本文会分享四个在面试和工作中常用的几个使用技巧，具体包括：
日期与期间的高级使用 临时表与Common Table Expression (WITH) Aggregation 与CASE WHEN的结合使用 Window Function的其他用途数仓?不就是写写 SQL 吗…
日期与时间段的筛选在工作中是经常被用到的，因为在拉取报表、仪表板和各种分析时，周、月、季度、年度的表现往往是分析需要考量的重点。
时间区段的提取：Extract
语法 -- field可以是day、hour、minute, month, quarter等等 -- source可以是date、timestamp类型 extract(field FROM source) 使用 SELECT extract( year FROM '2020-08-05 09:30:08' ); -- 结果为 2020 SELECT extract(quarter FROM '2020-08-05 09:30:08' ); -- 结果为 3 SELECT extract( month FROM '2020-08-05 09:30:08' ); -- 结果为 8 SELECT extract(week FROM '2020-08-05 09:30:08' ); -- 结果为 31,一年中的第几周 SELECT extract( day FROM '2020-08-05 09:30:08' ); -- 结果为 5 SELECT extract( hour FROM '2020-08-05 09:30:08' ); -- 结果为 9 SELECT extract( minute FROM '2020-08-05 09:30:08' ); -- 结果为 30 SELECT extract( second FROM '2020-08-05 09:30:08' ); -- 结果为 8注意：
impala支持：YEAR, QUARTER, MONTH, DAY, HOUR, MINUTE, SECOND, MILLISECOND, EPOCH
Hive支持：day, dayofweek, hour, minute, month, quarter, second, week 和 year
Hive是从Hive2.2.0版本开始引入该函数
周的提取
语法在按照周的区间进行统计时，需要识别出周一的日期与周日的日期，这个时候经常会用到下面的函数：
next_day(STRING start_date, STRING day_of_week) -- 返回当前日期对应的下一个周几对应的日期 -- 2020-08-05为周三 SELECT next_day( '2020-08-05' , 'MO' ) -- 下一个周一对应的日期：2020-08-10 SELECT next_day( '2020-08-05' , 'TU' ) -- 下一个周二对应的日期：2020-08-11 SELECT next_day( '2020-08-05' , 'WE' ) -- 下一个周三对应的日期：2020-08-12 SELECT next_day( '2020-08-05' , 'TH' ) -- 下一个周四对应的日期：2020-08-06，即为本周四 SELECT next_day( '2020-08-05' , 'FR' ) -- 下一个周五对应的日期：2020-08-07，即为本周五 SELECT next_day( '2020-08-05' , 'SA' ) -- 下一个周六对应的日期：2020-08-08，即为本周六 SELECT next_day( '2020-08-05' , 'SU' ) -- 下一个周日对应的日期：2020-08-09，即为本周日 -- 星期一到星期日的英文（Monday，Tuesday、Wednesday、Thursday、Friday、Saturday、Sunday） 使用那么该如何获取当前日期所在周的周一对应的日期呢?只需要先获取当前日期的下周一对应的日期，然后减去7天，即可获得：
SELECT date_add(next_day( '2020-08-05' , 'MO' ),-7);同理，获取当前日期所在周的周日对应的日期，只需要先获取当前日期的下周一对应的日期，然后减去1天，即可获得：
select date_add(next_day( '2020-08-05' , 'MO' ),-1) -- 2020-08-09月的提取
语法至于怎么将月份从单一日期提取出来呢，LAST_DAY这个函数可以将每个月中的日期变成该月的最后一天(28号，29号，30号或31号)，如下：
last_day(STRING date ) 使用 SELECT last_day( '2020-08-05'); -- 2020-08-31除了上面的方式，也可以使用date_format函数，比如：
SELECT date_format( '2020-08-05' , 'yyyy-MM' ); -- 2020-08日期的范围
月的Window：使用add_months加上trunc()的应用
-- 返回加减月份之后对应的日期 -- 2020-07-05 select add_months( '2020-08-05' , -1) -- 返回当前日期的月初日期 -- 2020-08-01 select trunc( "2020-08-05" , 'MM' )由上面范例可见，单纯使用add_months，减N个月的用法，可以刚好取到整数月的数据，但如果加上trunc()函数，则会从前N个月的一号开始取值。
-- 选取2020-07-05到2020-08-05所有数据 BETWEEN add_months( '2020-08-05' , -1) AND '2020-08-05' -- 选取2020-07-01到2020-08-05之间所有数据 BETWEEN add_months(trunc( "2020-08-05" , 'MM' ),-1) AND '2020-08-05'这两种方法是日常工作中经常被使用到，对于一些比较复杂的计算任务，为了避免过多的JOIN，通常会先把一些需要提取的部分数据使用临时表或是CTE的形式在主要查询区块前进行提取。
临时表的作法：
CREATE TEMPORARY TABLE table_1 AS SELECT columns FROM table A; CREATE TEMPORARY table_2 AS SELECT columns FROM table B; SELECT table_1.columns, table_2.columns, c.columns FROM table C JOIN table_1 JOIN table_2;CTE的作法：
-- 注意Hive、Impala支持这种语法，低版本的MySQL不支持(高版本支持)
-- 注意Hive、Impala支持这种语法，低版本的MySQL不支持(高版本支持) WITH employee_by_title_count AS ( SELECT t. name as job_title , COUNT (e.id) as amount_of_employees FROM employees e JOIN job_titles t on e.job_title_id = t.id GROUP BY 1 ), salaries_by_title AS ( SELECT name as job_title , salary FROM job_titles ) SELECT * FROM employee_by_title_count e JOIN salaries_by_title s ON s.job_title = e.job_title可以看到TEMP TABLE和CTE WITH的用法其实非常类似，目的都是为了让你的Query更加一目了然且优雅简洁。很多人习惯将所有的Query写在单一的区块里面，用过多的JOIN或SUBQUERY，导致最后逻辑丢失且自己也搞不清楚写到哪里，适时的使用TEMP TABLE和CTE作为辅助，绝对是很加分的。
将Aggregation function (SUM/COUNT/COUNT DISTINCT/MIN/MAX) 结合CASE WHEN是最强大且最有趣的使用方式。这样的使用创造出一种类似EXCEL中SUMIF/COUNTIF的效果，可以用这个方式做出很多高效的分析。
Table Name: order Column: register_date, order_date, user_id, country, order_sales, order_id数据准备
CREATE TABLE order ( register_date string, order_date string, user_id string, country string, order_sales decimal (10,2), order_id string); INSERT INTO TABLE order VALUES ( "2020-06-07" , "2020-06-09" , "001" , 'c0' ,210, "o1" ); INSERT INTO TABLE order VALUES ( "2020-06-08" , "2020-06-09" , "002" , 'c1' ,220, "o2" ); INSERT INTO TABLE order VALUES ( "2020-06-07" , "2020-06-10" , "003" , 'c2' ,230, "o3" ); INSERT INTO TABLE order VALUES ( "2020-06-09" , "2020-06-10" , "004" , 'c3' ,200, "o4" ); INSERT INTO TABLE order VALUES ( "2020-06-07" , "2020-06-20" , "005" , 'c4' ,300, "o5" ); INSERT INTO TABLE order VALUES ( "2020-06-10" , "2020-06-23" , "006" , 'c5' ,400, "o6" ); INSERT INTO TABLE order VALUES ( "2020-06-07" , "2020-06-19" , "007" , 'c6' ,600, "o7" ); INSERT INTO TABLE order VALUES ( "2020-06-12" , "2020-06-18" , "008" , 'c7' ,700, "o8" ); INSERT INTO TABLE order VALUES ( "2020-06-07" , "2020-06-09" , "009" , 'c8' ,100, "o9" ); INSERT INTO TABLE order VALUES ( "2020-06-15" , "2020-06-18" , "0010" , 'c9' ,200, "o10" ); INSERT INTO TABLE order VALUES ( "2020-06-15" , "2020-06-19" , "0011" , 'c10' ,250, "o11" ); INSERT INTO TABLE order VALUES ( "2020-06-12" , "2020-06-29" , "0012" , 'c11' ,270, "o12" ); INSERT INTO TABLE order VALUES ( "2020-06-16" , "2020-06-19" , "0013" , 'c12' ,230, "o13" ); INSERT INTO TABLE order VALUES ( "2020-06-17" , "2020-06-20" , "0014" , 'c13' ,290, "o14" ); INSERT INTO TABLE order VALUES ( "2020-06-20" , "2020-06-29" , "0015" , 'c14' ,203, "o15" );CASE WHEN 时间，进行留存率/使用率的分析
-- 允许多列去重 set hive.groupby.skewindata = false -- 允许使用位置编号分组或排序 set hive.groupby.orderby.position.alias = true SELECT date_add(Next_day(register_date, 'MO' ),-1) AS week_end, COUNT ( DISTINCT CASE WHEN order_date BETWEEN register_date AND date_add(register_date,6) THEN user_id END ) AS first_week_order, COUNT ( DISTINCT CASE WHEN order_date BETWEEN date_add(register_date ,7) AND date_add(register_date,13) THEN user_id END ) AS sencod_week_order, COUNT ( DISTINCT CASE WHEN order_date BETWEEN date_add(register_date ,14) AND date_add(register_date,20) THEN user_id END ) as third_week_order FROM order GROUP BY 1上面的示例可以得知到用户在注册之后，有没有创建订单的行为。比如注册后的第一周，第二周，第三周分别有多少下单用户，这样可以分析出用户的使用情况和留存情况。
注意：上面的使用方式，需要配置两个参数：
hive.groupby.skewindata = false：允许多列去重，否则报错：
SemanticException [Error 10022]: DISTINCT on different columns not supported with skew in data
hive.groupby.orderby.position.alias = true：允许使用位置编号分组或排序,否则报错：
SemanticException [Error 10025]: line 79:13 Expression not in GROUP BY key ''MO''
CASE WHEN 时间，进行每个用户消费金额的分析
SELECT user_id, SUM ( CASE WHEN order_date BETWEEN register_date AND date_add(register_date,6) THEN order_sales END ) AS first_week_amount, SUM ( CASE WHEN order_date BETWEEN date_add(register_date ,7) AND date_add(register_date,13) THEN order_sales END ) AS second_week_amount FROM order GROUP BY 1通过筛选出注册与消费的日期，并且进行消费金额统计，每个用户在每段时间段(注册后第一周、第二周…以此类推)的消费金额，可以观察用户是否有持续维持消费习惯或是消费金额变低等分析。
CASE WHEN数量，消费金额超过某一定额的数量分析
SELECT user_id, COUNT ( DISTINCT CASE WHEN order_sales >= 100 THEN order_id END ) AS count_of_order_greateer_than_100 FROM order GROUP BY 1上面的示例就是类似countif的用法，针对每个用户，统计其订单金额大于某个值的订单数量，分析去筛选出高价值的顾客。
CASE WHEN数量，加上时间的用法
SELECT user_id, MIN ( CASE WHEN order_sales > 100 THEN order_date END ) AS first_order_date_over1000, MAX ( CASE WHEN order_sales > 100 THEN order_date END ) AS recent_order_date_over100 FROM order GROUP BY 1CASE WHEN加上MIN/MAX时间，可以得出该用户在其整个使用过程中，首次购买超过一定金额的订单日期，以及最近一次购买超过一定金额的订单日期。
Window Function既是工作中经常使用的函数，也是面试时经常被问到的问题。常见的使用场景是分组取topN。本文介绍的另外一个用法，使用开窗函数进行用户访问session分析。
session是指在指定的时间段内用户在网站上发生的一系列互动。例如，一次session可以包含多个网页浏览、事件、社交互动和电子商务交易。session就相当于一个容器，其中包含了用户在网站上执行的操作。
session具有一个过期时间，比如30分钟，即不活动状态超过 30 分钟，该session就会过时。
假设张三访问了网站，从他到达网站的那一刻开始，就开始计时。如果过了 30 分钟，而张三仍然没有进行任何形式的互动，则视为本次session结束。但是，只要张三与某个元素进行了互动(例如发生了某个事件、社交互动或打开了新网页)，就会在该次互动的时间基础上再增加 30 分钟，从而重置过期时间。
数据准备
Table Name: user_visit_action Columns: user_id, session_id , page_url, action_time CREATE TABLE user_visit_action( user_id string, session_id string, page_url string, action_time string); INSERT INTO TABLE user_visit_action VALUES ( "001" , "ss001" , "http://a.com" , "2020-08-06 13:34:11.478" ); INSERT INTO TABLE user_visit_action VALUES ( "001" , "ss001" , "http://b.com" , "2020-08-06 13:35:11.478" ); INSERT INTO TABLE user_visit_action VALUES ( "001" , "ss001" , "http://c.com" , "2020-08-06 13:36:11.478" ); INSERT INTO TABLE user_visit_action VALUES ( "001" , "ss002" , "http://a.com" , "2020-08-06 14:30:11.478" ); INSERT INTO TABLE user_visit_action VALUES ( "001" , "ss002" , "http://b.com" , "2020-08-06 14:31:11.478" ); INSERT INTO TABLE user_visit_action VALUES ( "001" , "ss002" , "http://e.com" , "2020-08-06 14:33:11.478" ); INSERT INTO TABLE user_visit_action VALUES ( "001" , "ss002" , "http://f.com" , "2020-08-06 14:35:11.478" ); INSERT INTO TABLE user_visit_action VALUES ( "002" , "ss003" , "http://u.com" , "2020-08-06 18:34:11.478" ); INSERT INTO TABLE user_visit_action VALUES ( "002" , "ss003" , "http://k.com" , "2020-08-06 18:38:11.478" );用户访问session分析
范例的资料表如上，有使用者、访次和页面的连接和时间。以下则使用partition by来表达每个使用者在不同访次之间的浏览行为。
SELECT user_id, session_id, page_url, DENSE_RANK() OVER (PARTITION BY user_id, session_id ORDER BY action_time ASC ) AS page_order, MIN (action_time) OVER (PARTITION BY user_id, session_id) AS session_start_time, MAX (action_time) OVER (PARTITION BY user_id, session_id) AS session_finisht_time FROM user_visit_action上面的查询会返回针对每个用户、每次的到访，浏览页面行为的先后次序，以及该session开始与结束的时间，以此为基础就可以将这个结果存入TEMP TABLE或是CTE ，进行更进一步的分析。
小结
本文主要分享了四个在工作和面试中经常遇到的SQL使用技巧。当然，这些都与具体的分析业务息息相关。最后，不管你是SQL boy or SQL girl，只要是掌握一些技巧，相信都能够Happy SQL querying 。
原文链接：https://www.toutiao.com/a6993973467230028291/?log_from=a3c6b95933d7b_1628491032713