從 SQL 到集算器的基本查詢語法遷移（一）單表操作

創(chuàng)新互聯(lián)"三網(wǎng)合一"的企業(yè)建站思路。企業(yè)可建設(shè)擁有電腦版、微信版、手機版的企業(yè)網(wǎng)站。實現(xiàn)跨屏營銷，產(chǎn)品發(fā)布一步更新，電腦網(wǎng)絡(luò)+移動網(wǎng)絡(luò)一網(wǎng)打盡，滿足企業(yè)的營銷需求！創(chuàng)新互聯(lián)具備承接各種類型的網(wǎng)站建設(shè)、成都網(wǎng)站制作項目的能力。經(jīng)過10年的努力的開拓，為不同行業(yè)的企事業(yè)單位提供了優(yōu)質(zhì)的服務(wù)，并獲得了客戶的一致好評。

數(shù)據(jù)庫和數(shù)據(jù)分析領(lǐng)域，有一個強大的存在，大名 SQL，全名結(jié)構(gòu)化查詢語言 (Structured Query Language)。從字面上看，這個語言的目標(biāo)就是把數(shù)據(jù)“查詢”出來，而查詢這個詞給人的感覺并不是很難。但實際上，為了支持貌似簡單的查詢，需要進行大量的計算動作，甚至整個過程就是一個多步驟的計算，前后步驟之間還有很強的依賴關(guān)系，前面計算的結(jié)果要被后面使用，而后面的輸出有可能需要我們對前面的計算進行調(diào)整。

打個比方，這有點類似于去各類網(wǎng)點辦事，填表遞交后，相關(guān)辦事人員開始在窗口后忙忙碌碌，時不時還會甩回來幾個問題要求澄清，等到最后拿到回復(fù)，還有可能根本不是自己期望的結(jié)果！這時候，坐在辦事窗口外的我們，抓狂之余，往往會產(chǎn)生一個念頭，如果我們能夠看到，甚至參與到過程中，應(yīng)該能夠大大地提高辦事效率。

沒錯，你應(yīng)該能想到，下面要介紹的集算器，和 SQL 相比對于我們這些過程控來說，就是一個可以輕松把玩和控制的計算（不止是查詢）工具。

我們要做的，就是“照貓畫虎”地把習(xí)慣中的 SQL 操作遷移到集算器中，用小小的習(xí)慣改變，換來大大的效益提升。

首先，我們需要把數(shù)據(jù)從傳統(tǒng)的數(shù)據(jù)源中“搬遷”到集算器中，這樣后續(xù)的操作就可以完全在集算器中進行了。

我們最常用的數(shù)據(jù)源一般就是關(guān)系數(shù)據(jù)庫 RDB。這里使用的樣例數(shù)據(jù)，就是數(shù)據(jù)庫中的兩個數(shù)據(jù)表：

訂單信息表（order，主鍵 orderId），包括訂單編號orderId、客戶代碼customerId、雇員編號employeeId、訂單日期orderDate、發(fā)送日期sendDate以及金額money****：

訂單明細表（orderDetail，主鍵 orderId，productId），包括訂單編號orderId、產(chǎn)品編號productId、價格price、數(shù)量amount、折扣discount：

“搬遷”，或者說導(dǎo)入數(shù)據(jù)的過程非常簡單，如下圖所示：

首先建立數(shù)據(jù)庫連接（網(wǎng)格 A1），然后直接通過單表全量查詢的 SQL 語句從數(shù)據(jù)庫中讀取數(shù)據(jù)（網(wǎng)格 A2），最后清理現(xiàn)場，關(guān)閉數(shù)據(jù)庫連接（網(wǎng)格 A3）。

在執(zhí)行了腳本后，我們可以選中網(wǎng)格 A2，在結(jié)果區(qū)中看看搬過來的數(shù)據(jù)，同時，order 表在集算器中也換了個身份，我們稱之為“序表”，用網(wǎng)格名稱 A2 代表。序表是集算器中一個非常重要的概念，現(xiàn)在我們可以簡單地把它理解成對應(yīng)數(shù)據(jù)庫中的一張表：

其實，在集算器中，任何一個有計算結(jié)果的網(wǎng)格（一般是用等號“=”開始），都可以在執(zhí)行腳本后，隨時選中并查看結(jié)果，并通過網(wǎng)格名稱 A7、B8 等隨時引用，從而滿足我們隨時監(jiān)控的欲望……

接下來，我們以 SQL 中 select 語句的各個子句為線索，看看集算器中是如何操作的：

第一個：SELECT 子句

用來選擇需要查詢的字段，也可以通過表達式來對字段進行計算，或者重命名字段。與之對應(yīng)的，集算器里有 new、derive、run 三個函數(shù)。

例如：只選出訂單表里的訂單編號、雇員編號、訂單日期以及金額字段，同時把金額乘以 100 后使它的單位從元變成分，把相應(yīng)的結(jié)果字段重命名為 centMoney。

SQL 的做法如下：

集算器對應(yīng)的做法是下表中的 A3：

A3 利用 A2 的數(shù)據(jù)新建了一個序表，包含了要求的字段，包括把金額乘以 100 后用 centMoney 命名：

我們繼續(xù)看下 A4 的結(jié)果，在序表 A3 的原有字段后增加了新字段 orderYear，這也就是說 derive(新計算字段) 相當(dāng)于 new(所有老字段, 新計算字段)，可以看做是 new 函數(shù)的一種簡單的寫法，免去了把老字段再抄寫一遍。

A5 使用了 run 函數(shù)，直接作用是修改老字段 orderYear 的值，但是再看 A4 的結(jié)果，也變成和 A5 一樣了。這是因為 run 函數(shù)并沒有像 new、derive 函數(shù)那樣生成新的序表對象，而是在原來對象上直接做修改。

總結(jié)一下，在集算器中，new、derive、run 函數(shù)都會產(chǎn)生序表結(jié)果，但是 new、derive 函數(shù)會生成一個新的序表對象，像是把數(shù)據(jù)復(fù)制出來（這個行為有個專有名詞immutable），而 run 則直接修改被處理對象（行為屬于mutable）。

【延伸閱讀】之所以提出mutable這樣的行為，有兩個因素：首先是減少內(nèi)存占用，從而提高性能；其次，有些實際業(yè)務(wù)的需求就需要改變原有對象，一系列的動作直接作用在一個對象上，到最后一步就得到正確結(jié)果了，而不是得到一堆中間結(jié)果，再做最后合并的動作。當(dāng)然 immutable 也有它的適用場景，兩種行為本身沒有優(yōu)劣之分。

第二個：WHERE 子句

用來對數(shù)據(jù)表按條件進行過濾。與之對應(yīng)的，集算器通過 select 函數(shù)對一個序表的記錄進行過濾。效果如下圖所示：

針對前面的示例數(shù)據(jù)，我們希望查詢指定時段（2012 年 1 月期間）的訂單數(shù)據(jù)，可以對比一下 SQL 和集算器（網(wǎng)格 A3）的做法。

需要注意一下集算器表達式中有兩個細節(jié)：一是用了 date 函數(shù)把字符串轉(zhuǎn)換成日期類型，二是 AND/OR 在集算器里的寫法是 &&/||。

A3 的結(jié)果如下：

看起來和 A2 結(jié)構(gòu)一致，只是數(shù)據(jù)量小了。但是我們可以做一個實驗，在網(wǎng)格 B3 中輸入“=A2.select(orderId=10555).run(money*10:money)”，修改 A2 序表中某些記錄的字段值，可以看到 A3 序表里這些對應(yīng)記錄的值也跟著變化了。這就說明兩個序表里的記錄就是同一個東西（叫做對象會顯得更專業(yè)點），也就是說集算器里的 select 函數(shù)屬于我們前面所說的 mutable 行為。

第三個：GROUP BY 子句

GROUPY BY 經(jīng)常和聚合函數(shù) SUM、COUNT 等一起出現(xiàn)，用來將查詢結(jié)果按照某些字段進行歸類分組，并匯總統(tǒng)計。嚴(yán)格來說，這是兩個獨立的動作，但在 SQL 中總是一起出現(xiàn)，從而給人一種兩者必須同時使用的假象。事實上，這種組合是對分組操作的一種局限，或者說分組之后，能夠進行的計算遠不止 SQL 中的幾種聚合函數(shù)。在集算器中，與 GROUP BY 子句對應(yīng)的是 group 函數(shù)，它可以只對數(shù)據(jù)純粹分組，每組形成一個小集合，在后面的計算中可以針對這些小集合進行簡單的聚合，也可以進行更加復(fù)雜的計算。下圖是 SQL 中利用 GROUP BY 進行分組求和的示意：

同樣還是前面的示例數(shù)據(jù)，我們希望計算 2012 年 1 月期間每個雇員的銷售總額，也就是按照雇員編號分組后求和。針對這個分組求和的計算，我們對比一下 SQL 和集算器的做法：

A4 的結(jié)果如下：

集算器把查詢分解成了三步：

首先，是 A2 取出訂單表中的所有記錄；

然后，A3 過濾得到指定時段（2012 年 1 月期間）的訂單記錄

最后，A4 把過濾得到的記錄按照雇員編號進行分組（由函數(shù)參數(shù)中分號前的部分定義，可以同時指定多個字段），同時對每個分組（用“~”符號表示）進行求和（sum）計算，并把計算結(jié)果的字段命名為 salesAmount（分號后的部分）

看起來和 SQL 分組沒什么不用，這只是因為我們這個例子只演示了和 SQL 相同的分組查詢。實際上 A4 里 group 函數(shù)的后半部分不是必須的，也可能有的業(yè)務(wù)僅僅是想得到分組后的結(jié)果，而不在這里進行求和、計數(shù)運算；也可能針對特定值的分組有不同的聚合運算，那就針對分組后的小集合“~”寫更復(fù)雜的表達式就可以了。

同時，在其他教程中，我們還可以了解到，分組字段不局限于原始字段，可以是一個表達式，這個和 SQL 里一樣。

單純的分組屬于mutable行為，是把一個大集合的記錄拆分到多個小集合里。而加上聚合運算后，因為產(chǎn)生了新的數(shù)據(jù)結(jié)構(gòu)，就不再是簡單的把原有記錄挪挪地方的操作了。

第四個：HAVING 子句

用來對 GROUP BY 后的聚合結(jié)果再進行過濾。在集算器里，就沒有專門對應(yīng) HAVING 的函數(shù)了，對任何序表按照條件過濾都用 select 函數(shù)，因為計算是分步的，操作指向的對象總是明確的。而 SQL 要求一句話把所有事情表達出來，遇到復(fù)雜查詢，就難免出現(xiàn)對同一性質(zhì)的操作增加概念，以表達作用到不同的對象上。再深想一下，HAVING 概念在 SQL 里也不是必須的，它是對第一層子查詢的簡化寫法：

SELECT f1, sum(f2) f2 FROM t GROUP BY f1 HAVING sum(f2)>100

等價于

SELECT * FROM
(SELECT f1, sum(f2) f2sum FROM t GROUP BY f1) t2
WHERE f2sum >100

對更多層子查詢做同類簡化，估計會出現(xiàn) HAVING2、HAVING3…類似的關(guān)鍵字，但 HAVING2 之后的簡化性價比不高，SQL 也就沒有提供了。這里又體現(xiàn)出分步計算的一個優(yōu)勢，只需要描述計算本質(zhì)需要的概念，HAVING、子查詢這些因為技術(shù)手段被迫產(chǎn)生的概念就可以棄用了。減少非必要概念是降低學(xué)習(xí)成本的重要手段。

我們具體看一下 SQL 和集算器的做法的對比，找到 2012 年 1 月期間銷售額超過 5000 的雇員編號和他的銷售總額：

A5 結(jié)果

隨著查詢復(fù)雜度逐步提升，集算器語句容易閱讀，步驟流程清晰的特點也就凸顯出來了。每一步都可以觀察結(jié)果，根據(jù)結(jié)果隨意控制計算流程，用最精簡的概念描述每個計算步驟。這還只是一個最簡單的單表查詢例子，下一篇我們會繼續(xù)了解在多表連接和聯(lián)合的情況下，集算器會有怎樣更加優(yōu)秀的表現(xiàn)。