我听说在编写SQL命令时使用SELECT *通常是不好的做法，因为选择您特别需要的列会更有效。
如果我需要选择表中的每一列，我应该使用
SELECT * FROM TABLE
or
SELECT column1, colum2, column3, etc. FROM TABLE
在这种情况下，效率真的重要吗?如果你真的需要所有的数据，我认为SELECT *在内部会更优，但我这么说并没有真正理解数据库。
我很好奇在这种情况下最好的做法是什么。
更新:我可能应该指定，我真正想要执行SELECT *的唯一情况是，当我从一个表中选择数据时，我知道总是需要检索所有列，即使添加了新列。
然而，鉴于我所看到的反应，这似乎仍然是一个坏主意，由于我曾经考虑过的许多技术原因，SELECT *不应该被使用。
当前回答
总之，至少在PostgreSQL中，选择所有带*和不带*的列的性能几乎是一样的。
在PostgreSQL中，我创建了包含10个id_x列和1000万行的测试表，如下所示:
CREATE TABLE test AS SELECT generate_series(1, 10000000) AS id_1,
generate_series(1, 10000000) AS id_2,
generate_series(1, 10000000) AS id_3,
generate_series(1, 10000000) AS id_4,
generate_series(1, 10000000) AS id_5,
generate_series(1, 10000000) AS id_6,
generate_series(1, 10000000) AS id_7,
generate_series(1, 10000000) AS id_8,
generate_series(1, 10000000) AS id_9,
generate_series(1, 10000000) AS id_10;
然后，我交替运行以下2个查询共20次。*每个查询总共运行10次:
SELECT * FROM test:
SELECT id_1, id_2, id_3, id_4, id_5, id_6, id_7, id_8, id_9, id_10 FROM test;
结果> <
| Select all columns with * | Select all columns without * | |
|---|---|---|
| 1st run | 12.792 seconds | 12.483 seconds |
| 2nd run | 12.803 seconds | 12.608 seconds |
| 3rd run | 12.537 seconds | 12.549 seconds |
| 4th run | 12.512 seconds | 12.457 seconds |
| 5th run | 12.570 seconds | 12.487 seconds |
| 6th run | 12.508 seconds | 12.493 seconds |
| 7th run | 12.432 seconds | 12.475 seconds |
| 8th run | 12.532 seconds | 12.489 seconds |
| 9th run | 12.532 seconds | 12.452 seconds |
| 10th run | 12.437 seconds | 12.477 seconds |
| Average | 12.565 seconds | 12.497 seconds |
选择所有列的平均值:
*是12.565秒。 没有*是12.497秒。
其他回答
指定你需要的列总是更好的，如果你想一次，SQL不必每次查询都想着“wtf是*”。最重要的是，稍后有人可能会向表中添加您在查询中实际上不需要的列，在这种情况下，通过指定所有列会更好。
同时也要记住变化。今天，Select *只选择您需要的列，但明天它可能还会选择我刚刚添加的varbinary(MAX)列，而您现在还可以检索所有3.18 gb的二进制数据，这些数据昨天不在表中。
总之，至少在PostgreSQL中，选择所有带*和不带*的列的性能几乎是一样的。
在PostgreSQL中，我创建了包含10个id_x列和1000万行的测试表，如下所示:
CREATE TABLE test AS SELECT generate_series(1, 10000000) AS id_1,
generate_series(1, 10000000) AS id_2,
generate_series(1, 10000000) AS id_3,
generate_series(1, 10000000) AS id_4,
generate_series(1, 10000000) AS id_5,
generate_series(1, 10000000) AS id_6,
generate_series(1, 10000000) AS id_7,
generate_series(1, 10000000) AS id_8,
generate_series(1, 10000000) AS id_9,
generate_series(1, 10000000) AS id_10;
然后，我交替运行以下2个查询共20次。*每个查询总共运行10次:
SELECT * FROM test:
SELECT id_1, id_2, id_3, id_4, id_5, id_6, id_7, id_8, id_9, id_10 FROM test;
结果> <
| Select all columns with * | Select all columns without * | |
|---|---|---|
| 1st run | 12.792 seconds | 12.483 seconds |
| 2nd run | 12.803 seconds | 12.608 seconds |
| 3rd run | 12.537 seconds | 12.549 seconds |
| 4th run | 12.512 seconds | 12.457 seconds |
| 5th run | 12.570 seconds | 12.487 seconds |
| 6th run | 12.508 seconds | 12.493 seconds |
| 7th run | 12.432 seconds | 12.475 seconds |
| 8th run | 12.532 seconds | 12.489 seconds |
| 9th run | 12.532 seconds | 12.452 seconds |
| 10th run | 12.437 seconds | 12.477 seconds |
| Average | 12.565 seconds | 12.497 seconds |
选择所有列的平均值:
*是12.565秒。 没有*是12.497秒。
这是一个老帖子，但仍然有效。作为参考，我有一个非常复杂的查询，包括:
12个表 6左连接 9个内连接 12个表共108列 我只需要54列 一个4列的Order By子句
当我使用Select *执行查询时，平均花费2869ms。 当我使用Select执行查询时，平均花费1513ms。
返回的总行数为13,949。
毫无疑问，选择列名意味着比Select *更快的性能
如果想要获得元数据，例如列的数量，SELECT *是必需的。
