所有的数据相关工作人员，包括数据开发、数据分析师、数据科学家等，多多少少会使用数据库，我们很多的业务数据也是存放在业务表中。但即使是同一个需求，不同人写出的 SQL 效率上也会有很大差别，而我们在数据岗位面试的时候，也会考察相关的技能和思考，在本篇文章中，ShowMeAI将给大家梳理 SQL 中可以用于优化效率和提速的核心要求。
关于 SQL 的基础技能知识，欢迎大家查阅ShowMeAI制作的速查表：
? 编程语言速查表 | SQL 速查表
? 1）使用正则regexp_like代替LIKE
如下例所示，当我们要进行模糊匹配的时候（尤其是匹配项很多的时候），我们使用regexp_like代替LIKE可以提高效率。
? 低效代码
|
|
SELECT * |
|
|
FROM phones |
|
|
WHERE |
|
|
lower(name) LIKE '%samsing&' OR |
|
|
lower(name) LIKE '%apple&' OR |
|
|
lower(name) LIKE '%htc&' OR |
? 高效代码
|
|
SELECT * |
|
|
FROM phones |
|
|
WHERE |
|
|
REGEXP_LIKE(lower(name),'samsung|apple|htc') |
类似的，使用regexp_extract代替Case-when Like可以提高效率。
? 低效代码
|
|
SELECT * |
|
|
CASE |
|
|
WHEN concat(' ', name, ' ') LIKE '%acer%' then 'Acer' |
|
|
WHEN concat(' ', name, ' ') LIKE '%samsung%' then 'Samsung' |
|
|
WHEN concat(' ', name, ' ') LIKE '%dell%' then 'Dell' |
|
|
AS brand |
|
|
FROM laptops |
? 高效代码
|
|
SELECT |
|
|
regexp_extract(name,'(acer|samsung|dell)') |
|
|
AS brand |
|
|
FROM laptops |
? 3）IN子句转换为临时表
但我们进行数据选择时候，有时候会用到in作为条件选择，如果我们的候选项非常多，那利用临时表可能会带来更好的效率。
? 低效代码
|
|
SELECT * |
|
|
FROM table1 as t1 |
|
|
WHERE |
|
|
itemid in (3363134, 5343, 5555555) |
? 高效代码
|
|
SELECT * |
|
|
FROM table 1 as t1 |
|
|
JOIN ( |
|
|
SELECT |
|
|
itemid |
|
|
FROM ( |
|
|
SELECT |
|
|
split('3363134, 5343, 5555555') as bar |
|
|
) |
|
|
CROSS JOIN |
|
|
UNNEST(bar) AS t(itemid) |
|
|
) AS table2 as t2 |
|
|
ON |
|
|
t1.itemid = t2.itemid |
? 4）将 JOIN 的表从大到小排序
当我们要进行表关联（join）的时候，我们可以对表基于大小进行一个排序，把大表排在前面，小表排在后面，也会带来效率的提升。
? 低效代码
|
|
SELECT * |
|
|
FROM small_table |
|
|
JOIN large_table |
|
|
ON small_table.id = large_table.id |
? 高效代码
|
|
SELECT * |
|
|
FROM large_table |
|
|
JOIN small_table |
|
|
ON small_table.id = large_table.id |
? 5）使用简单的表关联条件
如果我们要基于条件对两个表进行连接，那条件中尽量不要出现复杂函数，如果一定需要使用，那我们可以先用函数对表的数据处理产出用于连接的字段。
如下例中，我们对a和b表进行连接，条件是b表的「年」「月」「日」拼接后和a表的日期一致，那粗糙的写法和优化的写法分别如下：
? 低效代码
|
|
SELECT * |
|
|
FROM table1 a |
|
|
JOIN table2 b |
|
|
ON a.date = CONCAT(b.year, '-', b.month, '-', b.day) |
? 高效代码
|
|
SELECT * |
|
|
FROM table1 a |
|
|
JOIN ( |
|
|
SELECT name, CONCAT(b.year, '-', b.month, '-', b.day) as date |
|
|
FROM table2 b |
|
|
) new |
|
|
ON a.date = new.date |
? 6）分组的字段按照类别取值种类数排序
如果我们需要对数据按照多个字段分组，尤其是字段中有id类这种取值非常多的类别字段，我们应当把它排在最前面，这也可以对效率有一些帮助。
? 低效代码
|
|
SELECT |
|
|
main_category, |
|
|
sub_category, |
|
|
itemid |
|
|
sum(price) |
|
|
FROM |
|
|
table1 |
|
|
GROUP BY |
|
|
main_category, sub_category, itemid |
? 高效代码
|
|
SELECT |
|
|
main_category, |
|
|
sub_category, |
|
|
itemid |
|
|
sum(price) |
|
|
FROM |
|
|
table1 |
|
|
GROUP BY |
|
|
itemid, sub_category, main_category |
? 7）避免 WHERE 子句中的子查询
当我们要查询的语句的where条件中包含子查询时，我们可以通过with语句构建临时表来调整连接条件，提升效率，如下：
? 错误代码
|
|
SELECT sum(price) |
|
|
FROM table1 |
|
|
WHERE itemid in ( |
|
|
SELECT itemid |
|
|
FROM table2 |
|
|
) |
? 好代码
|
|
WITH t2 |
|
|
AS (SELECT itemid |
|
|
FROM table2) |
|
|
SELECT Sum(price) |
|
|
FROM table1 AS t1 |
|
|
JOIN t2 |
|
|
ON t1.itemid = t2.itemid |
? 8）取最大直接用Max而非Rank后取第1
这一条很好理解，如果我们要取某字段最大取值，我们直接使用 max，而不要用 rank 排序后取第 1，如下代码所示：
? 低效代码
|
|
SELECt * |
|
|
FROM ( |
|
|
SELECT userid, rank() over (order by prdate desc) as rank |
|
|
FROM table 1 |
|
|
) |
|
|
WHERE ranking = 1 |
? 高效代码
|
|
SELECT userid, max(prdate) |
|
|
FROM table1 |
|
|
GROUP BY 1 |
? 9）其他优化点
- 对于大表，利用
approx_distinct()代替count(distinct)来计数。
- 对于大表，利用
approx_percentie(metric,0.5)代替median。
- 尽可能避免使用
UNION。
