- 作者:韩信子@ShowMeAI
- 数据剖析实战系列:www.showmeai.tech/tutorials/4…
- 本文地址:www.showmeai.tech/article-det…
- 声明:版权一切,转载请联系平台与作者并注明出处
- 收藏ShowMeAI检查更多精彩内容
一切的数据相关工作人员,包括数据开发、数据剖析师、数据科学家等,多多少少会运用数据库,咱们很多的事务数据也是存放在事务表中。但即使是同一个需求,不同人写出的 SQL 功率上也会有很大不同,而咱们在数据岗位面试的时分,也会考察相关的技术和考虑,在本篇文章中,ShowMeAI将给咱们梳理 SQL 中能够用于优化功率和提速的中心要求。
关于 SQL 的基础技术常识,欢迎咱们查阅ShowMeAI制作的速查表:
编程语言速查表 | SQL 速查表
1)运用正则regexp_like
替代LIKE
如下例所示,当咱们要进行模糊匹配的时分(尤其是匹配项很多的时分),咱们运用regexp_like
替代LIKE
能够进步功率。
低效代码
SELECT *
FROM phones
WHERE
lower(name) LIKE '%samsing&' OR
lower(name) LIKE '%apple&' OR
lower(name) LIKE '%htc&' OR
高效代码
SELECT *
FROM phones
WHERE
REGEXP_LIKE(lower(name),'samsung|apple|htc')
2)运用regexp_extract
替代 Case-when Like
相似的,运用regexp_extract
替代Case-when Like
能够进步功率。
低效代码
SELECT *
CASE
WHEN concat(' ', name, ' ') LIKE '%acer%' then 'Acer'
WHEN concat(' ', name, ' ') LIKE '%samsung%' then 'Samsung'
WHEN concat(' ', name, ' ') LIKE '%dell%' then 'Dell'
AS brand
FROM laptops
高效代码
SELECT
regexp_extract(name,'(acer|samsung|dell)')
AS brand
FROM laptops
3)IN子句转换为暂时表
但咱们进行数据挑选时分,有时分会用到in
作为条件挑选,假如咱们的候选项十分多,那运用暂时表可能会带来更好的功率。
低效代码
SELECT *
FROM table1 as t1
WHERE
itemid in (3363134, 5343, 5555555)
高效代码
SELECT *
FROM table 1 as t1
JOIN (
SELECT
itemid
FROM (
SELECT
split('3363134, 5343, 5555555') as bar
)
CROSS JOIN
UNNEST(bar) AS t(itemid)
) AS table2 as t2
ON
t1.itemid = t2.itemid
4)将 JOIN 的表从大到小排序
当咱们要进行表相关(join)的时分,咱们能够对表根据巨细进行一个排序,把大表排在前面,小表排在后边,也会带来功率的提升。
低效代码
SELECT *
FROM small_table
JOIN large_table
ON small_table.id = large_table.id
高效代码
SELECT *
FROM large_table
JOIN small_table
ON small_table.id = large_table.id
5)运用简略的表相关条件
假如咱们要根据条件对两个表进行衔接,那条件中尽量不要出现杂乱函数,假如一定需求运用,那咱们能够先用函数对表的数据处理产出用于衔接的字段。
如下例中,咱们对a
和b
表进行衔接,条件是b
表的「年」「月」「日」拼接后和a
表的日期一致,那粗糙的写法和优化的写法分别如下:
低效代码
SELECT *
FROM table1 a
JOIN table2 b
ON a.date = CONCAT(b.year, '-', b.month, '-', b.day)
高效代码
SELECT *
FROM table1 a
JOIN (
SELECT name, CONCAT(b.year, '-', b.month, '-', b.day) as date
FROM table2 b
) new
ON a.date = new.date
6)分组的字段依照类别取值品种数排序
假如咱们需求对数据依照多个字段分组,尤其是字段中有id类这种取值十分多的类别字段,咱们应当把它排在最前面,这也能够对功率有一些协助。
低效代码
SELECT
main_category,
sub_category,
itemid
sum(price)
FROM
table1
GROUP BY
main_category, sub_category, itemid
高效代码
SELECT
main_category,
sub_category,
itemid
sum(price)
FROM
table1
GROUP BY
itemid, sub_category, main_category
7)避免 WHERE 子句中的子查询
当咱们要查询的句子的where
条件中包含子查询时,咱们能够经过with
句子构建暂时表来调整衔接条件,提升功率,如下:
错误代码
SELECT sum(price)
FROM table1
WHERE itemid in (
SELECT itemid
FROM table2
)
好代码
WITH t2
AS (SELECT itemid
FROM table2)
SELECT Sum(price)
FROM table1 AS t1
JOIN t2
ON t1.itemid = t2.itemid
8)取最大直接用Max而非Rank后取第1
这一条很好理解,假如咱们要取某字段最大取值,咱们直接运用 max,而不要用 rank 排序后取第 1,如下代码所示:
低效代码
SELECt *
FROM (
SELECT userid, rank() over (order by prdate desc) as rank
FROM table 1
)
WHERE ranking = 1
高效代码
SELECT userid, max(prdate)
FROM table1
GROUP BY 1
9)其他优化点
- 关于大表,运用
approx_distinct()
替代count(distinct)
来计数。 - 关于大表,运用
approx_percentie(metric,0.5)
替代median
。 - 尽可能避免运用
UNION
。
参考资料
- 编程语言速查表 | SQL 速查表:www.showmeai.tech/article-det…
本文正在参与「金石方案 . 瓜分6万现金大奖」