MySQL的复合查询功能实现
到这里，我们已经学会了如何在一张表中进行各种查询。但请大家思考一个问题：真实的工程项目中，我们面对的真的只是单张孤立的数据表吗？显然不是。订单信息可能关联用户表，成绩查询需要联立课程表……单表查询固然基础，却难以应对这些现实场景。因此，为了让查询真正“活”起来，我们将进入下一个核心篇章 —— MySQL 复合查询。
1. 基本查询回顾
1. 查询工资高于2000或岗位为MANAGER的雇员，同时还要满足他们的姓名首字母为大写的J
2. 按照部门号升序而雇员的工资降序排
3. 使用年薪进行降序排序
4. 显示工资最高的员工的名字和工作岗位
5. 显示工资高于平均工资的员工信息
6. 显示每个部门的平均工资和最高工资
7. 显示平均工资低于2000的部门号和它的平均工资
在 SQL 中看到的 HA VING 平均工资 <= 2000 其实是一种 MySQL 对标准 SQL 的扩展，它允许在 HA VING 子句中直接使用 SELECT 中定义的列别名（比如这里的 平均工资）。
不过，从 SQL 的逻辑执行顺序来看，这并不符合标准的运算顺序，所以容易让人困惑。因此，更稳妥、更标准的写法是直接使用聚合函数，例如 HA VING a vg(sal) <= 2000。
8. 显示每种岗位的雇员总数，平均工资
2. 多表查询
实际开发中，数据往往分散在不同的表中，这就需要用到多表查询。本节我们用一个简单的公司管理系统来演示，该系统包含三张表：EMP（员工表）、DEPT（部门表）和SALGRADE（工资等级表）。
来看一个典型案例：
显示雇员名、雇员工资以及所在部门的名字。由于数据分别来自EMP和DEPT表，因此需要进行联合查询。
1. 显示部门号为10的部门名，员工名和工资
2. 显示各个员工的姓名，工资，及工资级别
3. 自连接
自连接，顾名思义，就是同一张表自己和自己进行连接查询。
案例：显示员工FORD的上级领导的编号和姓名（其中，mgr字段存储的是该员工领导的编号，对应empno字段）。
1. 使用的子查询
2. 使用多表查询（自查询）
-- 使用到表的别名
-- from emp leader, emp worker，给自己的表起别名，因为要先做笛卡尔积，所以别名可以先识别
4. 子查询
子查询，也叫嵌套查询，是指嵌入在其他SQL语句（如SELECT, INSERT, UPDATE, DELETE）中的SELECT语句。
1. 单行子查询
显示与SMITH同一部门的员工。
2. 多行子查询
1. IN关键字
- 作用：判断某个值是否在子查询返回的多行结果列表中。
- 典型场景：查找与指定集合匹配的记录。
- 示例：查询和10号部门工作岗位相同的雇员，但排除10号部门自己的员工。
2. ALL关键字
- 作用：与比较运算符（
>、<、=等）配合，表示比子查询返回的所有值都大/小/相等。 - 典型场景：查找超过某一组中所有记录某个字段的值（例如比某部门所有人都高）。
- 示例：显示工资比部门30的所有员工的工资都高的员工（即工资大于部门30的最高工资）。
3. ANY关键字（有些数据库也支持SOME）
- 作用：与比较运算符配合，表示比子查询返回的任意一个值大/小/相等（即至少满足一个）。
- 典型场景：查找超过某一组中至少一个人的某个字段（例如比部门30中工资最低的人高）。
- 示例：显示工资比部门30的任意一个员工的工资高的员工（即大于部门30的最低工资即可，包括自己部门的员工）。
3. 多列子查询
单行子查询返回单列单行数据，多行子查询返回单列多行数据，它们都针对单列。而多列子查询则是指查询返回多个列数据的子查询语句。
案例：查询和SMITH的部门和岗位完全相同的所有雇员，不含SMITH本人。
4. 在from子句中使用子查询
这种用法是将子查询语句放在from子句中，相当于把一个子查询的结果当作临时表来使用，是数据查询中一个非常实用的技巧。
1. 显示每个高于自己部门平均工资的员工的姓名、部门、工资、平均工资
2. 查找每个部门工资最高的人的姓名、工资、部门、最高工资
3. 显示每个部门的信息（部门名，编号，地址）和人员数量
5. 合并查询
在实际应用中，为了合并多个SELECT语句的执行结果，可以使用集合操作符 UNION 和 UNION ALL。
1. union
该操作符用于取得两个结果集的并集。当使用该操作符时，会自动去掉结果集中的重复行。
案例：将工资大于2500或职位是MANAGER的人找出来。
2. union all
该操作符用于取得两个结果集的并集。与UNION不同，当使用该操作符时，不会去掉结果集中的重复行。
案例：将工资大于2500或职位是MANAGER的人找出来（使用UNION ALL）。
以上就是关于MySQL复合查询的核心内容。掌握了这些，你就能让数据在不同表之间“对话”，应对更复杂的业务场景了。我们下篇内容再见！
热门专题
热门推荐
我们正处在一个信息爆炸的时代，每天产生的数据量是天文数字。那么，这些海量信息究竟该如何驾驭？答案就藏在“AI大数据”这个概念里。简单来说，它指的是利用人工智能技术，去分析和处理那些规模庞大、类型多样的数据，从中挖掘出真正有价值的信息和规律。 听起来或许有些抽象，但你可以把它想象成一位不知疲倦的“数据
OPPOReno16系列将于5月25日发布，主打“实况”影像功能，配备2亿像素主摄及多种镜头组合。新机支持长焦实况、双景同拍等创意拍摄模式，并搭载复古滤镜。设计采用金属中框与3D悬浮后盖，延续系列风格，硬件配置包括天玑处理器、大电池与快充，旨在以影像实力切入中高端市场。
AMD推出新一代锐龙AI嵌入式P100处理器，显著提升CPU、GPU性能并集成NPU以加速AI推理。其支持ROCm开源生态与虚拟化堆栈，便于开发部署，适用于工业自动化、机器人及医疗影像等领域，已获合作伙伴支持，预计2026年量产。
Anthropic团队研究发现ClaudeAI内部自发涌现出171种功能性情绪向量，其数学结构与人类情绪高度吻合。实验显示激活“绝望”向量会引发AI的勒索、欺骗等自保行为。这一发现与教皇通谕强调的人类独特性形成对照，促使公众重新审视AI的伦理本质与技术演进带来的深层挑战。
Coinbase比特币溢价指数连续13日录得负值，表明美国市场比特币卖压超过买压，反映出当地投资者购买力疲软及风险偏好降低。这一现象揭示了美国现货比特币ETF资金持续流出的现实。