Los JOIN

JOIN es el mecanismo que permite seleccionar columnas de dos o más tablas en un mismo SELECT, poniendo sus registros lado a lado. Usualmente, hay columnas traslapadas en cada tabla que son las que especifican el criterio de JOIN, es decir, la manera en que se construyen los nuevos registros.

Hay varias clases de JOIN. Aquí veremos sólo dos: el CROSS JOIN y el INNER JOIN. El primero entrega el producto cartesiano de las tablas. Se obtiene especificando ambas tablas en el FROM de un SELECT:

SELECT *
   FROM
  autores, institución;

autor_id	nombre	nacionalidad	fecha de nacimiento	institucion_id	institucion_id	nombre
1	Edgser Dijkstra	Danés	1930-05-11	2	2	Universität Leiden
1	Edgser Dijkstra	Danés	1930-05-11	2	1	Xerox PARC
2	Niklaus Wirht	Suizo	1934-02-15	1	2	Universität Leiden
2	Niklaus Wirth	Suizo	1934-02-15	1	1	Xerox PARC

Dado que tenemos dos autores y dos instituciones, el producto cartesiano nos entrega los cuatro cruces posibles. Observe que hay dos columnas llamadas institucion_id; una de ellas corresponde a la de la tabla autores, y la otra a la de la tabla instituciones.

Pero lo que realmente nos interesa es tener el conjunto que cumple la relación que hemos definido. A esto le llamamos INNER JOIN. Para eso tenemos que condicionar el ID de institución de cada uno de los autores a ser igual al ID de la institución a la que pertenecen. Esto deja fuera aquellas filas que no cumplen la relación. Hay (al menos) dos maneras de hacer esto. La primera es usar la clásula WHERE que mencionamos anteriormente:

SELECT * 
  FROM autores, instituciones
 WHERE autores.institucion_id = instituciones.institucion_id;

autor_id	nombre	nacionalidad	fecha de nacimiento	institucion_id	institucion_id	nombre
1	Edgser Dijkstra	Danés	1930-05-11	2	2	Universität Leiden
2	Niklaus Wirth	Suizo	1934-02-15	1	1	Xerox PARC

Hay una cosa interesante a destacar, y es que hemos utilizado los nombres calificados de las columnas, anteponiéndoles a cada uno el nombre de la tabla correspondiente. Si no hiciéramos esto, es decir, si pusiéramos simplemente institucion_id = institucion_id, PostgreSQL nos diría que el nombre institucion_id es ambiguo, pues no puede determinar a qué tabla corresponde.

Otra forma de expresar esto mismo es usando la sintaxis explícita de JOIN, en la cual ya no separamos las tablas con una coma (,) sino con la palabra clave JOIN, e indicamos la columna que debe ser igual usando USING:

SELECT *
  FROM autores JOIN instituciones
 USING (institucion_id);

institucion_id	autor	nombre	nacionalidad	fecha de nacimiento	nombre
2	1	Edgser Dijkstra	Danés	1930-05-11	Eindhoven University
1	2	Niklaus Wirth	Suizo	1934-02-15	Xerox PARC

Observe que ya no aparece la columna institucion_id dos veces, y que las columnas no están en el mismo orden que antes. Por este motivo es importante no confiar en el orden de las columnas; en particular, no es buena idea usar * en una aplicación: siempre es mejor listar las columnas deseadas explícitamente.

Podemos usar ON en lugar de USING, lo que nos da más flexibilidad para escoger un criterio de combinación que USING, al precio de ser un poco más verboso:

SELECT a.nombre AS autor, i.nombre AS institucion, nacionalidad
  FROM autores AS a JOIN instituciones AS i
    ON (a.institucion_id = i.institucion_id);

Observe que, además de hacer ese cambio, hemos definido alias para las tablas en la cláusula FROM, usando la cláusula AS. Estos alias permiten escribir el resto de la consulta en una forma más breve. También hemos definido alias para las columnas (de lo contrario tendríamos dos columnas llamadas nombre).

autor	institucion	nacionalidad
Edgser Dijkstra	Eindhoven University	Danés
Niklaus Wirth	Xerox PARC	Suizo

En esta sección hemos omitido hablar de OUTER JOIN, de condiciones más complejas en ON y USING, del uso de NATURAL JOIN, y el uso de más de un JOIN en una consulta, tanto implícito como explícito.