Join SQL - Query su più tabelle di dati

Join SQL (in italiano: "giunzione") è un'operazione nei database relazionali che permette di interrogare più tabelle di database. I join combinano i dati memorizzati in diverse tabelle e li restituiscono in forma filtrata in una tabella dei risultati.

Il principio del join SQL si basa sull'omonima operazione algebrica relazionale, cioè una combinazione derivata da un prodotto cartesiano e da una selezione. L'utente determina quali dati delle tabelle di output vengono trasferiti alla tabella dei risultati selezionando un tipo di join e definendo una condizione di selezione.

Vi presentiamo le basi matematiche dei join SQL, confrontiamo diversi tipi di join e vi mostriamo come implementarli nelle query di database tramite SQL utilizzando esempi pratici.

Il principio di base dei join SQL può essere illustrato derivando il funzionamento del database dalle sue sottoperazioni. Ogni join si basa sulle seguenti operazioni di algebra relazionale:

• Prodotto cartesiano
• Selezione

La sequenza di formazione delle coppie deve essere rispettata. Ad esempio, il prodotto cartesiano A × B non corrisponde alla stessa quantità del prodotto cartesiano B × A.

A × B = {(x,1), (x,2), (x,3), (y,1), (y,2), (y,3), (z,1), (z,2), (z,3)}

B × A = {(1,x), (1,y), (1,z), (2,x), (2,y), (2,z), (3,x), (3,y), (3,z)}

Nella terminologia SQL, un'operazione in cui il prodotto cartesiano è formato da due tabelle di database è denominata cross join. In pratica, le cross join sono raramente utilizzate a causa del risultato non filtrato.

La selezione è un'operazione di algebra relazionale che consente di selezionare specifiche tuple da un set iniziale e di inviarle come risultato. Un'espressione di confronto può essere usata per determinare quali tuple sono incluse nel set di risultati. Il risultato della selezione è quindi un insieme di tuple che soddisfano la condizione di selezione definita nell'espressione di confronto. Come operatore viene utilizzata la lettera greca Sigma (σ). L'operazione è descritta di seguito:

σ_F (R)

Il segnaposto "F" corrisponde all'espressione di confronto, una formula di predicati logici che definiscono la condizione di selezione. R sta per il set di dati da selezionare. In alternativa, è possibile utilizzare la notazione lineare R[F].

Per la formulazione delle condizioni di selezione sono disponibili i soliti operatori di confronto: ad esempio, uguale (=), maggiore (>) o minore (<).

Spieghiamo la selezione utilizzando un esempio che abbiamo già introdotto nel testo di base del modello di database relazionale. La tabella seguente riporta i dati personali fittizi che un'azienda avrebbe potuto inserire per i propri dipendenti. Per ogni collaboratore, vengono specificati l'id personale (c_id), generalità (cognome, nome), il codice fiscale (cf), l'indirizzo (via, CAP, città) e l'auto aziendale assegnata (auto_id).

Tabella: collaboratori

Se vogliamo selezionare la tabella "collaboratori" in modo tale che vengano visualizzati solo i dipendenti che guidano l'auto aziendale con auto_id 1, possiamo procedere come segue:

σ_{auto_id=1}(collaboratori)

Recuperiamo semplicemente le tuple dove il valore nella colonna auto_id è uguale a 1.

Il risultato corrisponde alla seguente tabella.

Tabella: collaboratori (selezionata)

Nel linguaggio SQL del database, le condizioni di selezione sono definite utilizzando il comando WHERE.

Se una tupla soddisfa la condizione auto_id = 1, i valori di tutte le colonne devono essere visualizzati per questa tupla.

Tutti i comuni tipi di join combinano il prodotto cartesiano a una condizione di selezione. Al fine di spiegare tale operazione di database, per motivi di chiarezza, riduciamo la tabella "collaboratori" a quattro colonne. Inoltre, introduciamo la tabella "auto", in cui sono memorizzate informazioni dettagliate sul parco veicoli dell'azienda.

Entrambe le tabelle sono collegate tra loro da una relazione a chiave esterna. La chiave primaria della tabella "auto" (auto_id) funge da chiave esterna nella tabella "collaboratori".

Tabella: collaboratori

Tabella: auto

Se si desidera unire le due tabelle e selezionare contemporaneamente le relative tuple, è possibile combinare le operazioni del database precedentemente introdotte:

σ_{auto_id=auto_id}(collaboratori × auto)

Per primo viene formato il prodotto cartesiano collaboratori × auto. Il risultato (intermedio) è una cross join, cioè una tabella dei risultati in cui ogni tupla della tabella "collaboratori" è combinata con ogni tupla della tabella "auto".

Tabella: prodotto cartesiano "collaboratori" × "auto"

Poi vengono selezionate solo quelle tuple dove il record auto_id della tabella "auto" corrisponde al record auto_id della tabella "collaboratori". La condizione di selezione è che la chiave esterna della tabella "collaboratori" corrisponda alla chiave primaria della tabella "auto".

Il risultato (finale) è una tabella che unisce entrambe le tabelle di output senza ridondanze.

Tabella: join tra "collaboratori" e "auto"

I join combinano entrambe le operazioni in un'unica operazione, in quanto combinazione del prodotto cartesiano e della successiva selezione. Il simbolo "bow tie" (⋈) viene utilizzato come operatore.

Si applica pertanto:

σ_{auto_id=auto_id}(collaboratori × auto) := collaboratori⋈_{auto_id=auto_id}auto

L'operazione σ_{auto_id=auto_id}(collaboratori × auto) corrisponde a un join tra le tabelle "collaboratori" e "auto" con il prerequisito auto_id=auto_id.

Trasferita alla sintassi SQL, l'operazione qui sopra corrisponderebbe alla seguente dichiarazione:

L'inner join è uno dei più importanti join utilizzati per le query al database. A volte, tuttavia, per ottenere il risultato desiderato sono necessari tipi speciali di join.

Nel modello di database relazionale, vengono utilizzati diversi tipi di join SQL che consentono di eseguire query utilizzando un insieme di tabelle di database. Il prerequisito per fare ciò è che le tabelle selezionate siano collegate tra loro utilizzando relazioni a chiave esterna.

I tipi di join più importanti sono i seguenti:

• inner join: una inner join è una forma filtrata della cross join in cui solo le tuple di entrambe le tabelle di output che soddisfano la condizione di selezione definita dall'utente vengono unite insieme nel risultato impostato.
• outer join: una outer join è un'estensione dell'inner join. L'insieme dei risultati di una outer join contiene le tuple di entrambe le tabelle di output che soddisfano la condizione di selezione definita dall'utente, così come tutte le tuple rimanenti della prima tabella, della seconda tabella o di entrambe le tabelle. Le outer join sono implementate di conseguenza come left outer join, right outer join o full outer join.

Indipendentemente dalla distinzione tra inner join e outer join, i join SQL possono anche essere classificati nei seguenti tipi di join:

• EQUI JOIN
• NON EQUI JOIN
• SELF JOIN

Le inner join e le outer join possono essere implementate come equi join e non equi join. Tutti gli esempi di join presentati finora sono equi join. Le equi join sono caratterizzate dal fatto che permettono solo il segno uguale come operatore di confronto (=). La condizione di selezione di una equi join è quindi sempre l'uguaglianza dei valori delle colonne. In linea di principio, i join (così come la selezione nell'algebra relazionale) non sono però limitati all'uguaglianza delle colonne. Possibili operatori di confronto sono:

A partire da SQL 92 il linguaggio del database offre una notazione abbreviata per equi join con la parola chiave USING. Tuttavia, ciò presuppone che le colonne interessate abbiano lo stesso nome, anche se non è sempre così.

L'esempio seguente mostra due diverse dichiarazioni SQL che portano allo stesso risultato. Nella prima dichiarazione, l'operazione join è esplicitamente definita utilizzando la parola chiave ON. Per la seconda dichiarazione, usiamo la notazione abbreviata con la parola chiave USING.

Le non equi join, invece, escludono le operazioni basate sull'uguaglianza delle colonne. Sono quindi consentite tutte le operazioni di confronto ad eccezione del segno uguale (=).

Infine, una self join è una forma speciale di join SQL in cui una tabella di database è collegata a se stessa. In linea di principio, qualsiasi tipo di join può essere eseguito come self join.

Se due tabelle sono collegate da colonne con lo stesso nome, si parla di natural join. Una natural join è implementata di default come inner join utilizzando la parola chiave omonima. Tuttavia, le natural join non sono fissate a questo tipo di join. È possibile anche una natural left outer join o una natural right outer join.

Poiché le natural join sono collegate utilizzando colonne con lo stesso nome, i rispettivi valori non vengono emessi due volte nel set di risultati, ma vengono uniti per formare una colonna comune. Trovate esempi di natural join negli articoli di approfondimento su inner join e outer join.