Nivel 2 · Fusiona dos audiencias con UNION

UNION ALL conserva todas las filas de todas las ramas. UNION (sin ALL) hace el mismo apilado y luego elimina las filas duplicadas, como si hubieras envuelto el resultado en SELECT DISTINCT. Elegir entre ellos es una pregunta sobre tus datos, no sobre estilo.

Los mismos datos, dos respuestas

Jordan quiere una fila por cliente de las fiestas. Contando de las dos maneras en Harbor & Pine:

SELECT COUNT(*) FROM (
  SELECT customer_id FROM orders
  WHERE status = 'completed' AND order_date >= '2025-11-01' AND order_date < '2025-12-01'
  UNION
  SELECT customer_id FROM orders
  WHERE status = 'completed' AND order_date >= '2025-12-01' AND order_date < '2026-01-01'
) AS holiday;

Con UNION el conteo es 745. Con UNION ALL es 1,285, que es exactamente el número de pedidos completados en esos dos meses: cada rama devuelve una fila por pedido, no por cliente. Por separado, 442 clientes compraron en noviembre y 455 en diciembre, así que 442 + 455 − 745 = 152 personas compraron en ambos.

Ten en cuenta que UNION eliminó dos tipos de duplicados aquí: las repeticiones dentro de una rama (un cliente con tres pedidos en noviembre) y las repeticiones entre ramas (un cliente en ambos meses). Compara filas completas, así que customer_id más segment deben coincidir. Si añadieras order_date al SELECT, casi ninguna fila sería igual y los duplicados volverían.

Clientes con y sin pedidos

UNION ALL con una etiqueta de estado construye una lista de clasificación a partir de dos conjuntos disjuntos:

SELECT customer_id, 'with orders' AS status
FROM customers WHERE customer_id IN (SELECT customer_id FROM orders)
UNION ALL
SELECT customer_id, 'without orders'
FROM customers WHERE customer_id NOT IN (SELECT customer_id FROM orders);

Eso da 1,771 clientes con pedidos y 247 sin ellos (los 2,018 clientes). Los dos conjuntos no pueden solaparse, así que UNION ALL es lo correcto, y se ahorra el trabajo de buscar duplicados.

Cuál usar

• Los conjuntos se solapan y quieres cada fila una vez (una audiencia, una lista de ids): UNION.
• Estás apilando eventos o montos que deben contarse todos (pedidos, reembolsos, sesiones): UNION ALL.
• Los conjuntos no pueden solaparse (grupos etiquetados y disjuntos): UNION ALL, porque es más rápido.

Errores comunes

• UNION ALL para una lista de personas, de modo que los clientes aparecen una vez por pedido y reciben dos correos.
• UNION sobre montos, que fusiona en silencio dos reembolsos distintos de $49.00 en uno. El nivel 5 de este capítulo trata justo de ese fallo.
• Esperar que UNION deduplique por una columna. Compara todas las columnas seleccionadas juntas.

En SQL Server

UNION y UNION ALL se comportan igual. Para previsualizar la lista fusionada añadirías TOP 10 después de la primera palabra clave SELECT en una consulta envolvente, donde DuckDB y Postgres usan LIMIT 10 al final.