SQL 语句左连接右连接内连接如何使用,区别是什么?

简介: 我是小假 期待与你的下一次相遇 ~


核心概念

连接(JOIN)用于根据两个或多个表中的列之间的关系,从这些表中查询数据。为了更直观地理解,我们假设有两个表:

员工表 (Employees)

employee_id

name

department_id

1

张三

101

2

李四

102

3

王五

NULL

部门表 (Departments)

department_id

department_name

101

技术部

102

销售部

103

市场部

内连接 (INNER JOIN)

定义:只返回两个表中连接条件匹配的记录。

结果:两个表的交集部分。

使用场景:当你只想查看在两边表中都有对应信息的记录时。例如,查询所有有部门的员工及其部门信息。

SQL语句

SELECT 
    e.name,
    d.department_name
FROM 
    Employees e
INNER JOIN 
    Departments d ON e.department_id = d.department_id;

image.gif

查询结果

name

department_name

张三

技术部

李四

销售部

注意:员工“王五”的department_id为NULL,在部门表中找不到匹配项,所以没有出现。部门“市场部”在员工表中没有对应的员工,所以也没有出现。

左外连接 (LEFT JOIN / LEFT OUTER JOIN)

定义:返回左表 (FROM子句中的表) 的所有记录,以及右表中连接条件匹配的记录。如果右表没有匹配的记录,则结果集中右表的部分返回NULL。

结果:左表的全集 + 右表的匹配部分。

使用场景:当你需要左表的所有记录,无论它们在右表中是否有对应项。例如,列出所有员工,并显示他们所在的部门(即使某些员工没有部门)。

SQL语句

SELECT 
    e.name,
    d.department_name
FROM 
    Employees e
LEFT JOIN 
    Departments d ON e.department_id = d.department_id;

image.gif

查询结果

name

department_name

张三

技术部

李四

销售部

王五

NULL

注意:员工“王五”被包含在结果中,但因为他不属于任何部门,所以department_name为NULL。

右外连接 (RIGHT JOIN / RIGHT OUTER JOIN)

定义:与左连接相反。返回右表 (JOIN子句中的表) 的所有记录,以及左表中连接条件匹配的记录。如果左表没有匹配的记录,则结果集中左表的部分返回NULL。

结果:右表的全集 + 左表的匹配部分。

使用场景:当你需要右表的所有记录,无论它们在左表中是否有对应项。例如,列出所有部门,并显示部门里的员工(即使某些部门没有员工)。

SQL语句

SELECT 
    e.name,
    d.department_name
FROM 
    Employees e
RIGHT JOIN 
    Departments d ON e.department_id = d.department_id;

image.gif

查询结果

name

department_name

张三

技术部

李四

销售部

NULL

市场部

注意:部门“市场部”被包含在结果中,但因为该部门没有员工,所以name为NULL。

全外连接 (FULL OUTER JOIN)

定义:返回左表和右表中的所有记录。当某一行在另一个表中没有匹配行时,另一个表的部分将返回NULL。如果表之间有匹配的行,则返回匹配行。

结果:两个表的并集

使用场景:当你需要看到两个表的所有数据,无论它们是否匹配。例如,生成一个包含所有员工和所有部门的完整列表。

SQL语句

-- 注意:MySQL不支持FULL OUTER JOIN,但可用LEFT JOIN和RIGHT JOIN的UNION来实现
SELECT 
    e.name,
    d.department_name
FROM 
    Employees e
LEFT JOIN 
    Departments d ON e.department_id = d.department_id
UNION
SELECT 
    e.name,
    d.department_name
FROM 
    Employees e
RIGHT JOIN 
    Departments d ON e.department_id = d.department_id;

image.gif

查询结果

name

department_name

张三

技术部

李四

销售部

王五

NULL

NULL

市场部

注意:这个结果包含了左连接和右连接的所有记录。

总结与区别

连接类型

关键字

描述

结果集(基于示例)

内连接

INNER JOIN

只返回两个表匹配的记录。

张三(技术部), 李四(销售部)

左连接

LEFT JOIN

返回左表全部记录 + 右表匹配的记录。

张三(技术部), 李四(销售部), 王五(NULL)

右连接

RIGHT JOIN

返回右表全部记录 + 左表匹配的记录。

张三(技术部), 李四(销售部), NULL(市场部)

全外连接

FULL OUTER JOIN

返回左右两表全部记录。

张三(技术部), 李四(销售部), 王五(NULL), NULL(市场部)

记忆技巧

可以借助韦恩图 (Venn Diagram) 来记忆:

image.gif

相关文章
|
21天前
|
SQL 数据可视化 大数据
我是谁?我从哪来?我要到哪去?——聊聊数据血缘分析的“前世今生”
我是谁?我从哪来?我要到哪去?——聊聊数据血缘分析的“前世今生”
166 11
|
20天前
|
SQL JSON 分布式计算
【跨国数仓迁移最佳实践6】MaxCompute SQL语法及函数功能增强,10万条SQL转写顺利迁移
本系列文章将围绕东南亚头部科技集团的真实迁移历程展开,逐步拆解 BigQuery 迁移至 MaxCompute 过程中的关键挑战与技术创新。本篇为第六篇,MaxCompute SQL语法及函数功能增强。 注:客户背景为东南亚头部科技集团,文中用 GoTerra 表示。
225 20
|
14天前
|
数据采集 人工智能 自然语言处理
Meta SAM3开源:让图像分割,听懂你的话
Meta发布并开源SAM 3,首个支持文本或视觉提示的统一图像视频分割模型,可精准分割“红色条纹伞”等开放词汇概念,覆盖400万独特概念,性能达人类水平75%–80%,推动视觉分割新突破。
840 59
Meta SAM3开源:让图像分割,听懂你的话
|
17天前
|
监控 应用服务中间件 API
Agentic 应用时代,Dify 全链路可观测最佳实践
本文讲述 Dify 平台在 Agentic 应用开发中面临的可观测性挑战,从开发者与运维方双重视角出发,系统分析了当前 Dify 可观测能力的现状、局限与改进方向
276 18
Agentic 应用时代,Dify 全链路可观测最佳实践
|
20天前
|
SQL 分布式计算 大数据
【跨国数仓迁移最佳实践8】MaxCompute Streaming Insert:大数据数据流写业务迁移的实践与突破
本系列文章将围绕东南亚头部科技集团的真实迁移历程展开,逐步拆解 BigQuery 迁移至 MaxCompute 过程中的关键挑战与技术创新。本篇为第八篇,MaxCompute Streaming Insert:大数据数据流写业务迁移的实践与突破。 注:客户背景为东南亚头部科技集团,文中用 GoTerra 表示。
250 39
|
20天前
|
SQL 分布式计算 DataWorks
【跨国数仓迁移最佳实践7】基于 MaxCompute 多租的大数据平台架构
本系列文章将围绕东南亚头部科技集团的真实迁移历程展开,逐步拆解 BigQuery 迁移至 MaxCompute 过程中的关键挑战与技术创新。本篇为第七篇,基于MaxCompute 多租的大数据平台架构。 注:客户背景为东南亚头部科技集团,文中用 GoTerra 表示。
181 27
|
1月前
|
数据采集 监控 搜索推荐
低至 1% 性能损耗:阿里云 ARMS 配置模板如何实现精准可控的 JMX 数据采集
APM 一定要全量采集吗?ARMS 推出配置模板,支持按场景分级监控:核心应用上 Trace,非核心只采 JVM,成本直降 90%+ !
193 30
|
6天前
|
数据采集 SQL 自然语言处理
脏数据不脏心:大数据平台的数据质量(DQ)入门实战与自动修复心法
脏数据不脏心:大数据平台的数据质量(DQ)入门实战与自动修复心法
98 20
|
25天前
|
运维 监控 供应链
Alibaba交易平台TMF2.0介绍
2017双11交易峰值达32.5万笔/秒,面对高并发与复杂业务需求,阿里推出TMF2.0框架,通过业务与平台分离、全链路可视化、配置化发布等创新,实现需求开发周期缩短至12天,支撑多业务快速试错与复用,构建可配置、可监控、可运维的电商技术新体系。
139 5
Alibaba交易平台TMF2.0介绍