这么骚的SQL进阶技巧，不怕被揍么？

当前位置：首页 - 运维 - 正文

君子好学，自强不息！

2022-11-16 | 运维 | 1818ip | 612°c

A⁺ A^-

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。

图片来自 Pexels

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_1
SELECTcol_1
FROMSomeTable;

/*
多行注释
从SomeTable中查询col_1
*/
SELECTcol_1
FROMSomeTable;

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_A
WHEREcol_1='a'
ANDcol_2=(SELECTMAX(col_2)
FROMtbl_B
WHEREcol_3=100)
GROUPBYcol_1,
col_2,
col_3


--坏的示例
SELECTcol1_1,col_2,col_3,COUNT(*)
FROMtbl_A
WHEREcol1_1='a'
ANDcol1_2=(
SELECTMAX(col_2)
FROMtbl_B
WHEREcol_3=100
)GROUPBYcol_1,col_2,col_3

④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_1
FROMtbl_AA,tbl_BB
WHERE(A.col_1>=100ORA.col_2IN('a','b'))
ANDA.col_3=B.col_3;

--坏的示例
SELECTcol_1
FROMtbl_AA,tbl_BB
WHERE(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_A
WHEREcol_1='a'
ANDcol_2=(SELECTMAX(col_2)
FROMtbl_B
WHEREcol_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

①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_name
WHEN'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)
FROMPopTbl
GROUPBYdistrict;

②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：

对当前工资为 1 万以上的员工，降薪 10%。
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1
UPDATESalaries
SETsalary=salary*0.9WHEREsalary>=10000;
--条件2
UPDATESalaries
SETsalary=salary*1.2
WHEREsalary<10000;

这么做其实是有问题的，什么问题，对小明来说，他的工资是 10500，执行第一个 SQL 后，工资变为 10500*0.9=9450, 紧接着又执行条件 2，工资变为了 9450*1.2=11340，反而涨薪了!

如果用 CASE WHEN 可以解决此类问题，如下：

UPDATESalaries
SETsalary=CASEWHENsalary>=10000THENsalary*0.9
WHENsalary<10000THENsalary*1.2
ELSEsalaryEND;

③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'ASgap
FROMSeqTbl
HAVINGCOUNT(*)<>MAX(seq);

④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。

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：

DELETEFROMProductsP1
WHEREid<(SELECTMAX(P2.id)
FROMProductsP2
WHEREP1.name=P2.name
ANDP1.price=P2.price);

排序：在 DB 中，我们经常需要按分数，人数，销售额等进行排名，有 Oracle, DB2 中可以使用 RANK 函数进行排名，不过在 MySQL 中 RANK 函数未实现。

这种情况我们可以使用自连接来实现，如对以下 Products 表按价格高低进行排名：

使用自连接可以这么写：

--排序从1开始。如果已出现相同位次，则跳过之后的位次
SELECTP1.name,
P1.price,
(SELECTCOUNT(P2.price)
FROMProductsP2
WHEREP2.price>P1.price)+1ASrank_1
FROMProductsP1
ORDERBYrank_1;

结果如下：

namepricerank
-----------------
橘子1001
西瓜802
苹果503
葡萄503
香蕉503
柠檬306

⑤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：

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

SQL 性能优化技巧

①参数是子查询时，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_A
WHEREidIN(SELECTid
FROMCLASS_B);

--快
SELECT*
FROMClass_AA
WHEREEXISTS
(SELECT*
FROMClass_BB
WHEREA.id=B.id);

为啥使用 EXISTS 的 SQL 运行更快呢，有两个原因：

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。
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.name
FROMClass_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。

②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?有如下几点：

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。

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_no
FROMItemsIINNERJOINSalesHistorySH
ONI.item_no=SH.item_no;

不过更好的方式是使用 EXISTS：

SELECTitem_noFROMItemsI
WHEREEXISTS
(SELECT*
FROMSalesHistorySH
WHEREI.item_no=SH.item_no);

既用到了索引，又避免了排序对性能的损耗。

②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)。

③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_date
HAVINGsale_date='2007-10-01';

--聚合前使用WHERE子句过滤
SELECTsale_date,SUM(quantity)
FROMSalesHistory
WHEREsale_date='2007-10-01'
GROUPBYsale_date;

使用第二条语句效率更高，原因主要有两点：

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。
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。

④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

⑤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*
FROMSomeTable
WHEREcol*1.1>100;

SELECT*
FROMSomeTable
WHERESUBSTR(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*
FROMSomeTable
WHEREcol_1>100/1.1;

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。

⑥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*
FROMSomeTable
WHEREcol_1<>100;

可以改成以下形式：

SELECT*
FROMSomeTable
WHEREcol_1>100orcol_1<100;

⑦进行默认的类型转换

假设 col 是 char 类型，则推荐使用以下第二，三条 SQL 的写法，不推荐第一条 SQL 的写法：

×SELECT*FROMSomeTableWHEREcol_1=10;
○SELECT*FROMSomeTableWHEREcol_1='10';
○SELECT*FROMSomeTableWHEREcol_1=CAST(10,ASCHAR(2));

虽然第一条 SQL 会默认把 10 转成 ’10’，但这种默认类型转换不仅会增加额外的性能开销，还会导致索引不可用，所以建议使用的时候进行类型转换。

⑧减少中间表

在 SQL 中，子查询的结果会产生一张新表，不过如果不加限制大量使用中间表的话，会带来两个问题：一是展示数据需要消耗内存资源，二是原始表中的索引不容易用到，所以尽量减少中间表也可以提升性能。

⑨灵活使用 HAVING 子句

这一点与上面第八条相呼应，对聚合结果指定筛选条件时，使用 HAVING 是基本的原则，可能一些工程师会倾向于使用下面这样的写法：

SELECT*
FROM(SELECTsale_date,MAX(quantity)ASmax_qty
FROMSalesHistory
GROUPBYsale_date)TMP
WHEREmax_qty>=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)
FROMSalesHistory
GROUPBYsale_date
HAVINGMAX(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,city
FROMAddresses1A1
WHEREstateIN(SELECTstate
FROMAddresses2A2
WHEREA1.id=A2.id)
ANDcityIN(SELECTcity
FROMAddresses2A2
WHEREA1.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*
FROMAddresses1A1
WHEREid||state||city
IN(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。

⑪使用延迟查询优化 limit [offset]，[rows]

经常出现类似以下的 SQL 语句：

SELECT*FROMfilmLIMIT100000,10

Offset 特别大!这是我司出现很多慢 SQL 的主要原因之一，尤其是在跑任务需要分页执行时，经常跑着跑着 Offset 就跑到几十万了，导致任务越跑越慢。

LIMIT 能很好地解决分页问题，但如果 Offset 过大的话，会造成严重的性能问题。

原因主要是因为 MySQL 每次会把一整行都扫描出来，扫描 Offset 遍，找到 Offset 之后会抛弃 Offset 之前的数据，再从 Offset 开始读取 10 条数据，显然，这样的读取方式问题。

可以通过延迟查询的方式来优化，假设有以下 SQL，有组合索引(sex，rating)：

SELECT<cols>FROMprofileswheresex='M'orderbyratinglimit100000,10;

则上述写法可以改成如下写法：

SELECT<cols>
FROMprofiles
innerjoin
(SELECTidformFROMprofileswherex.sex='M'orderbyratinglimit100000,10)
asxusing(id);

这里利用了覆盖索引的特性，先从覆盖索引中获取 100010 个 id，再丢充掉前 100000 条 id，保留最后 10 个 id 即可，丢掉 100000 条 id 不是什么大的开销，所以这样可以显著提升性能。

⑫利用 LIMIT 1 取得唯一行

数据库引擎只要发现满足条件的一行数据则立即停止扫描，，这种情况适用于只需查找一条满足条件的数据的情况。

⑬注意组合索引，要符合最左匹配原则才能生效

假设存在这样顺序的一个联合索引“col_1, col_2, col_3”。这时，指定条件的顺序就很重要。

○SELECT*FROMSomeTableWHEREcol_1=10ANDcol_2=100ANDcol_3=500;
○SELECT*FROMSomeTableWHEREcol_1=10ANDcol_2=100;
×SELECT*FROMSomeTableWHEREcol_2=100ANDcol_3=500;

前面两条会命中索引，第三条由于没有先匹配 col_1，导致无法命中索引，另外如果无法保证查询条件里列的顺序与索引一致，可以考虑将联合索引拆分为多个索引。

⑭使用 LIKE 谓词时，只有前方一致的匹配才能用到索引(最左匹配原则)

×SELECT*FROMSomeTableWHEREcol_1LIKE'%a';
×SELECT*FROMSomeTableWHEREcol_1LIKE'%a%';
○SELECT*FROMSomeTableWHEREcol_1LIKE'a%';

上例中，只有第三条会命中索引，前面两条进行后方一致或中间一致的匹配无法命中索引。

⑮简单字符串表达式

模型字符串可以使用 _ 时，尽可能避免使用 %，假设某一列上为 char(5)。

不推荐：

SELECT
first_name,
last_name,
homeroom_nbr
FROMStudents
WHEREhomeroom_nbrLIKE'A-1%';

发表评论

取消回复

当前位置：首页 - 运维 - 正文

君子好学，自强不息！