编译通过、运行时才炸的 join

写在 SQL 字符串里的字段名背后没有编译器:查询能拼出来、能部署,直到执行时才报 Error 1054(42S22)Unknown column。更安静的那种是字段存在但永远匹配不上——它返回 NULL 而不是报错,于是页面正常打开、那一列是空的,没人提 bug。两种都能用一条查 information_schema 的预检挡住,靠代码评审挡不住。

两张表、一个 join、两种不同的错法。都在本机跑出来了。

fixture

CREATE TABLE channels (id INT PRIMARY KEY, name VARCHAR(32));
CREATE TABLE visits   (id INT PRIMARY KEY, channel_id INT, domain_name VARCHAR(64));
INSERT INTO channels VALUES (1,'a'),(2,'b');
INSERT INTO visits VALUES (10,1,'example.com'),(11,NULL,'other.org');

visits 有 domain_name,没有 channel_domain。

第一种:「凭想象」写出来的列名

SELECT c.id, c.name, v.channel_domain
FROM channels c LEFT JOIN visits v ON v.channel_id = c.id;
ERROR 1054 (42S22) at line 14: Unknown column 'v.channel_domain' in 'field list'

你和这条错误之间没有编译器。拼出这段字符串的 Go 代码类型检查完美通过;错误是一个字面量里的错字,而这个字面量的第一个读者是运行时的服务器。放在报表 handler 里,表现是一次 500,除了那段 SQL 文本没什么可查的。

注意这条错误其实很帮忙:它点名了缺的列和表别名。这属于运气好的那种情况。

第二种:列存在,但永远匹配不上

同一个 join,写对列名:

SELECT c.id, c.name, v.domain_name
FROM channels c LEFT JOIN visits v ON v.channel_id = c.id ORDER BY c.id;
+----+------+-------------+
| id | name | domain_name |
+----+------+-------------+
|  1 | a    | example.com |
|  2 | b    | NULL        |
+----+------+-------------+

没有报错。第 2 行存在,domain_name 是 NULL,因为 visits 里有一行 channel_id = NULL,而 NULL 不等于任何东西。LEFT JOIN 本来就该产出这一行——那正是 LEFT 的意义。

交给 Go,沉默会叠加:

var domain string
err := rows.Scan(&id, &name, &domain)   // scan error:NULL 不能扫进 string

扫进普通 string 时 database/sql 会拒绝,至少它告诉你了。换成 sql.NullString,你会拿到 err == nil 和 domain.Valid == false——然后展示层打印 domain.String,那是空字符串,于是你得到一个「页面完全正常、只有一格是空的」结果。

我们先撞上的就是这个版本:页面加载正常、一列空白、报表悄悄不完整了好几周。

先于数据库运行的检查

拿着 SQL 里出现的每个列名,问一次 schema:

SELECT COUNT(*) AS found
FROM information_schema.columns
WHERE table_schema = DATABASE()
  AND table_name = 'visits'
  AND column_name = 'channel_domain';
-- found = 0 → 这条查询不可能成立

两种用法:

  1. CI 里对着 schema dump 跑。 从查询里抽出标识符,逐个断言存在。除 dump 外不需要数据库服务,几毫秒。
  2. handler 启动时跑一次。 很便宜,而且能把「运行时 1054」变成「拒绝启动」——后者才是发现问题的正确时机。

对 NULL 那种,检查方式不同,而且应该写在查询里:

SELECT COUNT(*) AS all_rows, COUNT(v.domain_name) AS matched
FROM channels c LEFT JOIN visits v ON v.channel_id = c.id;
-- 2 与 1 → 有一行没被映射

COUNT(列) 会跳过 NULL。两个计数之间的差,正好就是 join 悄悄解释不了的那些行。

怎么知道它真的修好了

  • 失败的查询要报错,而不是返回零行。 改对名字后,SELECT 返回 2 行。如果返回了行但某列还是空的,那你修的是名字,不是 join。
  • 任何你希望「完整」的 join,COUNT(*) 必须等于 COUNT(被 join 的列)。 相等说明每行都匹配上了;不相等说明页面上的数字不是你以为的那个数字。
  • schema 检查要进 CI。 一个「因为没人跑所以通过」的测试等于没有测试——先用一个假列名故意让它红一次,再决定相信它。

怎么回滚

  • 列名写错:改字符串、重新部署。数据没有任何变化;回滚就是回到上一个二进制,没有别的东西要恢复。
  • join 从来没匹配上:这种已经改动过数字。不要静默地改对就完事——算两版、按实体 diff、保留旧快照。修一次等于把钱在行之间搬一次。
  • 用「加字段」代替「改名字」:ALTER TABLE ... ADD COLUMN 对读方是加法、安全,但它给每个写方都留了一个得解释的 NULL。除非这个列本来就该有,否则优先修查询,而不是扩 schema。
  • 迁移删了或改名了列:读方在运行时才断,不是部署时。要么先把 schema 回滚再上二进制,要么你会发出一个根本没法服务的版本。

常见问题

为什么这种错误能过代码评审?

因为字段名藏在 Go 字符串里。它能编译、handler 能构建,唯一的检查者是数据库——而数据库不在构建流水线里,除非你往流水线里放一份 schema。

Error 1054 和静默 NULL,哪个更糟?

NULL。1054 是一次 500 加一条调用栈;NULL 是一个正常渲染的页面、一列空白、一份悄悄不完整的报表。我们在生产里先遇到的是后者。

上线前怎么抓出来?

拿 SQL 里出现的每个列名,去 information_schema.columns 查一遍,在 CI 里对着 schema dump 跑。几毫秒的事,而且这是唯一不需要连生产库就能跑的检查。

用 sqlx 或带类型的 ORM 会不会好一点?

对「SELECT 进结构体」和「生成的查询」有用,对手写的 join 字符串没用——而那个凭想象写出来的列名,正好就在手写字符串里。

来源


本文最后一次核验:2026-11-18 · 两种失败都在 MySQL 8.4.13(Ubuntu 26.04 / WSL)上用两张表的 fixture 复现;本页的报错原文与那行 NULL 均原样粘贴。