sql group by having用法_【一个idea】YesSql，一种在经典nosql数据库redis上实现SQL引擎的方案（我就要开历史的倒车）...

最高级的红酒，一定要掺上雪碧才好喝。
基于这样的品味，我设计出了一套在经典nosql数据库redis上实现SQL引擎的方法。既然redis号称nosql，而我偏要把SQL加到redis上，于是这个技术方案取名为【YesSql】。

1.在redis上实现SQL查询的技术基础

• redis上可以执行lua。整个SQL引擎就是在lua上解析SQL语句，执行，并返回结果。

• lua有很好的正则表达式引擎，因此解析SQL语法变得简单。

• redis提供map, zset这样的数据结构，很容易实现列存储

• 关系数据库不也就是索引+遍历，核心逻辑完全能用lua来实现。

2.实现细节

2.1 create table

• 假定我只支持number和string两种数据结构

• 把整个按行组织的表看成由N个字段组成的列存储

  • 也就是说，字段的组织是：table_column -> map 或 zset

  • 用一个 table_rowid -> int 来产生一个rowid

  • map或者zset中的key使用rowid:

${table}_rowid -> int_value
${table}_${column1} -> map
  ${rowid1} -> column1 data of row 1
  ${rowid2} -> column1 data of row 2
${table}_${column2} -> map
  ${rowid1} -> column2 data of row 1
  ${rowid2} -> column2 data of row 2

• 可以有唯一索引：

${table}_unique_index_1 -> map
    ${unique_key_1} -> rowid1
    ${unique_key_2} -> rowid

• 可以有数值类型的排序索引：

${table}_number_index_1 -> zset
    $rowid1 -> number1
    $rowid2 -> number2

• 所以：create table就是建立上面的KEY结构

• 建表的语法大致如下：

create table my_first_redis_table_1(
    column1 number,
    column2 string,
    column2 number
unique index column2,
    number_index column3
)

2.2 insert

• 插入时先要使用redis的INC指令得到一个新的rowid

• 插入其实就是在${table}_${column}字段的下面增加二级KEY

2.3 update

• update可以指定rowid或者唯一索引中的字段

• 如果where条件比较复杂，则只能遍历字段，并最终取多个rowid集合的交集

• set中的字段，先找到rowid，然后根据rowid更新就好了

2.3 delete

• where条件中的搜索如同上面

• 删除行就是逐个删除每个column key下面的rowid对应的二级KEY

2.4 select

这部分相对复杂，划分为不同的场景：

2.4.1 from部分

解析出表名是第一步的，然后就确定了KEY的前缀。

2.4.2 where条件

上面讲update和delete的where部分一笔带过了，具体有这样的一些场景：

• 使用rowid=xxx或者rowid in ()的方式，比较简单

• 使用unique_key=xxx或者unique_key in ()的方式，也比较简单，先通过唯一索引得到rowid，然后再根据rowid查询

• 使用number_index的范围查询的情况，先使用ZRANGEBYSCORE找到多个rowid，然后再查询

• 使用and/or/in及其其他字段上的表达式，无非也就是层层加过滤，知道最终确定rowid的集合

2.4.3 select部分

• 每选择一个列，就意味着要输出这个列的值给查询方

• 字段上的表达式，也比较容易实现

2.4.4 group by部分

• 可以建立一个所有group by中字段名组合起来的临时KEY作为二级KEY的map

例如：
select column1, column2, count(1), sum(column3)
from table
group by column1, column2

可以建立这样的KEY结构：
temp_group_by_1 -> map
    ${column1_value}_${column2_value} -> rowid
temp_group_by_1_stat1 -> map
    $rowid1 -> count_value
temp_group_by_1_stat2 -> map
    $rowid1 -> sum_value

2.4.5 having部分

• having部分，也就是在上一步汇总好的基础上，对rowid指向的值做过滤。

• 还有一个优化点：如果没有having字句，汇总采用map结构；有having字句，采用zset结构，直接根据范围做过滤

2.4.6 join部分

不再叙述，猜测不会有那么无聊的人真的希望用上这么一套SQL引擎。

3.最后

• 这是一个恶意的玩笑

• 某种程度上可以作为一种思维训练，让我们知道SQL引擎可能是怎么去运行的