如何成为一名合格的CRUD工程师？

Posted 2021-12-08 博文视点

一九七零年，那是一个夏天。

有一位来自IBM圣约瑟研究实验室的高级研究员Edgar Frank Codd在Communications of ACM上发表了名为A Relational Model of Data for Large Shared Data Banks的文章，从而创建了关系数据模型。时至今日，基于该模型的关系数据库仍然是企业存储和处理数据的主要方式。甚至可以说，绝大多数IT系统都是围绕着数据库执行数据增删改查操作的。

目前主流的关系型数据库包括mysql、Oracle、Microsoft SQL Server、PostgreSQL以及SQLite等。虽然这些数据库管理系统的具体实现有所不同，但它们都使用SQL（Structured Query Language，结构化查询语言）作为访问和操作数据库的标准语言。

1

SQL
1974年，同样是来自IBM的Donald D. Chamberlin和Raymond F. Boyce基于关系模型开发了SQL的初始版本：SEQUEL（Structured English Query Language）。SEQUEL被设计用于IBM最初的准关系数据库管理系统SystemR。

1986年，美国国家标准学会（ANSI）首先发布了SQL标准；随后ISO标准组织于1987年创建了“数据库语言SQL”标准。在经历了1989、1992、1996、1999、2003、2006、2008、2011、2016以及2019年的多次修订之后，如今的SQL标准包含了大量的功能，内容多达数千页。以下是SQL发展过程中的一些关键节点：

SQL是关系模式的第一个商业实现，同时也是最成功的一个实现。SQL是访问和操作关系型数据库的标准语言，所有的关系型数据库都可以使用SQL语句进行数据访问和控制，许多大数据平台（包括Flink、Spark、Hive等）也都提供的SQL支持。

SQL语句非常接近自然语言（英语），我们只需要掌握几个简单英文单词的作用，例如SELECT、INSERT、UPDATE、DELETE等，就可以完成绝大部分的数据库操作。例如，以下是一个简单的查询语句：

SELECT emp_id, emp_name, salary
FROM employee
WHERE salary >= 10000
ORDER BY emp_id;
即便对于没有学过SQL的初学者，我们只要知道几个英文单词的意思就不难理解该语句的作用。该语句查找员工表（employee）中月薪（salary）大于等于10000的员工，返回了员工的工号（emp_id）、姓名（emp_name）以及月薪（salary），并且按照工号进行排序显示。

可以看出，SQL语句非常简单直观，全部都是由简单的英语单词组成，因为它在设计之初就考虑了非技术人员的使用需求。主要的SQL语句只有几个，很多时候甚至只需要使用一个SELECT语句。

也许正是由于它的简单易用，很多人都认为SQL就是简单的增删改查。但实际上，早在1999年SQL就支持了通用表表达式（WITH语句）和递归查询、用户定义类型以及许多在线分析功能，随后它又增加了窗口函数、MERGE语句、XML数据类型、JSON文档存储（SQL/JSON）、复杂事件和流数据处理（MATCH_RECOGNIZE子句）以及多维数组（SQL/MDA）等，最新的SQL标准正在定制图形存储（SQL/PGQ）相关的功能。

2

通用表表达式
我们以通用表表达式（WITH语句）为例，介绍如何使用SQL语句分析社交网络（微信、Facebook等）中的好友关系。以下是一个简单的好友关系网络：

在接下来的案例分析中，我们使用t_user表存储用户信息：

user_id	user_name

  1|刘一       
  2|陈二       
  3|张三

…
其中，user_id是用户编号，user_name是用户姓名。

t_friend表中存储了好友关系，每个好友关系存储两条记录。例如：

user_id	friend_id

  1|        2
  2|        1
  4|        1

…
其中，user_id是用户编号，friend_id是好友的用户编号。

我们首先介绍如何查看共同好友，以下语句查找“张三”和“李四”的共同好友：

WITH f1(friend_id) AS (
SELECT f.friend_id
FROM t_user u
JOIN t_friend f ON (u.user_id = f.friend_id AND f.user_id = 3)
),
f2(friend_id) AS (
SELECT f.friend_id
FROM t_user u
JOIN t_friend f ON (u.user_id = f.friend_id AND f.user_id = 4)
)
SELECT u.user_id AS “好友编号”, u.user_name AS “好友姓名”
FROM t_user u
JOIN f1 ON (u.user_id = f1.friend_id)
JOIN f2 ON (u.user_id = f2.friend_id);
我们在查询中定义了两个CTE，f1代表“张三”的好友，f2代表“李四”的好友，主查询语句通过连接这两个结果集返回了他们的共同好友。查询返回的结果如下：

好友编号	好友姓名

1|刘一

社交软件通常实现了推荐好友的功能。一方面它们可能是读取了用户的手机通讯录，找到已经在系统中注册但不属于该用户好友的用户进行推荐。另一方面系统可以找出和用户不是好友，但是有共同好友的用户进行推荐。

例如，以下语句返回了可以推荐给“陈二”的用户：

WITH friend(id) AS (
SELECT f.friend_id
FROM t_user u
JOIN t_friend f ON (u.user_id = f.friend_id AND f.user_id = 2)
),
fof(id) AS (
SELECT f.friend_id
FROM t_user u
JOIN t_friend f ON (u.user_id = f.friend_id)
JOIN friend ON (f.user_id = friend.id AND f.friend_id != 2)
)
SELECT u.user_id AS “用户编号”, u.user_name AS “用户姓名”,
count(*) AS “共同好友”
FROM t_user u
JOIN fof ON (u.user_id = fof.id)
WHERE fof.id NOT IN (SELECT id FROM friend)
GROUP BY u.user_id, u.user_name;
我们在查询中定义了两个CTE，friend代表了“陈二”的好友，fof代表了“陈二”好友的好友（排除了“陈二”自己）。主查询语句通过WHERE条件排除了fof中已经是“陈二”好友的用户，并且统计了被推荐的用户和“陈二”的共同好友数量。查询返回的结果如下：

用户编号	用户姓名	共同好友

  4|李四    |   2
  7|孙七    |   1
  8|周八    |   2

基于查询结果，我们可以向“陈二”推3个可能认识的人，并且告诉他和这些用户有几位共同好友。

在社会学中存在一个六度关系理论（Six Degrees of Separation），指地球上任何两个人都可以通过六层以内的关系链联系起来。2011年Facebook以一个月内访问的7.21亿活跃用户为研究对象，计算出其中任何两个独立的用户之间平均间隔的人数为4.74。

我们以“赵六”和“孙七”为例，查找他们之间的好友关系链：

– MySQL
WITH RECURSIVE relation(uid, fid, hops, path) AS (
SELECT user_id, friend_id, 0, CONCAT(’,’, user_id , ‘,’, friend_id)
FROM t_friend
WHERE user_id = 6
UNION ALL
SELECT r.uid, f.friend_id, hops+1, CONCAT(r.path, ‘,’, f.friend_id)
FROM relation r
JOIN t_friend f
ON (r.fid = f.user_id)
AND (INSTR(r.path, CONCAT(’,’,f.friend_id,’,’)) = 0)
AND hops < 6
)
SELECT uid, fid, hops, substr(path, 2) AS path
FROM relation
WHERE fid = 7
ORDER BY hops;
其中，relation是一个递归CTE。初始化语句用于查找“赵六”的好友，第1次递归返回了“赵六”好友的好友，然后以此类推。我们将关系层数hops限制为小于6，path字段中存储了使用逗号分隔的关系链，INSTR函数用于防止形成A->B->A的环路。

查询返回的结果如下。

uid	fid	hops	path
6	7	2	6,4,1,7
6	7	3	6,4,1,8,7
6	7	3	6,4,3,1,7
6	7	4	6,4,3,1,8,7
6	7	4	6,4,3,2,1,7
6	7	5	6,4,1,2,5,8,7
6	7	5	6,4,3,2,1,8,7
6	7	5	6,4,3,2,5,8,7
6	7	6	6,4,1,3,2,5,8,7
6	7	6	6,4,3,1,2,5,8,7
6	7	6	6,4,3,2,5,8,1,7

“赵六”和“孙七”之间最近的关系是通过“李四”和“刘一”两个人进行联系。

另外，我们也可以统计任何两个用户之间平均最少间隔的人数：

– MySQL
WITH RECURSIVE relation(uid, fid, hops, path) AS (
SELECT user_id, friend_id, 0, CONCAT(’,’, user_id , ‘,’, friend_id)
FROM t_friend
UNION ALL
SELECT r.uid, f.friend_id, hops+1, CONCAT(r.path, ‘,’, f.friend_id)
FROM relation r
JOIN t_friend f
ON (r.fid = f.user_id)
AND (INSTR(r.PATH, CONCAT(’,’,f.friend_id,’,’)) = 0)
)
SELECT AVG(min_hops)
FROM (
SELECT uid, fid, MIN(hops) min_hops
FROM relation
GROUP BY uid, fid
) mh;
查询返回的结果如下。

avg(min_hops)

   0.8214

我们提供的测试数据集很小，任何两个人之间平均间隔0.8个人。

除了好友关系之外，通用表表达式也可以用于分析微博、知乎等软件中的粉丝关注关系。其他常用的案例包括生成数字序列、遍历组织关系图以及查询地铁、航班换乘路线图等。

3

SQL编程思想
如果你认为SQL就是简单的增删改查，那已经是40年前的概念了。虽然SQL是基于关系模型开发的语言，但是在经过几十年的发展之后，它早就不再局限于关系模型了。为了能够帮助大家了解并学习现代化的SQL语言和编程思想，而不仅仅局限于传统SQL提供的简单功能，《SQL编程思想》这本书应运而生。

本书基于作者十多年的工作经验和知识分享，全面覆盖了从SQL基础查询到高级分析、从数据库设计到查询优化等内容，通过循序渐进的方式和简单易懂的案例分析，透彻讲解了每个SQL知识点。本书采用了全新的SQL:2019标准，紧跟产业发展趋势，帮助读者解锁最前沿的SQL技能，同时提供了5种主流数据库的实现和差异。最后，本书还介绍了全新的SQL:2019标准对文档存储（JSON）、行模式识别（MATCH_RECOGNIZE）、多维数组（SQL/MDA）以及图形存储（SQL/PGQ）的支持。

本书适合需要在日常工作中完成数据处理的IT从业人员，包括SQL初学者、拥有一定基础的中高级工程师，甚至精通某种数据库产品的专家阅读。