MySQL：left join 避坑指南
作者：MageekChiu
segmentfault.com/a/1190000020458807
现象
left join在我们使用mysql查询的过程中可谓非常常见，比如博客里一篇文章有多少条评论、商城里一个货物有多少评论、一条评论有多少个赞等等。
但是由于对join、on、where等关键字的不熟悉，有时候会导致查询结果与预期不符，所以今天我就来总结一下，一起避坑。
这里我先给出一个场景，并抛出两个问题，如果你都能答对那这篇文章就不用看了。
假设有一个班级管理应用，有一个表classes，存了所有的班级；有一个表students，存了所有的学生，具体数据如下（感谢廖雪峰的在线SQL）：
SELECT * FROM classes;
SELECT * FROM students;
那么现在有两个需求：
找出每个班级的名称及其对应的女同学数量
找出一班的同学总数
对于需求1，大多数人不假思索就能想出如下两种sql写法，请问哪种是对的？
SELECT c.name, count(s.name) as num
FROM classes c left join students s
on s.class_id = c.id
and s.gender = 'F'
group by c.name
或者
SELECT c.name, count(s.name) as num
FROM classes c left join students s
on s.class_id = c.id
where s.gender = 'F'
group by c.name
对于需求2，大多数人也可以不假思索的想出如下两种sql写法，请问哪种是对的？
SELECT c.name, count(s.name) as num
FROM classes c left join students s
on s.class_id = c.id
where c.name = '一班'
group by c.name
或者
SELECT c.name, count(s.name) as num
FROM classes c left join students s
on s.class_id = c.id
and c.name = '一班'
group by c.name
请不要继续往下翻 ！！先给出你自己的答案，正确答案就在下面。
~
~
~
~
~
~
~
~
~
~
~
~
~
~
~
~
答案是两个需求都是第一条语句是正确的，要搞清楚这个问题，就得明白mysql对于left join的执行原理，下节进行展开。
根源
mysql 对于left join的采用类似嵌套循环的方式来进行从处理，以下面的语句为例：
SELECT * FROM LT LEFT JOIN RT ON P1(LT,RT)) WHERE P2(LT,RT)
其中P1是on过滤条件，缺失则认为是TRUE，P2是where过滤条件，缺失也认为是TRUE，该语句的执行逻辑可以描述为：
FOR each row lt in LT {// 遍历左表的每一行
BOOL b = FALSE;
FOR each row rt in RT such that P1(lt, rt) {// 遍历右表每一行，找到满足join条件的行
IF P2(lt, rt) {//满足 where 过滤条件
t:=lt||rt;//合并行，输出该行
}
b=TRUE;// lt在RT中有对应的行
}
IF (!b) { // 遍历完RT，发现lt在RT中没有有对应的行，则尝试用null补一行
IF P2(lt,NULL) {// 补上null后满足 where 过滤条件
t:=lt||NULL; // 输出lt和null补上的行
}
}
}
当然，实际情况中MySQL会使用buffer的方式进行优化，减少行比较次数，不过这不影响关键的执行流程，不在本文讨论范围之内。
从这个伪代码中，我们可以看出两点：
如果想对右表进行限制，则一定要在on条件中进行，若在where中进行则可能导致数据缺失，导致左表在右表中无匹配行的行在最终结果中不出现，违背了我们对left join的理解。
因为对左表无右表匹配行的行而言，遍历右表后b=FALSE,所以会尝试用NULL补齐右表，但是此时我们的P2对右表行进行了限制，NULL若不满足P2(NULL一般都不会满足限制条件，除非IS NULL这种)，则不会加入最终的结果中，导致结果缺失。
如果没有where条件，无论on条件对左表进行怎样的限制，左表的每一行都至少会有一行的合成结果，对左表行而言，若右表若没有对应的行，则右表遍历结束后b=FALSE，会用一行NULL来生成数据，而这个数据是多余的。所以对左表进行过滤必须用where。
下面展开两个需求的错误语句的执行结果和错误原因：
需求1
需求2
需求1由于在where条件中对右表限制，导致数据缺失（四班应该有个为0的结果）
需求2由于在on条件中对左表限制，导致数据多余（其他班的结果也出来了，还是错的）
总结
通过上面的问题现象和分析，可以得出了结论：在left join语句中，左表过滤必须放where条件中，右表过滤必须放on条件中，这样结果才能不多不少，刚刚好。
SQL 看似简单，其实也有很多细节原理在里面，一个小小的混淆就会造成结果与预期不符，所以平时要注意这些细节原理，避免关键时候出错。
推荐阅读
（点击标题可跳转阅读）
看完本文有收获？请转发分享给更多人
关注「数据分析与开发」加星标，提升数据技能
扫码关注，拉你进职场交流微信群