由于作業需要，最近做了很多 BI 取數的作業，需要用到一些比較高級的 SQL 技巧，總結了一下作業中用到的一些比較騷的進階技巧，特此記錄一下，以方便自己查閱，主要目錄如下：

SQL 的書寫規范
SQL 的一些進階使用技巧
SQL 的優化方法

SQL 的書寫規范

在介紹一些技巧之前，有必要強調一下規范，這一點我發現作業中經常被人忽略，其實遵循好的規范可讀性會好很多，應該遵循哪些規范呢

1、表名要有意義，且標準 SQL 中規定表名的第一個字符應該是字母，

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

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

-- 好的縮進
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

代碼中應該適當留有一些空格，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

花了這么多時間強調規范，有必要嗎，有！好的規范讓代碼的可讀性更好，更有利于團隊合作，之后的 SQL 示例都會遵循這些規范，

SQL 的一些進階使用技巧

一、巧用 CASE WHEN 進行統計

來看看如何巧用 CASE WHEN 進行定制化統計,假設我們有如下的需求，希望根據左邊各個市的人口統計每個省的人口

使用 CASE WHEN 如下

SELECT CASE pref_name
WHEN '長沙' THEN '湖南'
WHEN '衡陽' THEN '湖南'
WHEN '海口' 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 進行更新

現在某公司員人工資資訊表如下:

現在公司出臺了一個奇葩的規定

對當前工資為 1 萬以上的員工，降薪 10%，
對當前工資低于 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，執行第一個 SQL 后，工資變為 10500 * 0.9 = 9450, 緊接著又執行條件 2，工資變為了 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 結合使用的，但其實它是可以獨立使用的，假設有如下表，第一列 seq 叫連續編號，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、洗掉重復行

上圖中有三個橘子，需要把這些重復的行給刪掉，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，我們經常需要按分數，人數，銷售額等進行排名，有 Oracle, DB2 中可以使用 RANK 函式進行排名，不過在 MySQL 中 RANK 函式未實作，這種情況我們可以使用自連接來實作,如對以下 Products 表按價格高低進行排名

使用自連接可以這么寫:

-- 排序從 1 開始，如果已出現相同位次，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 函式

此函式作用回傳引數中的第一個非空運算式，假設有如下商品，我們重新格式化一樣，如果 city 為 null，代表商品不在此城市發行，但我們在展示結果的時候不想展示 null，而想展示 'N/A', 可以這么做:

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

SQL 性能優化技巧

一、引數是子查詢時，使用 EXISTS 代替 IN

如果 IN 的引數是（1，2，3）這樣的值串列時，沒啥問題，但如果引數是子查詢時，就需要注意了，比如，現在有如下兩個表：

現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 回傳的結果是一樣，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 運行更快呢，有兩個原因

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，
如果使用 EXISTS，那么只要查到一行資料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 會先執行 IN 后面的子查詢，會將子查詢的結果保存在一張臨時的作業表里（行內視圖），然后掃描整個視圖，顯然掃描整個視圖這個作業很多時候是非常耗時的，而用 EXISTS 不會生成臨時表，

當然了，如果 IN 的引數是子查詢時，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 是宣告式語言，即對用戶來說，只關心它能做什么，不用關心它怎么做，這樣可能會產生潛在的性能問題：排序，會產生排序的代表性運算有下面這些

GROUP BY 子句
ORDER BY 子句
聚合函式(SUM、COUNT、AVG、MAX、MIN)
DISTINCT
集合運算子(UNION、INTERSECT、EXCEPT)
視窗函式(RANK、ROW_NUMBER 等)

如果在記憶體中排序還好，但如果記憶體不夠導致需要在硬碟上排序上的話，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、使用集合運算子的 ALL 可選項

SQL 中有 UNION，INTERSECT，EXCEPT 三個集合運算子，默認情況下，這些運算子會為了避免重復資料而進行排序，對比一下使用 UNION 運算子加和不加 ALL 的情況:

注意：加 ALL 是優化性能非常有效的手段，不過前提是不在乎結果是否有重復資料，

2、使用 EXISTS 代表 DISTINCT

為了排除重復資料， DISTINCT 也會對結果進行排序，如果需要對兩張表的連接結果進行去重，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，又避免了排序對性能的損耗，

三、在極值函式中使用索引（MAX/MIN）

使用 MAX/ MIN 都會對進行排序，如果引數欄位上沒加索引會導致全表掃描，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：極值函式引數推薦為索引列中并不是不需要排序，而是優化了排序前的查找速度（畢竟索引本身就是有序排列的），

四、能寫在 WHERE 子句里的條件不要寫在 HAVING 子句里

下列 SQL 陳述句回傳的結果是一樣的:

-- 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;

使用第二條陳述句效率更高，原因主要有兩點

使用 GROUP BY 子句進行聚合時會進行排序，如果事先通過 WHERE 子句能篩選出一部分行，能減輕排序的負擔
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構

五、在 GROUP BY 子句和 ORDER BY 子句中使用索引

GROUP BY 子句和 ORDER BY 子句一般都會進行排序，以對行進行排列和替換，不過如果指定帶有索引的列作為這兩者的引數列，由于用到了索引，可以實作高速查詢，由于索引是有序的，排序本身都會被省略掉

六、使用索引時，條件運算式的左側應該是原始欄位

假設我們在 col 列上建立了索引，則下面這些 SQL 陳述句無法用到索引

SELECT *
FROM SomeTable
WHERE col * 1.1 > 100;

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

以上第一個 SQL 在索引列上進行了運算, 第二個 SQL 對索引列使用了函式，均無法用到索引，正確方式是把列單獨放在左側,如下:

SELECT *
FROM SomeTable
WHERE col_1 > 100 / 1.1;

當然如果需要對此列使用函式，則無法避免在左側運算，可以考慮使用函式索引，不過一般不推薦隨意這么做，

七、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 陳述句會導致全表掃描

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;

八、進行默認的型別轉換

假設 col 是 char 型別，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 會默認把 10 轉成 '10'，但這種默認型別轉換不僅會增加額外的性能開銷，還會導致索引不可用，所以建議使用的時候進行型別轉換，

九、減少中間表

在 SQL 中，子查詢的結果會產生一張新表，不過如果不加限制大量使用中間表的話，會帶來兩個問題，一是展示資料需要消耗記憶體資源，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，

十、靈活使用 HAVING 子句

這一點與上面第八條相呼應，對聚合結果指定篩選條件時，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到目的，但會生成 TMP 這張臨時表，所以應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行的，所以比起生成中間表后再執行 HAVING 子句，效率會更高，代碼也更簡潔

10、需要對多個欄位使用 IN 謂詞時，將它們匯總到一處

一個表的多個欄位可能都使用了 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聯性，沒有中間表產生，而且只執行一次即可，

總結

本文一開始花了挺大的篇幅來講解 SQL 的規范，請大家務必重視這部分內部，良好的規范有利于團隊協作，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

SQL優化之SQL 進階技巧（下）
SQL優化之SELECT COUNT(*)

轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/37886.html

標籤：MySQL

上一篇：Mysql基礎（一）——連接資料庫、基本型別

下一篇：SQL優化之SQL 進階技巧（下）

SQL優化之SQL 進階技巧（上）