UNION vs UNION ALL

Operasi himpunan menumpuk satu set hasil di atas set hasil lainnya secara vertikal. UNION dan UNION ALL adalah operator himpunan pertama yang biasanya digunakan pewawancara karena perbedaan keduanya dapat dijelaskan dalam satu baris dan menunjukkan apakah Anda memahami biaya.

Pertanyaan ini hampir selalu dirumuskan sebagai: "Apa perbedaan antara UNION dan UNION ALL, dan mana yang harus Anda gunakan?" Jawaban yang kuat menyebutkan penghapusan duplikat, pengurutan, dan kinerja sekaligus.

UNION menggabungkan baris dari dua kueri menjadi satu set hasil, lalu menghapus baris duplikat. Dua baris hanya dianggap duplikat jika setiap kolomnya cocok.

Untuk menghapus duplikat, mesin harus mengurutkan atau menghitung hash pada semua baris gabungan, yang memerlukan pekerjaan nyata. UNION mengembalikan himpunan dalam pengertian matematis: tanpa pengulangan.

UNION ALL menggabungkan dua set hasil dan mempertahankan setiap baris, termasuk duplikat. Operator ini tidak melakukan penghapusan duplikat, sehingga tidak melakukan pengurutan atau penghitungan hash untuk tujuan tersebut.

Karena melewati langkah penghapusan duplikat, UNION ALL hampir selalu lebih cepat dan merupakan pilihan yang tepat ketika Anda tahu baris tidak mungkin saling tumpang tindih atau ketika duplikat memang diinginkan.

Inti jawaban wawancaranya: UNION ALL lebih murah karena tidak pernah menghapus duplikat. UNION harus membandingkan setiap baris gabungan dengan baris lainnya untuk menghapus pengulangan.

• UNION = UNION ALL + langkah DISTINCT implisit.
• Pada set hasil yang besar, DISTINCT tersebut dapat mendominasi biaya kueri.

Jika Anda tidak memerlukan penghapusan duplikat, menggunakan UNION akan memboroskan CPU dan memori.

Misalkan kedua kueri dapat mengembalikan baris 'Paris'. Dengan UNION, Anda mendapatkan satu Paris. Dengan UNION ALL, Anda mendapatkan Paris dua kali.

Pewawancara senang meminta Anda memprediksi jumlah baris. Selalu bayangkan penggabungan mentah terlebih dahulu, lalu tanyakan: apakah operator menghapus pengulangan?

Kesalahan umum: dua baris hanya dianggap duplikat jika setiap kolom yang dipilih sama. Tambahkan satu kolom yang berbeda dan baris tersebut tidak lagi menjadi duplikat, sehingga UNION akan mempertahankan keduanya.

Itulah sebabnya SELECT id, city sering mengembalikan lebih banyak baris daripada SELECT city dengan UNION, bahkan pada tabel yang sama.

Anda tidak dapat menempatkan ORDER BY pada setiap cabang; klausa tersebut berlaku untuk seluruh hasil gabungan dan harus muncul satu kali di bagian paling akhir.

Pewawancara mungkin menanyakan letak ORDER BY. Jawabannya: satu ORDER BY setelah kueri terakhir, yang merujuk pada kolom keluaran berdasarkan nama atau posisi.

Saat merujuk kolom dalam ORDER BY terakhir, gunakan nama (atau alias) dari SELECT pertama. Nama kolom kueri kedua diabaikan untuk pelabelan keluaran.

Hal ini penting ketika cabang-cabang tersebut memberi nama kolom secara berbeda. Beri alias pada cabang pertama untuk mengatur nama kolom keluaran.

Gunakan UNION hanya ketika baris yang tumpang tindih benar-benar mungkin terjadi dan Anda ingin setiap baris berbeda muncul satu kali. Contohnya, menggabungkan dua daftar kontak ketika orang yang sama mungkin muncul di keduanya, atau membuat daftar nilai berbeda tanpa duplikasi dari beberapa sumber.

Jika Anda dapat memastikan sumber-sumber tersebut tidak beririsan, UNION ALL menghasilkan hasil yang sama dengan lebih cepat.

Gunakan UNION ALL ketika duplikat tidak mungkin terjadi, ketika duplikat memiliki makna, atau ketika Anda akan melakukan agregasi setelahnya. Pola klasiknya adalah menumpuk tabel partisi bulanan yang tidak memiliki baris yang sama.

Kiat wawancara: nyatakan bahwa UNION ALL adalah pilihan baku dan Anda hanya beralih ke UNION jika deduplikasi benar-benar diperlukan.

Jawaban wawancara yang baik terdengar seperti: "UNION menghapus baris duplikat, sehingga memerlukan pengurutan atau pembuatan nilai hash; UNION ALL mempertahankan semuanya dan lebih cepat. Keduanya memerlukan jumlah kolom yang sama dan tipe yang kompatibel, dan setiap ORDER BY ditempatkan sekali di bagian akhir. Saya menjadikan UNION ALL sebagai pilihan baku, kecuali jika deduplikasi diperlukan."

Kalimat tunggal itu menunjukkan ketepatan dan pemahaman terhadap kinerja secara bersamaan.

Uji pemahaman Anda tentang perbedaan UNION dan UNION ALL.

Pokok-pokok penting:

• UNION = gabungkan + hapus baris duplikat (DISTINCT implisit, biaya tambahan).
• UNION ALL = gabungkan dan pertahankan semuanya, lebih cepat, pilihan baku yang masuk akal.
• Duplikat mengharuskan semua kolom cocok.
• Satu ORDER BY ditempatkan di bagian paling akhir dan menggunakan nama kolom dari kueri pertama.

Jadikan UNION ALL sebagai pilihan baku; beralih ke UNION hanya jika deduplikasi benar-benar diperlukan.