SQL 中的 UNION 与 UNION ALL

在 SQL 的世界里，将多条查询的结果合并是一项基本需求，而 SQL 提供了强大的 UNION 和 UNION ALL 等函数来实现这一点。

正如您将看到的，理解 SQL 中 UNION 与 UNION ALL 之间的细微差别，对于高效的数据查询与管理至关重要。本教程将借助配套数据集，解释它们的关键相似点、差异以及使用场景，帮助您优化 SQL 查询。

简要结论：SQL UNION vs. UNION ALL

关键区别在于，UNION 会去除重复记录，而 UNION ALL 会保留所有重复。这不仅会影响结果集中行的数量，也会影响性能。

我们来看两个示例表，employees_2023 与 employees_2024，分别表示两个年度的员工记录。

SELECT *
FROM employees_2023技术支持

SELECT *
FROM employees_2024技术支持

现在，让我们使用 UNION 将两张表连接起来。

SELECT employee_id, name, department FROM employees_2023 
UNION 
SELECT employee_id, name, department FROM employees_2024;技术支持

在该结果中，重复记录已被去除。现在，我们将其与使用 UNION ALL 得到的结果进行对比。

SELECT employee_id, name, department FROM employees_2023 
UNION ALL 
SELECT employee_id, name, department FROM employees_2024;技术支持

在该结果中，包含了所有记录，未对重复项进行去重。

SQL 中的 UNION 是什么？

UNION 会将两条或多条 SELECT 查询的结果合并为一个结果集，并去除重复行。每条 UNION 中的 SELECT 语句必须具有相同的列数、相近的数据类型，且列的顺序一致。为便于理解，我们先创建下面两个示例表。

CREATE TABLE sales_team (
    employee_id INT,
    employee_name VARCHAR(50)
);
INSERT INTO sales_team (employee_id, employee_name) VALUES
(1, 'Alice'),
(2, 'Bob'),
(3, 'Charlie');
CREATE TABLE support_team ( 
employee_id INT, 
employee_name VARCHAR(50)
 );
INSERT INTO support_team (employee_id, employee_name) VALUES 
(3, 'Charlie'), 
(4, 'David'), 
(5, 'Eve');技术支持

上述代码将分别创建本教程中要使用的两张表：sales_team 与 support_team。您可以使用下面的代码查看这些表。

SELECT * 
FROM sales_team技术支持

sales_team 表中的记录。图片由作者提供

SELECT * 
FROM support_team技术支持

support_team 表中的记录。图片由作者提供

这两张小表各包含三条记录，列名一目了然。现在我们已经创建了两张表，来应用一下 UNION 函数。

SELECT employee_id, employee_name
    FROM sales_team
   UNION
SELECT employee_id, employee_name
    FROM support_team;技术支持

UNION 函数的输出。图片由作者提供

可以看到，值为 3 的 employee_id 的重复条目被去除了。

UNION 在 SQL 中的使用场景有哪些？

以下是 UNION 的一些常见用法。

• 合并不同表的结果：当您希望合并多张表并确保没有重复记录时，UNION 是首选。

• 处理不同数据源：在合并来自不同数据源的表时，UNION 很有用。

• 跨查询去重：当您需要确保合并结果集的唯一性时，使用 UNION。

SQL 中的 UNION ALL 是什么？

UNION ALL 会合并两条或多条 SELECT 查询的结果，并保留所有重复行。由于不进行去重，该函数通常比 UNION 更快。

SELECT employee_id, employee_name
    FROM sales_team
UNION ALL
SELECT employee_id, employee_name
    FROM support_team;技术支持

UNION ALL 函数的输出。图片由作者提供

可以看到，在这种情况下，重复条目会被保留并重复显示。

UNION ALL 在 SQL 中的使用场景有哪些？

以下是 UNION ALL 的一些常见用法。

• 合并包含重复的结果：当您需要合并多条查询的结果并保留所有重复行时，使用 UNION ALL。
• 性能考量：UNION ALL 比 UNION 更高效，因为无需额外的去重步骤。
• 汇总不同时期数据：当按不同时期或来源聚合数据且需要保留重复时，优先使用 UNION ALL。
• 报表与分析：用于要求包含每条记录（包括重复）的报表场景，UNION ALL 更合适。

UNION 与 UNION ALL：相同点与差异

我们用一张汇总表来概述其相同点与差异。

各 SQL 方言中 UNION 与 UNION ALL 的语法差异

尽管基本语法在不同 SQL 方言中保持一致，但也会因平台而略有差异。在大多数平台（如 SQL Server、Oracle、MySQL、PostgreSQL 或 BigQuery）上，代码大致如下所示。

SELECT employee_id, employee_name
    FROM sales_team
UNION ALL
SELECT employee_id, employee_name
    FROM support_team;技术支持

这些 SQL 方言中的基本用法相同，但也存在一些细微差别：

1. 对 NULL 与排序规则的处理：不同方言对 NULL 值与字符串排序规则的处理可能不同。
2. 性能优化：各方言在优化与执行效率上可能存在差异。
3. 错误与警告处理：使用这些函数时，不同方言的错误与警告处理方式可能不同。
4. 平台特定函数与特性：某些方言可能提供额外的函数或特性，可与 UNION 和 UNION ALL 结合用于更复杂的场景。

在运行于分布式环境的 PySpark 中，命令有明显不同。假设 df1 与 df2 是我们在上文创建的两张表对应的数据框，代码如下：

df1.union(df2)技术支持

使用 SQL UNION 的 3 条规则与常见错误

尽管 UNION 与 UNION ALL 功能强大，但对语法非常严格。如果您的查询报错，很可能是违反了以下三条黄金法则之一。

1. 列数量不一致

用户最常见的错误是两边列数不匹配。要合并两个数据集，表的“形状”必须一致。无法将 3 列的表堆叠到 2 列的表之上。

错误示例：

-- 由于列数不一致，此查询会失败
SELECT employee_id, name, department 
FROM employees_2023
UNION
SELECT employee_id, name 
FROM employees_2024;技术支持

修复方法：确保两条 SELECT 语句请求的列数完全一致。如果第二张表缺少数据（如 department），可选择 NULL 作为占位，使列数对齐：

SELECT employee_id, name, department FROM employees_2023
UNION
SELECT employee_id, name, NULL as department FROM employees_2024;技术支持

2. 数据类型兼容性

SQL 按位置合并结果，而非按列名。第一条查询的第一个列的数据类型，必须与第二条查询的第一个列相匹配（或兼容）。

错误示例：如果不小心交换了列的顺序，SQL 会尝试将数字（ID）堆叠到字符串（Name）之上，从而导致数据类型转换错误。

-- 失败原因：第 1 列（ID - INT）不能与第 1 列（Name - VARCHAR）合并
SELECT employee_id, name FROM employees_2023
UNION
SELECT name, employee_id FROM employees_2024;技术支持

修复方法：务必确保每个 SELECT 语句中的列顺序完全一致，再进行 UNION。

3. ORDER BY 的限制

常见困惑在于 ORDER BY 的位置。无法在 UNION 的子查询内部进行排序；只能对最终合并的结果排序。

错误示例：在最终查询前使用 ORDER BY 会触发语法错误。

-- 错误语法
SELECT employee_id, name FROM employees_2023 
ORDER BY employee_id -- 此处不可排序！
UNION
SELECT employee_id, name FROM employees_2024;技术支持

修复方法：将 ORDER BY 放在查询的最后。这会对整个合并后的结果集进行排序。

-- 正确语法
SELECT employee_id, name FROM employees_2023
UNION
SELECT employee_id, name FROM employees_2024
ORDER BY employee_id; -- 对最终结果排序技术支持

结语

要高效地使用 SQL 管理数据，理解 UNION 与 UNION ALL 的适用性至关重要。前者仅选择去重后的记录，后者保留所有记录，从而影响性能与结果集规模。请根据您的具体需求选择合适的函数。

如需进一步学习，建议参考以下资源：

• SQL 入门：学习如何使用 SQL 创建并查询关系型数据库。
• SQL 基础：掌握与数据交互和查询所需的基础 SQL 技能。
• SQL 助理认证：通过从数据库中提取合适数据并回答常见数据问题，证明您的 SQL 能力。
• SQL 进阶：在这门实践课程中，学习分析数据所需的关键 SQL 技能，并立即用自己的 SQL 代码开展分析。