私藏！资深数据专家SQL效率优化技巧

语言: CN / TW / HK
时间 2022-12-07 06:15:11

highlight: a11y-dark

所有的数据相关工作人员，包括数据开发、数据分析师、数据科学家等，多多少少会使用数据库，我们很多的业务数据也是存放在业务表中。但即使是同一个需求，不同人写出的 SQL 效率上也会有很大差别，而我们在数据岗位面试的时候，也会考察相关的技能和思考，在本篇文章中，ShowMeAI将给大家梳理 SQL 中可以用于优化效率和提速的核心要求。

关于 SQL 的基础技能知识，欢迎大家查阅ShowMeAI制作的速查表：

📘 编程语言速查表 | SQL 速查表

💡 1）使用正则regexp_like代替LIKE

如下例所示，当我们要进行模糊匹配的时候（尤其是匹配项很多的时候），我们使用regexp_like代替LIKE可以提高效率。

💦 低效代码

sql SELECT * FROM phones WHERE lower(name) LIKE '%samsing&' OR lower(name) LIKE '%apple&' OR lower(name) LIKE '%htc&' OR

💦 高效代码

sql SELECT * FROM phones WHERE REGEXP_LIKE(lower(name),'samsung|apple|htc')

💡 2）使用regexp_extract代替 Case-when Like

类似的，使用regexp_extract代替Case-when Like可以提高效率。

💦 低效代码

sql 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

sql SELECT regexp_extract(name,'(acer|samsung|dell)') AS brand FROM laptops

💡 3）IN子句转换为临时表

但我们进行数据选择时候，有时候会用到in作为条件选择，如果我们的候选项非常多，那利用临时表可能会带来更好的效率。

💦 低效代码

sql SELECT * FROM table1 as t1 WHERE itemid in (3363134, 5343, 5555555)

💦 高效代码

sql 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

当我们要进行表关联（join）的时候，我们可以对表基于大小进行一个排序，把大表排在前面，小表排在后面，也会带来效率的提升。

💦 低效代码

sql SELECT * FROM small_table JOIN large_table ON small_table.id = large_table.id

💦 高效代码

sql SELECT * FROM large_table JOIN small_table ON small_table.id = large_table.id

💡 5）使用简单的表关联条件

如果我们要基于条件对两个表进行连接，那条件中尽量不要出现复杂函数，如果一定需要使用，那我们可以先用函数对表的数据处理产出用于连接的字段。

如下例中，我们对a和b表进行连接，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

sql SELECT * FROM table1 a JOIN table2 b ON a.date = CONCAT(b.year, '-', b.month, '-', b.day)

💦 高效代码

sql 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）分组的字段按照类别取值种类数排序

如果我们需要对数据按照多个字段分组，尤其是字段中有id类这种取值非常多的类别字段，我们应当把它排在最前面，这也可以对效率有一些帮助。

💦 低效代码

sql SELECT main_category, sub_category, itemid sum(price) FROM table1 GROUP BY main_category, sub_category, itemid

💦 高效代码

sql 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

当我们要查询的语句的where条件中包含子查询时，我们可以通过with语句构建临时表来调整连接条件，提升效率，如下：

💦 错误代码

sql SELECT sum(price) FROM table1 WHERE itemid in ( SELECT itemid FROM table2 )

💦 好代码

sql 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，如果我们要取某字段最大取值，我们直接使用 max，而不要用 rank 排序后取第 1，如下代码所示：

💦 低效代码

sql SELECt * FROM ( SELECT userid, rank() over (order by prdate desc) as rank FROM table 1 ) WHERE ranking = 1

💦 高效代码

sql SELECT userid, max(prdate) FROM table1 GROUP BY 1

💡 9）其他优化点

  • 对于大表，利用approx_distinct()代替count(distinct)来计数。
  • 对于大表，利用approx_percentie(metric,0.5)代替median。
  • 尽可能避免使用UNION。

参考资料

本文正在参加「金石计划 . 瓜分6万现金大奖」

「其他文章」
「」
「」