UNION oder UNION ALL

Mengenoperationen hängen eine Ergebnismenge vertikal an eine andere an. UNION und UNION ALL sind die ersten Mengenoperatoren, nach denen Interviewer fragen, weil der Unterschied zwischen ihnen mit einer Antwort in einem Satz erklärt werden kann und zeigt, ob Sie die Kosten verstehen.

Die Frage lautet fast immer: „Was ist der Unterschied zwischen UNION und UNION ALL, und welche Variante sollten Sie verwenden?“ Eine gute Antwort erwähnt Duplikatentfernung, Sortierung und Performance in einem Satz.

UNION kombiniert die Zeilen zweier Abfragen zu einer einzigen Ergebnismenge und entfernt anschließend doppelte Zeilen. Zwei Zeilen gelten nur dann als Duplikate, wenn alle Spalten übereinstimmen.

Zum Entfernen der Duplikate muss die Engine alle kombinierten Zeilen sortieren oder hashen, was zusätzlichen Aufwand verursacht. UNION liefert im mathematischen Sinn eine Menge: ohne Wiederholungen.

UNION ALL verkettet die beiden Ergebnismengen und behält jede Zeile, einschließlich Duplikaten. Es führt keine Duplikatentfernung durch und muss zu diesem Zweck daher weder sortieren noch hashen.

Weil der Schritt zur Duplikatentfernung entfällt, ist UNION ALL fast immer schneller. Es ist die richtige Wahl, wenn Sie wissen, dass sich die Zeilen nicht überschneiden, oder wenn Duplikate ausdrücklich gewünscht sind.

Die wichtigste Aussage fürs Interview: UNION ALL ist günstiger, weil es nie Duplikate entfernt. UNION muss jede kombinierte Zeile mit den anderen vergleichen, um Wiederholungen zu entfernen.

• UNION = UNION ALL + ein impliziter DISTINCT-Schritt.
• Bei großen Ergebnismengen kann dieser DISTINCT-Schritt den größten Teil der Abfragekosten verursachen.

Wenn Sie keine Duplikate entfernen müssen, verschwenden Sie mit UNION CPU und Arbeitsspeicher.

Nehmen wir an, beide Abfragen können die Zeile 'Paris' zurückgeben. Mit UNION erhalten Sie ein einzelnes Paris. Mit UNION ALL erhalten Sie Paris zweimal.

Interviewer fragen gern, wie viele Zeilen das Ergebnis enthält. Stellen Sie sich zuerst die unveränderte Verkettung vor und fragen Sie dann: Entfernt der Operator Wiederholungen?

Ein häufiger Fallstrick: Zwei Zeilen sind nur dann Duplikate, wenn jede ausgewählte Spalte gleich ist. Fügen Sie eine abweichende Spalte hinzu, sind die Zeilen keine Duplikate mehr, und UNION behält beide.

Deshalb gibt SELECT id, city bei Verwendung von UNION häufig mehr Zeilen zurück als SELECT city, selbst bei denselben Tabellen.

Sie können ORDER BY nicht in die einzelnen Zweige setzen; es gilt für die gesamte kombinierte Ergebnismenge und muss einmal ganz am Ende stehen.

Ein Interviewer fragt möglicherweise, wo ORDER BY platziert wird. Die Antwort lautet: ein einzelnes ORDER BY nach der letzten Abfrage, das sich auf die Ausgabespalten anhand ihres Namens oder ihrer Position bezieht.

Wenn Sie im abschließenden ORDER BY auf Spalten verweisen, verwenden Sie die Namen (oder Aliase) aus dem ersten SELECT. Die Spaltennamen der zweiten Abfrage werden für die Beschriftung der Ausgabe ignoriert.

Das ist wichtig, wenn die Zweige ihre Spalten unterschiedlich benennen. Vergeben Sie im ersten Zweig einen Alias, um die Ausgabespaltenüberschrift festzulegen.

Verwenden Sie UNION nur, wenn sich Zeilen tatsächlich überschneiden können und Sie jede unterschiedliche Zeile genau einmal erhalten möchten. Beispiele sind das Zusammenführen zweier Kontaktlisten, in denen dieselbe Person in beiden vorkommen kann, oder das Erstellen einer deduplizierten Liste unterschiedlicher Werte aus mehreren Quellen.

Wenn Sie disjunkte Quellen garantieren können, liefert UNION ALL dasselbe Ergebnis schneller.

Verwenden Sie UNION ALL, wenn keine Duplikate auftreten können, Duplikate von Bedeutung sind oder Sie anschließend aggregieren. Ein klassisches Muster ist das Zusammenführen monatlicher Partitionstabellen, die keine gemeinsamen Zeilen enthalten.

Tipp für Vorstellungsgespräche: Sagen Sie, dass UNION ALL der Standard ist und Sie nur zu UNION wechseln, wenn eine Deduplizierung tatsächlich erforderlich ist.

Eine überzeugende Antwort im Vorstellungsgespräch klingt etwa so: „UNION entfernt doppelte Zeilen, wodurch eine Sortierung oder ein Hashing erforderlich wird; UNION ALL behält alle Zeilen und ist schneller. Beide erfordern dieselbe Spaltenanzahl und kompatible Datentypen, und ein ORDER BY wird nur einmal am Ende angegeben. Ich verwende standardmäßig UNION ALL, sofern keine Deduplizierung erforderlich ist.“

Dieser eine Satz zeigt gleichzeitig fachliche Korrektheit und ein Bewusstsein für die Performance.

Prüfen Sie, wie gut Sie den Unterschied zwischen UNION und UNION ALL verstanden haben.

Wichtigste Punkte:

• UNION = zusammenführen und doppelte Zeilen entfernen (implizites DISTINCT, zusätzliche Kosten).
• UNION ALL = zusammenführen und alle Zeilen beibehalten, schneller und der sinnvolle Standard.
• Als Duplikate gelten Zeilen nur, wenn alle Spalten übereinstimmen.
• Ein einzelnes ORDER BY steht ganz am Ende und verwendet die Spaltennamen der ersten Abfrage.

Verwenden Sie standardmäßig UNION ALL und wechseln Sie nur zu UNION, wenn eine Deduplizierung wirklich erforderlich ist.