年代的神经网络研究,但直到2017年Google Brain团队提出Transformer架构后才广泛应用于深度学习。它通过计算序列内部元素间的相关性,捕捉复杂依赖关系,并支持并行化训练,显著提升了处理长文本和序列数据的能力。相比传统的RNN、LSTM和GRU,自注意力机制在自然语言处理(NLP)、计算机视觉、语音识别及推荐系统等领域展现出卓越性能。其核心步骤包括生成查询(Q)、键(K)和值(V)向量,计算缩放点积注意力得分,应用Softmax归一化,以及加权求和生成输出。自注意力机制提高了模型的表达能力,带来了更精准的服务。
|
12天前
|
消息中间件 人工智能 运维
1月更文特别场——寻找用云高手,分享云&AI实践
我们寻找你,用云高手,欢迎分享你的真知灼见!
890 44
1月更文特别场——寻找用云高手,分享云&AI实践