SQL数据操作入门

结构化查询语言，通常称为SQL（常发音为“sequel”或“S-Q-L”），是与关系型数据库交互的标准语言。作为数据工程师，你会发现数据库是管理数据的核心存储位置，而SQL是你与它们沟通的主要工具。可以把它看作是访问和操作表中数据通用遥控器。

你已经在第4章了解了不同的存储系统，包括关系型数据库（如PostgreSQL、MySQL、SQL Server）。这些数据库将数据组织成表，表的结构类似于电子表格，行代表记录，列代表这些记录的属性或特性。SQL提供了一种结构化的方式来向这些数据库提问（查询）并指示它们如何更改所持有的数据（操作）。

为何SQL用于数据操作？

数据很少是静态的。作为数据工程师，你将持续需要：

• 获取数据： 用于检查数据质量、提供数据进行分析或将数据输入其他系统。
• 添加新数据： 当新信息从不同来源抵达时。
• 修改现有数据： 用于纠正错误、更新信息或丰富记录。
• 删除数据： 用于删除重复项、处理过期记录或遵守法规。

SQL提供了专门为这些任务设计的命令。虽然第4章涉及了数据库结构定义（数据定义语言，即DDL，如CREATE TABLE），但本节侧重于用于操作这些表内部数据的命令（数据操作语言，即DML）。

SQL数据操作基本命令

SQL中操作数据的主要操作常被称为CRUD（创建、读取、更新、删除）缩写，尽管在SQL术语中，它们主要对应于INSERT、SELECT、UPDATE和DELETE。我们逐一来看。

读取数据：SELECT语句

SELECT语句用于从一个或多个表中获取数据。这可能是你最常使用的SQL命令。

• 选择特定列： 你可以指定要查看的列。

  SELECT user_id, email, registration_date
  FROM users;
  

  此查询仅从名为users的表中获取user_id、email和registration_date列。

• 选择所有列： 星号（*）是选择所有列的通配符。

  SELECT *
  FROM users;
  

  这会获取users表中所有行的所有列。

• 使用WHERE筛选数据： 通常，你只想要符合特定条件的行。WHERE子句允许你筛选结果。

  SELECT user_id, email
  FROM users
  WHERE city = 'New York';
  

  此查询仅获取city列值为'New York'的用户的user_id和email。

  你可以在WHERE子句中使用各种运算符，例如=、>、<、>=、<=、!=（不等于）、LIKE（模式匹配），并使用AND和OR组合条件。

添加数据：INSERT INTO语句

当需要向表中添加新数据时，使用INSERT INTO语句。

• 语法： 你指定表、要提供数据的列以及相应的值。

  INSERT INTO users (user_id, email, city, registration_date)
  VALUES (101, '[email protected]', 'London', '2023-10-26');
  

  这会向users表中添加一行新数据，包含user_id、email、city和registration_date的指定值。值的顺序必须与指定列的顺序匹配。

修改数据：UPDATE语句

要更改表中的现有数据，使用UPDATE语句。

• 语法： 你指定表、要更改的列（SET），以及重要的，要更改哪些行（WHERE）。

  UPDATE users
  SET email = '[email protected]'
  WHERE user_id = 101;
  

  此命令会找到user_id为101的行，并更改该特定行中email列的值。

  重要： UPDATE语句务必使用WHERE子句。如果省略它，你将意外地更新表中每一行的指定列，这通常不是你的意图，并可能导致严重的数据损坏。

删除数据：DELETE FROM语句

要从表中删除整行，使用DELETE FROM语句。

• 语法： 你指定表以及使用WHERE子句要删除的行。

  DELETE FROM users
  WHERE user_id = 101;
  

  此命令会删除user_id为101的行（或多行）。

  重要： 与UPDATE类似，使用DELETE时务必谨慎并使用WHERE子句。省略WHERE子句将删除表中的所有行。在执行DELETE语句之前，请仔细检查你的WHERE条件。

SQL在数据工程工作流中的应用

这些基本的SQL数据操作命令是数据工程师的常用工具：

• 数据验证： 将数据加载到暂存表后，你将使用带有WHERE子句的SELECT查询来检查空值、不正确的格式或异常值。
• 简单转换： 有时，可以直接在数据库中使用UPDATE进行快速修正或标准化。
• 填充表： 你可以使用INSERT语句来填充小型维度表或查找表。
• 数据清洗： DELETE可用于删除重复记录或在验证后被识别为错误的行。
• ETL/ELT逻辑： 这些SQL命令通常构成大型数据管道脚本的核心部分，用于提取数据（SELECT）、可能在数据库内转换数据（UPDATE）、将数据加载到其他位置，或删除已处理的暂存数据（DELETE）。

虽然本入门内容涵盖了基础知识，但SQL提供了更多功能，包括合并来自多个表的数据（JOIN）、汇总数据（使用COUNT、SUM、AVG等聚合函数结合GROUP BY），以及进行复杂筛选。然而，掌握SELECT、INSERT、UPDATE和DELETE为与关系型数据库中存储的海量数据交互打下了坚实基础，使SQL成为你数据工程工具包中不可或缺的工具。