SQL自学进阶知识点

SQL自学进阶知识点及小练习

limit 去除前5条数据后的五条数据，第一个5代表前5条数据，第二个五，代表查询结果后面的五条数据

SELECT * FROM movies 
order by title limit 5,5;

如果按片长排列，John Lasseter导演导过片长第3长的电影是哪部，列出名字即可

SELECT title FROM movies 
where Director='John Lasseter'  
order by Length_minutes desc 
limit 2,1;

列出所有在Chicago西部的城市，从西到东排序(包括所有字段)

–请输入sql

SELECT * FROM north_american_cities 
where Longitude<(select Longitude from north_american_cities 
					where city= 'Chicago')
order by Latitude desc;

数据库范式是数据表设计的规范，在范式规范下，数据库里每个表存储的重复数据降到最少（这有助于数据的一致性维护），同时在数据库范式下，表和表之间不再有很强的数据耦合，可以独立的增长 (ie. 比如汽车引擎的增长和汽车的增长是完全独立的). 范式带来了很多好处，但随着数据表的分离，意味着我们要查询多个数据属性时，需要更复杂的SQL语句，也就是本节开始介绍的多表连接技术。这样SQL的性能也会面临更多的挑战，特别是当大数据量的表很多的情况下.

如果一个实体（比如Dog）的属性数据被分散到多个数据表中，我们就需要学习如何通过 JOIN连表技术来整合这些数据并找到我们想要查询的数据项

四种连接方式

INNER JOIN 可以简写做 JOIN. 两者是相同的意思，但我们还是会继续写作 INNER JOIN 以便和后面的 LEFT JOIN， RIGHT JOIN等相比较. full jion (kettle里面用过)

外连接

和INNER JOIN 语法几乎是一样的. 我们看看这三个连接方法的工作原理：
在表A 连接 B, LEFT JOIN保留A的所有行，不管有没有能匹配上B 反过来 RIGHT JOIN则保留所有B里的行。最后FULL JOIN 不管有没有匹配上，同时保留A和B里的所有行若

问题一：下面这两个的执行结果为什么会不同。

源数据

1、直接使用left join 并去除空数据。

select * from (SELECT building,Capacity FROM
employees e left join Buildings B
on e.Building=B.Building_name group by Building) where building is not null;

SELECT building,Capacity FROM
employees e left join Buildings B
on e.Building=B.Building_name and building is not null group by Building

2、利用子查询判断数据是否为要求数据

SELECT * FROM Buildings
	WHERE Building_name IN (
		SELECT DISTINCT Building FROM Employees
		WHERE Building IS NOT NULL
)

在查询中使用表达式

列出所有的电影ID,名字和销售总额(以百万美元为单位计算)

SELECT id,title,(Domestic_sales+International_sales)/1000000 销售总额 FROM movies m left join Boxoffice B on m.id=B.Movie_id;

列出所有的电影ID,名字和市场指数(Rating的10倍为市场指数)

ELECT id,title,rating*10 市场总数 FROM movies m left join Boxoffice B on m.id=B.Movie_id;

列出所有偶数年份的电影，需要电影ID,名字和年份

SELECT id,title,Year FROM (select * from movies where year%2=0) m left join Boxoffice B on m.id=B.Movie_id;

在查询中进行统计I

常见的统计函数

Function	Description
COUNT(*), COUNT(column)	计数！COUNT(*) 统计数据行数，COUNT(column) 统计column非NULL的行数.
MIN(column)	找column最小的一行.
MAX(column)	找column最大的一行.
**AVG(**column)	对column所有行取平均值.
SUM(column)	对column所有行求和.

查询执行顺序

1. FROM 和 JOINs

FROM 或 JOIN会第一个执行，确定一个整体的数据范围. 如果要JOIN不同表，可能会生成一个临时Table来用于 下面的过程。总之第一步可以简单理解为确定一个数据源表（含临时表)

2. WHERE

我们确定了数据来源 WHERE 语句就将在这个数据源中按要求进行数据筛选，并丢弃不符合要求的数据行，所有的筛选col属性 只能来自FROM圈定的表. AS别名还不能在这个阶段使用，因为可能别名是一个还没执行的表达式

3. GROUP BY

如果你用了 GROUP BY 分组，那GROUP BY 将对之前的数据进行分组，统计等，并将是结果集缩小为分组数.这意味着 其他的数据在分组后丢弃.

4. HAVING

如果你用了 GROUP BY 分组, HAVING 会在分组完成后对结果集再次筛选。AS别名也不能在这个阶段使用.

5. SELECT

确定结果之后，SELECT用来对结果col简单筛选或计算，决定输出什么数据.

6. DISTINCT

如果数据行有重复DISTINCT 将负责排重.

7. ORDER BY

在结果集确定的情况下，ORDER BY 对结果做排序。因为SELECT中的表达式已经执行完了。此时可以用AS别名.

8. LIMIT / OFFSET

最后 LIMIT 和 OFFSET 从排序的结果中截取部分数据.

统计一下每个导演的销售总额(列出导演名字和销售总额)

常规写法

SELECT Director,sum(Domestic_sales+International_sales) 销售总额 FROM movies
left join Boxoffice 
on movies.id=Boxoffice.movie_id  group by Director;

使用with 写法，可能会有人觉得多此一举，我不觉得，因为说实话在这之前，我不是很理解with的用处这也是一个尝试。用with as ,其实跟直接用子查询效率上没有什么区别；而用临时表与永久表相似，数据是真是跑入到数据库里面去的，相当于第二次直接关联的是一个小表，查询效率大大提高。值得注意的是，在数据优化的过程中，其实使用with as 可以增加代码的可读性，方便更改。

with t1 as (SELECT id,Director FROM movies),
	 t2 as (select movie_id,Domestic_sales,International_sales from Boxoffice)
SELECT Director,sum(Domestic_sales+International_sales) 销售总额 FROM t1
left join t2 
on t1.id=t2.movie_id  group by Director;

按导演分组计算销售总额,求出平均销售额冠军（统计结果过滤掉只有单部电影的导演，列出导演名，总销量，电影数量，平均销量) ✓

select * from  (SELECT Director
,sum(Domestic_sales+International_sales) sum_
,count()
,avg(Domestic_sales+International_sales) avg_
FROM movies m left join Boxoffice B 
on B.movie_id=m.id group by Director having count()>1) order by avg_ desc limit 1

with写法

with t1 as (SELECT id,Director FROM movies),
	 t2 as (select movie_id,Domestic_sales,International_sales from Boxoffice),
	 t3 as (SELECT Director
		 ,sum(Domestic_sales+International_sales) 销售总额
		 ,count() 数量
		 ,avg(Domestic_sales+International_sales) avg_sale
		 FROM t1
		 left join t2 
		 on t1.id=t2.movie_id  
         group by Director having count()>1)
select director,销售总额,数量,max(avg_sale) from t3;

找出每部电影和单部电影销售冠军之间的销售差，列出电影名，销售额差额

-- 先将两个表读取进来
with t1 as (SELECT id,title FROM movies),
	 t2 as (select movie_id,Domestic_sales,International_sales from Boxoffice),
-- 再找出单部电影的电影冠军
	 t3 as(select max(Domestic_sales+International_sales) max_sales
           from t1 left join t2
           on t1.id=t2.movie_id)
select title
,(t3.max_sales-t2.Domestic_sales-t2.International_sales) diff_sales
from t1 left join t2 
on t1.id=t2.movie_id,t3

最后附上这个sql的自学练习网站，里面的部分简单的题我就没有写了，就写了部分的难道适中，或者部份简单的题大家可以自行学习哟。

自学SQL网(教程 视频 练习全套) (xuesql.cn)

里面的题大多还是比较简单的，假如有的小伙伴觉得太过于简单的话，可以选择去力扣或者牛客或者自建数据进行测试和玩一玩，毕竟学大数据这一块的东西，以后不管从事哪方面，都免不了使用sql语句。别说hive不用，hive的语句是不是类sql(感觉基本上就是sql语句)。