实战：使用 ChatGPT 生成 SQL JOIN 查询及验证

许南星

发布时间：2026-10-15| 6人浏览过

原创

利用 ChatGPT 简化复杂的 SQL JOIN 编写过程。本文展示了如何通过清晰的描述向 AI 提问，获取针对 INNER JOIN、LEFT JOIN、RIGHT JOIN 等不同类型的查询代码，并使用 dbForge Studio for SQL Server 结合 AdventureWorks2019 数据库进行结果验证。

准备条件

为了顺利复现后续的 SQL JOIN 生成与验证过程，需要满足以下环境要求：

ChatGPT 账户：用于与 AI 交互并生成 SQL 代码。
dbForge Studio for SQL Server：作为数据库管理客户端，用于接收、调试和执行 ChatGPT 生成的 SQL 脚本。注意原文中混用了 MySQL 相关内容，本教程基于 AdventureWorks2019（通常配套 SQL Server），请以 SQL Server 环境为准。
AdventureWorks2019 数据库：这是一个微软提供的标准示例数据库，包含销售、库存、人员等丰富数据表，非常适合演示各类 JOIN 查询。

操作步骤：生成与验证 JOIN 查询

第 1 步：生成并验证 INNER JOIN 查询

场景：获取客户列表、地址及他们下的所有订单信息。

操作：向 ChatGPT 描述需求，要求连接 Customer、Person、Address 和 SalesOrderHeader 表。

ChatGPT 返回了如下 SQL 语句：

SELECT
c.CustomerID,
p.FirstName + ' ' + p.LastName AS CustomerName,
a.AddressLine1,
a.city,
sp.Name AS StateProvince,
a.PostalCode,
o.SalesOrderID,
o.OrderDate
FROM Sales.Customer c
INNER JOIN Person.Person p ON c.PersonId = p.BusinessEntityID
INNER JOIN Person.BusinessEntityAddress bea ON p.BusinessEntityID = bea.BusinessEntityID
INNER JOIN Person.Address a ON bea.AddressID = a.AddressID
INNER JOIN Person.StateProvince sp ON a.StateProvinceID = sp.StateProvinceID
INNER JOIN Sales.SalesOrderHeader o ON c.CustomerID = o.CustomerID

将上述代码在 dbForge Studio 中运行，可观察到结果集仅包含在两张表中均有匹配记录的行。验证成功后确认查询符合预期。

第 2 步：生成并验证 LEFT JOIN 查询

场景：检索所有客户列表以及他们的下单数量，即使未下单的客户也需显示（数量为 0）。

操作：向 ChatGPT 说明需要使用 LEFT JOIN 保留左表所有行，并使用 COUNT 统计订单数。

生成的代码如下：

SELECT
c.CustomerID,
p.FirstName + ' ' + p.LastName AS CustomerName,
COUNT(o.SalesOrderID) AS NumberOfOrders
FROM Sales.Customer c
LEFT JOIN Person.Person p ON c.PersonID = p.BusinessEntityID
LEFT JOIN Sales.SalesOrderHeader o ON c.CustomerID = o.CustomerID
GROUP BY c.CustomerID, p.FirstName, p.LastName

在客户端执行该查询，可以看到未下过订单的客户其 NumberOfOrders 字段为空或为 0（取决于具体实现习惯）。

第 3 步：生成并验证 RIGHT JOIN 查询

场景：查看供应商以及从这些供应商采购的所有订单信息。

操作：指定右表为 Vendor，左表为 PurchaseOrderHeader。

对应的 SQL 语句如下：

SELECT
v.Name AS VendorName,
p.OrderDate,
p.TotalDue
FROM [Purchasing].[PurchaseOrderHeader] p
RIGHT JOIN [Purchasing].[Vendor] v ON v.BusinessEntityID = p.VendorID

此查询会返回所有供应商的记录，即使该供应商近期没有产生新的采购订单，相关订单列将显示 NULL。

第 4 步：生成并验证 FULL OUTER JOIN 查询

场景：获取数据库中所有客户和所有订单的数据，无论它们是否相互匹配。

操作：请求生成包含不匹配数据的完整外连接查询。

生成代码示例：

SELECT *
FROM Sales.Customer
FULL OUTER JOIN Sales.SalesOrderHeader
ON Sales.Customer.CustomerID = Sales.SalesOrderHeader.CustomerID;

执行后，结果集将包含左表有而右表无匹配的行，以及右表有而左表无匹配的行。

第 5 步：生成并验证 CROSS JOIN（笛卡尔积）

场景：获取产品类别和产品子类别的所有可能组合。

操作：明确要求使用 CROSS JOIN。

生成代码如下：

SELECT
pc.Name AS CategoryName,
psс.Name AS SubcategoryName
FROM Production.ProductCategory pc
CROSS JOIN Production.ProductSubcategory psс

由于不指定任何 ON 条件，结果行数等于两个表的行数乘积，常用于构建维度矩阵。

第 6 步：生成并验证 SELF JOIN

场景：在 Employee 表中找出具有相同性别的主管及其下属。

操作：指示 ChatGPT 对同一张表进行自连接，区分主管级别和下属级别。

生成的 SQL 使用了别名来区分两次表引用：

SELECT
e1.Gender AS Gender,
e1.JobTitle AS Supervisor,
e2.JobTitle AS Subordinate
FROM HumanResources.Employee e1
FULL JOIN HumanResources.Employee e2 ON e1.Gender = e2.Gender
WHERE e1.OrganizationLevel = 1 AND e2.OrganizationLevel <> 1

这展示了如何在一个表内比较不同行的关系。