SQL 進(jìn)階技巧（上）

由于工作需要，最近做了很多 BI 取數(shù)的工作，需要用到一些比較高級的 SQL 技巧，總結(jié)了一下工作中用到的一些比較騷的進(jìn)階技巧，特此記錄一下，以方便自己查閱，主要目錄如下：

• SQL 的書寫規(guī)范
• SQL 的一些進(jìn)階使用技巧
• SQL 的優(yōu)化方法

SQL 的書寫規(guī)范

在介紹一些技巧之前，有必要強(qiáng)調(diào)一下規(guī)范，這一點我發(fā)現(xiàn)工作中經(jīng)常被人忽略，其實遵循好的規(guī)范可讀性會好很多，應(yīng)該遵循哪些規(guī)范呢

1、 表名要有意義，且標(biāo)準(zhǔn) SQL 中規(guī)定表名的第一個字符應(yīng)該是字母。

2、注釋，有單行注釋和多行注釋，如下

-- 單行注釋
-- 從SomeTable中查詢col_1 
SELECT col_1
  FROM SomeTable;

/*
多行注釋
從 SomeTable 中查詢 col_1 
*/
SELECT col_1
  FROM SomeTable;

多行注釋很多人不知道，這種寫法不僅可以用來添加真正的注釋，也可以用來注釋代碼，非常方便

3、縮進(jìn)

就像寫 Java，Python 等編程語言一樣 ，SQL 也應(yīng)該有縮進(jìn)，良好的縮進(jìn)對提升代碼的可讀性幫助很大，以下分別是好的縮進(jìn)與壞的縮進(jìn)示例

-- 好的縮進(jìn)
SELECT col_1, 
    col_2, 
    col_3,
    COUNT(*) 
  FROM tbl_A
 WHERE col_1 = 'a'
   AND col_2 = ( SELECT MAX(col_2)
                   FROM tbl_B
                  WHERE col_3 = 100 )
 GROUP BY col_1,
          col_2,
          col_3


-- 壞的示例
SELECT col1_1, col_2, col_3, COUNT(*)
FROM   tbl_A
WHERE  col1_1 = 'a'
AND    col1_2 = (
SELECT MAX(col_2)
FROM   tbl_B
WHERE  col_3 = 100
) GROUP BY col_1, col_2, col_3

4、空格

代碼中應(yīng)該適當(dāng)留有一些空格，如果一點不留，代碼都湊到一起， 邏輯單元不明確，閱讀的人也會產(chǎn)生額外的壓力，以下分別是是好的與壞的示例

-- 好的示例
SELECT col_1
  FROM tbl_A A, tbl_B B
 WHERE ( A.col_1 >= 100 OR A.col_2 IN ( 'a', 'b' ) )
   AND A.col_3 = B.col_3;

-- 壞的示例
SELECT col_1
  FROM tbl_A A,tbl_B B
 WHERE (A.col_1>=100 OR A.col_2 IN ('a','b'))
   AND A.col_3=B.col_3;

4、大小寫

關(guān)鍵字使用大小寫，表名列名使用小寫，如下

SELECT col_1, col_2, col_3,
    COUNT(*)
  FROM tbl_A
 WHERE col_1 = 'a'
   AND col_2 = ( SELECT MAX(col_2)
                   FROM tbl_B
                  WHERE col_3 = 100 )
 GROUP BY col_1, col_2, col_3

花了這么多時間強(qiáng)調(diào)規(guī)范，有必要嗎，有！好的規(guī)范讓代碼的可讀性更好，更有利于團(tuán)隊合作，之后的 SQL 示例都會遵循這些規(guī)范。

SQL 的一些進(jìn)階使用技巧

一、巧用 CASE WHEN 進(jìn)行統(tǒng)計

來看看如何巧用 CASE WHEN 進(jìn)行定制化統(tǒng)計,假設(shè)我們有如下的需求，希望根據(jù)左邊各個市的人口統(tǒng)計每個省的人口

使用 CASE WHEN 如下

SELECT CASE pref_name
      WHEN '長沙' THEN '湖南' 
      WHEN '衡陽' THEN '湖南'
      WHEN '?？? THEN '海南' 
      WHEN '三亞' THEN '海南'
    ELSE '其他' END AS district,
    SUM(population) 
FROM PopTbl
GROUP BY district;

二、巧用 CASE WHEN 進(jìn)行更新

現(xiàn)在某公司員人工資信息表如下:

現(xiàn)在公司出臺了一個奇葩的規(guī)定

1. 對當(dāng)前工資為 1 萬以上的員工，降薪 10%。
2. 對當(dāng)前工資低于 1 萬的員工，加薪 20%。

一些人不假思索可能寫出了以下的 SQL:

--條件1
UPDATE Salaries
SET salary = salary * 0.9 WHERE salary >= 10000;
--條件2
UPDATE Salaries
SET salary = salary * 1.2
WHERE salary < 10000;

這么做其實是有問題的， 什么問題，對小明來說，他的工資是 10500，執(zhí)行第一個 SQL 后，工資變?yōu)?10500 * 0.9 = 9450, 緊接著又執(zhí)行條件 2， 工資變?yōu)榱?9450 * 1.2 = 11340，反而漲薪了！

如果用 CASE WHEN 可以解決此類問題，如下：

UPDATE Salaries
SET salary = CASE WHEN salary >= 10000 THEN salary * 0.9
WHEN salary < 10000 THEN salary * 1.2
ELSE salary END;

三、巧用 HAVING 子句

一般 HAVING 是與 GROUP BY 結(jié)合使用的，但其實它是可以獨立使用的， 假設(shè)有如下表，第一列 seq 叫連續(xù)編號，但其實有些編號是缺失的，怎么知道編號是否缺失呢，

用 HAVING 表示如下:

SELECT '存在缺失的編號' AS gap
  FROM SeqTbl
HAVING COUNT(*) <> MAX(seq);

四、自連接

針對相同的表進(jìn)行的連接被稱為“自連接”(self join)，這個技巧常常被人們忽視，其實是有挺多妙用的

1、刪除重復(fù)行

上圖中有三個橘子，需要把這些重復(fù)的行給刪掉，用如下自連接可以解決：

DELETE FROM Products P1
 WHERE id < ( SELECT MAX(P2.id) 
                   FROM Products P2 
                  WHERE P1.name = P2.name 
                    AND P1.price = P2.price ); 

2、排序

在 db 中，我們經(jīng)常需要按分?jǐn)?shù)，人數(shù)，銷售額等進(jìn)行排名，有 Oracle, DB2 中可以使用 RANK 函數(shù)進(jìn)行排名，不過在 MySQL 中 RANK 函數(shù)未實現(xiàn)，這種情況我們可以使用自連接來實現(xiàn),如對以下 Products 表按價格高低進(jìn)行排名

使用自連接可以這么寫:

-- 排序從 1 開始。如果已出現(xiàn)相同位次，則跳過之后的位次 
SELECT P1.name,
       P1.price,
       (SELECT COUNT(P2.price)
          FROM Products P2
         WHERE P2.price > P1.price) + 1 AS rank_1
  FROM Products P1 
  ORDER BY rank_1;

結(jié)果如下:

name price rank 
----- ------ ------ 
橘子    100     1 
西瓜     80     2 
蘋果     50     3 
葡萄     50     3 
香蕉     50     3 
檸檬     30     6

五、巧用 COALESCE 函數(shù)

此函數(shù)作用返回參數(shù)中的第一個非空表達(dá)式，假設(shè)有如下商品，我們重新格式化一樣，如果 city 為 null，代表商品不在此城市發(fā)行，但我們在展示結(jié)果的時候不想展示 null，而想展示 'N/A', 可以這么做:

SELECT 
    COALESCE(city, 'N/A')
  FROM
    customers;

SQL 性能優(yōu)化技巧

一、參數(shù)是子查詢時，使用 EXISTS 代替 IN

如果 IN 的參數(shù)是（1，2，3）這樣的值列表時，沒啥問題，但如果參數(shù)是子查詢時，就需要注意了。比如，現(xiàn)在有如下兩個表：

現(xiàn)在我們要查出同時存在于兩個表的員工，即田中和鈴木，則以下用 IN 和 EXISTS 返回的結(jié)果是一樣，但是用 EXISTS 的 SQL 會更快:

-- 慢
SELECT * 
  FROM Class_A
WHERE id IN (SELECT id 
               FROM  CLASS_B);

-- 快
SELECT *
  FROM Class_A A 
 WHERE EXISTS
(SELECT * 
   FROM Class_B  B
  WHERE A.id = B.id);

為啥使用 EXISTS 的 SQL 運(yùn)行更快呢，有兩個原因

1. 可以`用到索引，如果連接列 (id) 上建立了索引，那么查詢 Class_B 時不用查實際的表，只需查索引就可以了。
2. 如果使用 EXISTS，那么只要查到一行數(shù)據(jù)滿足條件就會終止查詢， 不用像使用 IN 時一樣掃描全表。在這一點上 NOT EXISTS 也一樣

另外如果 IN 后面如果跟著的是子查詢，由于 SQL 會先執(zhí)行 IN 后面的子查詢，會將子查詢的結(jié)果保存在一張臨時的工作表里（內(nèi)聯(lián)視圖），然后掃描整個視圖，顯然掃描整個視圖這個工作很多時候是非常耗時的，而用 EXISTS 不會生成臨時表。

當(dāng)然了，如果 IN 的參數(shù)是子查詢時，也可以用連接來代替，如下：

-- 使用連接代替 IN SELECT A.id, A.name
FROM Class_A A INNER JOIN Class_B B ON A.id = B.id;

用到了 「id」列上的索引，而且由于沒有子查詢，也不會生成臨時表

二、避免排序

SQL 是聲明式語言，即對用戶來說，只關(guān)心它能做什么，不用關(guān)心它怎么做。這樣可能會產(chǎn)生潛在的性能問題：排序，會產(chǎn)生排序的代表性運(yùn)算有下面這些

• GROUP BY 子句
• ORDER BY 子句
• 聚合函數(shù)(SUM、COUNT、AVG、MAX、MIN)
• DISTINCT
• 集合運(yùn)算符(UNION、INTERSECT、EXCEPT)
• 窗口函數(shù)(RANK、ROW_NUMBER 等)

如果在內(nèi)存中排序還好，但如果內(nèi)存不夠?qū)е滦枰谟脖P上排序上的話，性能就會急劇下降，所以我們需要減少不必要的排序。怎樣做可以減少排序呢。

1、 使用集合運(yùn)算符的 ALL 可選項

SQL 中有 UNION，INTERSECT，EXCEPT 三個集合運(yùn)算符，默認(rèn)情況下，這些運(yùn)算符會為了避免重復(fù)數(shù)據(jù)而進(jìn)行排序，對比一下使用 UNION 運(yùn)算符加和不加 ALL 的情況:

注意：加 ALL 是優(yōu)化性能非常有效的手段，不過前提是不在乎結(jié)果是否有重復(fù)數(shù)據(jù)。

2、使用 EXISTS 代表 DISTINCT

為了排除重復(fù)數(shù)據(jù)， DISTINCT 也會對結(jié)果進(jìn)行排序，如果需要對兩張表的連接結(jié)果進(jìn)行去重，可以考慮用 EXISTS 代替 DISTINCT，這樣可以避免排序。

如何找出有銷售記錄的商品，使用如下 DISTINCT 可以：

SELECT DISTINCT I.item_no
FROM Items I INNER JOIN SalesHistory SH
ON I. item_no = SH. item_no;

不過更好的方式是使用 EXISTS:

SELECT item_no FROM Items I
WHERE EXISTS 
        (SELECT *
           FROM SalesHistory SH
          WHERE I.item_no = SH.item_no);

既用到了索引，又避免了排序?qū)π阅艿膿p耗。

二、在極值函數(shù)中使用索引（MAX/MIN）

使用 MAX/ MIN 都會對進(jìn)行排序，如果參數(shù)字段上沒加索引會導(dǎo)致全表掃描，如果建有索引，則只需要掃描索引即可，對比如下

-- 這樣寫需要掃描全表 
SELECT MAX(item)
  FROM Items;

-- 這樣寫能用到索引 
SELECT MAX(item_no)
  FROM Items;

注意：極值函數(shù)參數(shù)推薦為索引列中并不是不需要排序，而是優(yōu)化了排序前的查找速度（畢竟索引本身就是有序排列的）。

三、能寫在 WHERE 子句里的條件不要寫在 HAVING 子句里

下列 SQL 語句返回的結(jié)果是一樣的:

-- 聚合后使用 HAVING 子句過濾
SELECT sale_date, SUM(quantity)
  FROM SalesHistory GROUP BY sale_date
HAVING sale_date = '2007-10-01';

-- 聚合前使用 WHERE 子句過濾
SELECT sale_date, SUM(quantity)
  FROM SalesHistory
 WHERE sale_date = '2007-10-01' 
 GROUP BY sale_date;

使用第二條語句效率更高，原因主要有兩點

1. 使用 GROUP BY 子句進(jìn)行聚合時會進(jìn)行排序，如果事先通過 WHERE 子句能篩選出一部分行，能減輕排序的負(fù)擔(dān)
2. 在 WHERE 子句中可以使用索引，而 HAVING 子句是針對聚合后生成的視頻進(jìn)行篩選的，但很多時候聚合后生成的視圖并沒有保留原表的索引結(jié)構(gòu)

四、在 GROUP BY 子句和 ORDER BY 子句中使用索引

GROUP BY 子句和 ORDER BY 子句一般都會進(jìn)行排序，以對行進(jìn)行排列和替換，不過如果指定帶有索引的列作為這兩者的參數(shù)列，由于用到了索引，可以實現(xiàn)高速查詢，由于索引是有序的，排序本身都會被省略掉

五、使用索引時，條件表達(dá)式的左側(cè)應(yīng)該是原始字段

假設(shè)我們在 col 列上建立了索引，則下面這些 SQL 語句無法用到索引

SELECT *
  FROM SomeTable
 WHERE col * 1.1 > 100;

SELECT *
  FROM SomeTable
 WHERE SUBSTR(col, 1, 1) = 'a';

以上第一個 SQL 在索引列上進(jìn)行了運(yùn)算, 第二個 SQL 對索引列使用了函數(shù)，均無法用到索引，正確方式是把列單獨放在左側(cè),如下:

SELECT *
  FROM SomeTable
 WHERE col_1 > 100 / 1.1;

當(dāng)然如果需要對此列使用函數(shù)，則無法避免在左側(cè)運(yùn)算，可以考慮使用函數(shù)索引，不過一般不推薦隨意這么做。

六、盡量避免使用否定形式

如下的幾種否定形式不能用到索引：

• <>
• !=
• NOT IN

所以以下 了SQL 語句會導(dǎo)致全表掃描

SELECT *
  FROM SomeTable
 WHERE col_1 <> 100;

可以改成以下形式

SELECT *
  FROM SomeTable
 WHERE col_1 > 100 or col_1 < 100;

七、進(jìn)行默認(rèn)的類型轉(zhuǎn)換

假設(shè) col 是 char 類型，則推薦使用以下第二，三條 SQL 的寫法，不推薦第一條 SQL 的寫法

× SELECT * FROM SomeTable WHERE col_1 = 10;
○ SELECT * FROM SomeTable WHERE col_1 = '10';
○ SELECT * FROM SomeTable WHERE col_1 = CAST(10, AS CHAR(2));

雖然第一條 SQL 會默認(rèn)把 10 轉(zhuǎn)成 '10'，但這種默認(rèn)類型轉(zhuǎn)換不僅會增加額外的性能開銷，還會導(dǎo)致索引不可用，所以建議使用的時候進(jìn)行類型轉(zhuǎn)換。

八、減少中間表

在 SQL 中，子查詢的結(jié)果會產(chǎn)生一張新表，不過如果不加限制大量使用中間表的話，會帶來兩個問題，一是展示數(shù)據(jù)需要消耗內(nèi)存資源，二是原始表中的索引不容易用到，所以盡量減少中間表也可以提升性能。

九、靈活使用 HAVING 子句

這一點與上面第八條相呼應(yīng)，對聚合結(jié)果指定篩選條件時，使用 HAVING 是基本的原則，可能一些工程師會傾向于使用下面這樣的寫法:

SELECT *
  FROM (SELECT sale_date, MAX(quantity) AS max_qty
          FROM SalesHistory 
         GROUP BY sale_date) TMP
 WHERE max_qty >= 10;

雖然上面這樣的寫法能達(dá)到目的，但會生成 TMP 這張臨時表，所以應(yīng)該使用下面這樣的寫法:

SELECT sale_date, MAX(quantity) 
  FROM SalesHistory
 GROUP BY sale_date
HAVING MAX(quantity) >= 10;

HAVING 子句和聚合操作是同時執(zhí)行的，所以比起生成中間表后再執(zhí)行 HAVING 子句，效率會更高，代碼也更簡潔

10、需要對多個字段使用 IN 謂詞時，將它們匯總到一處

一個表的多個字段可能都使用了 IN 謂詞，如下:

SELECT id, state, city 
  FROM Addresses1 A1
 WHERE state IN (SELECT state
                   FROM Addresses2 A2
                  WHERE A1.id = A2.id) 
    AND city IN (SELECT city
                   FROM Addresses2 A2 
                  WHERE A1.id = A2.id);

這段代碼用到了兩個子查詢，也就產(chǎn)生了兩個中間表，可以像下面這樣寫

SELECT *
  FROM Addresses1 A1
 WHERE id || state || city
 IN (SELECT id || state|| city
       FROM Addresses2 A2);

這樣子查詢不用考慮關(guān)聯(lián)性，沒有中間表產(chǎn)生，而且只執(zhí)行一次即可。

總結(jié)

本文一開始花了挺大的篇幅來講解 SQL 的規(guī)范，請大家務(wù)必重視這部分內(nèi)部，良好的規(guī)范有利于團(tuán)隊協(xié)作，對于代碼的閱讀也比較友好。

之后介紹了一些 SQL 的比較高級的用法，巧用這些技巧確實能達(dá)到事半功倍的效果，由于本文篇幅有限只是介紹了一部分，下篇我們會再介紹一些其他的技巧，敬請期待哦

巨人的肩膀

• <<SQL 進(jìn)階教程>>

特別推薦一個分享架構(gòu)+算法的優(yōu)質(zhì)內(nèi)容，還沒關(guān)注的小伙伴，可以長按關(guān)注一下：
長按訂閱更多精彩▼
如有收獲，點個在看，誠摯感謝