1、SQL调优 | SQL 书写规范及优化技巧（上）编者荐语：文章主要讲解了SQL的书写规范，使用技巧和性能优化方法，小伙伴们可以查漏补缺。以下文章来源于码海 ，作者码海码海.一起进阶，一起牛逼！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，特此记录一下，以方便自己查阅，主要目录如下：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
2、，如下- 单行注释- 从SomeTable中查询col_1 SELECT col_1 FROM SomeTable;/*多行注释从 SomeTable 中查询 col_1 */SELECT col_1 FROM SomeTable;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SELECT col_1, col_2, col_3, COUNT(*) FROM tbl_A WHERE col_1
3、= a AND col_2 = ( SELECTMAX(col_2) FROM tbl_B WHERE col_3 = 100 ) GROUPBY col_1, col_2, col_3- 坏的示例SELECT col1_1, col_2, col_3, COUNT(*)FROM tbl_AWHERE col1_1 = aAND col1_2 = (SELECTMAX(col_2)FROM tbl_BWHERE col_3 = 100) GROUPBY col_1, col_2, col_34、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
4、的压力，以下分别是是好的与坏的示例- 好的示例SELECT col_1 FROM tbl_A A, tbl_B B WHERE ( A.col_1 = 100OR A.col_2 IN ( a, b ) ) AND A.col_3 = B.col_3;- 坏的示例SELECT col_1 FROM tbl_A A,tbl_B B WHERE (A.col_1=100OR A.col_2 IN (a,b) AND A.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SELECT col_1, col_2, col_3, COUNT(*) FROM tbl_A WHE
5、RE col_1 = a AND col_2 = ( SELECTMAX(col_2) FROM tbl_B WHERE col_3 = 100 ) GROUPBY col_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一、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SELECTCASE pref_name WHEN长沙THEN湖南
6、 WHEN衡阳THEN湖南 WHEN海口THEN海南 WHEN三亚THEN海南 ELSE其他ENDAS district, SUM(population) FROM PopTblGROUPBY district;二、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1. 对当前工资为 1 万以上的员工，降薪 10%。2. 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1UPDATE SalariesSET salary = salary * 0.9WHERE salary = 10000;-条件2UPDATE
7、 SalariesSET salary = salary * 1.2WHERE salary = 10000THEN salary * 0.9WHEN salary 280000THEN salary * 1.2ELSE salary END;三、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AS gap FROM SeqTblHAVINGCOUNT(*) MAX(seq);四、自连接针对相
8、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1、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：DELETEFROM Products P1 WHEREid P1.price) + 1AS rank_1 FROM Products P1 ORDERBY rank_1;结果如下:name price rank - - - 橘子 100 1 西瓜 80 2 苹果 50 3 葡萄 50 3 香蕉 50 3 柠檬 30 6五、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
9、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 性能优化技巧一、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 * FROM Class
10、_AWHEREidIN (SELECTid FROM CLASS_B);- 快SELECT * FROM Class_A A WHEREEXISTS(SELECT * FROM Class_B B WHERE A.id = B.id);为啥使用 EXISTS 的 SQL 运行更快呢，有两个原因1. 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。2. 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
11、，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 IN SELECT A.id, A.nameFROM Class_A A INNER JOIN Class_B B ON A.id = B.id;用到了 id列上的索引，而且由于没有子查询，也不会生成临时表二、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
12、：排序，会产生排序的代表性运算有下面这些l GROUP BY 子句l ORDER BY 子句l 聚合函数(SUM、COUNT、AVG、MAX、MIN)l DISTINCTl 集合运算符(UNION、INTERSECT、EXCEPT)l 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。1、 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 UN
13、ION 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。2、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：SELECTDISTINCT I.item_noFROM Items I INNERJOIN SalesHistory SHON I. item_no = SH. item_no;不过更好的方式是使用 EXIST
14、S:SELECT item_no FROM Items IWHEREEXISTS (SELECT * FROM SalesHistory SH WHERE I.item_no = SH.item_no);既用到了索引，又避免了排序对性能的损耗。二、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) FROM Items;- 这样写能用到索引 SELECTMAX(item_no) FROM Items;注意：极值函数参数推荐为索引列中
15、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）。三、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SELECT sale_date, SUM(quantity) FROM SalesHistory GROUPBY sale_dateHAVING sale_date = 2007-10-01;- 聚合前使用 WHERE 子句过滤SELECT sale_date, SUM(quantity) FROM SalesHistory WHERE sale_date = 2007-10-
16、01 GROUPBY sale_date;使用第二条语句效率更高，原因主要有两点1. 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2. 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
17、序本身都会被省略掉五、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 * FROM SomeTable WHEREcol * 1.1 100;SELECT * FROM SomeTable 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 * FROM SomeTable WHERE col_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
18、考虑使用函数索引，不过一般不推荐随意这么做。六、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：l l !=l NOT IN所以以下 了SQL 语句会导致全表扫描SELECT * FROM SomeTable WHERE col_1 100;可以改成以下形式SELECT * FROM SomeTable WHERE col_1 100or col_1 = 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:SELECT sale_date, MAX(quantity) FROM SalesHistory GROUPBY sale_dateHAVIN
19、GMAX(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 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.
20、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 * FROM Addresses1 A1 WHEREid | state | city IN (SELECTid | state| city FROM Addresses2 A2);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。总结本文一开始花了挺大的篇幅来讲解 SQL 的规范，请大家务必重视这部分内部，良好的规范有利于团队协作，对于代码的阅读也比较友好。之后介绍了一些 SQL 的比较高级的用法，巧用这些技巧确实能达到事半功倍的效果，由于本文篇幅有限只是介绍了一部分，下篇我们会再介绍一些其他的技巧，敬请期待哦
