两个查询，逻辑一模一样：

SELECT user_id FROM orders
UNION
SELECT user_id FROM users;
SELECT user_id FROM orders
UNION ALL
SELECT user_id FROM users;

区别只有一个字。

但当数据量到了百万级，UNION 那条会慢到你怀疑人生。

很多人写着写着，觉得 UNION "更规范"、"更干净"，
结果每次跑报表都比别人慢，还不知道为什么。

今天把这件事说透。

---

一、UNION 和 UNION ALL 本质差在哪

UNION：合并 + 去重

UNION 会做两件事：

1. 1. 把两个结果集合并
2. 2. 对合并后的结果做去重（DISTINCT）

去重怎么做的？
对所有列做排序，然后相邻行逐行比较，相同的只留一条。

这一排序，在数据量大的时候，是真的贵。

UNION ALL：只合并，不去重

UNION ALL 就简单了：

直接把两个结果集首尾拼接在一起，挨个输出，不做任何额外处理。

---

二、性能差距有多大

说数字最清楚。

假设 orders 有 200 万行，users 有 50 万行。

-- UNION：先去重再输出
SELECT user_id FROM orders
UNION
SELECT user_id FROM users;
-- 执行大概 3~5 秒（取决于硬件）

-- UNION ALL：直接拼接输出
SELECT user_id FROM orders
UNION ALL
SELECT user_id FROM users;
-- 执行大概 1~2 秒（还是取决于硬件）

表面上是快一倍。
实际场景里，如果列更多、数据更碎，差距可以更大。

核心原因就一句：

UNION 的去重成本，随数据量增长是非线性的。

---

三、五个最常见的误用场景

误用 1：查多个表的同期用户，以为自己在"去重"

-- 很多人以为 UNION 自动帮他们去重，
-- 于是这么写：
SELECT user_id, login_date
FROM app_login_2025
UNION
SELECT user_id, login_date
FROM app_login_2024;

问题在哪？

UNION 去重是整行完全相同才去掉。
如果同一用户在不同年份的登录日期不同，整行就不一样，
UNION 根本不会去重。

结果：用户重复出现，统计 DAU 反而偏高。

误用 2：以为 UNION 会自动选"更好"的数据

SELECT user_id, '2025' AS year
FROM users_2025
UNION
SELECT user_id, '2024' AS year
FROM users_2024;

这个其实是对的，因为加了 year 列标签之后两边的行本来就不一样。

但很多人把 UNION 当成"合并同类项"的工具，
一旦忘记加区分列，去重逻辑就完全不是你以为的那样。

误用 3：UNION 后发现结果变少了，百思不得其解

这是最让人崩溃的一种。

SELECT user_id FROM orders
UNION
SELECT user_id FROM users;

结果数量比预期少。

原因很简单：
如果某个 user_id 同时出现在 orders 和 users 表里，
UNION 就会把它合并成一条。

这不是 bug，是设计逻辑。
但很多人根本不知道，直到报表数据莫名其妙变少。

误用 4：UNION 搭配 ORDER BY，性能灾难

SELECT user_id, order_time
FROM orders
WHERE order_time >= '2025-01-01'
UNION
SELECT user_id, login_time
FROM users
WHERE login_time >= '2025-01-01'
ORDER BY user_id;

这条 SQL 实际执行顺序是：

1. 1. 分别查两个表
2. 2. 合并所有结果
3. 3. 对整个合并结果做全局排序

意味着：排序的数据量 = A 表结果 + B 表结果
而不是分别排序再合并。

数据量大的话，这个全局排序会吃大量内存，可能触发临时文件。

误用 5：嵌套子查询里用 UNION，不知道外层 ORDER BY 对谁生效

SELECT * FROM (
  SELECT user_id, 'order' AS src
  FROM orders
  UNION ALL
  SELECT user_id, 'user' AS src
  FROM users
) t
ORDER BY user_id;

这里有个细节：

子查询里的 UNION ALL 先执行，
外层的 ORDER BY 是对整个子查询结果排序。

这是合理的，但如果把 ORDER BY 写在 UNION 的某个分支里——
对不起，外层 ORDER BY 依然对整表生效，
子查询里的 ORDER BY 基本被忽略（取决于数据库实现）。

---

四、什么场景必须用 UNION，不能用 UNION ALL

有些场景，UNION 是对的，不能省。

场景 1：需要全局去重的结果集

-- 查所有活跃用户（包括有订单的和已注册的）
SELECT user_id FROM orders
UNION
SELECT user_id FROM users;

这里你确实希望去重：
同一个 user_id 只出现一次。
那就用 UNION，这是正确用法。

场景 2：需要合并多个相关但不同的来源

SELECT '大促活动' AS campaign, product_id, sales
FROM promotion_sales
UNION
SELECT '日常销售' AS campaign, product_id, sales
FROM daily_sales;

加了一个 campaign 标签列，两边结果天然不同，
UNION 去重在这个场景下是合理的额外保障。

场景 3：为了代码简洁，牺牲一点性能

有些场景下，逻辑上明明知道不会有重复，
但 UNION 写起来比 UNION ALL + 额外逻辑更清晰。

这时候用 UNION 不算错，只是要知道性能代价。

---

五、什么场景坚决用 UNION ALL

以下场景，不要碰 UNION：

场景 1：已知两表数据完全不重叠

-- 2024 年用户和 2025 年用户，通常不会有交集
SELECT user_id, '2024' AS year
FROM users_2024
UNION ALL
SELECT user_id, '2025' AS year
FROM users_2025;

场景 2：需要保留所有明细，逐行分析

-- 拉清单：每个用户每个渠道的活跃记录
SELECT user_id, channel, active_date
FROM app_channel_login
UNION ALL
SELECT user_id, channel, active_date
FROM web_channel_login;

这里去重会丢失"同一个用户多个渠道"的信息，
只能用 UNION ALL。

场景 3：UNION ALL + GROUP BY，比 UNION 后聚合更高效

-- 正确写法：先合并明细，再统一聚合
SELECT user_id, COUNT(*) AS cnt
FROM (
  SELECT user_id FROM orders
  UNION ALL
  SELECT user_id FROM returns
) t
GROUP BY user_id;

注意：这里子查询用 UNION ALL，
外层 GROUP BY 一次性搞定所有统计。

如果反过来：

-- 错误思路：两个聚合再 UNION
SELECT user_id, SUM(order_cnt) AS total_cnt
FROM (
  SELECT user_id, COUNT(*) AS order_cnt
  FROM orders
  GROUP BY user_id
  UNION
  SELECT user_id, COUNT(*) AS order_cnt
  FROM returns
  GROUP BY user_id
) x
GROUP BY user_id;

这个写法又慢又绕，
因为你做了两次聚合再合并，不如第一种。

---

六、一句话判断原则

以后写 SQL，遇到 UNION 还是 UNION ALL，
先用这个判断：

这两个结果集，有没有可能是同一个 user_id / 同一行？

• • 有可能是 → 用 UNION（需要去重）
• • 绝对不可能是 → 用 UNION ALL（直接拼接）
• • 不确定 → 先想清楚，再决定

---

七、最后总结

	UNION	UNION ALL
去重	✅ 会去重	❌ 不去重
性能	慢（需排序）	快（直接拼接）
结果行数	≤ 两表之和	= 两表之和
NULL 处理	NULL = NULL 不成立，去重逻辑复杂	简单拼接
适用场景	确实需要去重	已知无重复，或需保留所有明细

记住：UNION ALL 是默认选项，UNION 是例外。

不要因为 UNION "看起来更干净"，就默认用它。
多写一个 ALL，省掉的可能是一整趟排序，和一张报表的等待时间。

下次写 SQL 之前，先问自己一句： 我真的需要去重吗？

这个问题，值得你多花三秒钟。