30分钟SQL指南

30分钟SQL指南

本篇文章是 SQL 必知必会 的读书笔记，SQL必知必会的英文名叫做 Sams Teach Yourself in 10 Minutes。但是，我肯定是不能够在10分钟就能学会本书所有涉及到的sql，所以就起个名字叫30分钟学会SQL语句（其实半个小时也没有学会...）。

目前手边的数据库是 mysql，所以以下示例均是由 mysql 演示。由于现在大部分工具都支持语法高亮，所以以下关键字都使用小写。

准备

工具

mycli，一个使用python编写的终端工具，支持语法高亮，自动补全，多行模式，并且如果你熟悉vi的话，可以使用vi-mode快速移动，编辑。总之，vi + mycli 简直是神器！

同样，postgreSQL 可以使用pgcli。

pip install -U mycli    # 默认你已经安装了pip

样例表

示例中有两个表，分为 student 学生表与 class 班级表。student 表中有 class_id 关联 class 表。以下是两个表数据的 sql。另外，最后有三道小练习题会用到样例表。

create table class (
  id int(11) not null auto_increment comment '班级id',
  name varchar(50) not null comment '班级名',
  primary key (id)
) comment '班级表';

create table student (
  id int(11) not null auto_increment comment '学生id',
  name varchar(50) not null comment '学生姓名',
  age tinyint unsigned default 20 comment '学生年龄',
  sex enum('male', 'famale') comment '性别',
  score tinyint comment '入学成绩',
  class_id int(11) comment '班级',
  createTime timestamp default current_timestamp comment '创建时间',
  primary key (id),
  foreign key (class_id) references class (id)
) comment '学生表';

insert into class (name) values ('软件工程'), ('市场营销');

insert into student (name, age, sex, score, class_id) values ('张三', 21, 'male', 100, 1);
insert into student (name, age, sex, score, class_id) values ('李四', 22, 'male', 98, 1);
insert into student (name, age, sex, score, class_id) values ('王五', 22, 'male', 99, 1);
insert into student (name, age, sex, score, class_id) values ('燕七', 21, 'famale', 34, 2);
insert into student (name, age, sex, score, class_id) values ('林仙儿', 23, 'famale', 78, 2);

SQL 基础

术语

• Database

  数据库值一系列有关联数据的集合，而操作和管理这些数据的是DBMS，包括MySQL，PostgreSQL，MongoDB，Oracle，SQLite等等。
  RDBMS 是基于关系模型的数据库，使用 SQL 管理和操纵数据。另外也有一些 NoSQL 数据库，比如 MongoDB。
  因为NoSQL为非关系型数据库，一般不支持join操作，因此会有一些非正则化(denormalization)的数据，查询也比较快。

• Table

  具有特定属性的结构化文件。比如学生表，学生属性有学号，年龄，性别等。schema (模式) 用来描述这些信息。
  NoSQL 不需要固定列，一般没有 schema，同时也利于垂直扩展。

• Column

  表中的特定属性，如学生的学号，年龄。每一列都具有数据类型。

• Data Type

  每一列都具有数据类型，如 char, varchar，int，text，blob, datetime，timestamp。
  根据数据的粒度为列选择合适的数据类型，避免无意义的空间浪费。如下有一些类型对比

  • char, varchar
    需要存储数据的长度方差小的时候适合存储char，否则varchar。
    varchar 会使用额外长度存储字符串长度，占用存储空间较大。
    两者对字符串末尾的空格处理的策略不同，不同的DBMS又有不同的策略，设计数据库的时候应当注意到这个区别。
  • datetime, timestamp
    datetime 存储时间范围从1001年到9999年。
    timestamp 保存了自1970年1月1日的秒数，因为存储范围比较小，自然存储空间占用也比较小。
    日期类型可以设置更新行时自动更新日期，建议日期时间类型根据精度存储为这两个类型。
    如今 DBMS 能够存储微秒级别的精度，比如 mysql 默认存储精度为秒，但可以指定到微秒级别，即小数点后六位小数
  • enum
    对于一些固定，不易变动的状态码建议存储为 enum 类型，具有更好的可读性，更小的存储空间，并且可以保证数据有效性。

  小问题：
  如何存储IP地址

• Row

  数据表的每一行记录。如学生张三。

检索数据

# 检索单列
select name from student;

# 检索多列
select name, age, class from student;

# 检索所有列
select * from student;

# 对某列去重
select distinct class from student;

# 检索列-选择区间
# offset 基数为0，所以 `offset 1` 代表从第2行开始
select * from student limit 1, 10;
select * from student limit 10 offset 1;

排序

默认排序是 ASC，所以一般升序的时候不需指定，降序的关键字是 DESC。
使用 B-Tree 索引可以提高排序性能，但只限最左匹配。关于索引可以查看以下 FAQ。

# 根据学号降序排列
select * from student order by number desc;

# 添加索引 (score, name) 可以提高排序性能
# 但是索引 (name, score) 对性能毫无帮助，此谓最左匹配
select * from student order by score desc, name;

数据过滤

# 找到学号为1的学生
select * from student where number = 1;

# 找到学号为在 [1, 10] 的学生(闭区间)
select * from student where number between 1 and 10;

# 找到未设置电子邮箱的学生
# 注意不能使用 =
select * from student where email is null;

# 找到一班中大于23岁的学生
select * from student where class_id = 1 and age > 23;

# 找到一班或者大于23岁的学生
select * from student where class_id = 1 or age > 22;

# 找到一班与二班的学生
select * from student where class_id in (1, 2);

# 找到不是一班二班的学生
select * from student where class_id not in (1, 2);

计算字段

• CONCAT

  select concat(name, '(', age, ')') as nameWithAge from student;
  
  select concat('hello', 'world') as helloworld;

• Math

  select age - 18 as relativeAge from student;
  
  select 3 * 4 as n;

更多函数可以查看 API 手册，同时也可以自定义函数(User Define Function)。

可以直接使用 select 调用函数

select now();
select concat('hello', 'world');

数据汇总

聚集函数，一些对数据进行汇总的函数，常见有 COUNT，MIN，MAX，AVG，SUM 五种。

# 统计1班人数
select count(*) from student where class_id = 1;

数据分组

使用 group by 进行数据分组，可以使用聚合函数对分组数据进行汇总，使用 having 对分组数据进行筛选。

# 按照班级进行分组并统计各班人数
select class_id, count(*) from student group by class_id;

# 列出大于三个学生的班级
select class_id, count(*) as cnt from student group by class_id having cnt > 3;

子查询

# 列出软件工程班级中的学生
select * from student where class_id in (
  select id from class where name = '软件工程'
);

联接

虽然两个表拥有公共字段便可以创建联接，但是使用外键可以更好地保证数据完整性。比如当对一个学生插入一条不存在的班级的时候，便会插入失败。
一般来说，联接比子查询拥有更好的性能。

# 列出软件工程班级中的学生
select * from student, class
where student.class_id = class.id and class.name = '软件工程';

• 内联接

  内联接又叫等值联接。

  # 列出软件工程班级中的学生
  select * from student
  inner join class on student.class_id = class.id
  where class.name = '软件工程';

• 自联接

  # 列出与张三同一班级的学生
  select * from student s1
  inner join student s2 on s1.class_id = s2.class_id
  where s1.name = '张三';

• 外联接

  # 列出每个学生的班级，若没有班级则为null
  select name, class.name from student
  left join class on student.class_id = class.id;

插入数据

可以采用以下方法插入一条数据，不过严重依赖表中列的顺序关系，推荐指定列名插入数据，并且可以插入部分列。

# 插入一条数据
insert into student values(8, '陆小凤', 24, 1, 3);

insert into student(name, age, sex, class_id) values(9, '花无缺', 25, 1, 3);

修改数据

• 更新

  # 修改张三的班级
  update student set class_id = 2 where name = '张三';

• 删除

  # 删除张三的数据
  delete from student where name = '张三';
  
  # 删除表中所有数据
  delete from student;
  
  # 更快地删除表中所有数据
  truncate table student;

创建表与更新表

# 创建学生表

# 根据旧表创建新表
create table student_copy as select * from student;

# 删除 age 列
alter table student drop column age;

# 添加 age 列
alter table student add column age smallint;

# 删除学生表
drop table student;

视图

视图是一种虚拟的表，便于更好地在多个表中检索数据，视图也可以作写操作，不过最好作为只读。在需要多个表联接的时候可以使用视图。

create view v_student_with_classname as
select student.name name, class.name class_name
from student left join class
where student.class_id = class.id;

select * from v_student_with_classname; 

约束

• primiry key

  任意两行绝对没有相同的主键，且任一行不会有两个主键且主键绝不为空。使用主键可以加快索引。

  alter table student add constraint primary key (id);

• foreign key

  外键可以保证数据的完整性。有以下两种情况。

  • 插入张三丰5班到student表中会失败，因为5班在class表中不存在。
  • class表删除3班会失败，因为陆小凤和楚留香还在3班。

  alter table student add constraint foreign key (class_id) references class (id);

• unique key

  唯一索引保证该列值是唯一的，但可以允许有null。

  alter table student add constraint unique key (name);

• check

  检查约束可以使列满足特定的条件，如果学生表中所有的人的年龄都应该大于0。

  不过很可惜mysql不支持，可以使用触发器代替

  alter table student add constraint check (age > 0);

• index

  索引可以更快地检索数据，但是降低了更新操作的性能。

  create index index_on_student_name on student (name);
  
  alter table student add constraint key(name);

触发器

可以在插入，更新，删除行的时候触发事件。

# 创建触发器
# 比如mysql中没有check约束，可以使用创建触发器，当插入数据小于0时，置为0。
create trigger reset_age before insert on student for each row
begin
  if NEW.age < 0 then
    set NEW.age = 0;
  end if;
end;

# 打印触发器列表
show triggers;

存储过程

存储过程可以视为一个函数，根据输入执行一系列的 sql 语句。存储过程也可以看做对一系列数据库操作的封装，一定程度上可以提高数据库的安全性。

# 创建存储过程
create procedure create_student(name varchar(50))
begin
  insert into students(name) values (name);
end;

# 调用存储过程
call create_student('shanyue');

SQL 练习

更多练习可以查看 leetcode

1. 根据班级学生的分数进行排名，如果分数相等则为同一名次

select id, name, score, (
  select count(distinct score) from student s2 where s2.score >= s1.score
) as rank
from student s1 order by s1.score desc;

在where以及排序中经常用到的字段需要添加Btree索引，因此 score 上可以添加索引。

Result:

id	name	score	rank
1	张三	100	1
3	王五	99	2
2	李四	98	3
5	林仙儿	78	4
4	燕七	34	5

leetcode: rank-scores

2. 写一个函数，获取第 N 高的分数

create function getNthHighestScore(N int) return int
begin
  declare M int default N-1;
  return (
    select distinct score from student order by score desc limit M, 1;
  )
end;

select getNthHighestScore(2);

Result:

getNthHighestScore(2)
99

leetcode: nth highset salary

3. 检索每个班级分数前两名学生，并显示排名

select class.id class_id, class.name class_name, s.name student_name, score, rank
from (
  select *, (
    select count(distinct score) from student s2 where s2.score >= s1.score and s2.class_id = s1.class_id
  ) as rank from student s1
) as s left join class on s.class_id = class.id where rank <= 2;

# 如果不想在from中包含select子句，也可以像如下检索，不过不显示排名
select class.id class_id, class.name class_name, s1.name name, score
from student s1 left join class on s1.class_id = class.id
where (select count(*) from student s2 where s2.class_id = s1.class_id and s1.score <= s2.score) <= 2
order by s1.class_id, score desc;

Result:

class_name	student_name	score	rank
软件工程	张三	100	1
软件工程	王五	99	2
市场营销	燕七	34	2
市场营销	林仙儿	78	1

FAQ

大多根据 stackoverflow 中浏览最多的问题整理而成。

inner join 与 outer join 的区别是什么

what is the difference between inner join and outer join

如何根据一个表的数据更新另一个表

比如以上 student 表保存着成绩，另有一表 score_correct 内存因失误而需修改的学生成绩。

在mysql中，可以使用如下语法

update student, score_correct set student.score = score_correct.score where student.id = score_correct.uid;

索引是如何工作的

简单来说，索引分为 hash 和　B-Tree 两种。
hash 查找的时间复杂度为O(1)。
B-Tree 其实是 B+Tree，一种自平衡多叉搜索数，自平衡代表每次插入和删除数据都会需要动态调整树高，以降低平衡因子。B+Tree 只有叶子节点会存储信息，并且会使用链表链接起来。因此适合范围查找以及排序，不过只能搜索最左前缀，如只能索引以a开头的姓名，却无法索引以a结尾的姓名。
另外，Everything is trade off。B+Tree的自平衡特性保证能够快速查找的同时也降低了更新的性能，需要权衡利弊。

how dow database indexing work

如何联接多个行的字段

Concatenate many rows into a single text string

在mysql中，可以使用group_concat

select group_concat(name) from student;

如何在一个sql语句中插入多行数据

Inserting multiple rows in a single SQL query

values 使用逗号相隔，可以插入多行数据

insert into student(id, name) values (), (), ()

如何在select中使用条件表达式

示例，在student表中，查询所有人成绩，小于60则显示为0

select id, name, if(score < 60, 0, score) score from student;

如何找到重复项

姓名与班级唯一，找到姓名与班级的重复项，检索重复次数与id

select name, class_id, group_concat(id), count(*) times from student
group by name, class_id
having times > 1;

如何删除重复项并只保留首项

姓名与班级唯一，删除重复项，只保留首项

# mysql 就简单很多
delete s1 from student s1, student s2
where s1.name = s2.name and s1.sex = s2.sex and s1.id > s2.id;

how can i remove duplicate rows

什么是SQL注入

如有一条查询语句为

"select * from (" + table + ");"

当table取值 student); drop table student; -- 时，语句变为了，会删掉表，造成攻击。

"select * from (student); drop table student; --);"

mysql中单引号，双引号，反引号有什么区别

when to use single quotes, double quotes and backticks in mysql

反引号(`) 表示table，column 标识符。主要用在当表名或者列名为保留字的时候。在其它一些DBMS中，也用[]表示表名和列名。

单引号(') 表示字符串。

双引号(") 默认表示字符串，但是当sql_mode为ANSI_QUOTES时，双引号表示表名或者列名。