这两年学会了跑sql，当时有很多同学帮助我精进了这个技能，现在也写成一个小教程，反馈给大家。

适用对象：工作中能接触到sql查询平台的业务同学（例如有数据查询权限的产品与运营同学）

适用场景：查询hive&mysql上的数据

文档优势：比起各类从零起步的教程教材，理解门槛低，有效信息密度大，可以覆盖高频业务场景。

文末有一些常见的小技巧，希望帮助同学们提升工作效率。

SQL的基础结构：

做一个类比，我们用的“表”，就像是一个账本，每天就是一个“分区”，“字段”就是日记上记的不同的事情，例如支出、收入、物品和价格等；

一般来讲sql有如下结构，意思是从表α.table里面，获取某一天的abc三个字段，后面的讲解都是在这个基础上展开的：

select                             a,b,c         //select后面输入需要查询的字段fromα.table        //from后面输入需要查询的表名wheredate='yymmdd' //where后面输入需要卡的条件，例如只看哪天的数据

多个条件同时生效-and和or

and的用法//表示多条件同时生效

select                             a,b,c         //select后面输入需要查询的字段fromα.table       //from后面输入需要查询的表名where         date='yymmdd' //where后面输入需要卡的条件，例如只看哪天的数据and           //表示要看date='yymmdd' 且id='XXX'id=XXX

or的用法//表示有一个条件生效即可

select                             a,b,c         //select后面输入需要查询的字段fromα.table        //from后面输入需要查询的表名where         date='yymmdd' //where后面输入需要卡的条件，例如只看哪天的数据and           (id=XXXor d_id=XXX)   //表示要看date='yymmdd' ，且id是xxx或d_id是xxx的数据。如果没有这个括号，表示的是要看date是yymmdd且id是xxx，或者不分日期，d_id是xxx的数据

对指标进行加和//sum

学习到本节时，我们需要明白维度和指标的区别，维度是表示属性的，指标是表示量级的，例如全中国有56个民族，全中国就是一个维度，民族数量就是一个指标

select        //select后面输入需要查询的字段a,b,sum(c)    //需要加和的c字段（指标）括起来加sum即可，有点像excel那种fromα.table        //from后面输入需要查询的表名where         date='yymmdd' //where后面输入需要卡的条件，例如只看哪天的数据and           (id=XXXor sp_id=XXX)   //表示要看date='yymmdd' ，且id是xxx或sp_id是xxx的数据。如果没有这个括号，表示的是要看date是yymmdd且id是xxx，或者不分日期，sp_id是xxx的数据group by a,b  //没有被处理的字段（维度），需要在尾部group by 一下

为字段重新命名//as

select        //select后面输入需要查询的字段a,b as b1,sum(c) as c1   //需要加和的c字段括起来加sum即可，有点像excel那种；这里用as把b重新命名成了b1，把c重新命名成了c1fromα.table        //from后面输入需要查询的表名where         date='yymmdd' //where后面输入需要卡的条件，例如只看哪天的数据and           (id=XXXor sp_id=XXX)   //表示要看date='yymmdd' ，且id是xxx或sp_id是xxx的数据。如果没有这个括号，表示的是要看date是yymmdd且id是xxx，或者不分日期，sp_id是xxx的数据group by a,b  //没有被处理的字段，需要在尾部group by 一下；被重新命名的维度字段，group by时仍用as前面的内容

查数据条数，或查询维度的数量//count和distinct

select        //select后面输入需要查询的字段a,b,sum(c),   //需要加和的c字段括起来加sum即可，有点像excel那种count(distinct d)//去重查询在a,b枚举下,d有几个,例如查ka,la(a)的客户id(b)下,总共有几个广告主(d);不加distinct查询的是所有的广告主(d)总共出现了几次fromα.table        //from后面输入需要查询的表名where         date='yymmdd' //where后面输入需要卡的条件，例如只看哪天的数据and           (id=XXXor sp_id=XXX)   //表示要看date='yymmdd' ，且id是xxx或sp_id是xxx的数据。如果没有这个括号，表示的是要看date是yymmdd且id是xxx，或者不分日期，sp_id是xxx的数据group by a,b  //没有被处理的字段，需要在尾部group by 一下

对一份数据做多次处理//嵌套结构

如下sql查询了每个人在当天的页面访问频次。3到7行先查询出每个用户id的页面访问频次，然后使用3到7行的结果，查询每个访问频次下，有几个id：SELECT cnt,count(id)FROM(select id,count(*) as cnt  //-'*'可以用来查询行数from α.tablewhere date ='20190928' and label='show'group by id) a                          //-这里写一个'a',用来给3到7行的结果命名,这样外层的sql才能识别括号里面的内容group by cnt

对多份数据做关联处理//join

最常用的场景：假设表A上有门店id是a，收入是b，表B上有门店id是a，门店名称c，如果需要获取门店id，收入，门店名称的关系，可以这么写：

SELECT a,b,cFROM(select a,sum (b)  from A group by a) cost                //-为3到6行的sql命名为costleft join (           //-这里使用左连接select a,cfrom B group by a,c )text    //-为8到10行的sql命名为texton cost.a=text.a      //-这里需要写清连接两段sql的字段

放下这张图,形象的表达了各种join方法，获取的数据范围。想获取对应数据时，替换上边第7行就可以用：

（图片来源于网络，侵删）

条件判断，对同一个字段做区分计算//if 和case when

判断一次是否//if

select a,sum (b),if (label = 'show_over', duration, 0) //这一句的意思是，当这一行数据的label是show_over的时候，取duration这个字段里的值，label不是show_over的时候，取0from A group by a

判断一次或多次是否//case when

多加判断的方式见4和5两行：

select a,sum (b),case when label = 'pv' then durationwhenlabel='play' then mockdurationelse 0end,                        //2到4行的意思是，当这一行数据的label是pv的时候，取duration这个字段里的值，如果label是play的时候，取duration这个字段里的值，如果还没有，就取0from A group by a

除法取整//floor

select a,floor (X/100)  //-把X按100分档，0档表示X在[0,100)之间，1档表示X在[100,200)之间，以此类推from A group by a

筛选字段为空/不为空的方法//null

select a,sum (b)from A where type is not null //找出type 不是null的情况，不加"not",就是找出type 是null的情况group by a

各种常见类型字段、指定值的查询方法：string：加单引号即可，例如一个字段type是string，就可以写：

select a,sum (b)from A where type='1'   //-string加单引号group by a

bigint：后面加一个L，例如一个字段type是bigint，就可以写：

select a,sum (b)from A where type=1L    //- bigint后加Lgroup by a

array<XXX>：XXX代表数组内的字段类型，需要根据此类型的方式取数，假设model字段的类型是array<bigint>：

select a,sum (b)from A where array_contains(model,123L)group by a

json：json经常会出现字段包字段的情况，例如常用的data是个json字段，里面会有a字段，a字段里面还会有b字段，如果想取出b，我们应该这么写：

select get_json_object(data,'$.a.b') from A

扩展阅读

一些提升效率的方法

时间分区有多种存储方式，查询where条件的时候需要注意：有的表是‘yymmdd’，有的表是‘yy-mm-dd’；字段名也不固定，有的表是p_date，有的表是date，但是对于单个表，分区字段一般是固定的，例如你经常查a.bcde这个表，上次他的时间分区格式是date=‘yymmdd’，下次查的时候它还会是date=‘yymmdd’；有时表中的时间戳不是常见的yymmdd，而是一串数字，如果where条件里需要卡时间戳，却不知道日期对应的一串数字是什么，可使用时间戳转换器转换：没数、跑错怎么办：有时解析功能没有发现问题，但是数据直观感觉不对，可以用如下方式自查：检查相关表的分区，和你取的分区一致不一致，例如日期有多种格式，例如yymmdd，yy-mm-dd，yy-mm-dd 00:00:00等等；如果sql包含多个部分，比如有join，可以把其他部分的sql注释掉，分别看每个部分的sql哪里有问题；（注释方式：代码前加“//” 例如 //select ...）需要研究单个json字段的逻辑：可以用这个网址整理json字段，方便阅读：同时编辑多行，可以按住shift+alt/option，鼠标点击起始行和结束行，就能同时编辑多行了，例如批量

常用概念的解释

全量表和增量表

增量表：每天存下来的数据，是当天产生的所有数据，例如日记，每日走路的步数，银行每天的收支信息等；

全量表：每天存下来的数据，是从有表开始所有的数据，相当于每天抄一份历史上所有的日记，再写今天的日记，例如银行账户的余额；

不同数据库的区别

mysql等实时查询的数据库：一般没有分区概念，存储的数据比较少，但是响应快；

hive等离线查询数据库：有分区概念，可以较低成本的存储海量数据，支持各种复杂处理，查询速度一般比mysql慢。