数据蒋堂 | SQL像英语是个善意的错误

我们知道，SQL长得很像英语词语，简单的SQL语句直接可以作为英语读。除了SQL外，其它主要程序设计语言都没有这样，语法中就算有英语单词也仅仅是作为某些概念或操作的助记符而已，写出来的是形式化的程序语句(statement)而不是英语句子(sentence)。而SQL不同，它会把整个句子写成符合英语习惯的形式，还会补充很多不必要的介词，比如FROM作为语句的运算主体却被写到后面，GROUP后面要写一个多余的BY。

为什么会这样？很容易想到的理由是希望非程序设计人员也能使用。用户只要会读写英语，就可以写出SQL来查询数据。这显然是个善意的初衷，但结果却不尽如人意。绝大多数业务人员只会用SQL写非常简单的查询，而对于这类查询，应用程序常常都有更为便捷直观的可视化界面来协助，并不需要直接手写语句，这个设计初衷就失去意义。反过来， 经常使用SQL做运算的仍然是程序员，SQL还是一种编程语言，像不像英语对于程序员理解并没有多大差别，反而会带来不小的困难。

事实上，SQL是一种语法非常严格的语言，语句中任何一点不合规的地方就会被解释器拒绝，使用者必须认真学习并遵守其语法规则，这和其它程序设计语言并没什么两样。而自然语言真正的优势在于具有模糊性，可以一定程度接受不严格的语法，但SQL并没有支持这一点，在发明SQL那个年代也实现不了这个特性。

像英语的好处没有体现，坏处却很严重，将语法设计得像自然语言，看起来容易掌握，其实恰恰相反。

贴近自然语言带来的主要坏处是非过程性。程序逻辑一般是分步执行的，用变量记录中间结果，供后面的步骤使用。但自然语言不是这样，两句话之间的引用关系靠少量几个代词维系，不够用且不精确，所以更习惯的做法是把尽量多的任务写在一句话中，复杂情况下就会大量使用从句。在SQL中的表现就是一句话中配有多个动作，SELECT、WHERE、GROUP都拼进去，像WHERE和HAVING其实是一个意思，却要采用两个词以示区别，而查询需求复杂时就会出现多层嵌套的子查询。这种现象在其它程序设计语中是不常见的。

分步是降低理解和执行难度的有效法门，本来挺简单分几步能做到的事情，如果不分步就会很绕。比如要找出销售额超过平均值两倍的客户，自然思维方式就是先算出销售额的平均值，再找出销售额超这个值两倍的客户，两个语句完成。而SQL的写法就需要用子查询写成更长的一句。这个例子还算好懂，只有两层，一般自然语言的从句用来描述两层关系的理解难度还可以接受，但实际复杂的查询涉及到三五层的比比皆是，严重增加理解难度。

不提倡分步，就会导致单句SQL很长。程序员面临的复杂SQL语句，很少以行计，经常是以K计。而同样的100行代码，分成100个语句还是只有1个语句，其复杂度完全不是一个层面的。这种代码理解起来非常困难，好不容易写出来，过两个月后自己都读不懂，而且太长不分步的单句非常难以调试，开发周期也更长。

关于过程性，SQL的拥趸者一直有一个说法：写SQL时用户只要关心要什么，而不必关心怎么做，计算机会自动找解决方案，这样语法本身不需要支持过程性。

这其实是个胡扯！

任何程序语言在某种层次上都具有这个能力，写汇编语言需要关心寄存器和内存的动作，但不必关心更下层的与非门的动作。SQL中不必关心数据在物理存储层面（文件系统、内存和硬盘）的动作，但仍然要关心逻辑层面（表和字段）的运算。SQL语句事实上也在描述运算逻辑，特别是多层嵌套关联的复杂SQL，在描述问题目标的同时，实际上也指明了执行过程，或者倒过来说，在SQL中也只能用指明执行过程的方法来描述问题目标，只不过相对比较高层次一些而已。

不过，SQL只是不提倡分步计算，而并非完全不支持过程性。使用存储过程就相当于分步执行SQL，使用外部程序调用SQL也可以实现过程性，如果不考虑临时表（用于存储中间结果）和数据库IO（外部语言调用SQL时要获得运算结果）的低性能，这些方法在功能上并没什么缺失。但要考虑到数据量导致的性能问题时，还是经常需要编写长SQL才能解决问题。在数据量较小、性能问题不突出时，可以用这些方法来补充SQL的过程性。

专栏作者简介

润乾软件创始人、首席科学家

清华大学计算机硕士，著有《非线性报表模型原理》等，1989年，中国首个国际奥林匹克数学竞赛团体冠军成员，个人金牌；2000年，创立润乾公司；2004年，首次在润乾报表中提出非线性报表模型，完美解决了中国式复杂报表制表难题，目前该模型已经成为报表行业的标准；2014年，经过7年开发，润乾软件发布不依赖关系代数模型的计算引擎——集算器，有效地提高了复杂结构化大数据计算的开发和运算效率；2015年，润乾软件被福布斯中文网站评为“2015福布斯中国非上市潜力企业100强”；2016年，荣获中国电子信息产业发展研究院评选的“2016年中国软件和信息服务业十大领军人物”；2017年, 自主创新研发新一代的数据仓库、云数据库等产品即将面世。

数据蒋堂

《数据蒋堂》的作者蒋步星，从事信息系统建设和数据处理长达20多年的时间。他丰富的工程经验与深厚的理论功底相互融合、创新思想与传统观念的相互碰撞，虚拟与现实的相互交织，产生出了一篇篇的沥血之作。此连载的内容涉及从数据呈现、采集到加工计算再到存储以及挖掘等各个方面。大可观数据世界之远景、小可看技术疑难之细节。针对数据领域一些技术难点，站在研发人员的角度从浅入深，进行全方位、360度无死角深度剖析；对于一些业内观点，站在技术人员角度阐述自己的思考和理解。蒋步星还会对大数据的发展，站在业内专家角度给予预测和推断。静下心来认真研读你会发现，《数据蒋堂》的文章，有的会让用户避免重复前人走过的弯路，有的会让攻城狮面对扎心的难题茅塞顿开，有的会为初入行业的读者提供一把开启数据世界的钥匙，有的甚至会让业内专家大跌眼镜，产生思想交锋。

原文发布时间为：2017-07-28

本文作者：蒋步星

本文来自云栖社区合作伙伴“数据派THU”，了解相关信息可以关注“数据派THU”微信公众号

【SQL开发实战技巧】系列（二十五）：数仓报表场景☞结果集中的重复数据只显示一次以及计算部门薪资差异高效的写法以及如何对数据进行快速分组 本篇文章讲解的主要内容是：***如何使用lag函数让结果集重复数据只显示一次、用行转列pivot写法优化部门之间计算工资差异类似需求、如何通过ceil函数对已有数据进行分组打印、放假安排团队分组值班，如何通过ntile()over(order by )快速进行人员分组***
【SQL开发实战技巧】系列（二十三）：数仓报表场景☞ 如何对数据排列组合去重以及通过如何找到包含最大值和最小值的记录这个问题再次用执行计划给你证明分析函数性能不一定高 怎样对数据组合重新排列并去重的问题、通过如何找到包含最大值和最小值的记录这个问题再次用执行计划给你证明分析函数性能不一定高【SQL开发实战技巧】这一系列博主当作复习旧知识来进行写作，毕竟SQL开发在数据分析场景非常重要且基础，面试也会经常问SQL开发和调优经验，相信当我写完这一系列文章，也能再有所收获，未来面对SQL面试也能游刃有余~。本篇文章主要介绍的两个方面，第一个方面曾经有好几个网友和同事问我，第二个问题真的是很多同行的通病，认为分析函数是万金油，一股脑用。
【SQL开发实战技巧】系列（二十一）：数据仓库中时间类型操作（进阶）识别重叠的日期范围，按指定10分钟时间间隔汇总数据 如何识别重叠的日期范围、日期出现次数、确定当前记录和下一条记录之间相差的天数【SQL开发实战技巧】这一系列博主当作复习旧知识来进行写作，毕竟SQL开发在数据分析场景非常重要且基础，面试也会经常问SQL开发和调优经验，相信当我写完这一系列文章，也能再有所收获，未来面对SQL面试也能游刃有余~。例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
【SQL开发实战技巧】系列（二十）：数据仓库中时间类型操作（进阶）获取季度开始结束时间以及如何统计非连续性时间的数据 本篇文章讲解的主要内容是：***汇总报表时常要求按季度分类汇总这就需要通过给定年份获取对应的季度开始结束时间、业务数据不连续的情况下如何统计所有年份数据、如何统计相同月份与周内日期聘用的员工、如何返回2月或12月聘用的所有员工以及周二聘用的所有员工***
【SQL开发实战技巧】系列（十五）：查找最值所在行数据信息及快速计算总和百之max/min() keep() over()、fisrt_value、last_value、ratio_to_report 本篇文章讲解的主要内容是：***计算部门中那个工资等级的员工最多、通过返回部门10最大工资所在行的员工名称小案例来讲解max/min() keep() over()、通过查询工资最高的人小案例来介绍fisrt_value、last_value、通过计算各个部门的工资合计以及各个部门合计工资占总工资的比例小案例来介绍如何计算百分比及ratio_to_report分析函数的使用***
【SQL开发实战技巧】系列（八）：聊聊如何插入数据时比约束更灵活的限制数据插入以及怎么一个insert语句同时插入多张表 插入数据、阻止对某几列插入的实现、复制表的定义和数据以及注意事项、比创建约束功能更强大！用 WITH CHECK OPTION限制数据录入、如何一个insert将数据同时插入多个表【SQL开发实战技巧】这一系列博主当作复习旧知识来进行写作，毕竟SQL开发在数据分析场景非常重要且基础，面试也会经常问SQL开发和调优经验，相信当我写完这一系列文章，也能再有所收获，未来面对SQL面试也能游刃有余~。但是！ORA - 01723 : 不允许长度为 0 的列。
【SQL开发实战技巧】系列（七）：从有重复数据前提下如何比较出两个表中的差异数据及对应条数聊起 本篇文章讲解的主要内容是：***如果有重复数据如何检查出两个表中的差异数据及对应条数、表连接做聚合容易出现重复计算的错误、多表查询空值处理问题、NOT IN的子查询范围不能是空值，否则查询结果为空。***
第十二届 BigData NoSQL Meetup — 基于hbase的New sql落地实践 立即下载