提升查询技能，这7条SQL查询错误必须解决

迷南。 2023-01-10 03:35 65阅读 0赞

> 全文共3183字，预计学习时长8分钟

![d17a95ce41bae3a564acf5820e3d3964.png][]

图源：unsplash

本文将指出一些常见但却总是被忽略的错误，请静下心来，准备好提升查询技能吧！

让我们以一个虚构的业务为例。假设你是亚马逊电子商务分析团队的一员，需要运行几个简单的查询。你手头有两个表，分别为“product（产品）”和“discount （折扣）”。

![3e261105930ea0eca66e0bbb0b9a7886.png][]

**1.计算NULL字段的数目**

为了计算null字段的数目，要掌握COUNT函数的工作原理。假设计算产品数量时，要求计入表格“product”的“product id”主键列中遗漏的字段。

SELECT COUNT(product_id)
    FROM product;Result: 3

由于要求计入“product id”列中的null值，查询结果应该为4，但COUNT（）函数不会将null值计数。

解决方法：使用COUNT（\*）函数。该函数可以将null值计数。

Select Count(*)
    From product;Result: 4

这个操作很简单，但是在编写复杂的查询时总会被忽略。

**2.使用保留字作为列名**

SELECT product_id,
    RANK() OVER (ORDER BY price desc) As Rank
    FROM product;

由于列名“Rank”是Rank函数的保留字，该查询结果出错。

解决方法：

SELECT product_id,
    RANK() OVER (ORDER BY price desc) As ‘Rank’
    FROM product;

加上单引号，即可得到想要的结果。

**3.NULL的比较运算**

SELECT product_name
    FROM product
    WHERE product_id=NULL;

由于使用了比较运算符“=”，此处运算会出现异常，使用另一比较运算符“!=”运算也会出现异常。这里的逻辑问题在于，你编写的查询得出的是“product id”列的值是否未知，而无法得出这一列的值是否是未知的产品。

解决方法：

SELECT product_name
    FROM product
    WHERE product_id ISNULL;

**4.ON子句过滤和WHERE子句过滤的区别**

这是一个非常有趣的概念，会提高你对于ON子句过滤和WHERE子句过滤之间区别的基本理解。这并不完全是一个错误，只是演示了两者的用法，你可以根据业务需求选择最佳方案。

![5a88eedf3895eb1265a73c5451227ec6.png][]

图源：unsplash

SELECT d.product_id,
    price,
    discount
    FROM product p RIGHT JOIN discount d ON
    p.product_id=d.product_id
    WHERE p.product_id>1;

结果：

![edca18208b0479ff08338895be9f9076.png][]

在这种情况下，过滤条件在两个表格连接之后生效。因此，所得结果不包含d.product\_id≤1的行（同理，显然也不包含p.product≤1的行）。

解决方法：使用AND，注意结果上的不同。

SELECT d.product_id,
    price,
    discount
    FROM product p RIGHT JOIN discount d ON
    p.product_id=d.product_id
    AND p.product_id>1;

结果：

![cd2aa167ffcaeb0c7d3d61206f497984.png][]

在这里，条件语句AND在两个表格连接发生之前计算。可以把此查询看作只适用于一个表(“product”表)的WHERE子句。现在，由于右连接，结果中出现了d.product\_id≤1的行(显然还有p.product\_id>1的行)。

请注意，ON子句过滤和WHERE子句过滤只在左/右/外连接时不同，而在内连接时相同。

5.在同一查询的WHERE子句中使用Windows函数生成的列&使用CASE WHEN子句

注意，不要在同一查询的WHERE子句中使用通过Windows函数生成的列名以及CASE WHEN子句。

SELECT product_id,
    RANK() OVER (ORDER BY price desc) AS rk
    FROM product
    WHERE rk=2;

因为列rk由Windows函数生成，并且在同一查询的WHERE子句中使用了该列，这个查询结果会出现异常。

解决方法：这一问题可以通过使用临时表或者子查询解决。

WITH CTE AS
    (
    SELECT product_id,
    
    
    
    
    RANK() OVER (ORDER BY price desc) AS rk
    FROM product
    )
    SELECT product_id
    FROM
    CTE
    WHERE rk=2;

或

SELECT product_id
    FROM
    (
    SELECT product_id,
    RANK() OVER (ORDER BY price desc) AS rk
    FROM product;
    )
    WHERE rk=2;

同样的方法也适用于使用CASE WHEN子句创建的列。请记住，Windows函数只能出现在SELECT或ORDER BY子句中。

**6.BETWEEN的使用不正确**

如果不清楚BETWEEN的有效范围，也许会得不到想要的查询结果。BETWEEN x AND y语句的有效范围包含x和y。

SELECT *
    FROM discount
    WHERE offer_valid_till BETWEEN ‘2019/01/01’ AND ‘2020/01/01’
    ORDER BY offer_valid_till;

结果：

![0d45d5942567345e031d14d8ad666ccb.png][]

在查询中，也许我们只想得到2019年的所有日期，但是结果中还包含了2020年1月1日。这是因为BETWEEN语句的有效范围包含2019/01/01和2020/01/01。

解决方法：相应地调整范围可以解决这个问题。

SELECT *
    FROM discount
    WHERE offer_valid_till BETWEEN ‘2019/01/01’ AND ‘2019/12/31’
    ORDER BY offer_valid_till;

结果：

![b0c756834fc2642eb444ebd8a85b65a4.png][]

现在，所有查询结果均为2019年的日期。

7.在GROUP BY语句后使用WHERE子句

在编写GROUP BY语句时，请注意WHERE子句的位置。

SELECT category,
    AVG (price)
    FROM product p INNER JOIN discount d ON
    p.product_id=d.product_id
    GROUP BY category
    WHERE discount_amount>10;

由于将WHERE子句放在GROUP BY语句后，此查询是错误的。这是为什么呢？

WHERE子句用于过滤查询结果，这一步要在将查询结果分组之前实现，而不是先分组再过滤。正确的做法是先应用WHERE条件过滤减少数据，再使用GROUP BY子句通过聚合函数将数据分组（此处使用聚合函数AVG）。

解决方法：

SELECT category,
    AVG (price)
    FROM product p INNER JOIN discount d ON
    p.product_id=d.product_id
    WHERE discount_amount>10
    GROUP BY category;

请注意主要SQL语句的执行顺序：

· FROM 子句

· WHERE 子句

· GROUP BY 子句

· HAVING 子句

· SELECT 子句

· ORDER BY 子句

![6add0689e2f10563217bf1084e69dd49.png][]

图源：Pexels

以上包含了大部分让人不解的错误，尤其是对初学者而言。正如亨利·福特所说：“唯一的错误是我们从中学不到任何东西”，希望这篇文章能帮助你精进查询技能。

![c38519e582e11c64c3377a35084daae7.png][]

**一起分享AI学习与发展的干货**

**欢迎关注全平台AI垂类自媒体 “读芯术”**

![format_png][]

（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）

[d17a95ce41bae3a564acf5820e3d3964.png]: /images/20221119/89eeb33fc20240acb07e770b1e963fa9.png
[3e261105930ea0eca66e0bbb0b9a7886.png]: /images/20221119/4ad32c94b4f748179765264e7c1ecd24.png
[5a88eedf3895eb1265a73c5451227ec6.png]: /images/20221119/1b5a12d7b7734b3098d95f05321981ef.png
[edca18208b0479ff08338895be9f9076.png]: /images/20221119/2487a30a4ce94b6d80482ce5350ca0cd.png
[cd2aa167ffcaeb0c7d3d61206f497984.png]: /images/20221119/176313e037084992a32d7a41d0c941fd.png
[0d45d5942567345e031d14d8ad666ccb.png]: /images/20221119/a7f4b9f0e1ff4f39b282b8838226f0bf.png
[b0c756834fc2642eb444ebd8a85b65a4.png]: /images/20221119/4adcfd0866424168882c9ab0f28c78c0.png
[6add0689e2f10563217bf1084e69dd49.png]: /images/20221119/b91378157de5407d9228bd29b8a14c57.png
[c38519e582e11c64c3377a35084daae7.png]: /images/20221119/83b7c44aba3f49cf9f42b6e23678aa0e.png
[format_png]: /images/20221119/4a9af3464491458987da98937ddd4f9c.png