当前位置: 首页 > news >正文

深入理解 SQL 中的 WITH AS 语法

在日常数据库操作中,SQL 语句的复杂性往往会影响到查询的可读性和维护性。为了解决这个问题,Oracle 提供了 WITH AS 语法,这一功能可以极大地简化复杂查询,提升代码的清晰度。本文将详细介绍 WITH AS 的基本用法、优势以及一些实际应用示例。

1. 什么是 WITH AS

WITH AS 语法又称为公共表表达式(CTE,Common Table Expression),允许开发者在一个查询中定义一个或多个临时结果集,这些结果集可以在随后的主查询中被引用。通过这种方式,开发者可以将复杂的查询逻辑分解为更易于理解和维护的多个部分。
基本语法
基本的 WITH AS 语法结构如下:

WITH CTE_name AS (SELECT column1, column2FROM table_nameWHERE condition
)
SELECT *
FROM CTE_name;

2. 使用 WITH AS 的优势

2.1 提高可读性

复杂的 SQL 查询往往涉及多个嵌套的子查询,这不仅增加了代码的长度,还使得理解查询逻辑变得困难。通过 WITH AS,我们可以将逻辑划分为多个部分,每个部分清晰地命名,便于其他开发者或未来的自己快速理解。

2.2 避免重复计算

在一些复杂查询中,同一个计算可能会被多次调用。如果我们在每个地方都写相同的子查询,既浪费了资源,又降低了代码的可维护性。使用 WITH AS 可以只计算一次,然后在后续的查询中重用这个结果集。

2.3 递归查询支持

Oracle 的 WITH AS 还支持递归查询,这对于处理层级数据(如组织结构、文件系统等)非常有用。通过递归 CTE,开发者可以轻松地获取父子关系数据。

3. 实际应用示例

示例 1:计算平均工资

假设我们有一个员工表 employees,我们想找出工资高于 10000 的员工,并计算他们的平均工资:

WITH    employeesTemp AS (SELECT * FROM employees WHERE salary > 10000
)
SELECT AVG(salary) AS highSalary FROM employeesTemp;

在这个例子中,我们首先定义了一个临时表 employeesTemp,它包含所有工资超过 10000 的员工。随后,我们利用这个临时表计算这些员工的平均工资。

示例2:计算近10天特定时间段新增数据占比全天比例

WITH total_counts AS (
SELECTtrunc(t.CREATED_TIME) AS DAY,count(1) AS total_count
FROMt_user t
WHEREt.CREATED_TIME > SYSDATE - 10
GROUP BYtrunc(t.CREATED_TIME)
),
afternoon_counts AS (
SELECTtrunc(t.CREATED_TIME) AS DAY,count(1) AS afternoon_count
FROMt_user t 
WHEREt.CREATED_TIME > SYSDATE - 10AND TO_CHAR(t.CREATED_TIME, 'HH24') BETWEEN '15' AND '17'
GROUP BYtrunc(t.CREATED_TIME)
)
SELECTt.day,t.total_count,a.afternoon_count,ROUND(a.afternoon_count / t.total_count * 100, 2) AS percentage
FROMtotal_counts t
LEFT JOINafternoon_counts a ONt.day = a.day
ORDER BYt.day;

在这个例子中,我们首先定义了临时表total_counts和afternoon_counts,其中afternoon_counts统计的是下午15~17点数据量,最后临时表total_counts和afternoon_counts关联查询,统计出近10天内15~17点数据量占比全天数据比例
在这里插入图片描述

4. 小结

WITH AS 语法在 SQL 查询中提供了一个强大的工具,可以帮助开发者构建更清晰、更高效的查询逻辑。通过提高可读性、避免重复计算和支持递归查询。在实际开发中,合理使用这一语法可以显著提升代码的质量与维护性。

http://www.lryc.cn/news/470949.html

相关文章:

  • 同三维T80005JEHA-4K60 4K60超高清HDMI/AV解码器
  • 深信服秋季新品重磅发布:安全GPT4.0数据安全大模型与分布式存储EDS新版本520,助力数字化更简单、更安全
  • Flutter图片控件(七)
  • JavaEE初阶---文件IO总结
  • 10.28Python_pandas_csv
  • 数据处理与可视化:pandas 和 matplotlib 初体验(9/10)
  • 鸿蒙学习总结
  • 如何修改文件创建时间?六个超简单修改方法介绍
  • 【MySQL 保姆级教学】内置函数(9)
  • 华为大咖说丨如何通过反馈机制来不断优化大模型应用?
  • 上海亚商投顾:沪指缩量震荡 风电、传媒股集体走强
  • 三磺酸-Cy3.5-羧酸在水相环境中表现良好,能够提高成像的清晰度和准确性
  • 国标GB28181视频平台EasyGBS国标GB28181软件实现无需插件的视频监控对讲和网页直播
  • mac nwjs程序签名公证(其他mac程序也一样适用)
  • 网络应用技术 实验一:路由器实现不同网络间通信(华为ensp)
  • 使用 Qt GRPC 构建高效的 Trojan-Go 客户端:详细指南
  • 【mysql进阶】5-事务和锁
  • 指增和中性产品的申赎加减仓及资金调拨自动化伪代码思路
  • 【论文分享】居住开放空间如何影响老年人的情感:使用可穿戴传感器的现场实验
  • 入门 | Prometheus+Grafana 普罗米修斯
  • 制作Ubuntu根文件系统
  • 16个最佳测试管理工具(2024)
  • 基于知识图谱的猕猴桃种植技术问答系统
  • Swift雨燕蜂窝无线通信系统介绍
  • 【ZZULI】数据库第二次实验
  • Javaee---多线程(一)
  • Java后端面试内容总结
  • DC-1渗透测试
  • 深度剖析:电商 API 接口如何成就卓越用户体验
  • C++调试经验:Ubuntu下CMake链接常见库的方式(持续更新)