サブクエリ
Subqueryとは、別のクエリ（通常はSELECT文）内にネストされたSQLクエリです。これは外側のクエリにデータや条件を提供するために、SELECT、FROM、WHERE、またはHAVING句で使用することができます。subqueryの使用により、SQLクエリはより柔軟で強力になり、単一のクエリ内でより複雑な問題を解決することができます。
subqueryの重要な特徴は以下の通りです：
-
Subqueryの位置：SubqueryはWHERE句、HAVING句、FROM句などの複数のSQL句に配置することができます。これらはSELECT、UPDATE、INSERT、DELETE文、および式演算子（比較演算子=、>、<、<=や、IN、EXISTSなど）と組み合わせて使用することができます。
-
メインクエリとSubqueryの関係：Subqueryは別のクエリ内にネストされたクエリです。外側のクエリはメインクエリと呼ばれ、内側のクエリはsubqueryと呼ばれます。
-
実行順序：subqueryとメインクエリの間に相関関係がない場合、通常はsubqueryが最初に実行されます。相関関係がある場合、パーサーは必要に応じてリアルタイムでどちらのクエリを最初に実行するかを決定し、subqueryの出力を適切に使用します。
-
括弧の使用：Subqueryは、別のクエリ内にネストされていることを区別するために、括弧で囲む必要があります。
以下では、Tablet1とt2および関連するSQLを使用して、subqueryの基本的な特徴と使用方法を紹介します。Table作成文は以下の通りです：
create table t1
(
c1 bigint,
c2 bigint
)
DISTRIBUTED BY HASH(c1) BUCKETS 3
PROPERTIES ("replication_num" = "1");
create table t2
(
c1 bigint,
c2 bigint
)
DISTRIBUTED BY HASH(c1) BUCKETS 3
PROPERTIES ("replication_num" = "1");
サブクエリの分類
サブクエリが返すデータの特性による分類
サブクエリは、返すデータの特性に基づいて、スカラサブクエリと非スカラサブクエリに分類できます：
1. スカラサブクエリ
常に単一の値を返すサブクエリ（本質的に1行1列のRelationと等価）。サブクエリがデータを返さない場合は、NULL値を返します。スカラサブクエリは理論的に、単一値式が許可される任意の場所に現れることができます。
2. 非スカラサブクエリ
Relationを返すサブクエリ（スカラサブクエリの戻り値とは異なり、このRelationは複数の行と列を含むことができます）。サブクエリがデータを返さない場合は、空集合（0行）を返します。非スカラサブクエリは理論的に、リレーション（集合）が許可される任意の場所に現れることができます。
以下の例では、スカラサブクエリと非スカラサブクエリを説明します（括弧内の2つのサブクエリについて、t2が空のTableの場合、2つのサブクエリが返す結果は異なります）：
-- Scalar subquery, when t2 is an empty table, the subquery returns the scalar value null
select * from t1 where t1.c1 > (select sum(t2.c1) from t2);
-- Non-scalar subquery, when t2 is an empty table, the subquery returns an empty set (0 rows)
select * from t1 where t1.c1 in (select t2.c1 from t2);
サブクエリが外側のクエリの列を参照するかどうかに基づく分類
サブクエリは、外側のクエリの列を参照するかどうかに基づいて、相関サブクエリと非相関サブクエリに分類できます：
1. 非相関サブクエリ
外側のクエリの列を一切参照しないサブクエリ。非相関サブクエリは多くの場合、独立して計算でき、外側のクエリが使用するために一度だけ対応する結果を返します。
2. 相関サブクエリ
メインクエリ（外側のクエリとも呼ばれる）の1つ以上の列を参照するサブクエリ（参照される外側の列は、多くの場合サブクエリのWHERE条件内にあります）。相関サブクエリは、外部に関連付けられたTableに対するフィルタリング操作と見なすことができます。外側のTableの各行のデータに対して、サブクエリが計算され、対応する結果を返します。
以下の例は、相関サブクエリと非相関サブクエリを示しています：
-- Correlated subquery, the subquery internally uses the column t1.c2 from the outer table
select * from t1 where t1.c1 in (select t2.c1 from t2 where t2.c2 = t1.c2);
-- Non-correlated subquery, the subquery internally does not use any columns from the outer table t1
select * from t1 where t1.c1 in (select t2.c1 from tt2);
Dorisでサポートされるサブクエリ
Dorisはすべての非相関サブクエリをサポートし、以下のように相関サブクエリを部分的にサポートします：
-
WHERE句およびHAVING句での相関スカラーサブクエリをサポートします。 -
WHERE句およびHAVING句での相関IN、NOT IN、EXISTS、NOT EXISTS非スカラーサブクエリをサポートします。 -
SELECTリストでの相関スカラーサブクエリをサポートします。 -
ネストされたサブクエリについて、Dorisは直接の親クエリとの相関のみをサポートし、親を超えた外側クエリとのクロスレベル相関はサポートしません。
相関サブクエリの制限
相関スカラーサブクエリの制限
-
相関条件は等価条件でなければなりません。
-
サブクエリの出力は、GROUP BY句を伴わない単一の集約関数の結果でなければなりません。
-- Single aggregate function without GROUP BY, supported
select * from t1 where t1.c1 < (select max(t2.c1) from t2 where t1.c2 = t2.c2);
-- Equivalent rewritten SQL as follows:
select t1.* from t1 inner join (select t2.c2 as c2, max(t2.c1) as c1 from t2 group by t2.c2) tx on t1.c1 < tx.c1 and t1.c2 = tx.c2;
-- Non-equality condition, not supported
select * from t1 where t1.c1 = (select max(t2.c1) from t2 where t1.c2 > t2.c2);
-- No aggregate function, not supported
select * from t1 where t1.c1 = (select t2.c1 from t2 where t1.c2 = t2.c2);
-- With aggregate function but includes GROUP BY, not supported
select * from t1 where t1.c1 = (select max(t2.c1) from t2 where t1.c2 = t2.c2 group by t2.c2);
相関(NOT) EXISTSサブクエリの制限事項
- サブクエリにはOFFSETとLIMITの両方を含めることはできません。
-- With LIMIT but no OFFSET, supported
select * from t1 where exists (select t2.c1 from t2 where t1.c2 = t2.c2 limit 2);
-- Equivalent rewritten SQL as follows:
select * from t1 left semi join t2 on t1.c2 = t2.c2;
-- With OFFSET and LIMIT, not supported
select * from t1 where exists (select t2.c1 from t2 where t1.c2 = t2.c2 limit 2, 3);
相関(NOT) INサブクエリの制限
-
サブクエリの出力は単一の列である必要があります。
-
サブクエリにはLIMITを含めることはできません。
-
サブクエリには集約関数やGROUP BY句を含めることはできません。
-- Supported subquery
select * from t1 where t1.c1 in (select t2.c1 from t2 where t1.c2 = t2.c2);
-- Equivalent rewritten SQL as follows:
select * from t1 left semi join t2 on t1.c1 = t2.c1 and t1.c2 = t2.c2;
-- Subquery output is multiple columns, not supported
select * from t1 where (t1.a, t1.c) in (select t2.c1, t2.c from t2 where t1.c2 = t2.c2);
-- Subquery with LIMIT, not supported
select * from t1 where t1.c1 in (select t2.c1 from t2 where t1.c2 = t2.c2 limit 3);
-- With GROUP BY clause, not supported
select * from t1 where t1.c1 in (select t2.c1 from t2 where t1.c2 = t2.c2 group by t2.c1);
-- With aggregate function, not supported
select * from t1 where t1.c1 in (select sum(t2.c1) from t2 where t1.c2 = t2.c2);
ネストしたサブクエリの制限事項
現在、直接の親クエリと直接相関するサブクエリのみがサポートされています。親クエリの外側の層との相関はサポートされていません。
以下の作成文を持つ別のTable t3 があると仮定します：
create table t3
(
c1 bigint,
c2 bigint
)
DISTRIBUTED BY HASH(c1) BUCKETS 3
PROPERTIES ("replication_num" = "1");
-
サブクエリがその直接の親クエリの列のみを使用する場合にサポートされます:
select
t1.c1
from
t1
where not exists (
select
t2.c1
from
t2
where not exists (
select
t3.c1
from
t3
where
t3.c2 = t2.c2
) and t2.c2 = t1.c2
); -
最内部のサブクエリがその直接の親クエリの列
t2.c2と最外部のクエリの列t1.c1の両方を使用する場合はサポートされません:select
t1.c1
from
t1
where not exists (
select
t2.c1
from
t2
where not exists (
select
t3.c1
from
t3
where
t3.c2 = t2.c2 and t3.c1 = t1.c1
)
);
Mark Join
where条件において、(not) inや(not) existsを使用したサブクエリと他のフィルタリング条件で構成されるor関係の句は、正しい結果を生成するために特別な処理が必要です。以下に例を示します：
select
t1.c1,
t1.c2
from t1
where exists (
select
t2.c1
from t2
where
t1.c2 = t2.c2
) or t1.c1 > 0;
このSQLのexists句をleft semi joinを使って直接実装する場合、left semi joinのセマンティクスに従って、t1.c2 = t2.c2を満たすt1の行のみが出力されます。しかし、実際には条件t1.c1 > 0を満たす行も出力されるべきです。これを実現するために、Mark Joinのメカニズムが導入されています。
right semi joinも似ていますが、左右のTableが異なります。ここでは、left semi joinを例として使用します。
SQLの例は以下の通りです：
-- This SQL cannot be executed and is only for demonstration purposes
select
tx.c1,
tx.c2
from
(
select
t1.c1,
t1.c2,
mark_join_flag
from
t1 left (mark) semi join t2 on t1.c2 = t2.c2
) tx
where
tx.mark_join_flag or tx.c1 > 0;
Mark Joinと通常のleft semi joinの違いは、通常のleft semi joinは条件を満たす左Tableの行を直接出力するのに対し、Mark Joinは元の左Tableに追加のフラグ列（例ではmark_join_flag）を付けて出力する点です。このフラグ列はtrue、false、またはnullの値を取ることができます。フラグの値はjoin条件式t1.c2 = t2.c2によって決定され、各行がフラグ値に対応します。フラグ値の計算は下記の表に示されています：
| t1.c1 | t2.c1 | mark_join_flag |
|---|---|---|
| 1 | 1 | TRUE |
| 1 | 2 | FALSE |
| 1 | NULL | NULL |
| NULL | 1 | NULL |
| NULL | NULL | NULL |
このフラグにより、whereフィルタリング条件をwhere mark_join_flag or t1.c1 > 0として書き換えることで、正しい結果を得ることができます。
使用上の注意
スカラーサブクエリの出力は単一の値である必要があるため、サブクエリが複数行のデータを返す場合は実行時エラーが報告されます。
相関スカラーサブクエリの場合
相関量詞サブクエリを使用する際、相関条件を満たすサブクエリが複数行のデータを返す場合、実行時エラーが報告されます。
以下のSQLの例を参照してください：
-- If there are more than 1 row in the t2 table that satisfies t1.c2 = t2.c2 in the associated scalar subquery, a runtime error will be reported
select t1.*, (select t2.c1 from t2 where t1.c2 = t2.c2) from t1;
-- Example error message
ERROR 1105 (HY000): errCode = 2, detailMessage = (127.0.0.1)[INVALID_ARGUMENT][E33] correlate scalar subquery must return only 1 row
非相関スカラ副問合せの場合
Dorisは実行時にassert num rows演算子を追加します。副問合せが複数行のデータを返す場合、実行時エラーが報告されます。
以下のSQL例を参照してください：
-- Non-correlated scalar subquery, will report an error if table t2 has more than 1 row of data
select t1.*, (select t2.c1 from t2) from t1;
-- Example error message
ERROR 1105 (HY000): errCode = 2, detailMessage = (127.0.0.1)[CANCELLED]Expected EQ 1 to be returned by expression