大數(shù)據(jù)分析中關(guān)系數(shù)據(jù)庫SQL的設(shè)計(jì)思想

　　數(shù)據(jù)分析中關(guān)系數(shù)據(jù)庫的設(shè)計(jì)思想介紹關(guān)系數(shù)據(jù)庫的設(shè)計(jì)思想：在 SQL 中，一切皆關(guān)系。關(guān)系數(shù)據(jù)庫同樣也有自己的設(shè)計(jì)思想：在 SQL 中，一切皆關(guān)系。
 

一、關(guān)系模型
 

　　關(guān)系模型(Relational model)由 E.F.Codd 博士于 1970 年提出，以集合論中的關(guān)系概念為基礎(chǔ);無論是現(xiàn)實(shí)世界中的實(shí)體對(duì)象還是它們之間的聯(lián)系都使用關(guān)系表示。我們?cè)跀?shù)據(jù)庫系統(tǒng)中看到的關(guān)系就是二維表(Table)，由行(Row)和列(Column)組成。因此，也可以說關(guān)系表是由數(shù)據(jù)行構(gòu)成的集合。

　　關(guān)系模型由數(shù)據(jù)結(jié)構(gòu)、關(guān)系操作、完整性約束三部分組成。
 

　　1)關(guān)系模型中的數(shù)據(jù)結(jié)構(gòu)就是關(guān)系表，包括基礎(chǔ)表、派生表(查詢結(jié)果)和虛擬表(視圖)。
 

　　2)常用的關(guān)系操作包括增加、刪除、修改和查詢(CRUD)，使用的就是 SQL 語言。其中查詢操作最為復(fù)雜，包括選擇(Selection)、投影(Projection)、并集(Union)、交集(Intersection)、差集(Exception)以及笛卡兒積(Cartesian product)等。
 

　　3)完整性約束用于維護(hù)數(shù)據(jù)的完整性或者滿足業(yè)務(wù)約束的需求，包括實(shí)體完整性(主鍵約束)、參照完整性(外鍵約束)以及用戶定義的完整性(非空約束、唯一約束、檢查約束和默認(rèn)值)。
 

　　我們今天的主題是關(guān)系操作語言，也就是 SQL。
 

二、面向集合
 

　　SQL(結(jié)構(gòu)化查詢語言)是操作關(guān)系數(shù)據(jù)庫的標(biāo)準(zhǔn)語言。SQL 非常接近英語，使用起來非常簡單。它在設(shè)計(jì)之初就考慮了非技術(shù)人員的使用需求，我們通常只需說明想要的結(jié)果(What)，而將數(shù)據(jù)處理的過程(How)交給數(shù)據(jù)庫管理系統(tǒng)。所以說，SQL才是真正給人用的編程語言!
 

　　接下來我們具體分析一下關(guān)系的各種操作語句;目的是為了讓大家能夠了解 SQL 是一種面向集合的編程語言，它的操作對(duì)象是集合，操作的結(jié)果也是集合。
 

　　在關(guān)系數(shù)據(jù)庫中，關(guān)系、表、集合三者通常表示相同的概念。
 

三、SELECT
 

　　下面是一個(gè)簡單的查詢語句：

　　它的作用就是從 employees 表中查詢員工信息。
 

　　顯然，我們都知道 FROM 之后是一個(gè)表(關(guān)系、集合)。不僅如此，整個(gè)查詢語句的結(jié)果也是一個(gè)表。
 

　　所以，我們可以將上面的查詢作為表使用：

　　括號(hào)內(nèi)的查詢語句被稱為派生表，我們給它指定了一個(gè)別名叫做t。同樣，整個(gè)查詢結(jié)果也是一個(gè)表;這就意味著我們可以繼續(xù)嵌套，雖然這么做很無聊。
 

　　我們?cè)倏匆粋€(gè)PostgreSQL中的示例：

　　upper()是一個(gè)大寫轉(zhuǎn)換的函數(shù)。它出現(xiàn)再FROM子句中，意味著它的結(jié)果也是一個(gè)表，只不過是1行1列的特殊表。
 

　　SELECT 子句用于指定需要查詢的字段，可以包含表達(dá)式、函數(shù)值等。SELECT 在關(guān)系操作中被稱為投影(Projection)，看下面的示意圖應(yīng)該就比較好理解了。

　　除了SELECT之外，還有一些常用的 SQL 子句。
 

　　WHERE用于指定數(shù)據(jù)過濾的條件，在關(guān)系運(yùn)算中被稱為選擇(Selection)，示意圖如下：

　　ORDER BY用于對(duì)查詢的結(jié)果進(jìn)行排序，示意圖如下：

　　總之，SQL 可以完成各種數(shù)據(jù)操作，例如過濾、分組、排序、限定數(shù)量等;所有這些操作的對(duì)象都是關(guān)系表，結(jié)果也是關(guān)系表。

　　在這些關(guān)系操作中，有一個(gè)比較特殊，就是分組。
 

四、GROUP BY
 

　　分組( GROUP BY)操作和其他的關(guān)系操作不同，因?yàn)樗淖兞岁P(guān)系的結(jié)構(gòu)。來看下面的示例：

　　該語句的目的是按照部門統(tǒng)計(jì)員工的數(shù)量，但是存在一個(gè)語法錯(cuò)誤，就是 first_name 不能出現(xiàn)在查詢列表中。原因在于按照部門進(jìn)行分組的話，每個(gè)部門包含多個(gè)員工;無法確定需要顯示哪個(gè)員工的姓名，這是一個(gè)邏輯上的錯(cuò)誤。
 

　　所以說，GROUP BY 改變了集合元素(數(shù)據(jù)行)的結(jié)構(gòu)，創(chuàng)建了一個(gè)全新的關(guān)系。
 

　　分組操作的示意圖如下：

　　盡管如此，GROUP BY 的結(jié)果仍然是一個(gè)集合。
 

五、UNION
 

　　SQL 面向集合特性最明顯的體現(xiàn)就是：
 

　　1)UNION(并集運(yùn)算)

　　2)INTERSECT(交集運(yùn)算)

　　3)EXCEPT/MINUS(差集運(yùn)算)
 

　　這些集合運(yùn)算符的作用都是將兩個(gè)集合并成一個(gè)集合，因此需要滿足以下條件：
 

　　1)兩邊的集合中字段的數(shù)量和順序必須相同;

　　2)兩邊的集合中對(duì)應(yīng)字段的類型必須匹配或兼容。
 

　　具體來說，UNION 和 UNION ALL 用于計(jì)算兩個(gè)集合的并集，返回出現(xiàn)在第一個(gè)查詢結(jié)果或者第二個(gè)查詢結(jié)果中的數(shù)據(jù)。
 

　　它們的區(qū)別在于 UNION排除了結(jié)果中的重復(fù)數(shù)據(jù)，UNION ALL保留了重復(fù)數(shù)據(jù)。
 

　　下面是 UNION 操作的示意圖：

　　INTERSECT 操作符用于返回兩個(gè)集合中的共同部分，即同時(shí)出現(xiàn)在第一個(gè)查詢結(jié)果和第二個(gè)查詢結(jié)果中的數(shù)據(jù)，并且排除了結(jié)果中的重復(fù)數(shù)據(jù)。
 

　　INTERSECT 運(yùn)算的示意圖如下：

　　EXCEPT 或者 MINUS 操作符用于返回兩個(gè)集合的差集，即出現(xiàn)在第一個(gè)查詢結(jié)果中，但不在第二個(gè)查詢結(jié)果中的記錄，并且排除了結(jié)果中的重復(fù)數(shù)據(jù)。
 

　　EXCEPT 運(yùn)算符的示意圖如下：

　　除此之外，DISTINCT 運(yùn)算符用于消除重復(fù)數(shù)據(jù)，也就是排除集合中的重復(fù)元素。
 

　　SQL 中的關(guān)系概念來自數(shù)學(xué)中的集合理論，因此 UNION、INTERSECT 和 EXCEPT 分別來自集合論中的并集(∪\cup∪)、交集(∩\cap∩)和差集(?\setminus?)運(yùn)算。
 

　　需要注意的是，集合理論中的集合不允許存在重復(fù)的數(shù)據(jù)，但是 SQL 允許。因此，SQL 中的集合也被稱為多重集合(multiset);多重集合與集合理論中的集合都是無序的，但是 SQL 可以通過 ORDER BY 子句對(duì)查詢結(jié)果進(jìn)行排序。
 

六、JOIN
 

　　在 SQL 中，不僅實(shí)體對(duì)象存儲(chǔ)在關(guān)系表中，對(duì)象之間的聯(lián)系也存儲(chǔ)在關(guān)系表中。因此，當(dāng)我們想要獲取這些相關(guān)的數(shù)據(jù)時(shí)，需要使用到另一個(gè)操作：連接查詢(JOIN)。
 

　　常見的 SQL連接查類型包括內(nèi)連接、外連接、交叉連接等。其中，外連接又可以分為左外連接、右外連接以及全外連接。
 

　　內(nèi)連接(Inner Join)返回兩個(gè)表中滿足連接條件的數(shù)據(jù)，內(nèi)連接的原理如下圖所示：

　　左外連接(Left Outer Join)返回左表中所有的數(shù)據(jù);對(duì)于右表，返回滿足連接條件的數(shù)據(jù);如果沒有就返回空值。
 

　　左外連接的原理如下圖所示：
 

　　右外連接(Right Outer Join)返回右表中所有的數(shù)據(jù);對(duì)于左表，返回滿足連接條件的數(shù)據(jù)，如果沒有就返回空值。右外連接與左外連接可以互換，以下兩者等價(jià)：

　　全外連接(Full Outer Join)等價(jià)于左外連接加上右外連接，同時(shí)返回左表和右表中所有的數(shù)據(jù);對(duì)于兩個(gè)表中不滿足連接條件的數(shù)據(jù)返回空值。
 

　　全外連接的原理如下圖所示：

　　交叉連接也稱為笛卡爾積(Cartesian Product)。兩個(gè)表的交叉連接相當(dāng)于一個(gè)表的所有行和另一個(gè)表的所有行兩兩組合，結(jié)果的數(shù)量為兩個(gè)表的行數(shù)相乘。
 

　　交叉連接的原理如下圖所示：

　　其他類型的連接還有半連接(SEMI JOIN)、反連接(ANTI JOIN)。
 

　　集合操作將兩個(gè)集合合并成一個(gè)更大或更小的集合;連接查詢將兩個(gè)集合轉(zhuǎn)換成一個(gè)更大或更小的集合，同時(shí)獲得了一個(gè)更大的元素(更多的列)。很多時(shí)候集合操作都可以通過連接查詢來實(shí)現(xiàn)，例如：

　　等價(jià)于：

　　我們已經(jīng)介紹了許多查詢的示例，接下來看看其他的數(shù)據(jù)操作。
 

七、DML
 

　　DML 表示數(shù)據(jù)操作語言，也就是插入、更新和刪除。以下是一個(gè)插入語句示例：

　　我們通過一個(gè) INSERT 語句插入了 3 條記錄，或者說是插入了一個(gè)包含 3 條記錄的關(guān)系表。因?yàn)椋琔NION ALL 返回的是一個(gè)關(guān)系表。VALUES 同樣是指定了一個(gè)關(guān)系表，在 SQL Server 和 PostgreSQL 中支持以下語句：

　　前面我們已經(jīng)說過，F(xiàn)ROM 之后是一個(gè)關(guān)系表，所以這里的 VALUES 也是一樣。由于我們經(jīng)常插入單條記錄，并沒有意識(shí)到實(shí)際上是以表為單位進(jìn)行操作。
 

　　同樣，UPDATE 和 DELETE 語句也都是以關(guān)系表為單位的操作;只不過我們習(xí)慣了說更新一行數(shù)據(jù)或者刪除幾條記錄。