天天寫 SQL，這些神奇的特性你知道嗎？

一 SQL 的第一個神奇特性

日常開發我們經常會對表進行聚合查詢操作，但只能在 SELECT 子句中寫下面 3 種內容：通過 GROUP BY 子句指定的聚合鍵、聚合函數（SUM 、AVG 等）、常量，不懂沒關系我們來看個例子

聽我解釋

有學生班級表（tbl_student_class） 以及數據如下

DROP TABLE IF EXISTS tbl_student_class; CREATE TABLE tbl_student_class (id int(8) unsigned NOT NULL AUTO_INCREMENT COMMENT '自增主鍵',sno varchar(12) NOT NULL COMMENT '學號',cno varchar(5) NOT NULL COMMENT '班級號',cname varchar(20) NOT NULL COMMENT '班級名',PRIMARY KEY (id) ) COMMENT='學生班級表'; -- ---------------------------- -- Records of tbl_student_class -- ---------------------------- INSERT INTO tbl_student_class VALUES ('1', '20190607001', '0607', '影視7班'); INSERT INTO tbl_student_class VALUES ('2', '20190607002', '0607', '影視7班'); INSERT INTO tbl_student_class VALUES ('3', '20190608003', '0608', '影視8班'); INSERT INTO tbl_student_class VALUES ('4', '20190608004', '0608', '影視8班'); INSERT INTO tbl_student_class VALUES ('5', '20190609005', '0609', '影視9班'); INSERT INTO tbl_student_class VALUES ('6', '20190609006', '0609', '影視9班');

我想統計各個班（班級號、班級名）一個有多少人、以及最大的學號，我們該怎么寫這個查詢 SQL？我想大家用腳都寫得出來

SELECT cno,cname,count(sno),MAX(sno) FROM tbl_student_class GROUP BY cno,cname;

可是有人會想了，cno 和 cname 本來就是一對一，cno 一旦確定，cname 也就確定了嗎，那 SQL 咱們是不是可以這么寫？

SELECT cno,cname,count(sno),MAX(sno) FROM tbl_student_class GROUP BY cno;

執行報錯了

[Err] 1055 - Expression #2 of SELECT list is not in GROUP BY clause and contains nonaggregated column 'test.tbl_student_class.cname' which is not functionally dependent on columns in GROUP BY clause; this is incompatible with sql_mode=only_full_group_by 提示信息：SELECT 列表中的第二個表達式（cname）不在 GROUP BY 的子句中，同時它也不是**聚合函數**；這與 sql 模式：ONLY_FULL_GROUP_BY 不相容的哈

那為什么 GROUP BY 之后不能直接引用原表（不在 GROUP BY 子句）中的列 ？莫急，我們慢慢往下看就明白了

1.0 SQL 模式

MySQL 服務器可以在不同的 SQL 模式下運行，并且可以針對不同的客戶端以不同的方式應用這些模式，具體取決于 sql_mode 系統變量的值。DBA 可以設置全局 SQL 模式以匹配站點服務器操作要求，并且每個應用程序可以將其會話 SQL 模式設置為其自己的要求。

模式會影響 MySQL 支持的 SQL 語法以及它執行的數據驗證檢查，這使得在不同環境中使用 MySQL 以及將 MySQL 與其他數據庫服務器一起使用變得更加容易。更多詳情請查官網自己找：Server SQL Modes

MySQL 版本不同，內容會略有不同（包括默認值），查閱的時候注意與自身的 MySQL 版本保持一致哈

SQL 模式主要分兩類：語法支持類和數據檢查類，常用的如下

語法支持類

• ONLY_FULL_GROUP_BY
  對于 GROUP BY 聚合操作，如果在 SELECT 中的列、HAVING 或者 ORDER BY 子句的列，沒有在 GROUP BY 中出現，那么這個 SQL 是不合法的
• ANSI_QUOTES
  啟用 ANSI_QUOTES 后，不能用雙引號來引用字符串，因為它被解釋為識別符。設置它以后，update t set f1=“” …，會報 Unknown column ‘’ in field list 這樣的語法錯誤
• PIPES_AS_CONCAT
  把 || 視為字符串的連接操作符而非 或 運算符，這種和 Oracle 數據庫是一樣的哈，也和字符串的拼接函數 CONCAT () 有點類似
• NO_TABLE_OPTIONS
  使用 SHOW CREATE TABLE 時不會輸出 MySQL 特有的語法部分，如 ENGINE，這個在使用 mysqldump 跨 DB 種類遷移的時候需要考慮
• NO_AUTO_CREATE_USER
  字面意思不自動創建用戶，在給 MySQL 用戶授權時，我們習慣用 GRANT … ON … TO dbuser，順道一起創建用戶。設置該選項后就與 oracle 操作類似，授權之前必須先建立好用戶

1.1 數據檢查類

• NO_ZERO_DATE

認為日期‘0000-00-00’非法，與是否設置后面的嚴格模式有關系

1、如果設置了嚴格模式，則 NO_ZERO_DATE 自然滿足。但如果是 INSERT IGNORE 或 UPDATE IGNORE，’0000-00-00’依然允許且只顯示 warning；

2、如果在非嚴格模式下，設置了 NO_ZERO_DATE，效果與上面一樣，’0000-00-00’ 允許但顯示 warning；如果沒有設置 NO_ZERO_DATE，no warning，當做完全合法的值；

3、NO_ZERO_IN_DATE 情況與上面類似，不同的是控制日期和天，是否可為 0 ，即 2010-01-00 是否合法；

• NO_ENGINE_SUBSTITUTION

使用 ALTER TABLE 或 CREATE TABLE 指定 ENGINE 時，需要的存儲引擎被禁用或未編譯，該如何處理。啟用 NO_ENGINE_SUBSTITUTION 時，那么直接拋出錯誤；不設置此值時，CREATE 用默認的存儲引擎替代，ATLER 不進行更改，并拋出一個 warning

• STRICT_TRANS_TABLES

設置它，表示啟用嚴格模式。注意 STRICT_TRANS_TABLES 不是幾種策略的組合，單獨指 INSERT、UPDATE 出現少值或無效值該如何處理：

1、前面提到的把 ‘’ 傳給 int，嚴格模式下非法，若啟用非嚴格模式則變成 0，產生一個 warning；

2、Out Of Range，變成插入最大邊界值；

3、當要插入的新行中，不包含其定義中沒有顯式 DEFAULT 子句的非 NULL 列的值時，該列缺少值

1.2 默認模式

當我們沒有修改配置文件的情況下，MySQL 是有自己的默認模式的；版本不同，默認模式也不同

-- 查看 MySQL 版本 SELECT VERSION(); -- 查看 sql_mode SELECT @@sql_mode;

我們可以看到，5.7.21 的默認模式包含

ONLY_FULL_GROUP_BY,STRICT_TRANS_TABLES,NO_ZERO_IN_DATE,NO_ZERO_DATE,ERROR_FOR_DIVISION_BY_ZERO,NO_AUTO_CREATE_USER,NO_ENGINE_SUBSTITUTION

而第一個：ONLY_FULL_GROUP_BY 就會約束：當我們進行聚合查詢的時候，SELECT 的列不能直接包含非 GROUP BY 子句中的列。那如果我們去掉該模式（從 “嚴格模式” 到 “寬松模式”）呢？

我們發現，上述報錯的 SQL

-- 寬松模式下 可以執行 SELECT cno,cname,count(sno),MAX(sno) FROM tbl_student_class GROUP BY cno;

能正常執行了，但是一般情況下不推薦這樣配置，線上環境往往是 “嚴格模式”，而不是 “寬松模式”；雖然案例中，無論是 “嚴格模式”，還是 “寬松模式”，結果都是對的，那是因為 cno 與 cname 唯一對應的，如果 cno 與 cname 不是唯一對應，那么在 “寬松模式下” cname 的值是隨機的，這就會造成難以排查的問題，有興趣的可以去試下；

二 SQL 的第二個神奇特性

2.1 問題描述下

今天我想比較兩個數據集

表 A 一共 50,000,000 行，其中有一列叫「ID」，表 B 也有一列叫「ID」。我想查的是有 A 表里有多少 ID 在 B 表里面，數據庫用的是 snowflake，它是一種一種多租戶、事務性、安全、高度可擴展的彈性數據庫，或者叫它實施數倉也行，具備完整的 SQL 支持和 schema-less 數據模式，支持 ACID 的事務，也提供用于遍歷、展平和嵌套半結構化數據的內置函數和 SQL 擴展，并支持 JSON 和 Avro 等流行格式；

用 query:

with A as (select distinct(id) as id from Table_A ), B as (select distinct(id) as id from Table_B ), result as (select * from A where id in (select id from B) ) select count(*) from result

返回結果是 26,000,000

也就是說，A 應有 24,000,000 行不在 B 里面，對吧

可是我把第 11 行的 in 改成 not in 后，情況有點出乎我的意料

with A as (select distinct(id) as id from Table_A ), B as (select distinct(id) as id from Table_B ), result as (select * from A where id not in (select id from B) ) select count(*) from result

返回結果竟然是 0，而不是 24,000,000

于是我在 snowflake 論壇搜了下，發現 5 年前在這帖子下面有人回復到：

If you use NOT IN (subquery), it compares every returned value and in case of NULL on any side of comparison it stops immediately with non defined result if you use NOT IN (subquery), it compares every returned value and in case of NULL on any side of comparison it stops immediately with non defined result

就是說，當你用 not in，subquery（例如上面第 11 行的 select id from B）里如果有 Null, 那么它就會立刻停止，返回未定義的結果，所以最后結果是 0；

該如何解決？很簡單

2.2 去掉 null 值

在第 7 行加了限定 where id is not null 后，結果正常了

with A as (select distinct(id) as id from Table_A ), B as (select distinct(id) as id from Table_B where id is not null ), result as (select * from A where id not in (select id from B) ) select count(*) from result

最終返回結果為 24,000,000，這樣就對了啊

2.3 用 not exists 代替 not in

注意第 11 行，用了 not exists 代替 not in

with A as (select distinct(id) as id from Table_A ), B as (select distinct(id) as id from Table_B where id is not null ), result as (select * from A where not exists (select * from B where A.id=B.id) ) select count(*) from result

返回結果也為 24,000,000

當然，這肯定不是 bug 哈，而是特性，不然不會這么多年都留著，是我懂得太少了，得惡補下 SQL 哭泣。

不過不知道這個特性設計當初目的是什么，如果 subquery 返回了 undefined，你好歹給我報個錯啊。這個「特性」不僅僅在 snowflake 上面出現，看 StackOverflow 上討論，貌似 Oracle 也是有這個「特性」的哈

三 SQL 的第三個神奇特性

像 Web 服務這樣需要快速響應的應用場景中，SQL 的性能直接決定了系統是否可以使用；特別在一些中小型應用中，SQL 的性能更是決定服務能否快速響應的唯一標準

嚴格地優化查詢性能時，必須要了解所使用數據庫的功能特點，此外，查詢速度慢并不只是因為 SQL 語句本身，還有可能內存分配不佳、文件結構不合理、刷臟頁等其他原因啊；

因此下面介紹些 SQL 神奇特性，但不能解決所有的性能問題，但是卻能處理很多因 SQL 寫法不合理而產生的性能問題

所以下面盡量介紹一些不依賴具體數據庫實現，使 SQL 執行速度更快、消耗內存更少的優化技巧，只需調整 SQL 語句就能實現的通用的優化 Tip

3.1 環境準備

下文所講的內容是從 SQL 層面展開的哈，而不是針對某種特性的數據庫，也就是說，下文的內容基本上適用于任何關系型數據庫都可以；

但是，關系型數據庫那么多，逐一來演示示例了，顯然不太現實；我們以常用的 MySQL 來進行就行啦

MySQL 版本： 5.7.30-log ，存儲引擎： InnoDB

準備兩張表： tbl_customer 和 tbl_recharge_record

3.2 使用高效的查詢

針對某一個查詢，有時候會有多種 SQL 實現，例如 IN、EXISTS、連接之間的互相轉換

從理論上來講，得到相同結果的不同 SQL 語句應該有相同的性能的哈，但遺憾的是，查詢優化器生成的執行計劃很大程度上要受到外部數據結構的影響

所以，要想優化查詢性能，必須知道如何寫 SQL 語句才能使優化器生成更高效的執行計劃

3.3 使用 EXISTS 代替 IN

關于 IN，相信大家都比較熟悉，使用方便，也容易理解；雖說 IN 使用方便，但它卻存在性能瓶頸

如果 IN 的參數是 1,2,3 這樣的數值列表，一般還不需要特別注意，但如果參數是子查詢，那么就需要注意了

在大多時候， [NOT]IN 和 [NOT]EXISTS 返回的結果是相同的，但是兩者用于子查詢時，EXISTS 的速度會更快一些

假設我們要查詢有充值記錄的顧客信息，SQL 該怎么寫？

相信大家第一時間想到的是 IN

IN 使用起來確實簡單，也非常好理解；我們來看下它的執行計劃

我們再來看看 EXISTS 的執行計劃：

可以看到的是，IN 的執行計劃中新產生了一張臨時表： ，這會導致效率變慢

所以通常來講，EXISTS 比 IN 更快的原因有兩個

• 1、如果連接列（customer_id）上建立了索引，那么查詢 tbl_recharge_record 時可以通過索引查詢，而不是全表查詢
• 2、使用 EXISTS，一旦查到一行數據滿足條件就會終止查詢，不用像使用 IN 時一樣進行掃描全表（NOT EXISTS 也一樣）

如果當 IN 的參數是子查詢時，數據庫首先會執行子查詢，然后將結果存儲在一張臨時表里（內聯視圖），然后掃描整個視圖，很多情況下這種做法非常耗費資源

使用 EXISTS 的話，數據庫不會生成臨時表

但是從代碼的可讀性上來看，IN 要比 EXISTS 好，使用 IN 時的代碼看起來更加一目了然，易于理解

因此，如果確信使用 IN 也能快速獲取結果，就沒有必要非得改成 EXISTS 了

其實有很多數據庫也嘗試著改善了 IN 的性能

Oracle 數據庫中，如果我們在有索引的列上使用 IN， 也會先掃描索引

PostgreSQL 從版 本 7.4 起也改善了使用子查詢作為 IN 謂詞參數時的查詢速度

說不定在未來的某一天，無論在哪個關系型數據庫上，IN 都能具備與 EXISTS 一樣的性能

3.4 使用連接代替 IN

其實在平時工作當中，更多的是用連接代替 IN 來改善查詢性能，而非 EXISTS，不是說連接更好，而是 EXISTS 很難掌握

回到問題：查詢有充值記錄的顧客信息，如果用連接來實現，SQL 改如何寫？

這種寫法能充分利用索引；而且，因為沒有了子查詢，所以數據庫也不會生成中間表；所以，查詢效率是不錯的

至于 JOIN 與 EXISTS 相比哪個性能更好，這不太好說；如果沒有索引，可能 EXISTS 會略勝一籌，有索引的話，兩者都差不多

3.5 避免排序

說到 SQL 的排序，我們第一時間想到的肯定是：ORDERBY，通過它，我們可以按指定的某些列來順序輸出結果

但是，除了 ORDERBY 顯示的排序，數據庫內部還有很多運算在暗中進行排序；會進行排序的代表性的運算有下面這些

如果只在內存中進行排序，那么還好；但是如果因內存不足而需要在硬盤上排序，那么性能就會急劇下降

所以，要盡量避免（或減少）無謂的排序，能夠大大提高查詢效率

靈活使用集合運算符的 ALL 可選項

SQL 中有 UNION 、 INTERSECT 、 EXCEPT 三個集合運算符，分表代表這集合運算的 并集、交集、差集

默認情況下，這些運算符會為了排除掉重復數據而進行排序

Using temporary 表示進行了排序或者分組，顯然這個 SQL 并沒有進行分組，而是進行了排序運算

所以如果我們不在乎結果中是否有重復數據，或者事先知道不會有重復數據，可以使用 UNIONALL 代替 UNION 試下，可以看到，執行計劃中沒有排序運算了

對于 INTERSECT 和 EXCEPT 也是一樣的，加上 ALL 可選項后就不會進行排序了

加上 ALL 可選項是一個非常有效的優化手段，但各個數據庫對它的實現情況卻是參差不齊，如下圖所示

注意：Oracle 使用 MINUS 代替 EXCEPT；MySQL 壓根就沒有實現 INTERSECT 和 EXCEPT 運算

3.6 使用 EXISTS 來代替 DISTINCT

為了排除重復數據， DISTINCT 也會進行排序

還記得用連接代替 IN 的案例嗎，如果不用 DISTINCT

SQL：SELECT tc.*FROM tbl_recharge_record trr LEFTJOIN tbl_customer tc on trr.customer_id = tc.id

那么查出來的結果會有很多重復記錄，所以我們必須改進 SQL

SELECTDISTINCT tc.*FROM tbl_recharge_record trr LEFTJOIN tbl_customer tc on trr.customer_id = tc.id

會發現執行計劃中有個 Using temporary，它表示用到了排序運算

我們使用 EXISTS 來進行優化

可以看到，已經規避了排序運算

3.7 在極值函數中使用索引

SQL 語言里有兩個極值函數：MAX 和 MIN，使用這兩個函數時都會進行排序

例如： SELECTMAX (recharge_amount) FROM tbl_recharge_record

會進行全表掃描，并會進行隱式的排序，找出單筆充值最大的金額

但是如果參數字段上建有索引，則只需掃描索引，但不需要掃描整張表

例如：SELECTMAX (customer_id) FROM tbl_recharge_record;

會通過索引： idx_c_id 進行掃描，找出充值記錄中最大的顧客 ID

但是這種方法并不是去掉了排序這一過程，而是優化了排序前的查找速度，從而減弱排序對整體性能的影響

能寫在 WHERE 子句里的條件千萬不要寫在 HAVING 子句里

我們來看兩個 SQL 以及其執行結果

你就明白了

從結果上來看，兩條 SQ 一樣；但是從性能上來看，第二條語句寫法效率更高，原因有兩個:

1）減少排序的數據量

GROUP BY 子句聚合時會進行排序，如果事先通過 WHERE 子句篩選出一部分行，就能夠減輕排序的負擔了

2）有效利用索引

3.8 WHERE 子句的條件里可以使用索引

HAVING 子句是針對聚合后生成的視圖進行篩選的，但是很多時候聚合后的視圖都沒有繼承原表的索引結構

關于 HAVING，更多詳情可查看：神奇的 SQL 之 HAVING→ 容易被輕視的主角

在 GROUP BY 子句和 ORDER BY 子句中使用索引

一般來說，GROUP BY 子句和 ORDER BY 子句都會進行排序

如果 GROUP BY 和 ORDER BY 的列有索引，那么可以提高查詢效率

特別是在一些數據庫中，如果列上建立的是唯一索引，那么排序過程本身都會被省略掉

• 使用索引

使用索引是最常用的 SQL 優化手段，這個大家都知道，怕就怕大家不知道：明明有索引，為什么查詢還是這么慢（為什么索引沒用上）

關于索引未用到的情況，可查看：神奇的 SQL 之擦肩而過 → 真的用到索引了嗎，本文就不做過多闡述了

總之就是：查詢盡量往索引上靠，規避索引未用上的情況

• 減少臨時表

在 SQL 中，子查詢的結果會被看成一張新表（臨時表），這張新表與原始表一樣，可以通過 SQL 進行操作

但是，頻繁使用臨時表會帶來兩個問題

• 1、臨時表相當于原表數據的一份備份，會耗費內存資源
• 2、很多時候（特別是聚合時），臨時表沒有繼承原表的索引結構

因此，盡量減少臨時表的使用也是提升性能的一個重要方法

• 靈活使用 HAVING 子句

對聚合結果指定篩選條件時，使用 HAVING 子句是基本原則

但是如果對 HAVING 不熟，我們往往找出替代它的方式來實現，就像這樣

然而，對聚合結果指定篩選條件時不需要專門生成中間表，像下面這樣使用 HAVING 子句就可以

HAVING 子句和聚合操作都是同時執行的，所以比起生成臨時表后再執行 WHERE 子句，效率會更高一些，而且代碼看起來也更簡潔

需要對多個字段使用 IN 謂詞時，讓它們匯總到一處

SQL-92 中加入了行與行比較的功能，這樣一來，比較謂詞 = 、<、> 和 IN 謂詞的參數就不再只是標量值了，而應是值列表了

我們來看一個示例，多個字段使用 IN 謂詞

這段代碼中用到了兩個子查詢，我們可以進行列匯總優化，把邏輯寫在一起

這樣一來，子查詢不用考慮關聯性，而且只執行一次就可以

還可以進一步簡化，在 IN 中寫多個字段的組合

簡化后，不用擔心連接字段時出現的類型轉換問題，也不會對字段進行加工，因此可以使用索引

先進行連接再進行聚合

連接和聚合同時使用時，先進行連接操作可以避免產生中間表

合理地使用視圖

視圖是非常方便的工具，我們在日常工作中經常用到

但是，如果沒有經過深入思考就定義復雜的視圖，可能會帶來巨大的性能問題

特別是視圖的定義語句中包含以下運算的時候，SQL 會非常低效，執行速度也會變得非常慢

小結下

文中博主環境都是部署在cnaaa云服務器上的，感興趣的伙伴也可以部署一套環境，自己練習下。雖然列舉了幾個要點，但其實優化的核心思想只有一個，那就是找出性能瓶頸所在，然后解決它；

其實不只是數據庫和 SQL，計算機世界里容易成為性能瓶頸的也是對硬盤，也就是文件系統的訪問（因此可以通過增加內存，或者使用訪問速度更快的硬盤等方法來提升性能）

不管是減少排序還是使用索引，亦或是避免臨時表的使用，其本質都是為了減少對硬盤的訪問！

總結

以上是生活随笔為你收集整理的天天写 SQL，这些神奇的特性你知道吗？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。