Chapter6 SQL

Sequential Query Language

基本解题思路

  • Metrics, what does the result look like

  • 需要什么数据

  • 怎么获取数据

  • 有了数据怎么计算(avg,count)

面试

  1. 电话面试:“2张表格” 借助草稿纸,口头说

  2. share doc,copy paste问题,规定时间内写SELECT FROM 实时看写语句的顺序、停顿的位置...

  3. On-Site: 白板

强推postgre SQL (相比较Oracle SQL/MySQL... )

非关系型数据库 HIVE Query也和SQL差不多

Cheatsheet

执行顺序 ROM-->WHERE-->GROUP BY-->HAVING-->SELECT-->ORDER BY

  1. Group By 1 可以当做一种简写,指的group by select语句中的第一列 同理,ORDER BY 2 也是一种简写

  2. HAVING是在select之后才操作的,所以Having里有Select里用到的aggregation function

  3. UNION,连接的是两个SELECT语句,需要SELECT的column名字一样,数量也一样,默认的是unique values,所以假如有两个row一模一样,它会合并掉;如果想保留,用UNION ALL

UNION, INTERSECT, EXCEPT

subqueries:

Window Function, row-number() over (partition by X order by Y) 这里容易犯的错误是partition by后面写很多column

Window Function, rank() over (partition by X oder by Y) row_number, rank, dense_rank的意义都是排序,但是区别是row_number给出单纯的行号,两种rank都给出排序后的号,两个相同数值给一样的rank;区别是rank的5、6名是同一个数字,则第七名标7,可是dense rank的第七名会标6,顺着之前的数字来。

Window Function, sum() over () 得到的是cumulative sum

Case When除了最上面的基本用法之外,更常用的是结合aggregation function使用。如果多个Case是同样的条件,那么只执行第一个条件。 +aggregation_function 比如:

另外window function还可以用来算一堆数据中的median,因为median具有一个特性:它的row_number的编号处在正中间,那么就可以通过从小到大排、从大到小排。如果是奇数,那么这两种排序后相等的那个就是中间的了,如果是偶数,会有两个index,分别是对方的+-1;不管如何,都可以对这部分匹配的。

row_number over (partition by group by) as row_num WHERE row_num=INT(COUNT(*)/2)

最后SQL也可以用来generate distribution或者bucketization。

t_pages

page_id

product_id

t_users

user_id

page_id

timestamp

Last updated