- Join
-
La sentencia join en SQL permite combinar registros de dos o más tablas en una base de datos relacional. En el Lenguaje de Consultas Estructurado (SQL), hay tres tipo de JOIN: interno, externo, y cruzado.
En casos especiales una tabla puede unirse a sí misma, produciendo una auto-combinación, SELF-JOIN.
Matemáticamente, JOIN es composición relacional, la operación fundamental en el álgebra relacional, y generalizando es una función de composición.
Contenido
Tablas de ejemplo
Todas las explicaciones que están a continuación utilizan las siguientes dos tablas para ilustrar el efecto de diferentes clases de uniones JOIN.
Tabla Empleado Apellido IDDepartamento Andrade 31 Jordán 33 Steinberg 33 Róbinson 34 Zolano 34 Gaspar 36 Tabla Departamento NombreDepartamento IDDepartamento Ventas 31 Ingeniería 33 Producción 34 Mercadeo 35 La tabla Empleado contiene a los empleados con el número del departamento al que pertenecen; mientras que la tabla Departamento, contiene el nombre de los departamentos de la empresa, se puede notar que existe un empleado que tiene asignado un número de departamento que no se encuentra en la tabla Departamento (Gaspar), igualmente, en la tabla Departamento existe un departamento al cual no pertenece empleado alguno (Mercadeo). Esto servirá para presentar algunos ejemplos más adelante.
Combinación interna (INNER JOIN)
Con esta operación se calcula el producto cruzado de todos los registros; así cada registro en la tabla A es combinado con cada registro de la tabla B; pero sólo permanecen aquellos registros en la tabla combinada que satisfacen las condiciones que se especifiquen. Este es el tipo de JOIN más utilizado por lo que es considerado el tipo de combinación predeterminado.
SQL:2003 especifica dos formas diferentes para expresar estas combinaciones. La primera, conocida como explícita usa la palabra
JOIN, mientras que la segunda es implícita y usa ',' para separar las tablas a combinar en la sentencia FROM de la declaración SELECT. Entonces siempre se genera el producto cruzado del cual se seleccionan las combinaciones que cumplan lo que indica la sentencia WHERE.Es necesario tener especial cuidado cuando se combinan columnas con valores nulos NULL ya que el valor nulo no se combina con otro valor o con otro nulo, excepto cuando se le agregan predicados tales como
IS NULLoIS NOT NULL.Como ejemplo, la siguiente consulta toma todos los registros de la tabla Empleado y encuentra todas las combinaciones en la tabla Departamento. La sentencia JOIN compara los valores en la columna IDDepartamento en ambas tablas. Cuando no existe esta correspondencia entre algunas combinaciones, éstas no se muestran; es decir que si el número de departamento de un empleado no coincide con los números de departamento de la tabla Departamento, no se mostrará el empleado con su respectivo departamento en la tabla resultante.
Las dos consultas siguientes son similares, y se realizan de manera explicita (A) e implícita (B).
A. Ejemplo de la sentencia INNER JOIN explícita:
SELECT * FROM empleado INNER JOIN departamento ON empleado.IDDepartamento = departamento.IDDepartamentoB. Ejemplo de la sentencia INNER JOIN implícita:
SELECT * FROM empleado, departamento WHERE empleado.IDDepartamento = departamento.IDDepartamento
Resultados:
Empleado.Apellido Empleado.IDdepartamento departamento.NombreDepartamento departamento.IDDepartamento Zolano 34 Producción 34 Jordán 33 Ingeniería 33 Róbinson 34 Producción 34 Steinberg 33 Ingeniería 33 Andrade 31 Ventas 31 El empleado Gaspar y el departamento de Mercadeo no son presentados en los resultados ya que ninguno de éstos tiene registros correspondientes en la otra tabla. No existe un departamento con número 36 ni existe un empleado con número de departamento 35.
A la combinación que utiliza comparaciones dentro del predicado JOIN se le llama theta-join.
C. Ejemplo de combinación tipo theta:
SELECT * FROM empleado INNER JOIN departamento ON empleado.IDDepartamento < departamento.IDDepartamento
Las operaciones INNER JOIN puede ser clasificadas como de equivalencia, naturales, y cruzadas.De equivalencia (equi-join)
Es una especie de theta-join que usa comparaciones de igualdad en el predicado JOIN. Cuando se usan operadores, tales como
<o>no se puede clasificar en este rango.D. Ejemplo de combinación de equivalencia:
SELECT * FROM empleado INNER JOIN departamento ON empleado.IDDepartamento = departamento.IDDepartamentoLa tabla resultante presenta dos columnas llamadas IDDepartamento, una proveniente de la tabla Empleado y otra de la tabla Departamento.
SQL:2003 no tiene una sintaxis específica para esta clase de combinaciones.
Natural (Natural join)
Es una especialización de la combinación de equivalencia, anteriormente mencionada. En este caso se comparan todas las columnas que tengan el mismo nombre en ambas tablas. La tabla resultante contiene sólo una columna por cada par de columnas con el mismo nombre.
E. Ejemplo de combinación natural:
SELECT * FROM empleado NATURAL JOIN departamento
El resultado es un poco diferente al del ejemplo D, ya que esta vez la columna IDDepartamento se muestra sola una vez en la tabla resultante.
Empleado.Apellido IDDepartamento Departamento.NombreDepartamento Zolano 34 Producción Jordán 33 Ingeniería Róbinson 34 Producción Steinberg 33 Ingeniería Andrade 31 Ventas El uso de esta sentencia NATURAL puede producir resultados ambiguos y generar problemas si la base de datos cambia, porque al añadir, quitar, o renombrar las columnas, puede perder el sentido la sentencia; por esta razón es preferible expresar el predicado usando las otras expresiones nombradas anteriormente (ejemplos A y B).
Cruzada (Cross join)
Presenta el producto cartesiano de todos los registros de las dos tablas.
El código SQL para realizar este producto cartesiano enuncia las tablas que serán combinadas, pero no incluye algún predicado que filtre el resultado.
F. Ejemplo de combinación cruzada explícita:
SELECT * FROM empleado CROSS JOIN departamento
G. Ejemplo de combinación cruzada implícita:
SELECT * FROM empleado, departamento;
Empleado.Apellido Empleado.IDDepartamento Departamento.NombreDepartamento Departamento.IDDepartamento Andrade 31 Ventas 31 Jordán 33 Ventas 31 Steinberg 33 Ventas 31 Zolano 34 Ventas 31 Róbinson 34 Ventas 31 Gaspar 36 Ventas 31 Andrade 31 Ingeniería 33 Jordán 33 Ingeniería 33 Steinberg 33 Ingeniería 33 Solano 34 Ingeniería 33 Róbinson 34 Ingeniería 33 Gaspar 36 Ingeniería 33 Andrade 31 Producción 34 Jordán 33 Producción 34 Steinberg 33 Producción 34 Solano 34 Producción 34 Róbinson 34 Producción 34 Gaspar 36 Producción 34 Andrade 31 Mercadeo 35 Jordán 33 Mercadeo 35 Steinberg 33 Mercadeo 35 Solano 34 Mercadeo 35 Róbinson 34 Mercadeo 35 Gaspar 36 Mercadeo 35 Esta clase de combinaciones son usadas pocas veces, generalmente se les agregan condiciones de filtrado con la sentencia WHERE para hallar resultados específicos.
Combinación externa (OUTER JOIN)
Mediante esta operación no se requiere que cada registro en las tablas a tratar tenga un registro equivalente en la otra tabla. El registro es mantenido en la tabla combinada si no existe otro registro que le corresponda.
En SQL:2003 no existe una notación implícita para las combinaciones externas.
Este tipo de operación se subdivide dependiendo de la tabla a la cual se le admitirán los registros que no tienen correspondencia, ya sean de tabla izquierda, de tabla derecha, o combinación completa.
de tabla izquierda (LEFT OUTER JOIN o LEFT JOIN)
El resultado de esta operación siempre contiene todos los registros de la tabla de la izquierda (la primera tabla que se menciona en la consulta), aun cuando no exista un registro correspondiente en la tabla de la derecha, para uno de la izquierda.
- La sentencia LEFT OUTER JOIN retorna la pareja de todos los valores de la tabla izquierda con los valores de la tabla de la derecha correspondientes, o retorna un valor nulo NULL en caso de no correspondencia.
A diferencia del resultado presentado en los ejemplos A y B (de combinación interna) donde no se mostraba el empleado cuyo departamento no existía; en el siguiente ejemplo se presentarán los empleados con su respectivo departamento, e inclusive se presentará el empleado, cuyo departamento no existe.
H. Ejemplo de tabla izquierda para la combinación externa:
SELECT * FROM empleado LEFT OUTER JOIN departamento ON empleado.IDDepartamento = departamento.IDDepartamentoEmpleado.Apellido Empleado.IDDepartamento Departamento.NombreDepartamento Departamento.IDDepartamento Jordán 33 Ingeniería 33 Andrade 31 Ventas 31 Róbinson 34 Producción 34 Zolano 34 Producción 34 Gaspar 36 NULL NULL Steinberg 33 Ingeniería 33 de tabla derecha (RIGHT OUTER JOIN o RIGHT JOIN)
Esta operación es inversa a la anterior; el resultado de esta operación siempre contiene todos los registros de la tabla de la derecha (la segunda tabla que se menciona en la consulta), aun cuando no exista un registro correspondiente en la tabla de la izquierda, para uno de la derecha.
- La sentencia RIGHT OUTER JOIN retorna la pareja de todos los valores de la tabla derecha con los valores de la tabla de la izquierda correspondientes, o retorna un valor nulo NULL en caso de no correspondencia.
I. Ejemplo de tabla derecha para la combinación externa:
SELECT * FROM empleado RIGHT OUTER JOIN departamento ON empleado.IDDepartamento = departamento.IDDepartamentoEmpleado.Apellido Empleado.IDDepartamento Departamento.NombreDepartamento Departamento.IDDepartamento Zolano 34 Producción 34 Jordán 33 Ingeniería 33 Róbinson 34 Producción 34 Steinberg 33 Ingeniería 33 Andrade 31 Ventas 31 NULL NULL Mercadeo 35 En este caso el área de Mercadeo fue presentada en los resultados, aunque aún no hay empleados registrados en dicha área.
combinación completa (FULL OUTER JOIN)
Esta operación presenta los resultados de tabla izquierda y tabla derecha aunque no tengan correspondencia en la otra tabla. La tabla combinada contendrá, entonces, todos los registros de ambas tablas y presentará valores nulos NULLs para registros sin pareja.
J. Ejemplo de combinación externa completa:
SELECT * FROM empleado FULL OUTER JOIN departamento ON empleado.IDDepartamento = departamento.IDDepartamentoEmpleado.Apellido Empleado.IDDepartamento Departamento.NombreDepartamento Departamento.IDDepartamento Zolano 34 Producción 34 Jordán 33 Ingeniería 33 Róbinson 34 Producción 34 Gaspar 36 NULL NULL Steinberg 33 Ingeniería 33 Andrade 31 Ventas 31 NULL NULL Mercadeo 35 Como se puede notar, en este caso se encuentra el empleado Gaspar con valor nulo en su área correspondiente, y se muestra además el departamento de Mercadeo con valor nulo en los empleados de esa área.
Algunos sistemas de bases de datos no soportan esta funcionalidad, pero esta puede ser emulada a través de las combinaciones de tabla izquierda, tabla derecha y de la sentencia de unión union.
K. El mismo ejemplo puede expresarse así:
SELECT * FROM empleado LEFT JOIN departamento ON empleado.IDDepartamento = departamento.IDDepartamento UNION SELECT * FROM empleado RIGHT JOIN departamento ON empleado.IDDepartamento = departamento.IDDepartamento WHERE empleado.IDDepartamento IS NULLImplementación
La implementación eficiente de combinaciones ha sido un objetivo de mucho trabajo en los sistemas de bases de datos, pues aunque sean internas o externas, son muy comunes y difíciles de ejecutar eficientemente. La combinación interna de tablas se puede hacer con propiedad conmutativa y asociativa, así que el usuario sólo crea la consulta y el sistema de base de datos determina la manera más eficiente de realizar la operación, esta decision la toma el optimizador de consultas quien tiene en cuenta dos puntos importantes:
- El orden de las combinaciones
- Como las combinaciones son conmutativas, el orden en el cual son combinadas las tablas no modifica el resultado final de la consulta. En cambio, sí tiene un gran impacto sobre el costo de la operación, de manera que elegir el mejor orden de combinaciones es muy importante.
- El método de la combinación
- Dadas dos tablas y una condición de combinación, existen unos cuantos algoritmos que devuelven el resultado de la combinación. Cuál algoritmo es el más eficiente dependerá de los tamaños de las tablas de entrada, la cantidad de filas de cada una que satisfacen la condición de combinación, y las operaciones requeridas por el resto de la consulta.
Los diferentes algoritmos tratan de forma diferente a las entradas. A las entradas de una combinación se las llama respectivamente "operando externo(outer)" y "operando interno(inner)", o bien simplemente izquierdo y derecho. En el caso de bucles anidados, por ejemplo, la relación interna será completamente recorrida por cada fila de la relación externa.
Los planes de ejecución que incluyen combinaciones pueden clasificarse en:
- Profundo a la izquierda
- El operando interno de cada combinación del plan es una tabla base.
- Profundo a la derecha
- El operando externo de cada combinación del plan es una tabla base.
- Denso
- Ambas entradas son combinaciones.
Estos nombres derivan de la apariencia de la representación gráfica del plan de ejecución como un árbol, con la relación externa a la izquierda y la interna a la derecha (por convención).
Algoritmos de combinación
Existen tres algoritmos fundamentales para ejecutar una operación de combinación.
Bucles anidados
Éste es el más simple de los algortimos de combinación. Por cada tupla de la relación externa, se recorre completamente la relación interna, y toda tupla que verifique la condición de combinación se añade al resultado. El algoritmo puede ser fácilmente generalizado para cualquier número de relaciones.
Pseudocódigo para la combinación de las relaciones R and S:
Por cada tupla en R, llamada r: Por cada tupla en S, llamada s: Si la tupla <r,s> satisface la condición de combinación Entonces agregar la tupla <r,s> a la salidaLa complejidad computacional del algoritmo es de O( | R | | S | ) operaciones de entrada/salida, donde | R | y | S | son la cantidad de tuplas en R y S respectivamente.
Naturalmente, este algoritmo tiene un desempeño pobre si alguna de las relaciones es muy grande. El desempeño puede mejorarse si la relación interna tiene un índice sobre las columnas del predicado de combinación.
Existe una variación del algoritmo de bucles anidados, llamada bucles anidados en bloque. Sea | R | < | S | . En lugar de leer las dos relaciones tupla por tupla, se lee la relación R en bloques, llenando toda la memoria disponible, excepto dos páginas. Por cada bloque de R se realiza una iteración sobre S, leyendo una página por vez, y por cada página leída de S, la tupla de la página es comparada con las del bloque de R, y cada par de tuplas que satisfacen la condición de combinación se agrega a la página de salida.
El algortimo de bucles anidados en bloque tiene una complejidad computacional de
operaciones de entrada/salida, donde M es el número de páginas de memoria disponibles y Pr y Ps son el tamaño en páginas de R y de S respectivamente. Notar que la complejidad computacional es de O(Pr + Ps) operaciones de entrada/salida si R cabe en la memoria disponible.Combinación por fusión
Si ambas relaciones están ordenadas por los atributos de combinación, la operación es trivial:
- Por cada tupla de la relación externa,
- Se toma el grupo de tuplas actual de la relación interna; un grupo está formado por un conjunto de tuplas contiguas con el mismo valor en el atributo de combinación.
- Por cada tupla del grupo interno actual que satisfaga la condición de combinación, se agrega una tupla al resultado. Una vez agotado el grupo interno, ambas búsquedas, la interna y la externa, pueden avanzar al siguiente grupo.
Por esta razón muchos optimizadores guardan pista del ordenamiento en los nodos del plan (si uno o ambos operandos ya están ordenados en función del atributo de combinación, no hace falta otro ordenamiento. De lo contrario, el sistema de gestión de base de datos deberá realizarlo, generalmente utilizando un ordenamiento externo para evitar consumir demasiada memoria.
Combinación Hash
Este algoritmo puede ser utilizado para combinaciones "equi-join". El acceso a las tablas a ser combinadas se realiza construyendo tablas hash sobre los atributos de combinación. La búsqueda en tabla hash es mucho más rápida que a través de árboles de índice, pero sólo puede realizarse una búsqueda por la condición de igualdad.
Optimización de la combinación
Semi-combinación
Es una optimización técnica para las combinaciones en bases de datos distribuidas. El predicado JOIN es aplicado en diferentes fases, comenzando con la más temprana. Esto puede reducir el tamaño de los resultados inmediatos que deben ser intercambiados con nodos remotos, así reduce el tráfico de red entre nodos, esto puede mejorarse con un filtro Bloom.
Véase también
Enlaces externos
Wikimedia foundation. 2010.
