SQL 활용技巧详解：从子查询到正则表达式

前言

SQL是数据库操作的核心语言，掌握其高级用法对于数据分析师和开发人员至关重要。本文将深入探讨SQL中的各种高级技巧，包括子查询、视图、集合操作、分组函数、窗口函数等，帮助读者提升SQL技能水平。

一、子查询的艺术

子查询是SQL中非常强大的功能，它允许我们在一个查询中嵌套另一个查询。根据使用场景的不同，子查询可以分为以下几种类型：

1. 标量子查询

标量子查询返回单个值，可以出现在SELECT、UPDATE的SET以及ORDER BY等子句中。例如：

SELECT employee_name, 
       (SELECT MAX(salary) FROM employees) AS max_salary
FROM employees;

2. 内联视图

内联视图出现在FROM子句中，作为一个临时表使用：

SELECT d.department_name, e.avg_salary
FROM departments d
JOIN (SELECT department_id, AVG(salary) AS avg_salary
      FROM employees
      GROUP BY department_id) e
ON d.department_id = e.department_id;

3. 嵌套子查询

嵌套子查询根据与主查询的关系可分为：

• 非关联子查询：独立于主查询
• 关联子查询：引用主查询的列

根据返回结果又可分为：

• 单行子查询：使用=、>等比较运算符
• 多行子查询：使用IN、ALL、ANY等运算符
• 多列子查询：返回多列数据

二、视图的妙用

视图是存储在数据库中的预定义查询，具有以下优势：

1. 安全性：隐藏敏感列
2. 独立性：隔离底层表结构变化
3. 便捷性：简化复杂查询

创建视图语法：

CREATE OR REPLACE VIEW employee_view AS
SELECT employee_id, first_name, last_name
FROM employees
WHERE department_id = 10;

三、集合操作符

SQL提供四种集合操作符：

1. UNION ALL：合并结果集，保留重复
2. UNION：合并结果集，去除重复
3. INTERSECT：返回两个查询共有的行
4. MINUS/EXCEPT：返回第一个查询有而第二个查询没有的行

四、高级分组函数

1. ROLLUP

ROLLUP生成小计和总计行，按层次结构汇总数据：

SELECT department_id, job_id, SUM(salary)
FROM employees
GROUP BY ROLLUP(department_id, job_id);

2. CUBE

CUBE生成所有可能的组合汇总：

SELECT department_id, job_id, SUM(salary)
FROM employees
GROUP BY CUBE(department_id, job_id);

3. GROUPING SETS

GROUPING SETS允许指定需要计算的分组组合：

SELECT department_id, job_id, SUM(salary)
FROM employees
GROUP BY GROUPING SETS((department_id, job_id), department_id, ());

五、窗口函数详解

窗口函数在不减少行数的情况下进行计算，分为以下几类：

1. 排名函数

• RANK()：相同值相同排名，跳过后续排名
• DENSE_RANK()：相同值相同排名，不跳过后续排名
• ROW_NUMBER()：为每行分配唯一序号

2. 聚合函数

SUM()、MAX()、MIN()、AVG()、COUNT()等都可以作为窗口函数使用。

3. 行顺序函数

• FIRST_VALUE()：获取窗口第一行
• LAST_VALUE()：获取窗口最后一行
• LAG()：访问前一行
• LEAD()：访问后一行

4. 比率函数

• CUME_DIST()：累计分布
• PERCENT_RANK()：百分比排名
• NTILE()：数据分桶
• RATIO_TO_REPORT()：占总和比例

六、Top-N查询实现

实现Top-N查询的几种方法：

1. 使用ROWNUM：

SELECT * FROM (
  SELECT employee_id, salary
  FROM employees
  ORDER BY salary DESC
) WHERE ROWNUM <= 5;

2. 使用窗口函数：

SELECT * FROM (
  SELECT employee_id, salary,
         RANK() OVER (ORDER BY salary DESC) AS rnk
  FROM employees
) WHERE rnk <= 5;

七、自连接与层次查询

1. 自连接

自连接用于处理同一表内的关系，如员工-经理关系：

SELECT e.employee_name, m.employee_name AS manager_name
FROM employees e, employees m
WHERE e.manager_id = m.employee_id;

2. 层次查询

层次查询处理树形结构数据：

SELECT LEVEL, employee_id, last_name, manager_id
FROM employees
START WITH manager_id IS NULL
CONNECT BY PRIOR employee_id = manager_id;

八、数据透视与逆透视

1. PIVOT

将行转为列：

SELECT * FROM (
  SELECT department_id, job_id, salary
  FROM employees
)
PIVOT (SUM(salary) FOR job_id IN ('IT_PROG', 'SA_REP', 'HR_REP'));

2. UNPIVOT

将列转为行：

SELECT * FROM pivot_table
UNPIVOT (salary FOR job_id IN (IT_PROG, SA_REP, HR_REP));

九、正则表达式应用

SQL正则表达式用于复杂模式匹配：

-- 匹配电话号码
SELECT phone_number
FROM employees
WHERE REGEXP_LIKE(phone_number, '^[0-9]{3}-[0-9]{3}-[0-9]{4}$');

-- 提取电子邮件域名
SELECT REGEXP_SUBSTR(email, '@(.+)') AS domain
FROM employees;

结语

掌握这些SQL高级技巧可以显著提升数据处理能力。建议读者在实际工作中多加练习，根据具体场景选择合适的技术方案。记住，高效的SQL不仅关乎结果正确，还需要考虑性能和可维护性。