BI 前端实践 8：关联查询语言──DQL

Posted 2021-09-09 润乾软件

实践目标

通过对比DQL及它翻译出的SQL，初步认识DQL，体会它怎么支持有关联（JOIN）的多维分析。

认识DQL

观察上一节最后一个多维分析例子，前端分析时，DQL服务器上会打印出这样的日志：

能看到提交到DQL服务器的查询语句是DQL，和SQL语法有区别。DQL服务器把它翻译出来成SQL后，才去原始数据库执行获得数据。

原始数据库被DQL服务器包裹起来隐藏掉，并且更换了一种新的查询语言。这样的结构令人产生疑问：为什么多维分析不直接拼成SQL，DQL比起SQL来有什么便利，有什么区别，这就是本篇所探究的内容。

如果只是在单个表查数据，DQL和SQL几乎一样，不能体现差异，重点要关注关联查询。

测试数据

选用一套关联方式比较全面的测试数据，这个mysql库涉及六个表，订单表(orders)是事实表，其它的是维表员工表(employee)、员工销售表(employee_sale)、部门表(department)、区域表(area)、产品表(product)，维表之间也存在不少关联。

这些关联关系比较常见，总结一些特点：

1、 员工销售表是员工表的补充，它们之前是一对一的关系。

2、 存在着多级关联，订单表→员工表→部门表。

3、 区域表存在自己关联自己的情况。

4、 员工表→部门表，同时部门表→员工表（找经理），这两个表互相关联。

5、 订单表和区域表关联了两次，存在重复关联。

6、 大部分通过单个字段关联，而产品表属于多字段组合主键(产品ID、批次ID)，这样订单表→产品表就通过两个字段关联了。

制作有关联关系的元数据

新建元数据orders.lmd，直接导入这些数据库表，如果数据库中定义了主键，外键关系，也会自动导入，有时候数据库为了使用灵活，往往不定义外键关系，甚至主键。这时就要在元数据中正确的补上它们（元数据里正确设置表关系非常重要，依赖预设的这些关系才能实现自动关联的多维分析），手动设置主键：

手动添加外键关系：

特别还要注意多字段外键的设置：

设置外键前，需要先把指向表的主键设置正确。所以操作时，先把所有表的主键设置正确，再逐一设置外键，这样不容易遗漏。

如下图中的元数据视图，是另外一种对关系的展示方式，是一个总线结构，中间的总线是所有的主键，在做多维分析时，这些主键字段是用来做分组的，也就是常说的维度。分列在两边的表同样会标识出主键，所有字段中，不管是主键字段，还是外键字段，都会指向相关的维度。从本质上说，指向同一个维度的所有字段本来就是指代同一种实体。

执行DQL的测试工具

针对上面制作好的元数据，在DQL设计器中可以测试执行DQL：

输入 DQL，选择执行查询的数据源 Mysql 库 orders，点击翻译，就能看到翻译好的 SQL 和下方的查询结果：

接下来测试几个DQL示例。

DQL示例──同维表

employee_saler表是对employee表的补充，记录每个员工作为销售的信息，如主要负责城市字段(major_city)， 用employee_saler的主键字段设置外键到employee表主键（employee_saler.emp_id=employee.emp_id），这样两表主键指向同一个维，也就是同维表，同时查询两个表的信息时，可以from随意一个表就可以：

DQL：

select

emp_name

,gender

,major_city

from employee

翻译成的SQL:

SELECT

T_1.emp_name emp_name

,T_1.gender gender

,T_1_1.major_city major_city

FROM

employee T_1

LEFT JOIN employee_saler T_1_1 ON T_1.emp_id=T_1_1.emp_id

两个（甚至多个）同维表中的数据都是一对一的关系，元数据中会把它们自动贴合在一起，当成一个表查询：

DQL示例──多级关联表

查询目标是：以订单表为起点，查询出销售姓名，销售所在部门。涉及订单表(orders)，销售员工表(employee)，部门表(department)。

DQL：

select

order_id

,emp_id.emp_name

,emp_id.dept_id.dept_name

from orders

翻译成的SQL:

SELECT

T_1_1.order_id order_id

,T_1_2.emp_name emp_name

,T_1_3.dept_name dept_name

FROM

orders T_1_1

LEFT JOIN employee T_1_2 ON T_1_1.emp_id=T_1_2.emp_id

LEFT JOIN department T_1_3 ON T_1_2.dept_id=T_1_3.dept_id

这个查询的特点是发生了多级的外键关联，DQL中用T.FK1.FK2.F3的方式消除了显式的关联。

DQL示例──自关联表

查询目标是：查询出订单的发货城市名称、以及所在的省份名称、地区名称。涉及订单表(orders)，区域表(area)。

DQL：

select

send_city.name city,

send_city.pid.name province,

send_city.pid.pid.name region

from orders

翻译成的SQL:

SELECT

T_1_2.name city

,T_1_3.name province

,T_1_4.name region

FROM

orders T_1_1

LEFT JOIN area T_1_2 ON T_1_1.send_city=T_1_2.area_id

LEFT JOIN area T_1_3 ON T_1_2.pid=T_1_3.area_id

LEFT JOIN area T_1_4 ON T_1_3.pid=T_1_4.area_id

区域表是自关联的，通过本表pid把上下两级区域关联起来，orders.send_city是城市，那orders.send_city.pid就是省份、orders.send_city.pid.pid就是地区。

DQL示例──互关联表

查询目标是：查询出员工姓名及他的经理姓名。涉及销售员工表(employee)，部门表(department)。

DQL：

select

emp_name,

dept_id.manager.emp_name manager

from employee

翻译成的SQL:

SELECT

T_1_1.emp_name emp_name

,T_1_3.emp_name manager

FROM

employee T_1_1

LEFT JOIN department T_1_2 ON T_1_1.dept_id=T_1_2.dept_id

LEFT JOIN employee T_1_3 ON T_1_2.manager=T_1_3.emp_id

员工表字段dept_id外键到部门表，部门表字段manager又外键回员工表，这种互相关联的情况同样适用多级字段表达式，employee.dept_id.manager.emp_name表示：员工的部门的经理的姓名。

DQL示例──重复关联表

查询目标是：查询出订单的发货、收货城市名称。涉及销售员工表(employee)，区域表(area)。

DQL：

select

send_city.name sendCity

,receive_city.name receiveCity

from orders

翻译成的SQL:

SELECT

T_1_2.name sendCity,

T_1_3.name receiveCity

FROM

orders T_1_1

LEFT JOIN area T_1_2 ON T_1_1.send_city=T_1_2.area_id

LEFT JOIN area T_1_3 ON T_1_1.receive_city=T_1_3.area_id

订单表有发货、收货两种城市，都关联到区域表，用send_city.name、receive_city.name两个字段表达式获得两个城市名称。

DQL示例──多字段关联表

测试多字段外键的关联表，是否能像单字段外键那样直接引用：

DQL：

select

send_city

,order_product.product_name

from orders

翻译成的SQL:

SELECT

T_1_1.send_city send_city

,T_1_2.product_name product_name

FROM

orders T_1_1 LEFT JOIN product T_1_2

ON T_1_1.product_id=T_1_2.product_id AND T_1_1.batch_id=T_1_2.batch_id

订单表中order_product是多字段外键，仍然能用order_product.product_name的方式获得产品表的字段。

总结

可以看出来，DQL中用同维表、多级的字段表达式隐藏了SQL中的表关联，多级的字段表达式也契合多维分析界面中的元数据树，把生成SQL这个比较难的动作封装到DQL服务器里了。基于这种结构，只引入DQL服务器，自己开发一套多维分析前端界面也不算难，正确拼出DQL就能得到数据。