禁奥义·SQL秘籍

sql secret scripts

sql 语法顺序、执行顺序、执行过程、要点解析、优化技巧。

---

1、语法顺序

  如上图所示，为 sql 语法顺序与执行顺序对照图。其具体含义如下：

• 0、select： 用于从数据库中选取数据，即表示从数据库中查询到的数据的列。其后可跟列名、函数、子查询等。
• 1、distinct： 用于对结果集进行去重，即若查询的数据中存在重复项，则可用其进行去重。其需要放在 select 后第一顺位，且其去重并不是对 select 后某个字段进行去重，而是对 select 后所有列进行去重。
• 2、from： 表示要查询的数据库表，即主表。其后跟表名、子查询等。
• 3、join： 表示要连接的表，及关联表。其后跟要连接表名、子查询等。
• 4、on： 表示主表与关联表的关联条件。
• 5、where： 表示查询条件。其后可跟普通条件、函数（普通函数）等。
• 6、group by： 表示分组，及将数据按照分组条件进行分组。其后跟要分组的列名。
• 7、having： 对分组结果进行筛选。其后跟普通条件、聚合函数等。
• 8、order by： 表示排序，及将结果集按照某种条件进行排序。其后跟要排序的列名及排序方式（升序、降序）。
• 9、limit： 表示最终结果集的大小，即查询结果集的大小将 <= limit 的值。其后跟数据集大小。

  如上所述，则对于表 用户表 web_user(id, username, age, gender, address)、系统日志表 sys_log(id, user_id, operate_name, request_time, request_params)，其查询 sql 可为：

# 某些数据库中 user 字符为关键字 故此 sql 中 user 别名呈关键字色
select distinct user.username, log.operate_name
from sys_log logleft join web_user useron log.user_id = user.id
where log.operate_name like '%列表%'
group by user.username, log.operate_name
having avg(log.request_time) > 100
order by user.username desc
limit 10

2、执行顺序

  如上图所示，为 sql 实际执行顺序。在 sql 的实际执行过程中，每个步骤都会产生一个虚拟表，这个虚拟表将作为下一步的基础数据。其具体含义如下：

• 0、from： 选择要查询的基表（即主表），产生虚拟表 1。
• 1、on： 连接查询（join）时主表与关联表的关联条件。将关联条件匹配到的行记录在虚拟表 2。
• 2、join： 选择要关联的表。若为 left/right join，则将主表中关联条件为匹配到的行添加到虚拟表 2，产生虚拟表 3。若有多个关联表，则重复执行 0～2 步，直到所有关联表都处理完。
• 3、where： 使用过滤条件对虚拟表 3 进行过滤，将符合条件的行插入到虚拟表 4。
• 4、group by： 根据 group by 指定的列，对虚拟表 4 进行分组，产生虚拟表 5。
• 5、having： 根据 having 指定的过滤条件对 虚拟表 5 中的每一组记录进行过滤，将符合条件的的行插入到虚拟表 6。
• 6、select： 从虚拟表 6 中取出 select 指定的列的记录插入到虚拟表 7。
• 7、distinct： 将虚拟表 7 中重复的行删除（记录的唯一性），产生虚拟表 8。
• 8、order by： 对虚拟表 8 中的记录按照 order by 指定的列及指定的排序方式进行排序。
• 9、limit： 取出指定行数的记录，返回结果集。

3、要点解析

• distinct： 其作用是对记录进行去重，去重时不是根据 distinct 后的某个字段去重，而是根据其后的所有字段去重，即可以理解为其后所有字段构成的唯一主键。一般而言，distinct 是 group by 子句的特殊情况，若对 distinct 结果集进行排序则可得到 group by 同样的结果。同时，distinct 会讲 null 值当作一条记录返回。

    当想要根据某个或某几个字段去重，同时又要查出其它字段时，则可以结合 group by 来实现，如想根据 username 去重，同时查询出 id，则其 sql 可为：

  # 此方案不适配 mysql
  select id, count(distinct username) from sys_log group by username;
  

• join： 关联查询，分为四种类型，分别是：

  • inner join：内连接，即左右两个表中至少匹配到一条记录则返回。
  • left join：左连接，即使右表（关联表）中没有匹配到行，也返回左表（主表）中的所有行。
  • right join：右连接，即使左表（关联表）中没有匹配到行，也返回右表（主表）中的所有行。
  • full join：全连接，只要有一个表中匹配到行，则返回。

    join 时要注意 on 条件，on 条件作为左右两表的关联条件，直接决定了后续 where 时的数据量，所以尽可能的在 on 中筛选掉无用数据。若无 on 条件则会出现笛卡尔积现象。

• where： where 条件中只能使用普通条件（如 and、or、in 等）和普通函数（ucase()、lcase()、mid()、substring()、len()、round()、now()、format() 等），不能使用聚合函数（avg()、max()、min()、count()、first()、last()、sum() 等）。

• not、and、or： 逻辑运算符。

  • and：若 and 前后两个条件都成立，则 and 运算符显示一条记录。
  • or：若 or 前后两个条件只要一个成立，则 or 运算符显示一条记录。
  • not：表示非。

    逻辑运算符使用需要注意优先级，其优先级为 ( )、not、and、or。所以必要时需使用 ( ) 来确保 and 和 or 条件的先后顺序。

• between： between 的使用需要注意上下限，而其上下限由不同数据库的实现决定。如：

  • 在某些数据库中，between 选取介于两个值之间但不包括两个值的数据。
  • 在某些数据库中，between 选取介于两个值之间且包括两个值的数据。
  • 在某些数据库中，between 选取介于两个值之间但只包括第一个值不包括第二个值的数据。

• group by： group by 表示分组，其规定 group by 后跟的列需和 select distinct 后跟的列保持一致，若此时还需要查出其它字段，则可以使用 rank() over (parition by) 关键字实现。

     rank() over (partition by)：其中 rank() 是排序函数，其会对结果集排序并产生一个序号；partition by 为分组，若无指定则所有结果集默认一个组。如想按 operate_name 分组，同时又想查出 username、operate_name 列，则 sql 可为：

  # order by 是为了对 partition by 分组结果进行排序，所以 order by 列尽可能使用 id 这种差异性极强的列来排序（如唯一索引）
  # 只有排序后每条记录的 rankNo 值都不同，才能根据 rankNo = 1 取到唯一的一条记录
  select * from (select username, operate_name, rank() over (partition by operate_name order by id) rankNo 			from sys_log) as temp
  where temp.rankNo = 1
  

• having： 对分组后的结果进行筛选，其后只能跟普通条件和聚合函数（avg()、max()、min()、count()、first()、last()、sum() 等）。

• order by： order by 表示排序，需要注意多字段排序的情况。如 order by a, b，先根据字段 a 的值排序，然后对 a 列相同的行再根据字段 b 的值排序。

• union： union 用来合并两个或多个 select 的结果集。需注意，使用 union 时，多个 select 语句必须拥有相同数量的列，且列的数据类型需保持一致，select 列的先后顺序也要保持一致。

• limit： limit 语句用来截取指定条数的结果集，一般用在分页中，如以下 sql：

  select * from sys_log where operate_name = '列表' limit 1000000, 10
  

    其含义为查询出第 1000000 行及之后的 9 行，但在实际执行中会发现耗时较长。这是因为数据库也不知道第 1000000 行从什么地方开始，因此需要先找到第 1000000 行，然后再取出 10 条。此时则可以将上一页的最大值作为查询条件传入，则 sql 如下：

  # 假设上一页最后一条数据的 create_time 值为 2023-11-30 22:25:00
  select * from sys_log where operate_name = '列表' and create_time > '2023-11-30 22:25:00' limit 10
  

    此时会发现，耗时将大大减小。