SQL的书写规范及高级进阶优化技巧分享

SQL的书写规范及高级进阶优化技巧由于工作需要，最近做了很多 BI 取数的工作，需要用到一些比较高级的 SQL 技巧，总结了一下工作中用到的一些比较骚的进阶技巧，特此记录一下，以方便自己查阅，主要目录如下： SQL 的书写规范 SQL 的一些进阶使用技巧 SQL 的优化方法SQL 的书写规范在介绍一些技巧之前，有必要强调一下规范，这一点我发现工作中经常被人忽略，其实遵循好的规范可读性会好很多，应该遵循哪些规范呢1、 表名要有意义，且标准 SQL 中规定表名的第一个字符应该是字母。2、注释，有单行注释和多行注释，如下-单行注释-从SomeTable中查询col_1SELECTcol_1FROMSomeTable;/*多行注释从SomeTable中查询col_1*/SELECTcol_1FROMSomeTable;多行注释很多人不知道，这种写法不仅可以用来添加真正的注释，也可以用来注释代码，非常方便3、缩进就像写 Java，Python 等编程语言一样 ，SQL 也应该有缩进，良好的缩进对提升代码的可读性帮助很大，以下分别是好的缩进与坏的缩进示例-好的缩进SELECTcol_1,col_2,col_3,COUNT(*)FROMtbl_AWHEREcol_1=aANDcol_2=(SELECTMAX(col_2)FROMtbl_BWHEREcol_3=100)GROUPBYcol_1,col_2,col_3-坏的示例SELECTcol1_1,col_2,col_3,COUNT(*)FROMtbl_AWHEREcol1_1=aANDcol1_2=(SELECTMAX(col_2)FROMtbl_BWHEREcol_3=100)GROUPBYcol_1,col_2,col_34、空格代码中应该适当留有一些空格，如果一点不留，代码都凑到一起， 逻辑单元不明确，阅读的人也会产生额外的压力，以下分别是是好的与坏的示例-好的示例SELECTcol_1FROMtbl_AA,tbl_BBWHERE(A.col_1=100ORA.col_2IN(a,b)ANDA.col_3=B.col_3;-坏的示例SELECTcol_1FROMtbl_AA,tbl_BBWHERE(A.col_1=100ORA.col_2IN(a,b)ANDA.col_3=B.col_3;4、大小写关键字使用大小写，表名列名使用小写，如下SELECTcol_1,col_2,col_3,COUNT(*)FROMtbl_AWHEREcol_1=aANDcol_2=(SELECTMAX(col_2)FROMtbl_BWHEREcol_3=100)GROUPBYcol_1,col_2,col_3花了这么多时间强调规范，有必要吗，有！好的规范让代码的可读性更好，更有利于团队合作，之后的 SQL 示例都会遵循这些规范。SQL 的一些进阶使用技巧一、巧用 CASE WHEN 进行统计来看看如何巧用 CASE WHEN 进行定制化统计,假设我们有如下的需求，希望根据左边各个市的人口统计每个省的人口使用 CASE WHEN 如下SELECTCASEpref_nameWHEN长沙THEN湖南WHEN衡阳THEN湖南WHEN海口THEN海南WHEN三亚THEN海南ELSE其他ENDASdistrict,SUM(population)FROMPopTblGROUPBYdistrict;二、巧用 CASE WHEN 进行更新现在某公司员人工资信息表如下:现在公司出台了一个奇葩的规定1. 对当前工资为 1 万以上的员工，降薪 10%。2. 对当前工资低于 1 万的员工，加薪 20%。一些人不假思索可能写出了以下的 SQL:-条件1UPDATESalariesSETsalary=salary*0.9WHEREsalary=10000;-条件2UPDATESalariesSETsalary=salary*1.2WHEREsalary=10000THENsalary*0.9WHENsalary10000THENsalary*1.2ELSEsalaryEND;三、巧用 HAVING 子句一般 HAVING 是与 GROUP BY 结合使用的，但其实它是可以独立使用的， 假设有如下表，第一列 seq 叫连续编号，但其实有些编号是缺失的，怎么知道编号是否缺失呢，用 HAVING 表示如下:SELECT存在缺失的编号ASgapFROMSeqTblHAVINGCOUNT(*)MAX(seq);四、自连接针对相同的表进行的连接被称为“自连接”(self join)，这个技巧常常被人们忽视，其实是有挺多妙用的1、删除重复行上图中有三个橘子，需要把这些重复的行给删掉，用如下自连接可以解决：DELETEFROMProductsP1WHEREidP1.price)+1ASrank_1FROMProductsP1ORDERBYrank_1;结果如下:namepricerank-橘子1001西瓜802苹果503葡萄503香蕉503柠檬306五、巧用 COALESCE 函数此函数作用返回参数中的第一个非空表达式，假设有如下商品，我们重新格式化一样，如果 city 为 null，代表商品不在此城市发行，但我们在展示结果的时候不想展示 null，而想展示 N/A, 可以这么做:SELECTCOALESCE(city,N/A)FROMcustomers;SQL 性能优化技巧一、参数是子查询时，使用 EXISTS 代替 IN如果 IN 的参数是（1，2，3）这样的值列表时，没啥问题，但如果参数是子查询时，就需要注意了。比如，现在有如下两个表：现在我们要查出同时存在于两个表的员工，即田中和铃木，则以下用 IN 和 EXISTS 返回的结果是一样，但是用 EXISTS 的 SQL 会更快:-慢SELECT*FROMClass_AWHEREidIN(SELECTidFROMCLASS_B);-快SELECT*FROMClass_AAWHEREEXISTS(SELECT*FROMClass_BBWHEREA.id=B.id);为啥使用 EXISTS 的 SQL 运行更快呢，有两个原因1. 可以用到索引，如果连接列 (id) 上建立了索引，那么查询 Class_B 时不用查实际的表，只需查索引就可以了。2. 如果使用 EXISTS，那么只要查到一行数据满足条件就会终止查询， 不用像使用 IN 时一样扫描全表。在这一点上 NOT EXISTS 也一样另外如果 IN 后面如果跟着的是子查询，由于 SQL 会先执行 IN 后面的子查询，会将子查询的结果保存在一张临时的工作表里（内联视图），然后扫描整个视图，显然扫描整个视图这个工作很多时候是非常耗时的，而用 EXISTS 不会生成临时表。当然了，如果 IN 的参数是子查询时，也可以用连接来代替，如下：-使用连接代替INSELECTA.id,A.nameFROMClass_AAINNERJOINClass_BBONA.id=B.id;用到了 id列上的索引，而且由于没有子查询，也不会生成临时表二、避免排序SQL 是声明式语言，即对用户来说，只关心它能做什么，不用关心它怎么做。这样可能会产生潜在的性能问题：排序，会产生排序的代表性运算有下面这些 GROUP BY 子句 ORDER BY 子句 聚合函数(SUM、COUNT、AVG、MAX、MIN) DISTINCT 集合运算符(UNION、INTERSECT、EXCEPT) 窗口函数(RANK、ROW_NUMBER 等)如果在内存中排序还好，但如果内存不够导致需要在硬盘上排序上的话，性能就会急剧下降，所以我们需要减少不必要的排序。怎样做可以减少排序呢。1、 使用集合运算符的 ALL 可选项SQL 中有 UNION，INTERSECT，EXCEPT 三个集合运算符，默认情况下，这些运算符会为了避免重复数据而进行排序，对比一下使用 UNION 运算符加和不加 ALL 的情况:注意：加 ALL 是优化性能非常有效的手段，不过前提是不在乎结果是否有重复数据。2、使用 EXISTS 代表 DISTINCT为了排除重复数据， DISTINCT 也会对结果进行排序，如果需要对两张表的连接结果进行去重，可以考虑用 EXISTS 代替 DISTINCT，这样可以避免排序。如何找出有销售记录的商品，使用如下 DISTINCT 可以：SELECTDISTINCTI.item_noFROMItemsIINNERJOINSalesHistorySHONI.item_no=SH.item_no;不过更好的方式是使用 EXISTS:SELECTitem_noFROMItemsIWHEREEXISTS(SELECT*FROMSalesHistorySHWHEREI.item_no=SH.item_no);既用到了索引，又避免了排序对性能的损耗。二、在极值函数中使用索引（MAX/MIN）使用 MAX/ MIN 都会对进行排序，如果参数字段上没加索引会导致全表扫描，如果建有索引，则只需要扫描索引即可，对比如下-这样写需要扫描全表SELECTMAX(item)FROMItems;-这样写能用到索引SELECTMAX(item_no)FROMItems;注意：极值函数参数推荐为索引列中并不是不需要排序，而是优化了排序前的查找速度（毕竟索引本身就是有序排列的）。三、能写在 WHERE 子句里的条件不要写在 HAVING 子句里下列 SQL 语句返回的结果是一样的:-聚合后使用HAVING子句过滤SELECTsale_date,SUM(quantity)FROMSalesHistoryGROUPBYsale_dateHAVINGsale_date=2007-10-01;-聚合前使用WHERE子句过滤SELECTsale_date,SUM(quantity)FROMSalesHistoryWHEREsale_date=2007-10-01GROUPBYsale_date;使用第二条语句效率更高，原因主要有两点1. 使用 GROUP BY 子句进行聚合时会进行排序，如果事先通过 WHERE 子句能筛选出一部分行，能减轻排序的负担2. 在 WHERE 子句中可以使用索引，而 HAVING 子句是针对聚合后生成的视频进行筛选的，但很多时候聚合后生成的视图并没有保留原表的索引结构四、在 GROUP BY 子句和 ORDER BY 子句中使用索引GROUP BY 子句和 ORDER BY 子句一般都会进行排序，以对行进行排列和替换，不过如果指定带有索引的列作为这两者的参数列，由于用到了索引，可以实现高速查询，由于索引是有序的，排序本身都会被省略掉五、使用索引时，条件表达式的左侧应该是原始字段假设我们在 col 列上建立了索引，则下面这些 SQL 语句无法用到索引SELECT*FROMSomeTableWHEREcol*1.1100;SELECT*FROMSomeTableWHERESUBSTR(col,1,1)=a;以上第一个 SQL 在索引列上进行了运算, 第二个 SQL 对索引列使用了函数，均无法用到索引，正确方式是把列单独放在左侧,如下:SELECT*FROMSomeTableWHEREcol_1100/1.1;当然如果需要对此列使用函数，则无法避免在左侧运算，可以考虑使用函数索引，不过一般不推荐随意这么做。六、尽量避免使用否定形式如下的几种否定形式不能用到索引： != NOT IN所以以下 了SQL 语句会导致全表扫描SELECT*FROMSomeTableWHEREcol_1100;可以改成以下形式SELECT*FROMSomeTableWHEREcol_1100orcol_1=10;虽然上面这样的写法能达到目的，但会生成 TMP 这张临时表，所以应该使用下面这样的写法:SELECTsale_date,MAX(quantity)FROMSalesHistoryGROUPBYsale_dateHAVINGMAX(quantity)=10;HAVING 子句和聚合操作是同时执行的，所以比起生成中间表后再执行 HAVING 子句，效率会更高，代码也更简洁10、需要对多个字段使用 IN 谓词时，将它们汇总到一处一个表的多个字段可能都使用了 IN 谓词，如下:SELECTid,state,cityFROMAddresses1A1WHEREstateIN(SELECTstateFROMAddresses2A2WHEREA1.id=A2.id)ANDcityIN(SELECTcityFROMAddresses2A2WHEREA1.id=A2.id);这段代码用到了两个子查询，也就产生了两个中间表，可以像下面这样写SELECT*FROMAddresses1A1WHEREid|state|cityIN(SELECTid|state|city FROMAddresses2A2);这样子查询不用考虑关联性，没有中间表产生，而且只执行一次即可。总结本文一开始花了挺大的篇幅来讲解 SQL 的规范，请大家务必重视这部分内部，良好的规范有利于团队协作，对于代码的阅读也比较友好。之后介绍了一些 SQL 的比较高级的用法，巧用这些技巧确实能达到事半功倍的效果，由于本文篇幅有限只是介绍了一部分，下篇我们会再介绍一些其他的技巧，敬请期待哦