由於工作需要，最近做了很多 BI 取數的工作，需要用到一些比較高級的 SQL 技巧，總結了一下工作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 的書寫規範
SQL 的一些進階使用技巧
SQL 的優化方法
SQL 的書寫規範
在介紹一些技巧之前，有必要強調一下規範，這一點我發現工作中經常被人忽略，其實遵循好的規範可讀性會好很多，應該遵循哪些規範呢
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、註釋，有單行註釋和多行註釋，如下
-- 單行註釋
-- 從SomeTable中查詢col_1
SELECT col_1
FROM SomeTable;
/*
多行註釋
從 SomeTable 中查詢 col_1
*/
SELECT col_1
FROM SomeTable;
多行註釋很多人不知道，這種寫法不僅可以用來添加真正的註釋，也可以用來註釋代碼，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
花了這麼多時間強調規範，有必要嗎，有！好的規範讓代碼的可讀性更好，更有利於團隊合作，之後的 SQL 示例都會遵循這些規範。
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 進行定製化統計,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信息表如下:
現在公司出臺了一個奇葩的規定
對當前工資爲 1 萬以上的員工，降薪 10%。
對當前工資低於 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;
這麼做其實是有問題的， 什麼問題，對小明來說，他的工資是 10500，執行第一個 SQL 後，工資變爲 10500 * 0.9 = 9450, 緊接着又執行條件 2， 工資變爲了 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，怎麼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爲“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、刪除重複行
上圖中有三個橘子，需要把這些重複的行給刪掉，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 函數進行排名，不過在 MySQL 中 RANK 函數未實現，這種情況我們可以使用自連接來實現,如對以下 Products 表按價格高低進行排名
使用自連接可以這麼寫:
-- 排序從 1 開始。如果已出現相同位次，則跳過之後的位次
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 函數
此函數作用返回參數中的第一個非空表達式，假設有如下商品，我們重新格式化一樣，如果 city 爲 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', 可以這麼做:
SELECT
COALESCE(city, 'N/A')
FROM
customers;
SQL 性能優化技巧
一、參數是子查詢時，使用 EXISTS 代替 IN
如果 IN 的參數是（1，2，3）這樣的值列表時，沒啥問題，但如果參數是子查詢時，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於兩個表的員工，即田中和鈴木，則以下用 IN 和 EXISTS 返回的結果是一樣，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);
爲啥使用 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，那麼查詢 Class_B 時不用查實際的表，只需查索引就可以了。
如果使用 EXISTS，那麼只要查到一行數據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 後面如果跟着的是子查詢，由於 SQL 會先執行 IN 後面的子查詢，會將子查詢的結果保存在一張臨時的工作表裏（內聯視圖），然後掃描整個視圖，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。
當然了，如果 IN 的參數是子查詢時，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，而且由於沒有子查詢，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，只關心它能做什麼，不用關心它怎麼做。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
聚合函數(SUM、COUNT、AVG、MAX、MIN)
DISTINCT
集合運算符(UNION、INTERSECT、EXCEPT)
窗口函數(RANK、ROW_NUMBER 等)
如果在內存中排序還好，但如果內存不夠導致需要在硬盤上排序上的話，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、 使用集合運算符的 ALL 可選項
SQL 中有 UNION，INTERSECT，EXCEPT 三個集合運算符，默認情況下，這些運算符會爲了避免重複數據而進行排序，對比一下使用 UNION 運算符加和不加 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複數據。
2、使用 EXISTS 代表 DISTINCT
爲了排除重複數據， 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。
二、在極值函數中使用索引（MAX/MIN）
使用 MAX/ MIN 都會對進行排序，如果參數字段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：極值函數參數推薦爲索引列中並不是不需要排序，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）。
三、能寫在 WHERE 子句裏的條件不要寫在 HAVING 子句裏
下列 SQL 語句返回的結果是一樣的:
-- 聚合後使用 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
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 子句是針對聚合後生成的視頻進行篩選的，但很多時候聚合後生成的視圖並沒有保留原表的索引結構
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爲這兩者的參數列，由於用到了索引，可以實現高速查詢，由於索引是有序的，排序本身都會被省略掉
五、使用索引時，條件表達式的左側應該是原始字段
假設我們在 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 在索引列上進行了運算, 第二個 SQL 對索引列使用了函數，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數，則無法避免在左側運算，可以考慮使用函數索引，不過一般不推薦隨意這麼做。
六、儘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、進行默認的類型轉換
假設 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 會默認把 10 轉成 '10'，但這種默認類型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類型轉換。
八、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，一是展示數據需要消耗內存資源，二是原始表中的索引不容易用到，所以儘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，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於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後再執行 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，將它們彙總到一處
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 的規範，請大家務必重視這部分內部，良好的規範有利於團隊協作，對於代碼的閱讀也比較友好。
之後介紹了一些 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，由於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 進階教程>>
歡迎大家關注公號，共同進步！
