避免!5个编写SQL查询时常出现的错误

SQL被广泛应用于数据分析和数据提取。易上手,受到业内人士的一致好评

尽管刚开始编写SQL相当容易,但是出错率也是相当的高。

下面是小芯整理的,在编写SQL查询代码时大家经常犯的5个错误。

示例很短,可能看起来很简单。但是,在处理更大的查询时,这些错误可就不会一目了然了。其中一些示例是特定于AWS Redshift的,而另一些则会出现在其他SQL数据库(Postgres、MySQL等)。这些示例应该在本地数据库上运行,或者可以使用SQLFiddle在线运行。

示例SQL查询可下载。

设定

创建两个临时表,其中有几个条目有助于处理示例。

Sales表

该表包含带有时间戳、产品、价格等的销售条目。请注意,key列是唯一的,其他列中的值可以重复(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

该表包含某一天每小时的延迟时间。请注意,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.按相同时间戳排序

检索每种产品最近一次的售价:

SELECT price 
 
FROM (SELECT price, row_number() OVER (PARTITION BYproduct ORDER BY ts DESC) AS ix FROM sales) ASq1 
 
WHERE ix = 1; 

以上查询的问题是多个销售具有相同的时间戳。此查询在相同数据上的连续运行可能得出不同的结果。下图可见,产品0在2019-11-11-08 01:00有两次销售,价格分别为1.2和1.3。

用下一个错误修复这个查询:)

2. 根据条件计算平均值

计算完成销售的产品的平均价格。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; 

当运行查询时,值为0.9。为什么?因为发生了这一计算:(1.1+0+1.3+0+1.5+1.5)/6是0.9。查询中的错误是,将0设置为不应包含的项。应使用NULL而不是0。

SELECT avg(price) 
 
FROM (SELECT CASE WHEN completed = TRUETHEN price else NULL END AS price FROMsales) AS q1; 

当前,输出和预计一样是1.35。

3.计算整数列的平均值

计算含有整数的product列的平均值。

SELECT avg(product) 
 
FROM sales; 

Product列中有3个0和3个1,预估平均值为0.5。大多数数据库(例如最新版本的Postgres)将返回0.5,但是Redshift将返回0,因为它不会自动将product列强制转换为float。因此需要将其强制转换为float类型:

SELECT avg(product::FLOAT) 
 
FROM sales; 

4. 内连接

假设要对每天的所有销售延迟进行汇总,并计算每天的平均销售价格。

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; 

结果是错误的!以上查询将hourly_delay表中的delay列乘以倍数,如下图所示。这是因为按时间戳连接,该时间戳在hourly_delay表中是唯一的,但在sales表中会重复。

为了修复这个问题,要在一个单独的子查询中为每个表计算统计信息,然后连接汇总。这使得时间戳在两个表中都是唯一的。

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.将列添加到ORDER BY

对上述错误的补救是显而易见的。将key列添加到ORDER BY,这样一来,查询结果就可以在相同数据上重复出现——快速修复。

SELECT price 
 
FROM (SELECT price, row_number() OVER (PARTITION BYproduct ORDER BY ts, key DESC) AS ix FROMsales) AS q1 
 
WHERE ix = 1; 

为什么查询结果不同于上一次运行?在进行“快速修复”时,key列被放在了ORDER BY中的错误位置。它应该在DESC语句之后,而不是之前。查询现在将返回第一笔销售,而不是最后一笔销售。再进行一次修正。

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; 

本次修复使结果可重复。

这些都是大家经常踩雷的SQL错误和解决方案。不知道你是否也感同身受,或者还有其他有关SQL查询的趣事?记得给小芯分享哟~

我来评几句
登录后评论

已发表评论数()

相关站点

+订阅
热门文章