蓬莱小课：SQL常见的三种错误指南

SQL上手比较简单，但是，不要被它简单外表迷惑了，如果我们问自己：多少次我尝试从大数据中抓取数据，但是获得了不完整或者错误的数据？答案是：太多次了，连自己都数不清！

今天，我们就来梳理下常见的SQL错误，可以归为三大类：

• 语法类

• 函数类

• 逻辑类

语法错误

1、标点错漏

逗号多或缺，括号等不成对，漏写引号、多余的空格等；

case when … end函数，有时候少写end；

select    col1,    col2,    col3,from  table

select含有 聚合函数（count, sum, avg）时，相应字段都要放入group by 后面。

2、重命名

如果有子查询，那么需要对子查询进行重命名

表的重命名不要搞混

3、数据拼接

union all时要求字段的名称和顺序都要保持一致；

join操作要求两边的字段格式一致；

join关联的时候注意是1对1映射还是1对多映射，小心出现笛卡尔积的情况。

4、拼写错误

表名、数据库名、字段名拼写错误。

Table 'XXX' doesn't existUnknown column 'XX' in 'field list'。

如果遇到这个报错时，去检查XXX拼写是否写正确，然后再去检查数据库中是否有这张表。

函数错误

1、参数数量

substring（str, pos） substring（str, pos, length）

例如：上方 substring 函数需要两个参数，仅输入一个。

2、参数格式

select to_date('20210325') 返回值为null，因为数据格式不是日期时间where order_time between '2021-03-01' and '2021-03-15'

使用between and时还要注意字段和条件的颗粒度匹配。

判断条件给到的格式是日期，而字段是日期时间格式，2021-03-15对应的日期时间格式是2021-03-15 00:00:00，那么实际上3月15号0点后的数据实际是没有被选中的，对于这种情况，可以将原有的日期时间字段用to_date或者substr处理一下。

3、函数用法

例如：between......and，注意最小值在前，最大值在后，是包含边界的；

例如：函数datediff中第1个参数是起始日期（通常是较小值），第2个参数是结束日期，如下：

select datediff(''d'','2021-01-01','2021-01-02')返回的是1；select datediff(''d'','2021-01-02','2021-01-01')返回的是-1；

逻辑错误

1、数据重复

对于存在一对多关系的数据表关联后会产生数据重复，这种重复对于sum/avg等非去重的统计计算操作有影响，对count(distinct *)等去重计数操作没影响。

例如：一张母订单可以对应多张子订单；

例如：一个用户可以对应多条交易记录。

2、无效筛选

下方案例实际上b.tag='1' 这个筛选条件已经带有b.tag is not null 的“隐藏前提”了，所以这里用left join 和 join的效果是一样的。

selecta.col1,b.col2from aleft join b on(a.id = b.id)where b.tag = '1'

涉及到转化率的时候，表的顺序和转化率的顺序是一致的，且不能在where子句中添加后续流程的筛选条件，不然“隐藏前提”会过滤掉一部分数据而导致结果有误。

3、标签重叠

建立标签的时候要符合MECE原则（相互独立，完全穷尽）；

一般来说建立标签的时候使用简单的逻辑，每个维度单独成列（基础标签）；

例如：性别区分：男、女、未知；

编写SQL进行分组统计时，不建议使用“复合逻辑”标签，复合标签不仅逻辑上容易出错（标签重叠），维护成本也更高。

例如：一个用户在某一时刻，可能有多张优惠券，优惠券的状态可能是【已使用、已过期、未使用】等，现在要判断当前有“未使用”的优惠券。

4、时间错位

即数据匹配时要在时间维度上要对齐。

例如：T+1的用户标签匹配时，昨日的标签匹配今日的交易情况。