复杂SQL语句及其优化
一，复杂SQL语句类型
1 ，笛卡尔连接
题目1：找出工资超过各自经理的员工姓名
表：employee（id , name , depid , salary, manager_id ）
SELECT e1.name AS employee_name, e1.salary, e2.name AS manager_name, e2.salary
FROM employee e1, employee e2
WHERE e1.manager_id = e2.id
AND e1.salary > e2.salary;
2， 相关子查询
相关子查询和普通子查询（也叫非相关子查询）的差别就在于这子查询中是否有对外部查询中涉及到的表的引用。
此时，先执行外部查询，拿到一个结果后，去执行内部查询，判断是否满足条件。
举例: 查询 “工资大于该员工所在部门平均工资的员工”
SELECT employee_number, name
FROM employees emp
WHERE salary > (
SELECT AVG(salary)
FROM employees
WHERE department = emp.department # 子查询中的表就是外部查询的引用表
);
3， 行转列 或者 列转行
行转列： 行的某列数据，转化到多个列上。
方法：主要是使用CASE WHEN 条件函数，增加表格的列。
比如：
学生表student：
id name subject score
1 sam yuwen 50
1 sam shuxue 70
2 bob yuwen 78
#####
SELECT id, name AS name
, sum(CASE Subject
WHEN 'yuwen' THEN score
ELSE 0
END) AS yuwen_s
, sum(CASE Subject
WHEN 'shuxue' THEN score
ELSE 0
END) AS shuxue_s
, sum(CASE Subject
WHEN 'yingyu' THEN score
ELSE 0
END) AS yingyu_s
FROM student
#######
id name yuwen_s shuxue_s yingyu_s
1 sam 50 0 0
1 sam 0 70 0
2 bob 0 0 78
列转行： 某列的数据，转化到多个行上。
方法1：假设在HIVE 库内，使用LATERAL VIEW语法
电影信息表 movie_info:
name types
《疑犯》 悬疑,动作,科幻,爱情
-->
name type
《疑犯》 悬疑
《疑犯》 动作
《疑犯》 科幻
《疑犯》 爱情
SELECT name, type
FROM movie_info
LATERAL VIEW explode(types) alias_table AS type;
方法2： 在MySQL内，使用 substring_index（）函数；
以下例子实现2个功能演示：
1， 实现对 包含分隔符的字符串的分拆，类似split功能。
2， 实现分拆后便签，多行显示功能，也就是行转列。
表event_xihuevent_star 结构内有需要分拆的标签：
event_id commentlabel createtime
1 'a_label,b_label' xxxx
2 'b_label,c_label' xxxx
select a.eventid,
a.createtime,
#a.commentlable,
# substring_index(a.commentlable, ',', b.help_topic_id + 1),
substring_index(substring_index(a.commentlable, ',', b.help_topic_id + 1), ',', -1) single_label // 连接衍生表内有b.help_topic_id列
from event_xihuevent_star a
join mysql.help_topic b
on b.help_topic_id < (length(a.commentlable) - length(replace(a.commentlable, ',', '')) + 1);
# 1， 使用笛卡尔连接
2，在 select 中使用了参数 help_topic_id , 因为where语句在select 之前执行，对movie_info每一行得到一个help_topic_id值。
4， 窗口函数 （针对HIVE）
语法：
题目： 要求拉出一个表，包含当前表信息，并且包含该次消费的上一次消费日期。
# 订单表order：（name ,date, cost）
name: 顾客姓名 date: 日期 cost: 花费
select name, date, cost, lag(date, 1, 0) over(patitioned by name order by date) as preDate from order
二，一些复杂SQL逻辑举例:
1, 每个用户连续签到天数
t_user_attendence表(fdate, fuser_id, fis_sign_in ) 表的说明：日期【fdate】，用户id【fuser_id】，用户当天是否签到【0否1是】
举例；
2020-10-01 002 1
2020-10-02 003 1
2020-10-02 002 0
SELECT fuser_id, datediff('2022-06-26', fdate_max) AS fconsecutive_days # 当前日期 - 最近未签到日期 = 连续签到日期
FROM (
SELECT fuser_id, max(fdate) AS fdate_max #找出用户最近未签到的日期
FROM t_user_attendence
WHERE fis_sign_in = 0
GROUP BY fuser_id
) t1;2， 每个用户最大的连续签到天数
含义是，在整个签到表的日期范围内，最大的连续签到日期。
表格：同上
表格：同上 SELECT fuser_id, max(length(cut_fsign_record)) AS fmax_days # 对“11111”求长度，就是连续登录天数 FROM ( SELECT fuser_id, fsign_record, cut_fsign_record FROM ( SELECT fuser_id, concat_ws(""，collect_list(fis_sign_in)) AS fsign_record # 多列合并到一行，列值以""号分隔起来
FROM t_user_attendence
GROUP BY fuser_id
) t1
LATERAL VIEW explode(split(fsign_record, '0')) t AS cut_fsign_record # 用0分割列，把列值转多行。（111 111）
) t2
WHERE cut_fsign_record <> ''
GROUP BY fuser_id;
# 语句适用于HSQL
三， Explain 语句
1，HIVE内
explain会把查询语句转化成stage组成的序列，主要由三方面组成：
1：查询的抽象语法树
2：plan中各个stage的依赖情况
3：每个阶段的具体描述：描述具体来说就是显示出对应的操作算子和与之操作的对应的数据，例如查询算子，filter算子，fetch算子等等。
你可以查看是否有严重计算密集的stage(或者是其中的算子，比如map , reduce , fillter , fetch , group by等等) ， 可以查看每个算子操作的数据大小情况。使你可以看到
HSQL执行的mapreduce 底层运行情况。 由此决定如何调优（参见我的另一篇文章: HIVE 调优思路和实践）。优化思路的前提是你必须对Mapreduce的原理比较熟悉。
2，MySQL内
explain 语句的输出信息包括： 1， 一个语句被分解成多个查询计划（比如 嵌套查询 ，Union查询）。 2，每个查询计划涉及到数据情况 ，索引使用情况 ，查询效率
| Column | JSON Name | Meaning |
|---|---|---|
| id | select_id | select标识号 |
| select_type | None | select类型 |
| table | table_name | 这一行数据是关于哪张表的 |
| partitions | partitions | 匹配的分区，对于未分区表，该值为空 |
| type | access_type | 使用的连接类别,有无使用索引 |
| possible_keys | possible_keys | MySQL能使用哪个索引在该表中找到行 |
| key | key | MySQL实际决定使用的键（索引） |
| key_len | key_length | MySQL决定使用的键长度。如果键是NULL，长度为NULL |
| ref | ref | 与索引关联的列 |
| rows | rows | mysql认为执行sql时必须被校验的行数 |
| filtered | filtered | 表示此查询条件所过滤的数据的百分比 |
| Extra | None | 附加信息 |
关注的字段：
type : 常用的类型有：NULL, system, const, eq_ref, ref, range, index, ALL（从左到右，性能越来越差）
- NULL： MySQL在优化过程中分解语句，执行时甚至不用访问表或索引，例如从一个索引列里选取最小值可以通过单独索引查找完成
- system：这个表（也可能是查询出来的临时表）只有一行数据 (= system table). 是const中的一个特例
- const：表最多有一个匹配行，它将在查询开始时被读取。因为仅有一行，在这行的列值可被优化器剩余部分认为是常数。const 表常量次数， const用于查询条件为PRIMARY KEY或UNIQUE索引并与常数值进行比较时的所有部分。
- eq_ref：对于前几个表中的每一行组合，从该表中读取一行。除了system和const，这是最好的连接类型。当连接使用索引的所有部分，并且索引是主键或唯一非空索引时，将使用它。eq_ref可以用于使用= 操作符比较的带索引的列。比较值可以为常量或一个使用在该表前面所读取的表的列的表达式。 这种情况可认为，完全利用索引去查询的类型，效率比较高。
- ref: 对于每个来自于前面的表的行组合，所有有匹配索引值的行将从这张表中读取。如果联接只使用键的最左边的前缀，或如果键不是UNIQUE或PRIMARY KEY（换句话说，如果联接不能基于关键字查询结果为单个行的话），则使用ref。如果使用的键仅仅匹配少量行，该联接类型是不错的。ref可以用于使用=或<=>操作符的带索引的列。
- range： 只检索给定范围的行，使用一个索引来选择行。key列显示使用了哪个索引。key_len包含所使用索引的最长关键元素。在该类型中ref列为NULL。当使用=、<>、>、>=、<、<=、IS NULL、<=>、BETWEEN或者IN操作符，用常量比较关键字列时，可以使用range
- index： 该联接类型与ALL相同，除了只有索引树被扫描。这通常比ALL快，因为索引文件通常比数据文件小。当查询只使用作为单索引一部分的列时，MySQL可以使用该联接类型。
- ALL： 对于每个来自于先前的表的行组合，进行完整的表扫描。如果表是第一个没标记const的表，这通常不好，并且通常在它情况下很差。通常可以增加更多的索引而不要使用ALL，使得行能基于前面的表中的常数值或列值被检索出
rows： rows 列显示MySQL认为它执行查询时必须检查的行数。
fillter: 表示此查询条件所过滤的数据的百分比 ， 数值越高越好。
根据expain语句提供的信息，查看SQL 执行计划，确定延迟最大的查询阶段，并对此进行优化。
措施包括：
1，修改查询SQL逻辑，最大程度利用索引结构，加速查询效率。
2，修改表的索引设置 。
3，MySQL资源优化配置层面进行优化。
