可维护、可阅读的SQL代码的十个优秀实践

数据库 MySQL
SQL很棒,它是数据分析,数据科学,数据工程甚至软件开发的基础之一。在本文中,我总结了编写SQL的最常见的优秀实践。

没有正确的指导,它很容易混淆SQL。由于团队中的每个人都可能有自己的写作SQL习惯,因此您可以快速结束一个没有人理解的令人困惑的代码。

您可能意识到遵循一套良好实践的重要性..这篇文章为您提供了您正在寻找的指导!

[[416033]]

1. 使用大写的关键字

让我们从一个基本开始:使用大写的SQL关键字,以及小写的表和列。使用SQL函数的大写(First_Value(),date_trunc()等)也是一个很好的做法。

避免:

  1. select id, name from company.customers 

而是:

  1. SELECT id, name FROM company.customers 

2. 使用Snake Case进行Schema,表,列的编写

编程语言在案例类型时具有最佳实践:Camelcase,Pascalcase,Kebabuic和Snake_Case是最常见的。

涉及SQL,Snake Case(有时称为下划线Case)是最广泛使用的约定。

避免:

  1. SELECT Customers.id,  
  2.        Customers.name,  
  3.        COUNT(WebVisit.id) as nbVisit 
  4. FROM COMPANY.Customers 
  5. JOIN COMPANY.WebVisit ON Customers.id = WebVisit.customerId 
  6. WHERE Customers.age <= 30 
  7. GROUP BY Customers.id, Customers.name 

而是:

  1. SELECT customers.id,  
  2.        customers.name,  
  3.        COUNT(web_visit.id) as nb_visit 
  4. FROM company.customers 
  5. JOIN company.web_visit ON customers.id = web_visit.customer_id 
  6. WHERE customers.age <= 30 
  7. GROUP BY customers.id, customers.name 

虽然有些人喜欢包括区分Schema,表和列的变体,但我建议使用Snake Case。

3. 在提高可读性时使用别名

众所周知,别名是重命名表或列没有意义的表格或列的便捷方式。当他们的名字并不有意义时,请随时向您的表和列提供别名,并别名。

避免:

  1. SELECT customers.id,  
  2.        customers.name,  
  3.        customers.context_col1, 
  4.        nested.f0_ 
  5. FROM company.customers 
  6. JOIN ( 
  7.           SELECT customer_id, 
  8.                  MIN(date) 
  9.           FROM company.purchases 
  10.           GROUP BY customer_id 
  11.       ) ON customer_id = customers.id 

而是:

  1. SELECT customers.id,  
  2.        customers.name,  
  3.        customers.context_col1 as ip_address, 
  4.        first_purchase.date    as first_purchase_date 
  5. FROM company.customers 
  6. JOIN ( 
  7.           SELECT customer_id, 
  8.                  MIN(date) as date 
  9.           FROM company.purchases 
  10.           GROUP BY customer_id 
  11.       ) AS first_purchase  
  12.         ON first_purchase.customer_id = customers.id 

我通常用小写的列别名,以及具有大写的表。

4. 格式化:仔细使用缩进和空格

即使它是一个基本的原则,使您的代码更具可读性是一个快速的胜利。正如您与Python一样,您应该标识您的SQL代码。

关键字后,以及使用子查询或派生表后。

避免:

  1. SELECT customers.id, customers.name, customers.age, customers.gender, customers.salary, first_purchase.date 
  2. FROM company.customers 
  3. LEFT JOIN ( SELECT customer_id, MIN(date) as date FROM company.purchases GROUP BY customer_id ) AS first_purchase  
  4. ON first_purchase.customer_id = customers.id  
  5. WHERE customers.age<=30 

而是:

  1. SELECT customers.id,  
  2.        customers.name,  
  3.        customers.age,  
  4.        customers.gender,  
  5.        customers.salary, 
  6.        first_purchase.date 
  7. FROM company.customers 
  8. LEFT JOIN ( 
  9.               SELECT customer_id, 
  10.                      MIN(date) as date  
  11.               FROM company.purchases 
  12.               GROUP BY customer_id 
  13.           ) AS first_purchase  
  14.             ON first_purchase.customer_id = customers.id 
  15. WHERE customers.age <= 30 

此外,请注意我们如何在where子句中使用白空格。

避免:

  1. SELECT id WHERE customers.age<=30 

而是:

  1. SELECT id WHERE customers.age <= 30 

5. 避免 Select *

值得提醒这种良好的做法。您应该明确关于要选择的内容,因此避免使用SELECT *。

选择使您的请求不清楚,因为它隐藏了查询背后的意图。另外,请记住,您的表可能会发展和影响选择。这就是为什么我不是除()教学的除外粉丝。

避免:

  1. SELECT * EXCEPT(id) FROM company.customers 

更喜欢:

  1. SELECT name, 
  2.        age, 
  3.        salary 
  4. FROM company.customers 

6. 使用ANSI-92 Join 语法

…而不是Join表的SQL where子句。虽然您可以使用where子句和join子句来联结表,但它是使用Join / ansi-92语法的最佳实践。

虽然性能方面没有差异,但是Join子句将关系逻辑与过滤器分开并提高可读性。

避免:

  1. SELECT customers.id,  
  2.        customers.name,  
  3.        COUNT(transactions.id) as nb_transaction 
  4. FROM company.customers, company.transactions 
  5. WHERE customers.id = transactions.customer_id 
  6.       AND customers.age <= 30 
  7. GROUP BY customers.id, customers.name 

而是:

  1. SELECT customers.id,  
  2.        customers.name,  
  3.        COUNT(transactions.id) as nb_transaction 
  4. FROM company.customers 
  5. JOIN company.transactions ON customers.id = transactions.customer_id 
  6. WHERE customers.age <= 30 
  7. GROUP BY customers.id, customers.name 

“Where基于条款”语法 - 也称为ANSI-89 - 比新的ANSI-92大,这就是为什么它仍然很常见。如今,大多数开发人员和数据分析师都使用Join语法。

7. 使用公共表表达式(CTE)

CTE允许您定义和执行查询,其中结果暂时存在,并且可以在更大的查询中使用。CTE可在大多数现代数据库上获得。

它类似于派生表,具有2个优点:

  • 使用CTE提高了查询的可读性
  • CTE是定义一次,然后可以多次参考

您用 WITH … AS:

  1. WITH my_cte AS( SELECT col1, col2 FROM table)SELECT * FROM my_cte 

避免:

  1. SELECT customers.id,  
  2.        customers.name,  
  3.        customers.age,  
  4.        customers.gender,  
  5.        customers.salary, 
  6.        persona_salary.avg_salary as persona_avg_salary, 
  7.        first_purchase.date 
  8. FROM company.customers 
  9. JOIN ( 
  10.           SELECT customer_id, 
  11.                  MIN(date) as date  
  12.           FROM company.purchases 
  13.           GROUP BY customer_id 
  14.       ) AS first_purchase  
  15.         ON first_purchase.customer_id = customers.id 
  16. JOIN ( 
  17.           SELECT age, 
  18.              gender, 
  19.              AVG(salary) as avg_salary 
  20.          FROM company.customers 
  21.          GROUP BY age, gender 
  22.       ) AS persona_salary  
  23.         ON persona_salary.age = customers.age 
  24.            AND persona_salary.gender = customers.gender 
  25. WHERE customers.age <= 30 

而是:

  1. WITH first_purchase AS 
  2.    SELECT customer_id, 
  3.           MIN(date) as date  
  4.    FROM company.purchases 
  5.    GROUP BY customer_id 
  6. ), 
  7. persona_salary AS 
  8.    SELECT age, 
  9.           gender, 
  10.           AVG(salary) as avg_salary 
  11.    FROM company.customers 
  12.    GROUP BY age, gender 
  13. SELECT customers.id,  
  14.        customers.name,  
  15.        customers.age,  
  16.        customers.gender,  
  17.        customers.salary, 
  18.        persona_salary.avg_salary as persona_avg_salary, 
  19.        first_purchase.date 
  20. FROM company.customers 
  21. JOIN first_purchase ON first_purchase.customer_id = customers.id 
  22. JOIN persona_salary ON persona_salary.age = customers.age 
  23.                        AND persona_salary.gender = customers.gender 
  24. WHERE customers.age <= 30 

8. 有时,它可能值得分成多个查询

小心这个。让我们给出一些背景:

我经常在BigQuery上使用Airflow,转换数据和准备数据可视化上执行SQL查询。我们有一个工作流Orchestrator(气流),以定义的顺序执行请求。在某些情况下,我们选择将复杂查询拆分为多个较小的查询。

代替:

  1. CREATE TABLE customers_infos AS 
  2. SELECT customers.id, 
  3.        customers.salary, 
  4.        traffic_info.weeks_since_last_visit, 
  5.        category_info.most_visited_category_id, 
  6.        purchase_info.highest_purchase_value 
  7. FROM company.customers 
  8. LEFT JOIN ([..]) AS traffic_info 
  9. LEFT JOIN ([..]) AS category_info 
  10. LEFT JOIN ([..]) AS purchase_info 

你可以使用:

  1. ## STEP1: Create initial table 
  2. CREATE TABLE public.customers_infos AS 
  3. SELECT customers.id, 
  4.        customers.salary, 
  5.        0 as weeks_since_last_visit, 
  6.        0 as most_visited_category_id, 
  7.        0 as highest_purchase_value 
  8. FROM company.customers 
  9. ## STEP2: Update traffic infos 
  10. UPDATE public.customers_infos 
  11. SET weeks_since_last_visit = DATE_DIFF(CURRENT_DATE, 
  12.                                        last_visit.date, WEEK) 
  13. FROM ( 
  14.          SELECT customer_id, max(visit_date) as date 
  15.          FROM web.traffic_info 
  16.          GROUP BY customer_id 
  17.      ) AS last_visit 
  18. WHERE last_visit.customer_id = customers_infos.id 
  19. ## STEP3: Update category infos 
  20. UPDATE public.customers_infos 
  21. SET most_visited_category_id = [...] 
  22. WHERE [...] 
  23. ## STEP4: Update purchase infos 
  24. UPDATE public.customers_infos 
  25. SET highest_purchase_value = [...] 
  26. WHERE [...] 

警告:即使这种方法在简化复杂查询时,它可能会带来可读性/性能权衡。

如果您使用OLAP或任何面向列的数据库,则尤其如此,针对聚合和分析查询(选择,AVG,MIN,MAX,…)进行优化,但在交谈时更少的性能(更新)。

虽然在某些情况下,它也可能提高您的表现。即使使用现代面向列的数据库,也会导致内存或性能问题太多。在这些情况下,拆分您的请求通常有助于性能和内存。

此外,值得一提的是,您需要某种程序或Orchestrator以定义的顺序执行查询。

9. 基于您自己的约定的有意义的名称

正确地命名你的模式和表格很难。使用哪些命名约定是值得难得的,但选择一个并坚持下来并非。您应该定义自己的惯例,并通过您的团队通过它。

 计算机科学中只有两个难题:缓存失效和命名的东西。 - 菲尔卡尔顿

以下是我使用的约定示例:

(1) Schema

如果您使用多种目的的分析数据库,则是在有意义的模式下组织表的良好做法。

在我们的BigQuery数据库中,我们每个数据源的一个架构。更重要的是,我们根据其目的输出不同模式的结果。

  • 任何应由第三方工具可访问的任何表都在公共架构中奠定。Dataviz工具,如DataSudio或Tableau从这里获取他们的数据。
  • 自从我们使用BQML使用机器学习以来,我们有一个专用的Machine_Learning架构。

(2) 表

表格本身应该根据惯例,我们有几个数据可视化的仪表板,每个仪表板都有自己的目的:营销仪表板,一个产品仪表板,一个行政仪表板,名称为几个。

我们的公共模式中的每个表都由仪表板的名称前缀。有些例子可能包括:

  1. product_inbox_usage 
  2. product_addon_competitor_stats 
  3. marketing_acquisition_agencies 
  4. executive_funnel_overview 

在与团队合作时,值得花时间定义您的约定。谈到命名一个新表时,永远不要使用快速和肮脏的名称,你会“更改”:你可能不会。

随意使用这些示例来定义您的约定。

10. 最后,写下有用的注释……但不是太多

我同意良好的写作和理所当然地命名的代码不应需要评论的想法。读取代码的人甚至应该在代码本身之前了解逻辑和意图。

仍然,评论可能在某些情况下很有用。但你肯定应该避免评论的陷阱太多。

避免:

  1. WITH fp AS 
  2.    SELECT c_id,               # customer id 
  3.           MIN(date) as dt     # date of first purchase 
  4.    FROM company.purchases 
  5.    GROUP BY c_id 
  6. ), 
  7. ps AS 
  8.    SELECT age, 
  9.           gender, 
  10.           AVG(salary) as avg 
  11.    FROM company.customers 
  12.    GROUP BY age, gender 
  13. SELECT customers.id,  
  14.        ct.name,  
  15.        ct.c_age,            # customer age 
  16.        ct.gender, 
  17.        ct.salary, 
  18.        ps.avg,              # average salary of a similar persona 
  19.        fp.dt                # date of first purchase for this client 
  20. FROM company.customers ct 
  21. # join the first purchase on client id 
  22. JOIN fp ON c_id = ct.id 
  23. # match persona based on same age and genre 
  24. JOIN ps ON ps.age = c_age 
  25.            AND ps.gender = ct.gender 
  26. WHERE c_age <= 30 

而是:

  1. WITH first_purchase AS 
  2.    SELECT customer_id, 
  3.           MIN(date) as date  
  4.    FROM company.purchases 
  5.    GROUP BY customer_id 
  6. ), 
  7. persona_salary AS 
  8.    SELECT age, 
  9.           gender, 
  10.           AVG(salary) as avg_salary 
  11.    FROM company.customers 
  12.    GROUP BY age, gender 
  13. SELECT customers.id,  
  14.        customers.name,  
  15.        customers.age,  
  16.        customers.gender,  
  17.        customers.salary, 
  18.        persona_salary.avg_salary as persona_avg_salary, 
  19.        first_purchase.date 
  20. FROM company.customers 
  21. JOIN first_purchase ON first_purchase.customer_id = customers.id 
  22. JOIN persona_salary ON persona_salary.age = customers.age 
  23.                        AND persona_salary.gender = customers.gender 
  24. WHERE customers.age <= 30 

结论

SQL很棒。它是数据分析,数据科学,数据工程甚至软件开发的基础之一:它不会等待。它的灵活性是一种力量,但可以是陷阱。

您可能不会最初意识到这一点,特别是如果您是唯一负责自己代码的人。但在某些时候,在与团队合作或者有人继续工作时,没有一系列最佳实践的SQL代码将成为负担。

在本文中,我总结了编写SQL的最常见的优秀实践。当然,有些是争辩或基于个人意见:您可能希望从这里获得灵感,并定义与您的团队不同的东西。

我希望它能帮助您将您的SQL质量带到一个下一个高度!

原文链接:

https://towardsdatascience.com/10-best-practices-to-write-readable-and-maintainable-sql-code-427f6bb98208

 

责任编辑:赵宁宁 来源: 今日头条
相关推荐

2023-01-27 14:53:03

2022-08-12 07:48:49

Argo容器

2022-04-11 08:30:00

IT网络安全工作流程

2024-02-01 00:13:28

React前端开发

2021-07-27 09:00:00

开发Web软件

2013-04-15 09:02:43

JavaScriptJS

2021-09-30 09:53:47

网络安全网络攻击网络威胁

2023-04-10 11:25:29

工程交流DX

2023-02-24 14:28:56

2023-11-08 13:55:27

2022-02-17 10:31:42

云安全IT漏洞

2014-10-23 08:56:42

开源项目C

2023-11-13 08:18:56

2020-09-16 14:39:13

ReactJavaScript框架

2023-07-31 10:21:56

数据中心运营商

2022-11-03 15:26:52

2023-06-29 00:19:51

2017-06-07 14:34:48

数据DB修改

2021-08-26 10:16:36

IT人才首席信息官主管

2023-05-31 10:08:51

点赞
收藏

51CTO技术栈公众号