1. 首页 > 数据库技术

四个在工作后才知道的SQL密技

四个在工作后才知道的SQL密技

本文会分享四个在面试和工作中常用的几个使用技巧,具体包括:

  • 日期与期间的高级使用
  • 临时表与Common Table Expression (WITH)
  • Aggregation 与CASE WHEN的结合使用
  • Window Function的其他用途

数仓?不就是写写SQL吗…

四个在工作后才知道的SQL密技

日期与时间段的筛选在工作中是经常被用到的,因为在拉取报表、仪表板和各种分析时,周、月、季度、年度的表现往往是分析需要考量的重点。

时间区段的提取:Extract

  • 语法
  1. -- field可以是day、hour、minute, month, quarter等等  
  2. -- source可以是date、timestamp类型  
  3. extract(field FROM source)  
  • 使用
  1. SELECT extract(year FROM '2020-08-05 09:30:08');   -- 结果为 2020  
  2. SELECT extract(quarter FROM '2020-08-05 09:30:08');   -- 结果为 3  
  3. SELECT extract(month FROM '2020-08-05 09:30:08');   -- 结果为 8  
  4. SELECT extract(week FROM '2020-08-05 09:30:08');   -- 结果为 31,一年中的第几周  
  5. SELECT extract(day FROM '2020-08-05 09:30:08');  -- 结果为 5  
  6. SELECT extract(hour FROM '2020-08-05 09:30:08');   -- 结果为 9  
  7. SELECT extract(minute FROM '2020-08-05 09:30:08');   -- 结果为 30  
  8. SELECT extract(second FROM '2020-08-05 09:30:08');   -- 结果为 8  

注意:

impala支持:YEAR, QUARTER, MONTH, DAY, HOUR, MINUTE, SECOND, MILLISECOND, EPOCH

Hive支持:day, dayofweek, hour, minute, month, quarter, second, week 和 year

Hive是从Hive2.2.0版本开始引入该函数

周的提取

  • 语法

在按照周的区间进行统计时,需要识别出周一的日期与周日的日期,这个时候经常会用到下面的函数:

  1. next_day(STRING start_date, STRING day_of_week)  
  2. -- 返回当前日期对应的下一个周几对应的日期  
  3. -- 2020-08-05为周三  
  4. SELECT next_day('2020-08-05','MO'-- 下一个周一对应的日期:2020-08-10  
  5. SELECT next_day('2020-08-05','TU'-- 下一个周二对应的日期:2020-08-11  
  6. SELECT next_day('2020-08-05','WE'-- 下一个周三对应的日期:2020-08-12  
  7. SELECT next_day('2020-08-05','TH'-- 下一个周四对应的日期:2020-08-06,即为本周四  
  8. SELECT next_day('2020-08-05','FR'-- 下一个周五对应的日期:2020-08-07,即为本周五  
  9. SELECT next_day('2020-08-05','SA'-- 下一个周六对应的日期:2020-08-08,即为本周六  
  10. SELECT next_day('2020-08-05','SU'-- 下一个周日对应的日期:2020-08-09,即为本周日  
  11. -- 星期一到星期日的英文(Monday,Tuesday、Wednesday、Thursday、Friday、Saturday、Sunday)  
  • 使用

那么该如何获取当前日期所在周的周一对应的日期呢?只需要先获取当前日期的下周一对应的日期,然后减去7天,即可获得:

  1. SELECT date_add(next_day('2020-08-05','MO'),-7);  

同理,获取当前日期所在周的周日对应的日期,只需要先获取当前日期的下周一对应的日期,然后减去1天,即可获得:

  1. select date_add(next_day('2020-08-05','MO'),-1)   
  2. -- 2020-08-09  

月的提取

  • 语法

至于怎么将月份从单一日期提取出来呢,LAST_DAY这个函数可以将每个月中的日期变成该月的最后一天(28号,29号,30号或31号),如下:

  1. last_day(STRING date)  
  • 使用
  1. SELECT last_day('2020-08-05'); -- 2020-08-31  

除了上面的方式,也可以使用date_format函数,比如:

  1. SELECT date_format('2020-08-05','yyyy-MM');  
  2. -- 2020-08  

日期的范围

月的Window:使用add_months加上trunc()的应用

  1. -- 返回加减月份之后对应的日期  
  2. -- 2020-07-05  
  3. select add_months('2020-08-05', -1)  
  4.   
  5. -- 返回当前日期的月初日期  
  6. -- 2020-08-01  
  7. select trunc("2020-08-05",'MM')  

由上面范例可见,单纯使用add_months,减N个月的用法,可以刚好取到整数月的数据,但如果加上trunc()函数,则会从前N个月的一号开始取值。

  1. -- 选取2020-07-05到2020-08-05所有数据  
  2. BETWEEN add_months('2020-08-05', -1) AND '2020-08-05'   
  3. -- 选取2020-07-01到2020-08-05之间所有数据  
  4. BETWEEN add_months(trunc("2020-08-05",'MM'),-1) AND '2020-08-05'   
四个在工作后才知道的SQL密技

这两种方法是日常工作中经常被使用到,对于一些比较复杂的计算任务,为了避免过多的JOIN,通常会先把一些需要提取的部分数据使用临时表或是CTE的形式在主要查询区块前进行提取。

临时表的作法:

  1. CREATE TEMPORARY TABLE table_1 AS    
  2.     SELECT   
  3.         columns  
  4.     FROM table A;  
  5. CREATE TEMPORARY table_2 AS   
  6.     SELECT  
  7.         columns  
  8.     FROM table B;  
  9.   
  10. SELECT  
  11.     table_1.columns,  
  12.     table_2.columns,   
  13.     c.columns   
  14. FROM table C JOIN table_1  
  15.      JOIN table_2;  

CTE的作法:

-- 注意Hive、Impala支持这种语法,低版本的MySQL不支持(高版本支持)

  1. -- 注意Hive、Impala支持这种语法,低版本的MySQL不支持(高版本支持)  
  2. WITH employee_by_title_count AS (  
  3.     SELECT  
  4.         t.name as job_title  
  5.         , COUNT(e.id) as amount_of_employees  
  6.     FROM employees e  
  7.         JOIN job_titles t on e.job_title_id = t.id  
  8.     GROUP BY 1  
  9. ),  
  10. salaries_by_title AS (  
  11.      SELECT  
  12.          name as job_title  
  13.          , salary  
  14.      FROM job_titles  
  15. )  
  16. SELECT *  
  17. FROM employee_by_title_count e  
  18.     JOIN salaries_by_title s ON s.job_title = e.job_title  

可以看到TEMP TABLE和CTE WITH的用法其实非常类似,目的都是为了让你的Query更加一目了然且优雅简洁。很多人习惯将所有的Query写在单一的区块里面,用过多的JOIN或SUBQUERY,导致最后逻辑丢失且自己也搞不清楚写到哪里,适时的使用TEMP TABLE和CTE作为辅助,绝对是很加分的。

四个在工作后才知道的SQL密技

将Aggregation function (SUM/COUNT/COUNT DISTINCT/MIN/MAX) 结合CASE WHEN是最强大且最有趣的使用方式。这样的使用创造出一种类似EXCEL中SUMIF/COUNTIF的效果,可以用这个方式做出很多高效的分析。

  • Table Name: order
  • Column: register_date, order_date, user_id, country, order_sales, order_id

数据准备

  1. CREATE TABLE order(  
  2.     register_date string,  
  3.     order_date string,  
  4.     user_id string,  
  5.     country string,  
  6.     order_sales decimal(10,2),  
  7.     order_id string);  
  8.   
  9. INSERT INTO TABLE order VALUES("2020-06-07","2020-06-09","001",'c0',210,"o1");  
  10. INSERT INTO TABLE order VALUES("2020-06-08","2020-06-09","002",'c1',220,"o2");  
  11. INSERT INTO TABLE order VALUES("2020-06-07","2020-06-10","003",'c2',230,"o3");  
  12. INSERT INTO TABLE order VALUES("2020-06-09","2020-06-10","004",'c3',200,"o4");  
  13. INSERT INTO TABLE order VALUES("2020-06-07","2020-06-20","005",'c4',300,"o5");  
  14. INSERT INTO TABLE order VALUES("2020-06-10","2020-06-23","006",'c5',400,"o6");  
  15. INSERT INTO TABLE order VALUES("2020-06-07","2020-06-19","007",'c6',600,"o7");  
  16. INSERT INTO TABLE order VALUES("2020-06-12","2020-06-18","008",'c7',700,"o8");  
  17. INSERT INTO TABLE order VALUES("2020-06-07","2020-06-09","009",'c8',100,"o9");  
  18. INSERT INTO TABLE order VALUES("2020-06-15","2020-06-18","0010",'c9',200,"o10");  
  19. INSERT INTO TABLE order VALUES("2020-06-15","2020-06-19","0011",'c10',250,"o11");  
  20. INSERT INTO TABLE order VALUES("2020-06-12","2020-06-29","0012",'c11',270,"o12");  
  21. INSERT INTO TABLE order VALUES("2020-06-16","2020-06-19","0013",'c12',230,"o13");  
  22. INSERT INTO TABLE order VALUES("2020-06-17","2020-06-20","0014",'c13',290,"o14");  
  23. INSERT INTO TABLE order VALUES("2020-06-20","2020-06-29","0015",'c14',203,"o15");  

CASE WHEN 时间,进行留存率/使用率的分析

  1. -- 允许多列去重  
  2. set hive.groupby.skewindata = false  
  3. -- 允许使用位置编号分组或排序  
  4. set hive.groupby.orderby.position.alias = true  
  5.   
  6. SELECT  
  7.     date_add(Next_day(register_date, 'MO'),-1) AS week_end,  
  8.     COUNT(DISTINCT CASE WHEN order_date BETWEEN register_date AND date_add(register_date,6) THEN user_id ENDAS first_week_order,  
  9.     COUNT(DISTINCT CASE WHEN order_date BETWEEN date_add(register_date ,7) AND date_add(register_date,13) THEN user_id ENDAS sencod_week_order,  
  10.     COUNT(DISTINCT CASE WHEN order_date BETWEEN date_add(register_date ,14) AND date_add(register_date,20) THEN user_id ENDas third_week_order  
  11. FROM order  
  12. GROUP BY 1  

上面的示例可以得知到用户在注册之后,有没有创建订单的行为。比如注册后的第一周,第二周,第三周分别有多少下单用户,这样可以分析出用户的使用情况和留存情况。

注意:上面的使用方式,需要配置两个参数:

hive.groupby.skewindata = false:允许多列去重,否则报错:

SemanticException [Error 10022]: DISTINCT on different columns not supported with skew in data

hive.groupby.orderby.position.alias = true:允许使用位置编号分组或排序,否则报错:

SemanticException [Error 10025]: line 79:13 Expression not in GROUP BY key ''MO''

CASE WHEN 时间,进行每个用户消费金额的分析

  1. SELECT  
  2.     user_id,  
  3.     SUM (CASE WHEN order_date BETWEEN register_date AND date_add(register_date,6) THEN order_sales ENDAS first_week_amount,  
  4.     SUM (CASE WHEN order_date BETWEEN date_add(register_date ,7) AND date_add(register_date,13) THEN order_sales ENDAS second_week_amount  
  5.     FROM order  
  6. GROUP BY 1  

通过筛选出注册与消费的日期,并且进行消费金额统计,每个用户在每段时间段(注册后第一周、第二周…以此类推)的消费金额,可以观察用户是否有持续维持消费习惯或是消费金额变低等分析。

CASE WHEN数量,消费金额超过某一定额的数量分析

  1. SELECT  
  2.     user_id,  
  3.     COUNT(DISTINCT CASE WHEN order_sales >= 100 THEN order_id ENDAS count_of_order_greateer_than_100  
  4. FROM order  
  5. GROUP BY 1  

上面的示例就是类似countif的用法,针对每个用户,统计其订单金额大于某个值的订单数量,分析去筛选出高价值的顾客。

CASE WHEN数量,加上时间的用法

  1. SELECT  
  2.     user_id,  
  3.     MIN(CASE WHEN order_sales > 100 THEN order_date ENDAS first_order_date_over1000,  
  4.     MAX(CASE WHEN order_sales > 100 THEN order_date ENDAS recent_order_date_over100  
  5. FROM order  
  6. GROUP BY 1  

CASE WHEN加上MIN/MAX时间,可以得出该用户在其整个使用过程中,首次购买超过一定金额的订单日期,以及最近一次购买超过一定金额的订单日期。

四个在工作后才知道的SQL密技

Window Function既是工作中经常使用的函数,也是面试时经常被问到的问题。常见的使用场景是分组取topN。本文介绍的另外一个用法,使用开窗函数进行用户访问session分析。

session是指在指定的时间段内用户在网站上发生的一系列互动。例如,一次session可以包含多个网页浏览、事件、社交互动和电子商务交易。session就相当于一个容器,其中包含了用户在网站上执行的操作。

四个在工作后才知道的SQL密技

session具有一个过期时间,比如30分钟,即不活动状态超过 30 分钟,该session就会过时。

假设张三访问了网站,从他到达网站的那一刻开始,就开始计时。如果过了 30 分钟,而张三仍然没有进行任何形式的互动,则视为本次session结束。但是,只要张三与某个元素进行了互动(例如发生了某个事件、社交互动或打开了新网页),就会在该次互动的时间基础上再增加 30 分钟,从而重置过期时间。

四个在工作后才知道的SQL密技

数据准备

  • Table Name: user_visit_action
  • Columns: user_id, session_id , page_url, action_time
  1. CREATE TABLE user_visit_action(   
  2.     user_id string,  
  3.     session_id string,  
  4.     page_url string,  
  5.     action_time string);  
  6.       
  7. INSERT INTO TABLE user_visit_action VALUES("001","ss001","http://a.com","2020-08-06 13:34:11.478");  
  8. INSERT INTO TABLE user_visit_action VALUES("001","ss001","http://b.com","2020-08-06 13:35:11.478");  
  9. INSERT INTO TABLE user_visit_action VALUES("001","ss001","http://c.com","2020-08-06 13:36:11.478");  
  10.   
  11. INSERT INTO TABLE user_visit_action VALUES("001","ss002","http://a.com","2020-08-06 14:30:11.478");  
  12. INSERT INTO TABLE user_visit_action VALUES("001","ss002","http://b.com","2020-08-06 14:31:11.478");  
  13. INSERT INTO TABLE user_visit_action VALUES("001","ss002","http://e.com","2020-08-06 14:33:11.478");  
  14. INSERT INTO TABLE user_visit_action VALUES("001","ss002","http://f.com","2020-08-06 14:35:11.478");  
  15.   
  16. INSERT INTO TABLE user_visit_action VALUES("002","ss003","http://u.com","2020-08-06 18:34:11.478");  
  17. INSERT INTO TABLE user_visit_action VALUES("002","ss003","http://k.com","2020-08-06 18:38:11.478");  

用户访问session分析

范例的资料表如上,有使用者、访次和页面的连接和时间。以下则使用partition by来表达每个使用者在不同访次之间的浏览行为。

  1. SELECT  
  2.     user_id,  
  3.     session_id,  
  4.     page_url,  
  5.     DENSE_RANK() OVER (PARTITION BY user_id, session_id ORDER BY action_time ASCAS page_order,  
  6.     MIN(action_time) OVER (PARTITION BY user_id, session_id) AS session_start_time,  
  7.     MAX(action_time) OVER (PARTITION BY user_id, session_id) AS session_finisht_time  
  8. FROM user_visit_action  

上面的查询会返回针对每个用户、每次的到访,浏览页面行为的先后次序,以及该session开始与结束的时间,以此为基础就可以将这个结果存入TEMP TABLE或是CTE ,进行更进一步的分析。

小结

本文主要分享了四个在工作和面试中经常遇到的SQL使用技巧。当然,这些都与具体的分析业务息息相关。最后,不管你是SQL boy or SQL girl,只要是掌握一些技巧,相信都能够Happy SQL querying 。

原文链接:https://www.toutiao.com/a6993973467230028291/?log_from=a3c6b95933d7b_1628491032713

本文由主机测评网发布,不代表主机测评网立场,转载联系作者并注明出处:https://zhuji.jb51.net/shujuku/3115.html

联系我们

在线咨询:点击这里给我发消息

微信号:

工作日:8:30-17:30,节假日休息