15

Qual é a diferença entre UNION e UNION ALL? Se possível, incluir exemplos de uso.

2 Respostas 2

20

Basicamente tem a ver com linhas duplicadas. UNION combinará linhas das demais tabelas combinadas que já existam no resultado das consultas aplicadas nas tabelas anteriores. UNION ALL não se importará com isso.

Para quem não sabe, UNION combina dados de uma tabela com outra linearmente. Não é como um JOIN que se faz por relacionamento, ele faz uma "soma" simples da linhas de uma tabela com outra(s). As colunas das tabelas envolvidas precisam ser as mesmas (quantidade e tipos nas devidas posições). É como colocar uma embaixo da outra.

Veja SQLFiddle para UNION e SQLFiddle para UNION ALL.

Existem casos que pode complicar. Se por exemplo tiver uma coluna UNIQUE, incluindo aí a PRIMARY KEY, pode não dar o resultado esperado, então nesses casos uma coluna assim não deveria fazer parte do SELECT. Veja no SQLFiddle.

Coloquei no GitHub para referência futura.

1
  • 3
    Acho que vale a pena citar que, devido a ser indiferente com resultados idênticos, UNION ALL é mais rápido. Também tem o caso de, pelo menos no SQLServer que eu testei, o UNION ALL começa a retornar resultados parciais mais rapidamente (portanto, maior disponibilidade) Commented 21/09/2017 às 2:13
12

Uma outra alternativa de como ver UNION e UNION ALL vem diretamente da matemática:

  • UNION é uma operação de coleções de elementos que resulta em um terceiro conjunto;
  • UNION ALL é uma operação de coleções de elementos resultando em uma bag.

Aqui, tanto conjunto como bag são coleções de elementos. A diferença entre eles é dada pela "operação de soma" de elementos a uma coleção pré-existente. Vou definir como "soma":

el + C = R

Onde el é um elemento qualquer, C é a coleção pré-existente e R é a coleção resultante da operação, que contém em sua totalidade C e também tem como elemento el.

Se el não existir previamente em C, então as operações com conjunto e bag são idênticas. Agora, se el já existir previamente em C, a soma com um conjunto resultará em R == C, não afetando o resultante. Porém a bag é alterada com a adição de el, portanto R != C.

De certo modo, podemos dizer que a bag é uma coleção de elementos que admite repetição, já conjunto não admite repetição.

Com isso, temos resultados interessantes ao se usar UNION e UNION ALL. Como conjunto não admite repetição, o UNION comparará todas as tuplas e retornará apenas as únicas. Por uma questão de performance, a primeira operação a ser realizada será uma ordenação total das tuplas (tempo o(n log n)) para então eliminar as repetições (tempo o(n)). Se ele não fizesse essa ordenação antes da verificação dos únicos, teria um tempo de execução quadrático. Trato exatamente desse problema nessa resposta, onde expliquei de onde essas ordens de complexidade vem. Também demonstrei lá que toda tupla composta de elementos ordenáveis também pode ser ordenada. Normalmente se trabalha com números, strings e datas em um banco de dados, então nesse conjunto universo é possível obter uma ordenação. Pôde-se também usar uma heurística para ordenação de blobs, tratando-os como uma palavra de bytes e ordená-los lexicograficamente, mantendo portanto uma ordenação mais "natural". Para o caso de enumerações, como elas possuem rótulos em strings, poderíamos usar esses rótulos e continuar com uma ordenação no conjunto (embora essa ordenação agora não seja mais uma ordenação natural).

Então, por questão de performance, ao requisitar um UNION, normalmente o SGBD guardará todo o resultado da consulta, executará uma única ordenação no final de tudo e então obterá o resultado de tuplas únicas. Ele não faz ordenamentos parciais do conjunto de dados pois é extremamente ruim para a performance; executar uma ordenação a cada m dados novos significa rodar o(n/m) vezes uma ordenação de o(n log n), o que pode acabar ficando pior até mesmo que uma ordenação quadrática se m for mal escolhido.

Isso tudo implica que UNION não tem alta disponibilidade, pois só começará a retornar após obter todos os dados.

UNION ALL, como tem como resultado uma bag, não precisa obter previamente todo o resultado para então devolver. No momento que um resultado é obtido, ele já pode responder imediatamente a quem fez a consulta, esquecer desse valor é pegar o próximo. Isso torna sua disponibilidade muito maior. Sem falar que potencialmente, dependendo de como foi implementado o motor de SQL usado, o resultado desse operador não precisa ser armazenado em memória, podendo ser retornado imediatamente para quem o chamou utilizar o dado obtido.

Por ventura, pode-se necessitar de se trabalhar com conjuntos propriamente ditos, não com bags, mas nem por isso você precisará usar UNION. Claro, isso vai depender extremamente da semântica de cada caso, não recomendo portanto generalizar. Vou dar um exemplo em que é possível obter um conjunto a partir do uso de UNION ALL.

Eu tenho uma modelagem mais ou menos assim:

[relacionamento via multiplexação, onde uma tabela aponta hipoteticamente para 3 outras a partir de uma chave estrangeira multiplexada pelo valor de outra coluna]

Eu preciso resgatar o nome e código de todos os correntistas, assim como se ele é "supervisor", "vendedor" ou "cliente". A chave estrangeira em "conta_corrente" é cd_usuario, que por sua vez se liga com cd_cliente, ou cd_vendedor, ou cd_supervisor, dependendo da muliplexação. No meu caso, cada correntista só pode ter no máximo uma conta corrente. A consulta ficaria assim:

SELECT cd_usuario, "cliente" AS tp_correntista, nm_cliente AS nm_correntista
FROM conta_corrente cc INNER JOIN
    cliente c ON (c.cd_cliente = cc.cd_usuario)
WHERE cc.tp_conta = 'c'
UNION
SELECT cd_usuario, "vendedor" AS tp_correntista, nm_vendedor AS nm_correntista
FROM conta_corrente cc INNER JOIN
    vendedor v ON (v.cd_vendedor = cc.cd_usuario)
WHERE cc.tp_conta = 'v'
UNION
SELECT cd_usuario, "supervisor" AS tp_correntista, nm_supervisor AS nm_correntista
FROM conta_corrente cc INNER JOIN
    supervisor s ON (s.cd_supervisor = cc.cd_usuario)
WHERE cc.tp_conta = 's'

Pronto, a consulta retorna um conjunto como esperado. Agora, notou como não é possível que, por acaso, haja uma igualdade de tuplas entre, digamos, a primeira consulta e a segunda consulta? Isso porque todos os elementos da primeira consulta terão como segundo elemento de suas tuplas o valor "cliente", já os da segunda consulta o valor na mesma posição seria "vendedor". Além disso, como cd_cliente é chave primária da tabela cliente e cada cliente nesse modelo só está atrelado a no máximo um elemento da tabela conta_corrente, então não tem choque de tuplas dentro de cada consulta individual, portanto cada uma das 3 consultas acima resulta num conjunto.

Como já temos 3 conjuntos, e temos garantia que nenhum desses conjuntos tem elemento em comum com outro conjunto, a operação de "soma" terá o mesmo resultado final que a "soma" de bags. Portanto, em casos assim, o uso do UNION ALL garante o resultado desejado e também garante uma melhor performance (teoricamente pelo menos).

A consulta então pode ser reescrita assim:

SELECT cd_usuario, "cliente" AS tp_correntista, nm_cliente AS nm_correntista
FROM conta_corrente cc INNER JOIN
    cliente c ON (c.cd_cliente = cc.cd_usuario)
WHERE cc.tp_conta = 'c'
UNION ALL
SELECT cd_usuario, "vendedor" AS tp_correntista, nm_vendedor AS nm_correntista
FROM conta_corrente cc INNER JOIN
    vendedor v ON (v.cd_vendedor = cc.cd_usuario)
WHERE cc.tp_conta = 'v'
UNION ALL
SELECT cd_usuario, "supervisor" AS tp_correntista, nm_supervisor AS nm_correntista
FROM conta_corrente cc INNER JOIN
    supervisor s ON (s.cd_supervisor = cc.cd_usuario)
WHERE cc.tp_conta = 's'
1
  • Parabéns! Difícil encontrar uma resposta, ainda mais em nossa língua, com tal grau de preocupação com a precisão matemática.
    – ARNeto
    Commented 7/04/2022 às 13:49

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .