1. SQL语言初体验

本章节介绍如何使用SQL执行简单的操作，并非完整的SQL教程，主要目的是为后续章节的学习做一个铺垫。

1.1. 概念

瀚高数据库是一种关系型数据库管理系统。这意味着它是一种用于管理存储在关系也就是表中的数据的系统。

每个表都是一个行的集合。表中的每一行由一组相同名称的列组成，而且每一列都有一个特定的数据类型。

一个瀚高数据库实例中可以包含多个数据库，每个数据库中有多个表。我们将一个由单个瀚高数据库实例管理的数据库集合称为数据库集簇。

1.2. 创建一个新表

你可以通过指定表的名字和所有列的名字及其类型来创建表∶

CREATE TABLE weather (

city varchar(80),

temp_lo int, – 最低温度

temp_hi int, – 最高温度

prcp real, – 湿度

date date

);

你可以在psql输入这些命令以及换行符查看创建结果。

你可以在 SQL 命令中自由使用空白（即空格、制表符和换行符）。 这就意味着你可以使用和上面不同的对齐方式输入命令，或者将命令全部放在一行中。两个横线（“–”）表示后边是注释内容。SQL中的关键字和标识符大小写不敏感，只有在标识符用双引号包围时才能保留它们的大小写。

varchar(80)指定了一个可以存储最长 80 个字符的任意字符串的数据类型。int是普通的整数类型。real是一种用于存储单精度浮点数的类型。date是一种日期类型。

瀚高数据库支持标准的SQL类型int、smallint、real、double 、precision、char(N)、varchar(N)、date、time、timestamp和interval，还支持其他的通用功能的类型和丰富的几何类型。瀚高数据库中可以自定义用户数据类型。所以除SQL标准要求支持的类型外，其他类型名并不是语法关键字。

第二个例子将保存城市和它们相关的地理位置：

CREATE TABLE cities (

name varchar(80),

location point

);

类型point就是一种瀚高数据库特有的数据类型。

使用如下命令删除表：

DROP TABLE tablename;

1.3. 在表中增加行

INSERT语句用于向表中添加行：

INSERT INTO weather VALUES (‘San Francisco’, 46, 50, 0.25, ‘1994-11-26’);

请注意所有数据类型都使用了明确的输入格式。非简单数字的常量通常必需用单引号（’）引起来。

point类型要求输入一个坐标值，如下：

INSERT INTO cities VALUES (‘San Francisco’, ‘(-194.0, 53.0)’);

使用上述示例中的语法时都需要记住列的顺序。如果在INSERT语句中明确列出列名可以不在意原来的列顺序，例如：

INSERT INTO weather (city, temp_lo, temp_hi, prcp, date)

VALUES (‘San Francisco’, 43, 56, 0.0, ‘1994-11-29’);

如果需要，可以在添加行时忽略某些列，比如说，我们不知道降水量：

INSERT INTO weather (date, city, temp_hi, temp_lo)

VALUES (‘1994-11-29’, ‘Hayward’, 54, 36);

你还可以使用COPY命令从文本文件中导入大量数据。这种方式通常更快，只是比 INSERT少一些灵活性。例如：

COPY weather FROM ‘/home/user/weather.txt’;

这里源文件的文件名必须在运行后端进程的机器上是可用的， 而不是在客户端上，因为后端进程将直接读取该文件。详情可查看COPY章节。

1.4. 查询一个表

使用SELECT语句查询表中的数据。该语句需要指定要返回的列、要查询数据的表）以及查询条件。比如，要查询表weather的所有行，键入：

SELECT * FROM weather;

这里*是“所有列”的缩写。下面的语句可以得到相同的结果：

SELECT city, temp_lo, temp_hi, prcp, date FROM weather;

而输出应该是：

city | temp_lo | temp_hi | prcp | date

—————+———+———+——+————

San Francisco | 46 | 50 | 0.25 | 1994-11-26

San Francisco | 43 | 56 | 0 | 1994-11-29

Hayward | 36 | 54 | | 1994-11-29

(3 rows)

你可以在返回的列中写任意表达式，而不仅仅是列的名称。例如：

SELECT city, (temp_hi+temp_lo)/2 AS temp_avg, date FROM weather;

这样返回的结果如下：

city | temp_avg | date

—————+———-+————

San Francisco | 48 | 1994-11-26

San Francisco | 50 | 1994-11-29

Hayward | 45 | 1994-11-29

(3 rows)

请注意这里的AS子句是给输出列重新命名（AS子句是可选的）。

一个查询可以使用WHERE子句来指定需要哪些行。WHERE子句包含一个布尔（真值）表达式，只有那些使布尔表达式为真的行才会被返回。在条件中可以使用常用的布尔操作符（AND、OR和NOT）。比如，下面的示例查询旧金山的下雨天的天气：

SELECT * FROM weather

WHERE city = ‘San Francisco’ AND prcp > 0.0;

返回结果：

city | temp_lo | temp_hi | prcp | date

—————+———+———+——+————

San Francisco | 46 | 50 | 0.25 | 1994-11-26

(1 row)

还可以指定返回的查询结果是排好序的：

SELECT * FROM weather

ORDER BY city;

city | temp_lo | temp_hi | prcp | date

—————+———+———+——+————

Hayward | 36 | 54 | | 1994-11-29

San Francisco | 43 | 56 | 0 | 1994-11-29

San Francisco | 46 | 50 | 0.25 | 1994-11-26

在这个例子里，两条city值为旧金山的行被随机排序。使用下面的语句，可以进一步对两条旧金山的数据进行排序：

SELECT * FROM weather

ORDER BY city, temp_lo;

你可以要求在查询的结果中消除重复的行：

SELECT DISTINCT city

FROM weather;

city

-————–

Hayward

San Francisco

(2 rows)

再次声明，结果行的顺序可能变化。你可以组合使用DISTINCT和ORDER BY来保证获取一致的结果：

SELECT DISTINCT city

FROM weather

ORDER BY city;

在一些数据库系统里，包括老版本的瀚高数据库，DISTINCT的实现自动对行进行排序，因此ORDER BY是多余的。但是这一点并不是 SQL 标准的要求，并且目前的瀚高数据库并不保证DISTINCT会导致行被排序。

1.5. 在表之间连接

到目前为止，我们的查询一次只访问一个表。查询可以一次访问多个表，或者用这种方式访问一个表而同时处理该表的多个行。 一个同时访问同一个或者不同表的多个行的查询叫连接查询。举例来说，比如你想列出所有天气记录以及相关的城市位置。要实现这个目标，我们需要拿 weather表每行的city列和cities表所有行的name列进行比较，并选取那些在该值上相匹配的行对。

注意：
这里只是一个概念上的模型。连接通常以比实际比较每个可能的行对更高效的方式执行，但这些是用户看不到的。

可以用下面的查询来实现：

SELECT *

FROM weather, cities

WHERE city = name;

返回结果：

city | temp_lo | temp_hi | prcp | date | name |

location

—————+———+———+——+————+————— +———–

San Francisco | 46 | 50 | 0.25 | 1994-11-26 | San Francisco | (-194,53)

San Francisco | 43 | 56 | 0 | 1994-11-29 | San Francisco | (-194,53)

(2 rows)

观察结果集的两个方面：

• 没有城市Hayward的结果行。这是因为在cities表里面没有Hayward的匹配行，所以连接忽略 weather表里的不匹配行。

• 有两个列包含城市名字。这是正确的， 因为weather和cities表的列被串接在一起。不过，实际上我们不想要这些，因此你可能希望在SELECT语句中明确列出输出列而不是使用*：

SELECT city, temp_lo, temp_hi, prcp, date, location

FROM weather, cities

WHERE city = name;

因为这些列的名字都不一样，所以规划器自动地找出它们属于哪个表。如果在两个表里有重名的列，则需要限定列名来说明你究竟想要哪一个表中的列，如：

SELECT weather.city, weather.temp_lo, weather.temp_hi,

weather.prcp, weather.date, cities.location

FROM weather, cities

WHERE cities.name = weather.city;

人们广泛认为在一个连接查询中限定所有列名是一种好的风格，这样即使未来向其中一个表里添加重名列也不会导致查询失败。

到目前为止，这种类型的连接查询也可以用下面这样的形式写出来：

SELECT *

FROM weather INNER JOIN cities ON (weather.city = cities.name);

现在我们将看看如何能把Hayward记录找回来。我们想让查询处理的事是扫描weather表，并且对每一行都找出匹配的cities表行。如果我们没有找到匹配的行，那么我们需要一些“空值”代替cities表的列。 这种类型的查询叫外连接 （我们在此之前看到的连接都是内连接）。命令如下所示：

SELECT *

FROM weather LEFT OUTER JOIN cities ON (weather.city = cities.name);

city | temp_lo | temp_hi | prcp | date | name |

location

—————+———+———+——+————+————— +———–

Hayward | 36 | 54 | | 1994-11-29 | |

San Francisco | 46 | 50 | 0.25 | 1994-11-26 | San Francisco | (-194,53)

San Francisco | 43 | 56 | 0 | 1994-11-29 | San Francisco | (-194,53)

(3 rows)

这个查询是一个左外连接， 因为在连接操作符左部的表中的行在输出中至少要出现一次，而在右部的表的行只有在能找到匹配的左部表行时才被输出。如果输出的左部表的行没有对应匹配的右部表的行，那么右部表行的列将填充空值（null）。

我们也可以把一个表和自己连接起来。这叫做自连接。 比如，假设我们想找出那些在其它天气记录的温度范围之外的天气记录。这样我们就需要拿 weather表里每行的temp_lo和temp_hi列与weather表里其它行的temp_lo和temp_hi列进行比较。我们可以用下面的查询实现这个目标：

SELECT W1.city, W1.temp_lo AS low, W1.temp_hi AS high,

W2.city, W2.temp_lo AS low, W2.temp_hi AS high

FROM weather W1, weather W2

WHERE W1.temp_lo < W2.temp_lo

AND W1.temp_hi > W2.temp_hi;

返回结果如下：

city | low | high | city | low | high

—————+—–+——+—————+—–+——

San Francisco | 43 | 56 | San Francisco | 46 | 50

Hayward | 36 | 54 | San Francisco | 46 | 50

(2 rows)

在这里我们把weather表重新标记为W1和W2以区分连接的左部和右部。也可以在其它查询中使用这样的别名，例如：

SELECT *

FROM weather w, cities c

WHERE w.city = c.name;

1.6. 聚集函数

和大多数其它关系数据库产品一样，瀚高数据库支持聚集函数。一个聚集函数从多个输入行中计算出一个结果。比如，我们有在一个行集合上计算count（计数）、sum（和）、avg（均值）、max（最大值）和min（最小值）的函数。

比如，我们可以用下面的语句找出所有记录中最低温度中的最高温度：

SELECT max(temp_lo) FROM weather;

max

-—-

46

(1 row)

如果我们想知道该值发生在哪个城市，我们可以用：

SELECT city FROM weather WHERE temp_lo = max(temp_lo);

不过这个方法不能执行，因为聚集max不能被用于WHERE子句中（存在这个限制是因为WHERE子句决定哪些行可以被聚集计算包括；因此它必需在聚集函数之前被计算）。

不过，我们通常都可以用其它方法实现我们的目的；这里我们就可以使用子查询：

SELECT city FROM weather

WHERE temp_lo = (SELECT max(temp_lo) FROM weather);

city

-————–

San Francisco

(1 row)

这样做是 OK 的，因为子查询是一次独立的计算，它独立于外层的查询计算出自己的聚集结果。

聚集也常和GROUP BY子句组合使用。比如，我们可以获取每个城市观测到的最低温度的最高值：

SELECT city, max(temp_lo)

FROM weather

GROUP BY city;

city | max

—————+—–

Hayward | 36

San Francisco | 46

(2 rows)

这样给每个城市一个输出。每个聚集结果都是在匹配该城市的表行上面计算的。我们可以用HAVING 过滤这些被分组的行：

SELECT city, max(temp_lo)

FROM weather

GROUP BY city

HAVING max(temp_lo) < 40;

city | max

———+—–

Hayward | 36

(1 row)

这样就只给出那些所有temp_lo值都低于 40的城市。最后，如果我们只关心那些名字以“S”开头的城市，我们可以用：

SELECT city, max(temp_lo)

FROM weather

WHERE city LIKE ‘S%’ – 1

GROUP BY city

HAVING max(temp_lo) < 40;

LIKE操作符进行模式匹配，在后续章节中会进行介绍。

理解聚集和SQL的WHERE以及HAVING子句之间的关系非常重要。WHERE和HAVING的区别如下：WHERE在分组和聚集计算之前选取输入行（因此，它控制哪些行进入聚集计算），而HAVING在分组和聚集之后选取分组行。因此，WHERE子句不能包含聚集函数。相反，HAVING子句总是包含聚集函数（严格说来，也可以写不使用聚集的HAVING子句，但这种情况很少使用，因为同样的条件使用WHERE会更有效）。

在前面的例子里，我们可以在WHERE里应用城市名称限制，因为它不需要聚集。这样比放在HAVING里更加高效，因为可以避免那些未通过 WHERE检查的行参与到分组和聚集计算中。

1.7. 更新

使用UPDATE命令更新现有的行。假设你发现所有 11 月 28 日以后的温度读数都低了两度，那么你就可以用下面的命令更新数据：

UPDATE weather

SET temp_hi = temp_hi - 2, temp_lo = temp_lo - 2

WHERE date > ‘1994-11-28’;

查看更新后的数据：

SELECT * FROM weather;

city | temp_lo | temp_hi | prcp | date

—————+———+———+——+————

San Francisco | 46 | 50 | 0.25 | 1994-11-26

San Francisco | 41 | 55 | 0 | 1994-11-29

Hayward | 35 | 52 | | 1994-11-29

(3 rows)

1.8. 删除

数据行可以用DELETE命令从表中删除。假设你对Hayward的天气不再感兴趣，那么你可以用下面的方法把那些行从表中删除：

DELETE FROM weather WHERE city = ‘Hayward’;

所有属于Hayward的天气记录都被删除。

SELECT * FROM weather;

city | temp_lo | temp_hi | prcp | date

—————+———+———+——+————

San Francisco | 46 | 50 | 0.25 | 1994-11-26

San Francisco | 41 | 55 | 0 | 1994-11-29

(2 rows)

执行下面的语句时要小心：

DELETE FROM tablename;

如果没有条件限制，DELETE将从指定表中删除所有行。