最近在公司做了几张报表，还记得刚开始要做报表的时候都快把SQL给忘光了（当时在广州休假了1个月多，在实习期间也没咋写过SQL），回到公司的第一个需求就是做报表。
于是我很不要脸地跟带我的学长说：“SQL我好像忘光了，group 分组查询好像都忘得差不多了，我得复习一下”。
这篇文章来记录一下我曾经忘掉的group查询、join查询等一些比较实用/常用的SQL
- 本文主打通俗易懂，不涵盖任何优化(适合新手观看)
一、回顾group 查询
group查询就是分组查询，为什么要分组查询？因为我们想按某个维度进行统计。下面来看个图：
比如说，我想知道：每天Java3y这个公众号的点击量是多少。按我们人工而言，思路很简单：把相同的天数以及公众号名称为Java3y的数据找出来，再将每个点击量相加，就得出了结果了。
用上SQL我们可能会这样写：
select name,time,sum(pv) as pv
from xxx_table
where name = 'Java3y' group by name,time
复制代码
1.1 group 查询可能存在的误解
记得有一天，有个群友在群上问了一个问题：
其实他的需求很简单：检索出数据分组后时间最高的记录。但他是这样干的：
- 把先按照时间 order by
- 对order by后的记录进行分组
示例图：
1.2 造成这个误解的可能原因
有的工具可以支持这种的写法：
select * from xxx_table group by name
这种写法没有被禁止，并可以得出结果，比如得到的结果是：
Java4y 20 7月15号 Java3y 30 7月15号
这种写法其实是不合理的，要知道的是：使用group by分组统计之后，我们的select 后面只能跟着group by 的字段，或者是聚合函数。
因为，我们对数据进行了分组查询，数据的分布情况，我们是不关心的。
记住：先分组，后统计(先把数据归类后，再对相同的数据进行统计)
1.3 group查询最常用的SQL
去重是我们经常会遇到的问题，打个比方说，由于各种原因（不管是业务上还是说是脏数据），现在我有两条重复的数据（除了ID，其余的字段都是相同的）：
我这边只希望留下某一条记录作为查询结果就好了，我们可以写下以下的SQL：
select * from user where id in(
select min(id) from user where name = 'Java3y' and pv = 20 and time='7-25' group by name,pv,time;
)
上面这条SQL是非常非常实用的，除了我说的去重以外，其实我们可以再”思考“一下：
- 上面已经说了，使用group by分组统计之后，我们的select 后面只能跟着group by 的字段，或者是聚合函数。
- 很多时候我们group by了以后，还想要查询结果中包含group by之外的字段(一般情况下，我们都不可能将group by 涵盖所有的字段)，我们就可以上面那样，将查询后的结果作为子查询，放在外部查询的where 子句后，这样外部查询是可以select 出其他字段的。
(SQL写得比较少的朋友可能没什么感触啊，但我希望上面那种写法大家能够记住，以后一定会遇到类似的情况的)
二、回顾join查询
join查询不知道大家在刚学的时候是怎么理解的，反正我当初好像就挺迷迷糊糊的。我觉得join查询可以简单理解成这样：我想要的查询结果，一张表搞不掂，那我就join另一张表
比如说，现在我有两张的表：
现在我想知道在7月25号时：每个公众号的点击量、公众号名称、号主名称、公众号的创建日期
- 显然，我们会发现一张表搞不掂啊，某些数据要依赖于另一张表才能把数据"完整"展示出来
那join其实就是把两张表合起来的一个操作：
两张表合并起来以后我们就会发现，这张“大表”就含有这两张表的所有字段啦，那我想要什么都有了！
值得注意的是：在join的时候，会产生笛卡尔积（至于什么是笛卡尔积我这里就不说了，反正我们要记住的是join表时一定要写关联条件去除笛卡尔积）
另外，left join和right join也是我们经常用到，如果我们单纯写join关键字，那会被当成是inner join 。下面我简单解释一下：
- 上面说了，在join的时候一定要写关联条件，如果是inner join的话，只有符合关联条件的数据才会存在最大表中
- 如果是left join的话，即便关联条件不符合，左边表的数据一定会存在大表中
- 如果是right join的话，即便关联条件不符合，右边表的数据一定会存在大表中
看下面的图：
此时我们的两张表关联的条件是“公众号” ：如果是inner join，那么最后我们的表只有两条记录。如果是left join ，那么最后我们的表有三条数据。如果是right join，那么我们最后的表只有两条数据
三、回顾case when
SQL中的case when then else end用法其实跟我们程序语言中的if-else很是类似，在写SQL的时候也常常会用到。
我用得比较多的语法如下：
CASE WHEN sex = '1' THEN '男'WHEN sex = '2' THEN '女'
ELSE '其他' END
在when后面可以跟多个表达式，比如说：
CASE WHEN sex = '1' and name ='Java3y' THEN '男'WHEN sex = '2' and name ='Java4y' THEN '女'
ELSE '其他' END
如果要为case when表达式取别名，在end 关键字后边直接加就好了
更多用法详情参考：
- www.cnblogs.com/prefect/p/5…
四、一些常用的函数
4.1 hive和presto解析json
我这边会有这种情况：将json数据存到MySQL上。我去网上搜了一下以及问了同事，为什么要将json存到MySQL的字段上时，他们的答复都差不多：
- 在MySQL存json数据，这样方便扩展啊。如果那些字段不需要用到索引，改动比较频繁，你又不想改动表的结构，那可以存join。
- ps:在MySQL 5.7版本以后支持json类型
参考资料：
- cloud.tencent.com/developer/a…
- www.zhihu.com/question/32…
我这边做报表一般来hive或presto上搞的，所以解析json的也是在那上面。
hive解析json函数：
get_json_object(param1,'$.param2')
-- 如果是数组
get_json_object(xjson，'$.[0].param2')
presto 对json的处理函数:
-- 数组 (去除第index个json)
json_array_get(xjson,index)
-- 单个jsoin对象
json_extract(xjson,'$.param2')
4.2 时间函数
昨天/近7天/本月按照这种指标来查询也是非常常见的：
昨天
SELECT * FROM 表名 WHERE TO_DAYS( NOW( ) ) - TO_DAYS( 时间字段名) <= 1
7天
SELECT * FROM 表名 where DATE_SUB(CURDATE(), INTERVAL 7 DAY) <= date(时间字段名)
近30天
SELECT * FROM 表名 where DATE_SUB(CURDATE(), INTERVAL 30 DAY) <= date(时间字段名)
本月
SELECT * FROM 表名 WHERE DATE_FORMAT( 时间字段名, '%Y%m' ) = DATE_FORMAT( CURDATE( ) , '%Y%m' )
上一月
SELECT * FROM 表名 WHERE PERIOD_DIFF( date_format( now( ) , '%Y%m' ) , date_format( 时间字段名, '%Y%m' ) ) =1
在presto中使用时间格式，需要明确写出关键字timestamp，比如：
select supplier,count(id)
from xxx_table
where sendtime >= timestamp '2019-06-01'
4.3 其他常用的函数
这里我简单整理一下我最近用过函数：
length --计算字符串长度
concat --连接两个字符串
substring -- 截取字符串
count -- 统计数量
max -- 最大
min -- 最小
sum -- 合计
floor/ceil --...数学函数
【Java3y好】雨女无瓜学
现在我统计出【】括号里边出现的频次，比如说：Java3y通俗易懂出现的频次是多少。当时一直都没想到好的思路，都快要搜“SQL 正则表达式 快速入门”了，请教了一下同事，同事很快就写出来了：
select substring_index(left(title , INSTR(title , '】') -1 ) , '【',-1)
FROM `xxx_table`