Operadores de conjuntos en SQL: guía completa

¿Qué son las operaciones de conjuntos en SQL?

Las operaciones de conjuntos en SQL son técnicas para combinar o comparar los resultados de dos o más sentencias SELECT. Funcionan como las operaciones de conjuntos en matemáticas, permitiéndonos obtener la unión, la intersección o la diferencia entre las filas que devuelven nuestras consultas. Por eso son tan útiles cuando analizas datos desde varias fuentes o perspectivas.

Aquí tienes un resumen rápido de las operaciones principales:

• UNION: fusiona todas las filas únicas de dos o más SELECT, eliminando duplicados.

• UNION ALL: fusiona todas las filas de dos o más SELECT, conservando los duplicados.

• INTERSECT: devuelve solo las filas que aparecen en ambos SELECT.

• EXCEPT: devuelve las filas del primer SELECT que no aparecen en el segundo.

Comparación con las operaciones del álgebra relacional

El álgebra relacional es un marco teórico que sirve de base para entender las consultas a bases de datos. Ofrece operaciones abstractas como proyección, selección y join, con raíces matemáticas e independientes de sistemas concretos. Piénsalo como la lógica "entre bastidores" que impulsa nuestras interacciones con la base de datos.

Los operadores de conjuntos en SQL son la implementación práctica de estos conceptos dentro de un entorno de base de datos. Nos permiten realizar uniones, intersecciones y diferencias directamente sobre los conjuntos de resultados de consultas SQL.

Mientras que el álgebra relacional aporta el fundamento formal de las operaciones, los operadores de conjuntos en SQL ofrecen una interfaz estandarizada y fácil de usar para la manipulación de datos.

Comprender la relación entre los operadores de conjuntos y el álgebra relacional te da perspectiva sobre los pilares teóricos de SQL. Saber este vínculo te ayuda a escribir consultas con un mejor modelo mental de lo que ocurre por debajo.

Tipos de operadores de conjuntos en SQL

Hay tres operadores de conjuntos principales en SQL:

• UNION

• INTERSECT

• EXCEPT (o MINUS en algunos dialectos)

Estos operadores se corresponden matemáticamente con unión, intersección y diferencia de conjuntos.

Reglas para usar operadores de conjuntos

Antes de combinar consultas con operadores de conjuntos, deben cumplirse cuatro requisitos. Si fallas en alguno, tu consulta dará error.

• Mismo número de columnas: cada SELECT debe devolver el mismo número de columnas. Si una consulta devuelve tres y otra dos, la base de datos lanzará un error.

• Tipos de datos compatibles: las columnas correspondientes deben tener tipos compatibles. No puedes combinar en la misma posición una columna VARCHAR de nombres con un INTEGER de IDs.

• Mismo orden de columnas: SQL mapea por posición, no por nombre. La primera columna de la primera consulta se corresponde con la primera de la segunda, independientemente de cómo se llamen.

• ORDER BY solo al final: ORDER BY debe aparecer una única vez, al final de la consulta combinada. No puedes usarlo dentro de cada SELECT.

Un detalle más: los nombres de las columnas en la salida provienen del primer SELECT. Los alias en consultas posteriores se ignoran, así que añade alias solo al primer SELECT si necesitas nombres personalizados.

Cómo usar el operador UNION en SQL

El operador UNION combina los resultados de dos o más consultas SELECT en un único conjunto de resultados, eliminando por defecto las filas duplicadas.

Por ejemplo, supongamos que tenemos dos tablas, employees y contractors, cada una con columnas similares como name, department y salary. A efectos didácticos, consideremos estas dos tablas de ejemplo:

employees:

contractors:

Podemos combinar los resultados de ambas tablas con el siguiente comando:

-- Using UNION to combine all employees and contractors
SELECT name, department, salary FROM employees
UNION
SELECT name, department, salary FROM contractors;

Esta consulta selecciona las columnas name, department y salary de las tablas employees y contractors y las combina en un único conjunto de resultados. El operador UNION elimina automáticamente las filas duplicadas del resultado final.

Fíjate en que Carol, que aparece en ambas tablas, solo se lista una vez en el resultado. Si quisiéramos conservar ambas apariciones de Carol (con sus salarios distintos), usaríamos UNION ALL.

UNION vs UNION ALL

El operador UNION no elimina los valores NULL. Si una columna contiene valores NULL en un conjunto de resultados y valores no NULL en la columna correspondiente del otro, los NULL se mantendrán en el resultado final producido por UNION.

Si queremos incluir los valores NULL en el conjunto de resultados y evitar su eliminación por parte de UNION, podemos usar UNION ALL. Este operador combina los resultados de varias consultas SELECT, incluyendo todas las filas de cada conjunto, sean duplicadas o contengan NULL.

Cómo usar el operador INTERSECT en SQL

El operador INTERSECT devuelve solo las filas que aparecen en ambos conjuntos de resultados. Es como buscar las personas que pertenecen a los dos grupos.

Usemos INTERSECT para consultar nuestras tablas anteriores. Para el ejemplo, consultaremos solo las columnas de nombre y departamento:

-- Using INTERSECT to find common employees
SELECT name, department FROM employees
INTERSECT
SELECT name, department FROM contractors;

Esta consulta selecciona las columnas name y department de las tablas employees y contractors y devuelve solo las filas que existen en ambas tablas según todas las columnas seleccionadas.

El operador INTERSECT gestiona los valores NULL según las reglas estándar de comparación, considerando iguales los NULL al comparar columnas correspondientes. También produce un conjunto vacío cuando trabaja con conjuntos de resultados vacíos.

Es decir, si en un conjunto de resultados hay un NULL y en la columna correspondiente del otro hay un valor no NULL, las filas no se consideran iguales y no se incluirán en la intersección.

Además, si uno de los conjuntos de resultados que se pasa a INTERSECT está vacío, el resultado total también lo estará. No hay filas en común entre un conjunto vacío y cualquier otro.

Cómo usar el operador EXCEPT en SQL

El operador EXCEPT devuelve las filas del primer conjunto de resultados que no están en el segundo.

En Oracle Database, EXCEPT se escribe como MINUS; los demás dialectos principales (PostgreSQL, SQL Server, MySQL 8.0.31+, SQLite) usan EXCEPT.

Por ejemplo, supongamos que ejecutamos la siguiente consulta:

-- Using EXCEPT to find employees who are not contractors
SELECT name, department, salary FROM employees
EXCEPT
SELECT name, department, salary FROM contractors;

Se seleccionan las columnas name, department y salary de la tabla employees y se devuelven solo las filas que no existen en la tabla contractors.

El operador EXCEPT también sigue las reglas estándar de comparación para gestionar valores NULL. Su comportamiento con conjuntos vacíos da como resultado un conjunto vacío si el primer conjunto está vacío, o incluye todas las filas del primero si el segundo conjunto está vacío.

Operadores de conjuntos en SQL: rendimiento y optimización

El impacto de los operadores de conjuntos en el rendimiento de las consultas en SQL puede variar según factores como el tamaño de los conjuntos de datos, la complejidad de las consultas y el sistema de gestión de bases de datos (SGBD) utilizado.

Veamos los factores clave y las estrategias de optimización.

Volumen de datos y complejidad de la consulta

Al trabajar con grandes volúmenes de datos, los operadores de conjuntos pueden afectar notablemente al rendimiento porque aumenta el tamaño de los resultados que hay que combinar, intersectar o comparar, y con ello el tiempo de proceso.

Las consultas complejas con múltiples subconsultas, joins u operadores de conjuntos pueden añadir sobrecarga de procesamiento y empeorar el rendimiento. Operaciones encadenadas o anidadas pueden agravar aún más el impacto.

Indexación y técnicas de optimización

Una indexación adecuada de las columnas implicadas en operaciones de conjuntos puede mejorar significativamente el rendimiento. Los índices ayudan al motor a localizar y recuperar filas relevantes sin escanear tablas completas, acelerando la ejecución.

Para mejorar el rendimiento de consultas con operadores de conjuntos, administradores y desarrolladores pueden aplicar técnicas como reescritura de consultas, análisis de planes de ejecución y optimización del esquema. También pueden usarse caché de consultas y vistas materializadas para precomputar y almacenar resultados complejos, reduciendo el coste computacional.

Motor de base de datos y recursos de hardware

El rendimiento puede variar según el motor de base de datos y su capacidad de optimización. Distintos SGBD emplean estrategias y algoritmos diferentes para procesar estas operaciones, lo que puede dar lugar a variaciones de rendimiento.

La disponibilidad de recursos de hardware como CPU, memoria y E/S de disco también influye en el rendimiento de consultas con operadores de conjuntos. Contar con recursos suficientes ayuda a mitigar cuellos de botella y a garantizar una ejecución eficiente.

Operadores de conjuntos en la práctica

Los operadores de conjuntos no son solo teoría; tienen aplicaciones reales que pueden influir en decisiones de negocio. Veamos un ejemplo simplificado de cómo una empresa podría usarlos para segmentar su base de clientes y lanzar campañas de marketing más afinadas.

El escenario

Imagina una empresa que vende tanto online como en tienda física. Disponen de dos conjuntos de datos:

1. Compras online: ID de cliente, historial de compras, datos demográficos y ubicación de los compradores online.
2. Transacciones en tienda: Información similar de los clientes que compraron en persona.

Uso de los operadores de conjuntos

Para obtener una visión completa de todos los clientes, primero usarían UNION para combinar ambos conjuntos en una sola tabla, eliminando duplicados. Así logran una vista unificada de toda su base de clientes.

Después, podrían usar INTERSECT para identificar a quienes han comprado tanto online como en tienda. Este segmento es especialmente valioso porque muestra un alto nivel de interacción con la marca en varios canales.

Para detectar oportunidades de promoción cruzada, podrían usar EXCEPT. Por ejemplo, SELECT * FROM online_purchases EXCEPT SELECT * FROM in_store_transactions encontraría clientes que solo han comprado online pero no en tienda. A estos clientes se les podrían dirigir promociones para animarlos a visitar un establecimiento físico.

Más allá de la segmentación

Con estos segmentos identificados, la empresa puede ir más allá y refinarlos por factores adicionales como demografía o historial de compra. Esta comprensión granular permite diseñar campañas de marketing mucho más precisas.

Operadores de conjuntos vs. JOIN

Tanto los operadores de conjuntos como los JOIN de SQL combinan datos de varias consultas, pero funcionan de forma diferente. La pregunta clave es si quieres combinar filas o columnas.

Limitaciones y consideraciones de los operadores de conjuntos

Al usar operadores de conjuntos en SQL, conviene tener presentes varias limitaciones y factores que pueden afectar al rendimiento, a la precisión de los resultados y a la usabilidad.

Compatibilidad de tipos y valores NULL

Las columnas correspondientes en los resultados deben tener tipos de datos compatibles. Verifica la compatibilidad antes de combinar consultas. Los desajustes de tipos provocan errores difíciles de detectar.

Los operadores de conjuntos pueden tratar los valores NULL de forma distinta según el SGBD y el operador concreto. Para evitar errores, es importante entender cómo se tratan los NULL.

Impacto en el rendimiento y filas duplicadas

Las operaciones de conjuntos pueden afectar notablemente al rendimiento, especialmente con datos grandes o complejos. Factores como la indexación, la optimización de consultas y los recursos de hardware influyen en el desempeño. Las técnicas de optimización y el tuning son clave para mitigar cuellos de botella.

Por defecto, algunos operadores de conjuntos eliminan filas duplicadas del resultado. Sin embargo, en algunos casos puede ser necesario conservarlas. Es importante entender el comportamiento respecto a duplicados y aplicar las técnicas adecuadas cuando haga falta.

Ordenación de resultados y limitaciones de memoria

Los operadores de conjuntos no garantizan el orden del resultado final. Para ordenar el conjunto combinado, añade una cláusula ORDER BY al final de toda la consulta, después del último SELECT.

Estas operaciones pueden consumir bastante memoria y recursos, sobre todo con conjuntos de datos grandes. Ten en cuenta las limitaciones de memoria y recursos para evitar degradación del rendimiento o inestabilidad del sistema.

Complejidad, mantenimiento y compatibilidad entre SGBD

Las consultas complejas con múltiples operadores de conjuntos, subconsultas y joins pueden ser difíciles de entender, mantener y depurar. Para mejorar su legibilidad y mantenimiento, procura que sean concisas, bien documentadas y modulares.

Los operadores de conjuntos pueden variar en sintaxis y comportamiento según el sistema de gestión de bases de datos. Conocer estas diferencias es clave para escribir SQL compatible entre plataformas.

Conclusión

Los operadores de conjuntos resuelven un problema concreto: combinar o comparar resultados sin saber de antemano qué filas se solapan.

Cubren UNION, INTERSECT y EXCEPT: los tres operadores para unir, comparar y restar conjuntos de resultados.

Si quieres seguir aprendiendo, echa un vistazo a este curso de Joining Data in SQL.