SQL Story摘录（一）————简单查询初探

在CSDN上回贴时，我总是苦口婆心地劝告楼上楼下的朋友们多用联接。可响应甚微。往往一个简单的功能，也一定要写成子查询或游标，弄得非常复杂冗长。的确，这样写对于初学者来说，费力不费脑，思路比较好理解。所以往往得分的也是这些回贴。可事实上，如果你真正熟悉了SQL的编程风格，你会明白，联接查询才是最直接、最清晰、最有力的方法，而更好的办法就是无招胜有招，一条简单查询结束战斗。下面我举几个例子来证明一下这个观点。
例1-1、重复记录的查询和处理
总有一些朋友在网上问，一个表中，有重复的记录，怎么办？当然，一个设计风格良好的关系型数据库，每个表都应该有主键、有唯一索引，所以压根就不该有重复记录。不过有时还是会出现不该出现的事，比如“七．七事变”，比如“9．11”……咳咳，其实我想说的是，有时会有人根本没有数据库的概念，他就不知道主键是什么，或者随意建了一个自动标识的ID列充数（其实这也没什么，没有人天生会设计数据库，关键是愿不愿承认自己的不足并且改进）。更常见的是我们的数据可能来自一些电子表格或文本文件，导入到数据库中时才发现问题。
这里，我们建立一个表，表示某商店的存货。我有意没有加入任何索引和约束，这样，它会很容易地出问题（就像实验室里的裸鼠）。
CREATE TABLE PRODUCT(
ID INT, PNAME CHAR(20),
PRICE MONEY, NUMBER INT,
PDESCRIPTION VARCHAR(50))
现在，我们可以向其中插入一些数据：
IDPNAMEPRICENUMBERPDESCRIPTION
1Apple 123000

1Apple 123000

2Banana 16.997600

3Olive 25.224500

4Orange 15.995500

4Coco Nut 40.992000

5Pineapple 302500

6Olive 25.223000

这里有一些明显的问题，前两行完全一样，这样的重复数据一点意义都没有，只会添乱。InterBase还好点，在它的IBConsole中可以直接修改它们。可在SQL Server中，系统根本无法区分这两行，当我们试图对其中任一行修改时会收到一个错误信息。事实上，这也是一个关系型数据库应有的反应。那我们应该怎么办呢？
事实上，处理它的方法比找出错误数据还简单，联接查询都用不到。用一条SQL语句
SELECT DISTINCT * FROM PRODUCT
就可以把重复数据压缩掉，生成一个包括正常数据的数据集。结果如下：
IDPNAMEPRICENUMBERPDESCRIPTION
1Apple 123000

2Banana 16.997600

3Olive 25.224500

4Orange 15.995500

4Coco Nut 40.992000

5Pineapple 302500

6Olive 25.223000

对于支持SELECT …… INTO……FROM语句的数据库来说，这样一句
SELECT DISTINCT * INTO NewTable FROM PRODUCT
就可把数据导入到一个新表（NewTable ）中。或者可以用INERT INTO …… SELECT DISTINCT * FROM ……把它导入到一个现有的表中。总之有了正确的数据集，再如何处理就好办了。相信大家知道这个合并重复数据的关键字DISTINCT后，再不会用游标来处理重复数据了吧。
这是第一步，有时可能我们不想一下把它们压缩掉，而是想先看看到底谁出了问题。好的，用下面的语句可以找出重复的记录，最右边一列“ROW_COUNT”表示这行数据在表中重复的次数：
SELECT ID, PNAME, PRICE, NUMBER, PDESCRIPTION, COUNT(*) ROW_COUNT
FROM PRODUCT
GROUP BY ID, PNAME, PRICE, NUMBER, PDESCRIPTION
HAVING COUNT(*) > 1
IDPNAMEPRICENUMBERPDESCRIPTIONROW_COUNT
1Apple123000NULL2

（所影响的行数为 1 行）
其实就是关键字GROUP BY …… HAVING和统计函数COUNT的一个简单运用，记得在GROUP BY 后面写上完整的字段列表。这表示我们要的是那些完全一致的数据，每个字段都一样。
PRODUCT表中的数据很多时，用前面的方法直接生成正确的数据集效率很低。现在有了这个结果集，我们可以高效率工作了。现在，我们用
SELECT ID, PNAME, PRICE, NUMBER, PDESCRIPTION
FROM PRODUCT
GROUP BY ID, PNAME, PRICE, NUMBER, PDESCRIPTION
HAVING COUNT(*) > 1
把重复的数据生成为一个经过压缩的正确数据集，用前述的方法导出到一个临时表中，然后用
DELETE FROM PRODUCT
WHERE ID IN (
SELECT ID
FROM PRODUCT
GROUP BY ID, PNAME, PRICE, NUMBER, PDESCRIPTION
HAVING COUNT(*) > 1
)
把重复数据从PRODUCT表中删除，再把压缩好的数据插入PRODUCT。现在PRODUCT表中不再有完全重复，不可标识的数据了。