icecream8086's blog

简体中文

English

简体中文

English

外观

关系代数-SQL对照表

约 2013 字大约 7 分钟

2025-11-03

  1. 符号像天书：π、σ、∞… 这些希腊符号对我们来说太陌生了，远没有SQL语句里的 SELECT、FROM、WHERE 来得直观。
  2. 感觉离实际很远：“我直接写SQL就能查数据，为什么还要学这个？” 这是关系代数是SQL的“底层逻辑”，理解了它，你才能更懂SQL，写出更好的查询。

关系代数与SQL对照全览表

类别关系代数符号读法对应SQL子句比喻功能说明与数学表示
集合运算符R ∪ SR \ ∪ \ S并 (Union)UNION合并清单结果包含所有在RR或SS或两者中的元组（去重）： {t∣t∈R ∨ t∈S}\{ t \mid t \in R \ ∨ \ t \in S \}
R ∩ SR \ ∩ \ S交 (Intersection)INTERSECT找共同项结果包含所有同时属于RR和SS的元组： {t∣t∈R ∧ t∈S}\{ t \mid t \in R \ ∧ \ t \in S \}
R − SR \ - \ S差 (Difference)EXCEPT划掉已有项结果包含所有在RR中但不在SS中的元组： {t∣t∈R ∧ t∉S}\{ t \mid t \in R \ ∧ \ t \notin S \}
R × SR \ × \ S笛卡尔积 (Cartesian Product)CROSS JOIN全能组合结果包含RR中每个元组与SS中每个元组的所有可能组合。
专门关系运算符∂condition(R)\partial_{condition}(R)选择 (Selection)WHERE横向筛选（挑行）从关系RR中选出满足条件conditioncondition的元组： {t∣t∈R ∧ condition(t)}\{ t \mid t \in R \ ∧ \ condition(t) \}
πA1,A2,...,Ak(R)\pi_{A_1, A_2, ..., A_k}(R)投影 (Projection)SELECT (指定列时)纵向筛选（选列）从关系RR中提取指定属性列A1,A2,...,AkA_1, A_2, ..., A_k，并去除重复元组。
R ∞ SR \ ∞ \ S
R ∞θ SR \ ∞_{\theta} \ S		连接 (Join)
条件连接		JOIN ... ON
NATURAL JOIN		智能拼接自然连接: 在所有同名属性上等值连接
θ-连接: R ∞θS=∂θ(R × S)R \ ∞_{\theta} S = \partial_{\theta}(R \ × \ S)
R ÷ SR \ ÷ \ S除 (Division)通过 NOT EXISTS 子查询实现查询“全部”解决“对所有...”查询。设R(X,Y)R(X, Y)，S(Y)S(Y)，则 R ÷ S={tX∣∀tS∈S,(tX,tS)∈R}R \ ÷ \ S = \{ t_X \mid \forall t_S \in S, (t_X, t_S) \in R \}
逻辑运算符P ∧ QP \ ∧ \ Q与 (And)AND并且逻辑与，连接条件。
P ∨ QP \ ∨ \ Q或 (Or)OR或者逻辑或，连接条件。
¬ P¬ \ P非 (Not)NOT不是逻辑非，取反。

使用您提供符号的严谨表达式示例

例1：查询计算机系男生的姓名

πSn(∂Sd=′CS′ ∧ Sg=′M′(Student))\pi_{Sn}(\partial_{Sd='CS' \ ∧ \ Sg='M'}(Student))

对应SQL：

SELECT Sn FROM Student WHERE Sd = 'CS' AND Sg = 'M';

例2：查询选修了课程C1的学生姓名

πSn(∂C#=′C1′(SC) ∞ Student)\pi_{Sn}(\partial_{C\#='C1'}(SC) \ ∞ \ Student)

对应SQL：

SELECT S.Sn 
FROM SC JOIN Student S ON SC.S# = S.S# 
WHERE SC.C# = 'C1';

例3：查询选修了全部课程的学生学号

πS#,C#(SC) ÷ πC#(Course)\pi_{S\#, C\#}(SC) \ ÷ \ \pi_{C\#}(Course)

对应SQL：

SELECT DISTINCT S# FROM SC S1
WHERE NOT EXISTS (
    SELECT C# FROM Course
    WHERE NOT EXISTS (
        SELECT * FROM SC S2 
        WHERE S2.S# = S1.S# AND S2.C# = Course.C#
    )
);

Deepseek睡前故事

用人类友好的方式解释一下 "笛卡尔积 选择 投影 链接"

普通人如何“看”表格 vs. 数据库如何“操作”表格

作为一个咖啡馆老板，当你看着Excel里的订单表时，你的大脑是这样工作的：

  • 整体扫描：你的视线会快速扫过整个表格，行列信息同时涌入脑海。你可能会先看标题行，然后顺着某一行读下去，了解一个完整订单的所有信息。
  • 模式识别：你一眼就能看到“张三”这个名字在“顾客名”这一列里出现了好几次。
  • 关联思考：当你在订单表里看到“顾客ID: 101”，你的大脑会本能地联想到：“哦，101就是那个爱坐角落的张先生”。你已经在潜意识里完成了连接操作。

这是一种二维的、并行处理的人类智能。

现在，让我们看看数据库（关系代数）是如何“看”这张表的。它不是一个有智慧的生物，而是一个极其精准但“刻板”的机械臂系统。它永远在“盲操作”。

咖啡馆的“机械臂”分拣系统

想象你的仓库里有一个盲操作的机械臂和一条传送带。表格的每一行（一个订单记录）就是一个放在传送带上的文件袋，袋子上贴着标签（行数据），里面装着这个订单的所有资料（列数据）。

1. 投影：机械臂的“取物夹”

  • 你的指令：“我只想知道所有订单的【顾客名】和【饮品】。”
  • 机械臂操作：
    • 机械臂看不到文件袋里有什么。它必须拿起每一个文件袋，打开。
    • 然后，它配备了一个只夹取特定纸张的“取物夹”。这个夹子只会夹出“顾客名”和“饮品”这两张纸。
    • 最后，它把这两张纸放入一个新的、更薄的文件袋，放到另一条传送带上。
    • 关键区别：你作为人，可以一眼锁定“顾客名”这一列。而机械臂必须处理每一行，并纵向地从每一行中剥离出不需要的列。投影是纵向的、针对列的操作，但它必须作用于每一行来实现。

2. 选择：机械臂的“检测器”

  • 你的指令：“把所有【金额大于30元】的订单找出来。”
  • 机械臂操作：
    • 传送带经过一个“检测门”，这个门只检测文件袋标签上“金额”这个值。
    • 如果金额>30，检测门亮绿灯，文件袋继续传送到“大额订单”区域。
    • 如果金额<=30，检测门亮红灯，一个推杆会把文件袋推落到“普通订单”筐里。
    • 关键区别：你一眼就能在表格里高亮所有金额大于30的行。而机械臂必须逐行、横向地进行判断和筛选。选择是横向的、针对行的过滤。

3. 连接：机械臂的“配对站”

  • 你的指令：“把订单和下单顾客的电话号码匹配起来。”
  • 机械臂操作：
    • 现在有两条传送带：一条是订单文件袋（里面有顾客ID），另一条是顾客文件袋（里面有顾客ID和电话）。
    • 配对站的工作是：拿起一个订单文件袋，读出它的“顾客ID”，比如是“101”。
    • 然后它在顾客文件袋的堆栈里，疯狂地翻找标签上顾客ID也是“101”的那个文件袋。
    • 找到后，它把顾客文件袋里的“电话号码”纸条复印一份，和订单文件袋里的所有纸条装订在一起，形成一个新的、更厚的文件袋。
    • 关键区别：你作为人，可以同时在两张大表上找到“101”这个信息并建立联系。而机械臂是在盲目地、一对一地进行匹配和拼接。它不知道“101”是谁，它只执行规则。

4. 笛卡尔积：机械臂的“暴力复印机”

  • 你的指令：（通常你不会直接下这个指令）“把每个顾客和每种饮品都组合一遍。”
  • 机械臂操作：
    • 复印机拿起顾客表的每一个文件袋（张三、李四）。
    • 对于“张三”这个文件袋，它把它分别和饮品单的每一个文件袋（美式、拿铁、奶茶）复印并装订在一起，得到（张三-美式，张三-拿铁，张三-奶茶）三个新文件袋。
    • 然后对“李四”重复上述操作。
    • 关键区别：这会产生大量无意义的组合（比如李四可能从不喝奶茶）。你作为人绝不会这么干，但这是机械臂执行某些复杂任务（如连接）时，可能发生的原始、笨拙的第一步。

结论

所以，区别在于：

  • 普通人看表：是二维的、整体的、智能的、关联的。你一眼就能获取行列信息并理解其含义。
  • 数据库操作表：是一维的、序列化的、机械的、盲操作的。它把表格看作一系列独立的行（元组），通过一条简单的指令流（关系代数），对这些行进行纵向裁剪（投影）、横向过滤（选择） 和横向拼接（连接）。

未提供算术比较符版本,算术比较符版本人类易读性较高