SQL不完全实践指南

1. 引言

上回Void同学主要聊了聊他对使用过的数据仓库的体验和测评。与Void"花式干饭"不同，本人在工作中主要接触的是Snowflake，以及在不同的平台里连接Snowflake写SQL，也整理一些初入数据分析常踩的坑，希望可以帮助大家绕过这些问题。

2. SQL结构篇

2.1 选择合适驱动表

进行两表或者多表Join的时候，一般会考虑需求和性能两个方面:

• 业务需求上：选择和结果表粒度相同的表作为驱动表：例如，如果结果表是统计某一天一群目标用户的某个行为指标，一般会选择用一张用户表的快照作为驱动表进行筛选，然后左连接相应的用户行为表。
• 性能上：选择小表作为驱动表连接大表，对大表建立索引：如果两张需要Join的表记录数量差异很大，一般会把小表放在前面。因为在表连接时，只有右连接表里的索引会生效，且索引在大表中效率提升更明显。

2.2 join前去重

表连接时，如果没有对两表进行去重，则会因为笛卡尔积出现大量重复记录。一般来说Join前去重方式有以下种：

• distinct 去重
• group by 去重
• 窗口函数 row_number() 去重（注意MySQL 8.0版本以上才可以使用窗口函数）

假设我们目前有两张表，一张员工表dept_emp，包含数据如下：