摘要：前言只有光頭才能變強。文本已收錄至我的倉庫，歡迎最近在公司做了幾張報表，還記得剛開始要做報表的時候都快把給忘光了當時在廣州休假了個月多，在實習期間也沒咋寫過，回到公司的第一個需求就是做報表。

只有光頭才能變強。
文本已收錄至我的GitHub倉庫，歡迎Star：https://github.com/ZhongFuCheng3y/3y

最近在公司做了幾張報表，還記得剛開始要做報表的時候都快把SQL給忘光了（當時在廣州休假了1個月多，在實習期間也沒咋寫過SQL），回到公司的第一個需求就是做報表。

于是我很不要臉地跟帶我的學長說：“SQL我好像忘光了，group 分組查詢好像都忘得差不多了，我得復習一下”。

這篇文章來記錄一下我曾經(jīng)忘掉的group查詢、join查詢等一些比較實用/常用的SQL

本文主打通俗易懂，不涵蓋任何優(yōu)化(適合新手觀看)

group 查詢就是分組查詢，為什么要分組查詢？因為我們想按某個維度進行統(tǒng)計。下面來看個圖：

比如說，我想知道：每天Java3y這個公眾號的點擊量是多少。按我們?nèi)斯ざ裕悸泛芎唵危喊严嗤奶鞌?shù)以及公眾號名稱為Java3y的數(shù)據(jù)找出來，再將每個點擊量相加，就得出了結果了。

用上SQL我們可能會這樣寫：

select name,time,sum(pv) as pv  
from xxx_table 
where name = "Java3y" group by name,time

記得有一天，有個群友在群上問了一個問題：

其實他的需求很簡單：檢索出數(shù)據(jù)分組后時間最高的記錄。但他是這樣干的：

把先按照時間 order by

對order by后的記錄進行分組

示例圖：

有的工具可以支持這種的寫法：

select * from xxx_table group by name

這種寫法沒有被禁止，并可以得出結果，比如得到的結果是：

Java4y    20  7月15號
Java3y    30  7月15號

這種寫法其實是不合理的，要知道的是：使用group by 分組統(tǒng)計之后，我們的select 后面只能跟著group by 的字段，或者是聚合函數(shù)。

因為，我們對數(shù)據(jù)進行了分組查詢，數(shù)據(jù)的分布情況，我們是不關心的。

記?。?strong>先分組，后統(tǒng)計(先把數(shù)據(jù)歸類后，再對相同的數(shù)據(jù)進行統(tǒng)計)

去重是我們經(jīng)常會遇到的問題，打個比方說，由于各種原因（不管是業(yè)務上還是說是臟數(shù)據(jù)），現(xiàn)在我有兩條重復的數(shù)據(jù)（除了ID，其余的字段都是相同的）：

我這邊只希望留下某一條記錄作為查詢結果就好了，我們可以寫下以下的SQL：

select * from user where id in(
   select min(id) from user where name = "Java3y" and pv = 20 and time="7-25" group by name,pv,time;
)

上面這條SQL是非常非常實用的，除了我說的去重以外，其實我們可以再”思考“一下：

上面已經(jīng)說了，使用group by 分組統(tǒng)計之后，我們的select 后面只能跟著group by 的字段，或者是聚合函數(shù)。

很多時候我們group by 了以后，還想要查詢結果中包含group by之外的字段(一般情況下，我們都不可能將group by 涵蓋所有的字段)，我們就可以上面那樣，將查詢后的結果作為子查詢，放在外部查詢的where 子句后，這樣外部查詢是可以select 出其他字段的。

(SQL寫得比較少的朋友可能沒什么感觸啊，但我希望上面那種寫法大家能夠記住，以后一定會遇到類似的情況的)

join查詢不知道大家在剛學的時候是怎么理解的，反正我當初好像就挺迷迷糊糊的。我覺得join查詢可以簡單理解成這樣：我想要的查詢結果，一張表搞不掂，那我就join另一張表

比如說，現(xiàn)在我有兩張的表：

現(xiàn)在我想知道在7月25號時：每個公眾號的點擊量、公眾號名稱、號主名稱、公眾號的創(chuàng)建日期

顯然，我們會發(fā)現(xiàn)一張表搞不掂啊，某些數(shù)據(jù)要依賴于另一張表才能把數(shù)據(jù)"完整"展示出來

那join其實就是把兩張表合起來的一個操作：

兩張表合并起來以后我們就會發(fā)現(xiàn)，這張“大表”就含有這兩張表的所有字段啦，那我想要什么都有了！

值得注意的是：在join的時候，會產(chǎn)生笛卡爾積（至于什么是笛卡爾積我這里就不說了，反正我們要記住的是join表時一定要寫關聯(lián)條件去除笛卡爾積）

另外，left join和right join也是我們經(jīng)常用到，如果我們單純寫join關鍵字，那會被當成是inner join 。下面我簡單解釋一下：

上面說了，在join的時候一定要寫關聯(lián)條件，如果是inner join的話，只有符合關聯(lián)條件的數(shù)據(jù)才會存在最大表中

如果是left join的話，即便關聯(lián)條件不符合，左邊表的數(shù)據(jù)一定會存在大表中

如果是right join的話，即便關聯(lián)條件不符合，右邊表的數(shù)據(jù)一定會存在大表中

看下面的圖：

此時我們的兩張表關聯(lián)的條件是“公眾號” ：如果是inner join，那么最后我們的表只有兩條記錄。如果是left join ，那么最后我們的表有三條數(shù)據(jù)。如果是right join，那么我們最后的表只有兩條數(shù)據(jù)

SQL中的case when then else end用法其實跟我們程序語言中的if-else很是類似，在寫SQL的時候也常常會用到。

我用得比較多的語法如下：

CASE WHEN sex = "1" THEN "男"
         WHEN sex = "2" THEN "女"
ELSE "其他" END   

在when后面可以跟多個表達式，比如說：

CASE WHEN sex = "1" and name ="Java3y" THEN "男"
         WHEN sex = "2" and name ="Java4y" THEN "女"
ELSE "其他" END   

如果要為case when表達式取別名，在end 關鍵字后邊直接加就好了

更多用法詳情參考：

https://www.cnblogs.com/prefect/p/5746624.html

我這邊會有這種情況：將json數(shù)據(jù)存到MySQL上。我去網(wǎng)上搜了一下以及問了同事，為什么要將json存到MySQL的字段上時，他們的答復都差不多：

在MySQL存json數(shù)據(jù)，這樣方便擴展啊。如果那些字段不需要用到索引，改動比較頻繁，你又不想改動表的結構，那可以存json。

ps:在MySQL 5.7版本以后支持json類型

參考資料：

https://cloud.tencent.com/developer/article/1004449

https://www.zhihu.com/question/324674084/answer/685522547

我這邊做報表一般來hive或presto上搞的，所以解析json的也是在那上面。

hive解析json函數(shù)：

get_json_object(param1,"$.param2")

-- 如果是數(shù)組
get_json_object(xjson，"$.[0].param2")

presto 對json的處理函數(shù):

 -- 數(shù)組  (去除第index個json)
 json_array_get(xjson,index) 
 
 -- 單個jsoin對象
 json_extract(xjson,"$.param2")

參考資料：

https://www.cnblogs.com/drjava/p/10536922.html

昨天/近7天/本月按照這種指標來查詢也是非常常見的：

昨天

SELECT * FROM 表名 WHERE TO_DAYS( NOW( ) ) - TO_DAYS( 時間字段名) <= 1

7天

SELECT * FROM 表名 where DATE_SUB(CURDATE(), INTERVAL 7 DAY) <= date(時間字段名)

近30天

SELECT * FROM 表名 where DATE_SUB(CURDATE(), INTERVAL 30 DAY) <= date(時間字段名)

本月

SELECT * FROM 表名 WHERE DATE_FORMAT( 時間字段名, "%Y%m" ) = DATE_FORMAT( CURDATE( ) , "%Y%m" )

上一月

SELECT * FROM 表名 WHERE PERIOD_DIFF( date_format( now( ) , "%Y%m" ) , date_format( 時間字段名, "%Y%m" ) ) =1

在presto中使用時間格式，需要明確寫出關鍵字timestamp，比如：

select supplier,count(id) 
from xxx_table 
where sendtime >= timestamp "2019-06-01" 

參考資料：

https://blog.csdn.net/cool_easy/article/details/50880949

這里我簡單整理一下我最近用過函數(shù)：

length  --計算字符串長度
concat  --連接兩個字符串
substring -- 截取字符串
count   -- 統(tǒng)計數(shù)量
max   -- 最大
min   -- 最小
sum   -- 合計
floor/ceil  --...數(shù)學函數(shù)

再來分享一下最近遇到的一個需求，現(xiàn)在有的數(shù)據(jù)如下：

【Java3y簡單】快樂學習
【Java3y簡單】快樂學習渣渣
【Java3y通俗易懂】簡單學
【Java3y通俗易懂】簡單學芭芭拉
【Java3y平易近人】無聊學
【Java3y初學者】枯燥學
【Java3y初學者】枯燥學呱呱
【Java3y大數(shù)據(jù)】欣慰學
【Java3y學習】巴拉巴拉學
【Java3y學習】巴拉巴拉學哈哈
【Java3y好】雨女無瓜學

現(xiàn)在我統(tǒng)計出【】括號里邊出現(xiàn)的頻次，比如說：Java3y通俗易懂出現(xiàn)的頻次是多少。當時一直都沒想到好的思路，都快要搜“SQL 正則表達式 快速入門”了，請教了一下同事，同事很快就寫出來了：

select substring_index(left(title , INSTR(title , "】") -1 ) , "【",-1) 
FROM `xxx_table`

哇~，awesome

樂于輸出干貨的Java技術公眾號：Java3y。公眾號內(nèi)有200多篇原創(chuàng)技術文章、海量視頻資源、精美腦圖，關注即可獲?。?/strong>