避免！5個編寫SQL查詢時常出現的錯誤
SQL被廣泛應用于數據分析和數據提取。易上手，受到業內人士的一致好評
盡管剛開始編寫SQL相當容易，但是出錯率也是相當的高。
下面是小芯整理的，在編寫SQL查詢代碼時大家經常犯的5個錯誤。
示例很短，可能看起來很簡單。但是，在處理更大的查詢時，這些錯誤可就不會一目了然了。其中一些示例是特定于AWS Redshift的，而另一些則會出現在其他SQL數據庫(Postgres、MySQL等)。這些示例應該在本地數據庫上運行，或者可以使用SQLFiddle在線運行。
示例SQL查詢可下載。
設定
創建兩個臨時表，其中有幾個條目有助于處理示例。
Sales表
該表包含帶有時間戳、產品、價格等的銷售條目。請注意，key列是唯一的，其他列中的值可以重復(例如ts列)。
- DROP TABLE IF EXISTSsales;
- CREATE TEMPORARY TABLE sales
- (
- key varchar(6),
- ts timestamp,
- product integer,
- completed boolean,
- price float
- );INSERT INTO sales
- VALUES ('sale_1', '2019-11-08 00:00', 0, TRUE, 1.1),
- ('sale_2', '2019-11-08 01:00', 0, FALSE,1.2),
- ('sale_3', '2019-11-08 01:00', 0, TRUE,1.3),
- ('sale_4', '2019-11-08 01:00', 1, FALSE,1.4),
- ('sale_5', '2019-11-08 02:00', 1, TRUE,1.5),
- ('sale_6', '2019-11-08 02:00', 1, TRUE,1.5);SELECT * FROM sales;
Hourly delay表
該表包含某一天每小時的延遲時間。請注意，ts列在下表中是唯一的。
- DROP TABLE IF EXISTShourly_delay;
- CREATE TEMPORARY TABLE hourly_delay
- (
- ts timestamp,
- delay float
- );
- INSERT INTO hourly_delay
- VALUES ('2019-11-08 00:00', 80.1),
- ('2019-11-08 01:00', 100.2),
- ('2019-11-08 02:00', 70.3);SELECT* FROM hourly_delay;
1.按相同時間戳排序
檢索每種產品最近一次的售價:
- SELECT price
- FROM (SELECT price, row_number() OVER (PARTITION BYproduct ORDER BY ts DESC) AS ix FROM sales) ASq1
- WHERE ix = 1;
以上查詢的問題是多個銷售具有相同的時間戳。此查詢在相同數據上的連續運行可能得出不同的結果。下圖可見，產品0在2019-11-11-08 01:00有兩次銷售，價格分別為1.2和1.3。
用下一個錯誤修復這個查詢:)
2. 根據條件計算平均值
計算完成銷售的產品的平均價格。值是(1.1 + 1.3 + 1.5 + 1.5)/ 4，即1.35。
- SELECT avg(price)
- FROM (SELECT CASE WHEN completed = TRUETHEN price else 0 END AS price FROM sales) ASq1;
當運行查詢時，值為0.9。為什么?因為發生了這一計算：(1.1+0+1.3+0+1.5+1.5)/6是0.9。查詢中的錯誤是，將0設置為不應包含的項。應使用NULL而不是0。
- SELECT avg(price)
- FROM (SELECT CASE WHEN completed = TRUETHEN price else NULL END AS price FROMsales) AS q1;
當前，輸出和預計一樣是1.35。
3.計算整數列的平均值
計算含有整數的product列的平均值。
- SELECT avg(product)
- FROM sales;
Product列中有3個0和3個1，預估平均值為0.5。大多數數據庫(例如最新版本的Postgres)將返回0.5，但是Redshift將返回0，因為它不會自動將product列強制轉換為float。因此需要將其強制轉換為float類型：
- SELECT avg(product::FLOAT)
- FROM sales;
4. 內連接
假設要對每天的所有銷售延遲進行匯總，并計算每天的平均銷售價格。
- SELECT t2.ts::DATE, sum(t2.delay),avg(t1.price)
- FROM hourly_delay AS t2
- INNER JOIN sales ASt1 ON t1.ts = t2.ts
- GROUP BY t2.ts::DATE;
結果是錯誤的!以上查詢將hourly_delay表中的delay列乘以倍數，如下圖所示。這是因為按時間戳連接，該時間戳在hourly_delay表中是唯一的，但在sales表中會重復。
為了修復這個問題，要在一個單獨的子查詢中為每個表計算統計信息，然后連接匯總。這使得時間戳在兩個表中都是唯一的。
- SELECT t1.ts, daily_delay, avg_price
- FROM (SELECT t2.ts::DATE, sum(t2.delay) ASdaily_delay FROM hourly_delay AS t2 GROUP BYt2.ts::DATE) AS t2
- INNER JOIN (SELECTts::DATE AS ts, avg(price) AS avg_price FROM sales GROUPBY ts::DATE) AS t1 ON t1.ts = t2.ts;
5.將列添加到ORDER BY
對上述錯誤的補救是顯而易見的。將key列添加到ORDER BY，這樣一來，查詢結果就可以在相同數據上重復出現——快速修復。
- SELECT price
- FROM (SELECT price, row_number() OVER (PARTITION BYproduct ORDER BY ts, key DESC) AS ix FROMsales) AS q1
- WHERE ix = 1;
為什么查詢結果不同于上一次運行?在進行“快速修復”時，key列被放在了ORDER BY中的錯誤位置。它應該在DESC語句之后，而不是之前。查詢現在將返回第一筆銷售，而不是最后一筆銷售。再進行一次修正。
- SELECT product, price
- FROM (SELECT product, price, row_number() OVER (PARTITION BYproduct ORDER BY ts DESC, key) AS ix FROMsales) AS q1
- WHERE ix = 1;
本次修復使結果可重復。
這些都是大家經常踩雷的SQL錯誤和解決方案。不知道你是否也感同身受，或者還有其他有關SQL查詢的趣事?記得給小芯分享喲~
