本文主要梳理了 SQL 的基础用法，会涉及到以下方面内容：

SQL大小写的规范数据库的类型以及适用场景SELECT 的执行过程WHERE 使用规范MySQL 中常见函数子查询分类如何选择合适的 EXISTS 和 IN子查询

了解 SQL

SQL 是我们用来和数据打交道的方式之一，如果按照功能划分可分为如下 4 个部分：

DDL，数据定义语言。定义数据库对象，数据表，数据列。也就是，对数据库和表结构进行增删改操作。DML，数据操作语言。对数据表的增删改。DCL，数据控制语言。定义访问权限和安全级别。DQL，数据查询语言。用来查询数据。

平时在编写 SQL 时，可能发现许多 SQL 大小写不统一，虽然不会影响 SQL 的执行结果，但保持统一的书写规范，是提高效率的关键，通常遵循如下的原则：

表名，表别名，字段名，字段别名等用小写。SQL 保留字，函数名，绑定变量等用大写。数据表，字段名采用下划线命名。

目前排名较前的 DBMS：

关系型数据库：建立在关系模型上的数据库，在建表时，通常先设计 ER 图表示之间的关系。键值型数据库：以 key-value 的形式存储数据，优点是查找速度快，缺点是无法像关系型数据库一样使用如 WHERE 等的过滤条件。常见场景是作为内容缓存。文档型数据库，在保存时以文档作为处理信息的基本单位。搜索引擎：针对全文检索而设计。核心原理是 “倒排索引”。列式数据库：相对于如 MySQL 等行式存储的数据库，是以列将数据存在数据库中，由于列具有相同的数据类型，所以可以更好的压缩，从而减低系统的 I/O，适用于分布式文件系统，但功能相对有限。图形数据库，利用图的数据结构存储实体之间的关系。比如社交网络中人与人的关系，数据模型为节点和边来实现。认识SELECTSELECT一般是在学习SQL接触的第一个关键字，基础的内容就不提了，这里整理常用的规范：起别名SELECTnameAS n FROM student查询常数, 增加一列固定的常数列：SELECT'学生信息'as student_info, nameFROM student去重重复行SELECTDISTINCT age FROM student需要注意的是DISTINCT是对后面的所有列进行去重，下面这种情况就会对age和name的组合进行去重。SELECTDISTINCT age,nameFROM student排序数据，ASC代表升序，DESC代表降序如先按照name排序，name相等的情况下按照age排序。SELECTDISTINCT age FROM student ORDERY BYname,age DESC限制返回的数量SELECTDISTINCT age FROM student ORDERY BYnameDESCLIMIT5SELECT 的执行顺序了解了SELECT的执行顺序，才能更好地写出更有效率的 SQL。对于SELECT顺序有两个原则：关键字的顺序不能颠倒：SELECT ... FROM ... WHERE ... GROUP BY ... HAVING ... ORDER BY ...SELECT会按照如下顺序执行：FROM > WHERE > GROUP BY > HAVING > SELECT的字段 > DISTINCT > ORDER BY > LIMIT

SELECTDISTINCT student_id, name, count(*) asnum#顺序5FROM student JOIN class ON student.class_id = class.class_id #顺序1WHERE age > 18 #顺序2GROUP BY student.class_id #顺序3HAVING num > 2 #顺序4ORDER BY num DESC #顺序6LIMIT 2 #顺序7

在逐一分析下这个过程前，我们需要知道在上面的每一个步骤中都会产生一个虚拟表，然后将这个虚拟表作为下一个步骤中作为输入，但这一过程对我们来说是不可见的：

从FROM语句开始，对student和class表进行CROSS JOIN 笛卡尔积运算，得到虚拟表 vt 1-1；通过 ON 筛选，在 vt1-1 的基础上进行过滤然后得到表 vt 1-2；添加外部行。如使用左连接，右连接和全连接时，就会涉及到外部行，会在 vt1-2 的基础上增加外部行，得到 vt1-3。如果超过两张表，就会重复上面的步骤。在拿到最终的 vt1 的表数据后，会执行 WHERE 后面的过滤阶段，得到表 vt2.接着到 GROUP 阶段，进行分组得到 vt3.接着到 HAVING 阶段，对分组的数据进行过滤，得到 vt4.后面进入 SELECT 阶段，提取需要的字段，得到 vt5-1，接着通过 DISTINCT 阶段，过滤到重复的行，得到 vt5-2.然后对指定的字段进行排序，进入 ORDER BY 阶段，得到 vt6.最后在 LIMIT 阶段，取出指定的行，对应 vt7，也就是最后的结果。如果涉及到函数的计算比如 sum() 等，会在 GROUP BY分组后，HAVING 分组前，进行聚集函数的计算。涉及到表达式计算，如 age * 10 等，会在 HAVING 阶段后，SELECT 阶段前进行计算。

通过这里，就可以总结出提高 SQL 效率的第一个方法：

使用 SELECT 时指定明确的列来代替 SELECT * . 从而减少网络的传输量。使用 WHERE 进行过滤

使用 WHERE 筛选时，常有通过比较运算符，逻辑运算符，通配符三种方式。

对于比较运算符，常用的运算符如下表。

对于逻辑运算符来说，可以将多个比较运行符连接起来，进行多条件的筛选，常用的运算符如下：

需要注意的是，当AND和OR同时出现时，AND的优先级更高会先被执行。当如果存在 () 的话，则括号的优先级最高。使用通配符过滤：like：(%)代表零个或多个字符，(_)只代表一个字符函数和编程语言中的定义的函数一样，SQL同样定义了一些函数方便使用，比如求和、平均值、长度等。常见的函数主要分为如下四类，分类的原则是根据定义列时的数据类型：算术函数：

字符串函数

需要注意的是，在使用字符串比较日期时，要使用DATE函数比较。日期函数

转换函数：

CAST函数在转换数据类型时，不会四舍五入，如果原数值是小数，在转换到整数时会报错。在转换时可以使用DECIMAL(a,b) 函数来规定小数的精度，比如DECIMAL(8,2) 表示精度为8 位 - 小数加整数最多 8 位。小数后面最多为 2 位。然后通过 SELECT CAST(123.123 AS DECIMAL(8,2)) 来转换。聚集函数通常情况下，我们会使用聚集函数来汇总表的数据，输入为一组数据，输出为单个值。常用的聚集函数有 5 个：

如何进行分组在统计结果时，往往需要对数据按照一定条件进行分组，对应就是GROUP BY语句。比如统计每个班级的学生人数：SELECT class_id, COUNT(*) as student_count FROM student \GROUPBY class_id;GROUP BY 后也可接多个列名，进行分组，比如按照班级和性别分组：SELECT class_id, sex, COUNT(*) as student_count FROM \student GROUPBY class_id, sex;HAVING 过滤和 WHERE 的区别和 WHERE 一样，可以对分组后的数据进行筛选。区别在于 WHERE 适用于数据行，HAVING 用于分组。而且 WHERE 支持的操作，HAVING 也同样支持。比如可以筛选大于2人的班级：SELECT class_id, COUNT(*) as student_count FROM student \ GROUPBY class_id \ HAVING student_count > 20;子查询在一些更为复杂的情况中，往往会进行嵌套的查询，比如在获取结果后，该结果作为输入，去获取另外一组结果。在 SQL 中，查询可以分为关联子查询和非关联子查询。假设有如下的表结构：-- ----------------------------DROP TABLE IF EXISTS `student`;CREATE TABLE `student` (`id`int(11) NOT NULL AUTO_INCREMENT,`name` varchar(20) NOT NULL DEFAULT '',`age`int(3) NOT NULL,`sex` varchar(10) NOT NULL DEFAULT '',`class_id`int(11) NOT NULL COMMENT '班级ID', PRIMARY KEY (`id`)) ENGINE=InnoDB AUTO_INCREMENT=9 DEFAULT CHARSET=utf8;-- ------------------------------ Records of Student-- ----------------------------INSERT INTO `student` VALUES ('1', '胡一', 13, '男', '1');INSERT INTO `student` VALUES ('3', '王阿', 11, '女', '1');INSERT INTO `student` VALUES ('5', '王琦', 12, '男', '1');INSERT INTO `student` VALUES ('7', '刘伟', 11, '女', '1');INSERT INTO `student` VALUES ('7', '王意识', 11, '女', '2');-- ----------------------------DROP TABLE IF EXISTS `student_activities`;CREATE TABLE `student_activities` (`id`int(11) NOT NULL AUTO_INCREMENT,`name` varchar(20) NOT NULL DEFAULT '',`stu_id`int(11) NOT NULL COMMENT '班级ID', PRIMARY KEY (`id`)) ENGINE=InnoDB AUTO_INCREMENT=9 DEFAULT CHARSET=utf8;INSERT INTO `student_activities` VALUES ('1', '博物馆', 1);INSERT INTO `student_activities` VALUES ('3, '春游', 3);非关联子查询子查询从数据表中查询了数据结果，如果这个数据结果只执行一次，然后这个数据结果作为主查询的条件接着执行。这里想要查询和胡一相同班级的同学名称：SELECTnameFROM student WHERE class_id = \(SELECT class_id FROM student WHEREname='胡一')这里先查到胡一的班级，只有一次查询，再根据该班级查找学生就是非关联子查询。关联子查询如果子查询需要执行多次，即采用循环的方式，先从外部查询开始，每次都传入子查询进行查询，然后再将结果反馈给外部再举个例子, 比如查询比每个班级中比平均年龄大的学生姓名信息：SELECTnameFROM student as s1 WHERE age > (SELECTAVG(age) FROM student as s2 where s1.class_id = s2.class_id)这里根据每名同学的班级信息，查找出对应班级的平均年龄，然后做判断。子查询每次执行时，都需要根据外部的查询然后进行计算。这样的子查询就是关联子查询。EXISTS子查询在关联子查询中，常会和EXISTS 一起使用。用来判断条件是否满足，满足的话为True，不满足为 False。比如查询参加过学校活动的学生名称：SELECTNAMEFROM student as s where \EXISTS(SELECT stu_id FROM student_activities as sa where sa.stu_id=s.id)同样NOT EXISTS就是不存在的意思，满足为FALSE , 不满足为True.比如查询没有参加过学校活动的学生名称：SELECTNAMEFROM student as s where \NOTEXISTS(SELECT stu_id FROM student_activities as sa where sa.stu_id=s.id)集合比较子查询可以在子查询中，使用集合操作符，来比较结果。

还是上面查询参加学校活动的学生名字的子查询, 同样可以使用 IN：SELECTnameFROM student WHEREidIN (SELECT stu_id FROM student_activities)EXISTS 和 IN 的区别既然 EXISTS 和 IN 都能实现相同的功能，那么他们之间的区别是什么？现在假设我们有表A和表B，其中 A、B 都有字段 cc，并对 cc 建立了 b+ 索引，其中 A 表 n 条记录，B 表 m 条索引。将其模式抽象为：SELECT * FROM A WHERE cc IN (SELECT cc FROM B)SELECT * FROM A WHERE EXIST (SELECT cc FROM B WHERE B.cc=A.cc)对于 EXISTS 来说，会先对外表进行逐条循环，每次拿到外表的结果后，带入子查询的内表中，去判断该值是否存在。伪代码类似于下面：for i in Afor j in Bif j.cc == i.cc:return result首先先看外表 A，每一条都需要遍历到，所以需要 n 次。内表 B，在查询时由于使用索引进而查询效率变成 log(m) B+ 的树高，而不是 m。进而总效率：n * log(m)所以对于 A 表的数量明显小于 B 时，推荐使用 EXISTS 查询。再看 IN ，会先对内表 B 进行查询，然后用外表 A 进行判断，伪代码如下：for i in Bfor j in Aif j.cc == i.cc:return result由于需要首先将内表所有数据查出，所以需要的次数就是 m. 再看外表 A ，由于使用了 cc 索引，可将 n 简化至 log(n), 也就是 m * log(n).所以对于 A 表的数据明显大于 B 表时，推荐使用 IN 查询。总结一下对于 IN 和 EXISTS时，采用小表驱动大表的原则。这里再扩展下 NOT EXISTS 和 NOT IN 的区别：SELECT * FROM A WHERE cc NOTIN (SELECT cc FROM B) SELECT * FROM A WHERENOT EXIST (SELECT cc FROM B WHERE B.cc=A.cc)对于 NOT EXITS 来说，和 EXISTS 一样，对于内表可以使用 cc 的索引。适用于 A 表小于 B 表的情况。但对于 NOT IN 来说，和 IN 就有区别了，由于 cc 设置了索引 cc IN (1, 2, 3) 可以转换成 WHERE cc=1 OR cc=2 OR cc=3 , 是可以正常走 cc 索引的。但对于 NOT IN 也就是转化为 cc!=1 OR cc!=2 OR cc!=3 这时由于是不等号查询，是无法走索引的，进而全表扫描。也就是说，在设置索引的情况下 NOT EXISTS 比 NOT IN 的效率高。但对于没有索引的情况，IN 和 OR 是不同的：一、操作不同1、in：in是把父查询表和子查询表作hash连接。2、or：or是对父查询表作loop循环，每次loop循环再对子查询表进行查询。二、适用场景不同1、in：in适合用于子查询表数据比父查询表数据多的情况。2、or：or适合用于子查询表数据比父查询表数据少的情况。三、效率不同1、in：在没有索引的情况下，随着in后面的数据量越多，in的执行效率不会有太大的下降。2、or：在没有索引的情况下，随着or后面的数据量越多，or的执行效率会有明显的下降。总结这篇文章中主要归纳了一些 SQL 的基础知识：在使用 SELECT 查询时，通过显式指定列名，来减少 IO 的传输，从而提高效率。并且需要注意 SELECT 的查询过程会从 FROM 后开始到 LIMIT 结束，理解了整体的流程，可以让我们更好的组织 SQL.之后详细介绍了 WHERE 进行过滤的操作符和常用的函数，这里要注意在比较时间时要使用 DATE 函数，以及如何对数据进行分组和过滤。最后着重介绍了子查询，IN 和 EXISTS 的适用场景。