MySQL篇（窗口函数/公用表达式（CTE））(持续更新迭代）

news2024/9/21 7:33:25

目录

讲解一：窗口函数

一、简介

二、常见操作

1. sum+group by常规的聚合函数操作

2. sum+窗口函数的聚合操作

三、基本语法

1. Function(arg1,..., argn)

1.1. 聚合函数

sum函数：求和

min函数 ：最小值

1.2. 排序函数

1.3. 跨行函数

2. OVER [PARTITION BY <...>]

3. [ORDER BY <....>]

4. [window_expression]

四、练习题

1. 建库建表语句

2. 题目

3. 答案解析

计算每日销售额总和（分区按日期）

计算每个区域的总销售额

为每个产品计算其销售排名（按销售额降序）

计算每个区域每天的平均销售额

计算每个产品的销售累计总额

计算每个区域每个产品的销售总额

计算每个区域最近7天的平均销售额

为每个产品的销售记录添加序列号（按日期排序）

计算每个区域每天相对于前一天的销售额变化

计算每个产品的销售占比（按总销售额)

讲解二：公用表达式（CTE）

一、简介

二、语法

三、示例

四、递归 CTE

1. 简介

2. 递归成员限制

3. 示例

4. 使用递归 CTE 遍历分层数据

五、CTE 与 Derived Table

1. 在 5.6 版本中

2. 在 5.7 版本中

3. 在 8.0 版本中

讲解一：窗口函数

一、简介

窗口函数是一种SQL函数，非常适合于数据分析，其最大的特点就是：输入值是从

SELECT语句的结果集中的一行或者多行的"窗口"中获取的，也可以理解为窗口有大有

小（行数有多有少）。

通过OVER子句，窗口函数与其他的SQL函数有所区别，如果函数具有OVER子句，

则它是窗口函数。如果它缺少了OVER子句，则他就是个普通的聚合函数。

窗口函数可以简单地解释为类似于聚合函数的计算函数，但是通过GROUP BY子句组

合的常规聚合会隐去正在聚合的各个行，最终输出称为一行。但是窗口函数聚合完之

后还可以访问当前行的其他数据，并且可以将这些行的某些属性添加到结果当中去。

下面可以通过两个图来区分普通的聚合函数和窗口函数

为了更加直观的反映窗口函数和普通聚合函数的区别，让我们通过代码的形式感受一

下 ，首先让我们先添加测试数据，并查看表。

CREATE DATABASE IF NOT EXISTS EmployeeDB;
USE EmployeeDB;
CREATE TABLE Employees (
  EmployeeID INT AUTO_INCREMENT PRIMARY KEY,
  Name VARCHAR(100),
  DepartmentID INT,
  Salary DECIMAL(10, 2)
);
 
INSERT INTO Employees (Name, DepartmentID, Salary) VALUES
('Alice', 1, 50000),
('Bob', 1, 55000),
('Charlie', 2, 60000),
('David', 1, 50000),
('Eve', 2, 65000),
('Frank', 3, 45000),
('Grace', 3, 47000),
('Hannah', 3, 48000),
('Ian', 2, 70000),
('Jack', 1, 52000);

26c12b4fbacde37b10f74d3c9036b1af.png

二、常见操作

1. sum+group by常规的聚合函数操作

select DepartmentID, sum(salary) as total
from employees
group by DepartmentID;

31d49fb04599d619e95b9d3ab2f86134.png

我们可以看的出来，常规聚合函数把id进行分组然后把每组的薪资综合计算出来放在

最后面。

2. sum+窗口函数的聚合操作

select *, 
       sum(Salary) over (partition by DepartmentID) total
from employees

1d961c079b8eb4da8aeac289eb59233d.png

我们可以通过这两个例子看出来，聚合函数和窗口聚合函数的区别。就是窗口函数会

进行分组，但不会把行进行合并。对于每一组窗口函数返回出来的结果都会重复的放在最后面。

三、基本语法

Function(arg1,..., argn) OVER ([PARTITION BY <...>] [ORDER BY <....>]

[<window_expression>])

对于以上的窗口函数的语法[ ]中的语法是可以根据自己的需求进行选择（非必须写

入语法），并且此语法严格按照上面的顺序来规定。

Function(arg1,..., argn)是表示函数的分类，可以是下面分类中的任何一组。

  • 聚合函数，例如sum,min,avg,count等函数（常用）
  • 排序函数，例如rank row_number dense_rank()等函数（常用）
  • 跨行函数，lag lead 函数

OVER [PARTITION BY <...>] 类似于group by 用于指定分组

  • 每个分组你可以把它叫做窗口
  • 不分组的情况可以写成partition by null 或者直接不写partition by，所有列为

一个大组

  • 分组的情况下，partition by 后面可以跟多个列，例如partition by cid,cname

[ORDER BY <....>] 用于指定每个分组内的数据排序规则 支持ASC、DESC

[<window_expression>] 用于指定每个窗口中 操作的数据范围 默认是窗口中所有行

1. Function(arg1,..., argn)

通常和partition by分组使用。

当然也可以不分组使用，但也不分组使用通常没有意义。

  • 聚合函数，例如sum,min,avg,count等函数（常用）
  • 排序函数，例如rank row_number dense_rank()等函数（常用）
  • 跨行函数，lag lead 函数

1.1. 聚合函数

我们还通过上文的测试数据进行演示。我们就演示2个函数，其他的聚合类函数都是

相同的用法。

sum函数：求和

select *,
       sum(Salary) over (partition by DepartmentID) total
from employees

c5404f175fd7a7e1c307ca93fa70485f.png

min函数 ：最小值

select *,
       min(Salary) over (partition by DepartmentID) total
from employees;

8a87edc856846d5989ee0f725950d7f7.png

其他的聚合函数都是同样的用法。

1.2. 排序函数

rank row_number dense_rank()等函数，通常与order by函数一起使用。

row_number()函数：对分组之后按照某些规则从高到低或者从低到高进行排序

(order by),然后打上序号,不考虑并列的情况。

select *,
       row_number() over (partition by DepartmentID order by Salary desc ) total
from employees;

ae409039e0b6c97aea80a57ecaf897df.png

rank()函数：对分组之后按照某些规则从高到低或者从低到高进行排序(order by),然

后打上序号，考虑并列情况并且跳跃排名，对此我们需要增添一组数据。

INSERT INTO Employees (Name, DepartmentID, Salary) VALUES('css',1,45000);

3ed7f7237fb8245abebc41e216c686fa.png

select *,
       rank() over (partition by DepartmentID order by Salary desc ) total
from employees;

808da29875c7ec7a9e8f1b7a6d0c37ef.png

dense_rank()函数：

select *,
       dense_rank() over (partition by DepartmentID order by Salary desc ) total
from employees;

23b05120f6cad51cb52fd593baf3a8f9.png

1.3. 跨行函数

LAG(col,n,DEFAULT) 用于统计窗口内往上第n行值

第一个参数为列名，第二个参数为往上第n行（可选，默认为1），第三个参数为默认

值（当往上第n行为NULL时候，取默认值，如不指定，则为NULL）；

select *,
       lag(Salary,1) over (partition by DepartmentID order by Salary desc ) total
from employees;

31c67980df38ab3cc9007738a136e7c5.png

LEAD(col,n,DEFAULT) 用于统计窗口内往下第n行值

第一个参数为列名，第二个参数为往下第n行（可选，默认为1），第三个参数为默认

值（当往下第n行为NULL时候，取默认值，如不指定，则为NULL）；

select *,
       lead(Salary,1) over (partition by DepartmentID order by Salary desc ) total
from employees;

66b49e9101b1438e09c199db4dec4dc9.png

FIRST_VALUE 取分组内排序后，截止到当前行，第一个值；

select *,
       first_value(Salary) over (partition by DepartmentID order by Salary desc ) total
from employees;

62563508c876f2933613898f7f4c2dd4.png

LAST_VALUE 取分组内排序后，截止到当前行，最后一个值；

select *,
      last_value(Salary) over (partition by DepartmentID order by Salary desc  ) total
from employees;

96cd6e7857023a4b17d891cf32d8aeaf.png

从这个数据我们有个疑问，为啥不是去分组内的最后一个值呢？

在这里我给大家解释一下，对于我们分的窗口（比如部门id=1）里面还有个小窗口

row函数

对于我们没有指定小窗口默认是当之前所有行到当前行，这样理解可以很抽象，我们

举个例子。对于部门id=1来说，我们从第一行来看（心里默念从之前所有行到当前

行）从之前所有行到当前行来看确实输出的值应该是55000.00，那么我们看第二行

（心里默念从之前所有行到当前行）那么确实输出的是52000.00。这样我们通过row

函数来改变一下小窗口的范围。更清晰的感受一下这个函数。

select *,
      last_value(Salary) over (partition by DepartmentID order by Salary desc
          rows between unbounded preceding and unbounded following ) total
from employees;

解释一下设置小窗口的含义：rows between unbounded preceding and

unbounded following

之前所有的行到之后所有的行，那么让我们输出一下。

56312aea47c86612b9a4258268bc9cf6.png

我们可以很清晰的看出来，输出的是每一组里面最后一个的薪资。

2. OVER [PARTITION BY <...>]

over是窗口函数的标志，partition by 用来指定分组，把partition by 后面跟的字段

相同的放在一起

3. [ORDER BY <....>]

用于指定每个分组内的数据排序规则 支持ASC、DESC， 跟group by 中的order by

是一样的用法

4. [window_expression]

用于指定每个窗口中 操作的数据范围 默认是窗口中所有行

窗口子句操作的数据范围：

  1. 起始行:N preceding/unbounded preceding
  2. 当前行:currentrow
  3. 终止行:N following/unbounded following

举例:

  • rows between unbounded preceding and current row

从之前所有的行到当前行

  • rows between 2 preceding and current row

从前面两行到当前行

  • rows between current row and unbounded following

从当前行到之后所有的行

  • rows between current row and 1following

从当前行到后面一行

注意:

排序子句后面缺少窗口子句，窗口规范默认是

rows between unbounded preceding and current row

排序子句和窗口子句都缺失，窗口规范默认是

rows between unbounded preceding and unbounded following

总体流程：

  1. 通过partition by和 order by 子句确定大窗口(定义出上界unbounded preceding和下界unbounded following)
  2. 通过row 子句针对每一行数据确定小窗口(滑动窗口)
  3. 对每行的小窗口内的数据执行函数并生成新的列

四、练习题

1. 建库建表语句

CREATE DATABASE IF NOT EXISTS sales_db;
USE sales_db;
 
CREATE TABLE IF NOT EXISTS sales (
    id INT AUTO_INCREMENT PRIMARY KEY,
    product_id INT comment '商品id',
    sale_date DATE comment '销售日期',
    amount DECIMAL(10, 2)comment '销售额',
    region VARCHAR(50) comment '地区'
)comment '销售';
 
-- 插入一些示例数据
INSERT INTO sales (product_id, sale_date, amount, region) VALUES
(1, '2023-01-01', 100.00, 'East'),
(2, '2023-01-01', 150.00, 'West'),
(1, '2023-01-02', 200.00, 'East'),
(3, '2023-01-02', 120.00, 'South'),
(2, '2023-01-03', 180.00, 'West'),
(1, '2023-01-03', 220.00, 'East'),
(3, '2023-01-04', 140.00, 'South'),
(4, '2023-01-04', 300.00, 'North'),
(2, '2023-01-05', 250.00, 'West'),
(1, '2023-01-05', 280.00, 'East');
insert into sales(product_id, sale_date, amount, region) values
(1,'2023-01-01',200.00,'East');

77964503976e6063377f8c5e9a2acd80.png

2. 题目

  1. 计算每日销售额总和（分区按日期）
  2. 计算每个区域的总销售额
  3. 为每个产品计算其销售排名（按销售额降序）
  4. 计算每个区域每天的平均销售额
  5. 计算每个产品的销售累计总额
  6. 计算每个区域每个产品的销售总额
  7. 计算每个区域最近7天的平均销售额
  8. 为每个产品的销售记录添加序列号（按日期排序）
  9. 计算每个区域每天相对于前一天的销售额变化
  10. 计算每个产品的销售占比（销售额/总销售额）

自己可以先把这些最基础的窗口函数做完之后，再看下面的解析

3. 答案解析

计算每日销售额总和（分区按日期）

# 计算每日销售额总和（分区按日期）
SELECT *,sale_date, SUM(amount) OVER (PARTITION BY sale_date order by sale_date) AS total_daily_sales
FROM sales;

32a308ecf242c0946df76f88805855b5.png

计算每个区域的总销售额

# 计算每个区域的总销售额
SELECT region, SUM(amount) OVER (PARTITION BY region) AS total_regional_sales
FROM sales;

88d75881f9bc0851af30619ab6f656e8.png

为每个产品计算其销售排名（按销售额降序）

# 为每个产品计算其销售排名（按销售额降序）
select product_id,rank() over (order by sum(amount) desc )as '销售排名' from sales group by product_id ;

83d4c49e334dc9dea8a5e282294be5f5.png

计算每个区域每天的平均销售额

# 计算每个区域每天的平均销售额
select *,avg(amount)over (partition by region,sale_date rows between unbounded preceding and unbounded following) from sales;

031918e662870d9b1230cb3234cda3b0.png

计算每个产品的销售累计总额

# 计算每个产品的销售累计总额
select *,sum(amount)over (partition by product_id) from sales;

3bbe06979585e418d613c44f3e184b05.png

计算每个区域每个产品的销售总额

# 计算每个区域每个产品的销售总额
select *,sum(amount)over (partition by product_id,region)from sales;

cb546e729b38a256a5aa422d5d1c2d79.png

计算每个区域最近7天的平均销售额

# 计算每个区域最近7天的平均销售额
with t1 as ( select *,dense_rank() over(partition by region order by sale_date)as ttime from sales )
select *,avg(amount)over(partition by region) from t1 where ttime<7;
;

6daf252942b79c7a0a5d3432ff2b74c7.png

为每个产品的销售记录添加序列号（按日期排序）

# 为每个产品的销售记录添加序列号（按日期排序）
select *,dense_rank() over (partition by product_id order by sale_date)from sales;

8b57837caafeb441fcb52df45d70806b.png

计算每个区域每天相对于前一天的销售额变化

# 计算每个区域每天相对于前一天的销售额变化
SELECT
    a.sale_date,
    a.region,
    a.amount,
    a.amount - LAG(a.amount) OVER (PARTITION BY a.region ORDER BY a.sale_date) AS daily_change
FROM sales a;

8a4c20f302a9c12f0f3f0089ba8a3063.png

计算每个产品的销售占比（按总销售额)

# 计算每个产品的销售占比（按总销售额)
select *,sales.amount/sum(amount)over (partition by product_id)from sales;

47e0e054619fc56324dac510b1fcd649.png

讲解二：公用表达式（CTE）

一、简介

官网：MySQL :: MySQL 8.0 Reference Manual :: 15.2.20 WITH (Common Table Expressions)

MySQL 从 8.0 开始支持 WITH 语法，即：Common Table Expressions - CTE，公用表表达式。

CTE 是一个命名的临时结果集合，仅在单个 SQL 语句（select、insert、update 或 delete）的执行范

围内存在。

与派生表类似的是：CTE 不作为对象存储，仅在查询执行期间持续。

与派生表不同的是：CTE 可以是自引用（递归CTE），也可以在同一查询中多次引用。

此外，与派生表相比，CTE 提供了更好的可读性和性能。

二、语法

CTE 的结构包括：名称、可选列列表和定义 CTE 的查询。

定义 CTE 后，可以像 select、insert、update、delete 或 create view 语句中的视图一样使用它。

with cte_name (column_list) as (
    query
    )
select * from cte_name;

查询中的列数必须与 column_list 中的列数相同。

如果省略 column_list，CTE 将使用定义 CTE 的查询的列列表。

三、示例

初始化数据：

-- create table
create table department
(
    id        bigint auto_increment comment '主键ID'
        primary key,
    dept_name varchar(32)      not null comment '部门名称',
    parent_id bigint default 0 not null comment '父级id'
);

-- insert values
insert into `department` values (null, '总部', 0);
insert into `department` values (null, '研发部', 1);
insert into `department` values (null, '测试部', 1);
insert into `department` values (null, '产品部', 1);
insert into `department` values (null, 'Java组', 2);
insert into `department` values (null, 'Python组', 2);
insert into `department` values (null, '前端组', 2);
insert into `department` values (null, '供应链测试组', 3);
insert into `department` values (null, '商城测试组', 3);
insert into `department` values (null, '供应链产品组', 4);
insert into `department` values (null, '商城产品组', 4);
insert into `department` values (null, 'Java1组', 5);
insert into `department` values (null, 'Java2组', 5);

（1）最基本的CTE语法

mysql> with cte1 as (select * from `department` where id in (1, 2)),
    ->      cte2 as (select * from `department` where id in (2, 3))
    -> select *
    -> from cte1
    ->          join cte2
    -> where cte1.id = cte2.id;
+----+-----------+-----------+----+-----------+-----------+
| id | dept_name | parent_id | id | dept_name | parent_id |
+----+-----------+-----------+----+-----------+-----------+
|  2 | 研发部     |         1 |  2 | 研发部     |         1 |
+----+-----------+-----------+----+-----------+-----------+
1 row in set (0.00 sec)

（2）一个 CTE 引用另一个 CTE

mysql> with cte1 as (select * from `department` where id = 1),
    ->      cte2 as (select * from cte1)
    -> select *
    -> from cte2;
+----+-----------+-----------+
| id | dept_name | parent_id |
+----+-----------+-----------+
|  1 | 总部       |         0 |
+----+-----------+-----------+
1 row in set (0.00 sec)

四、递归 CTE

1. 简介

递归 CTE 是一个具有引用 CTE 名称本身的子查询的 CTE。递归 CTE 的语法为：

with recursive cte_name as (
    initial_query  -- anchor member
union all
recursive_query -- recursive member that references to the cte name
)
select * from cte_name;

递归 CTE 由三个主要部分组成：

  • 形成 CTE 结构的基本结果集的初始查询（initial_query），初始查询部分被称为锚成员。
  • 递归查询部分是引用 CTE 名称的查询，因此称为递归成员。递归成员由一个 union all 或 union distinct 运算符与锚成员相连。
  • 终止条件是当递归成员没有返回任何行时，确保递归停止。

递归 CTE 的执行顺序如下：

  1. 首先，将成员分为两个：锚点和递归成员。
  2. 接下来，执行锚成员形成基本结果集（R0），并使用该基本结果集进行下一次迭代。
  3. 然后，将 Ri 结果集作为输入执行递归成员，并将 Ri + 1 作为输出。
  4. 之后，重复第三步，直到递归成员返回一个空结果集，换句话说，满足终止条件。
  5. 最后，使用 union all 运算符将结果集从 R0 到 Rn 组合。

2. 递归成员限制

递归成功不能包含以下结构：

  • 聚合函数，如 max、min、sum、avg、count 等。
  • group by 子句
  • order by 子句
  • limit 子句
  • distinct

上述约束不适用于锚点成员。 另外，只有在使用 union 运算符时，要禁止 distinct 才适用。

如果使用 union distinct 运算符，则允许使用 distinct。

另外，递归成员只能在其子句中引用 CTE 名称，而不是引用任何子查询。

3. 示例

with recursive cte_count (n)
                   as (
        select 1
        union all
        select n + 1
        from cte_count
        where n < 3
    )
select n from cte_count;

在此示例中，以下查询：

select 1

是作为基本结果集返回 1 的锚成员。

以下查询：

select n + 1
from cte_count
where n < 3

是递归成员，因为它引用了 cte_count 的 CTE 名称。递归成员中的表达式 < 3 是终止条件。

当 n 等于 3，递归成员将返回一个空集合，将停止递归。

下图显示了上述 CTE 的元素：

20230724024159.png?origin_url=images%5C106.png&pos_id=fMBiOcoP

ccc045b7c9fcbccf7a4a3265852c400c.png

递归 CTE 返回以下输出：

+------+
|    n |
+------+
|    1 |
|    2 |
|    3 |
+------+

递归 CTE 的执行步骤如下：

  1. 首先，分离锚和递归成员。
  2. 接下来，锚定成员形成初始行 select 1，因此第一次迭代在 n = 1 时产生 1 + 1 = 2。
  3. 然后，第二次迭代对第一次迭代的输出 2 进行操作，并且在 n = 2 时产生 2 + 1 = 3。
  4. 之后，在第三次操作 n = 3 之前，满足终止条件 n <3 ，因此查询停止。
  5. 最后，使用 union all 运算符组合所有结果集 1，2 和 3。

4. 使用递归 CTE 遍历分层数据

查部门 id = 2 的所有下级部门和本级：

mysql> with recursive cte_tab as (select id, dept_name, parent_id, 1 as level
    ->                            from department
    ->                            where id = 2
    ->                            union all
    ->                            select d.id, d.dept_name, d.parent_id, level + 1
    ->                            from cte_tab c
    ->                                     inner join department d on c.id = d.parent_id
    -> )
    -> select *
    -> from cte_tab;
+------+-----------+-----------+-------+
| id   | dept_name | parent_id | level |
+------+-----------+-----------+-------+
|    2 | 研发部     |         1 |     1 |
|    5 | Java组    |         2 |     2 |
|    6 | Python组  |         2 |     2 |
|    7 | 前端组     |         2 |     2 |
|   12 | Java1组   |         5 |     3 |
|   13 | Java2组   |         5 |     3 |
+------+-----------+-----------+-------+
6 rows in set (0.00 sec)

五、CTE 与 Derived Table

针对 from 子句里面的 subquery，MySQL 在不同版本中，是做过一系列的优化，接下来我们就来看看。

1. 在 5.6 版本中

MySQL 会对每一个 Derived Table 进行物化，生成一个临时表保存 Derived Table 的结果，然后利用临时表来完

成父查询的操作，具体如下：

mysql> explain
    -> select * from (select * from department where id <= 1000) t1 join (select * from department where id >= 990) t2 on t1.id = t2.id;
+----+-------------+------------+------------+--------+---------------+---------+---------+----------------------------+------+----------+-------------+
| id | select_type | table      | partitions | type   | possible_keys | key     | key_len | ref                        | rows | filtered | Extra       |
+----+-------------+------------+------------+--------+---------------+---------+---------+----------------------------+------+----------+-------------+
|  1 | SIMPLE      | department | NULL       | range  | PRIMARY       | PRIMARY | 8       | NULL                       |    1 |   100.00 | Using where |
|  1 | SIMPLE      | department | NULL       | eq_ref | PRIMARY       | PRIMARY | 8       | pointer_mall.department.id |    1 |   100.00 | NULL        |
+----+-------------+------------+------------+--------+---------------+---------+---------+----------------------------+------+----------+-------------+
2 rows in set, 1 warning (0.01 sec)

2. 在 5.7 版本中

MySQL 引入了 Derived Merge 新特性，允许符合条件的 Derived Table 中的子表与父查询的表进行合并，具体如下：

mysql> explain
    -> select * from (select * from department where id <= 1000) t1 join (select * from department where id >= 990) t2 on t1.id = t2.id;
+----+-------------+------------+------------+-------+---------------+-------------+---------+-------+---------+----------+-------------+
| id | select_type | table      | partitions | type  | possible_keys | key         | key_len | ref   | rows    | filtered | Extra       |
+----+-------------+------------+------------+-------+---------------+-------------+---------+-------+---------+----------+-------------+
|  1 | PRIMARY     | <derived2> | NULL       | ALL   | NULL          | NULL        | NULL    | NULL  |    1900 |   100.00 | NULL        |
|  1 | PRIMARY     | <derived3> | NULL       | ref   | <auto_key0>   | <auto_key0> | 8       | t1.id |    2563 |   100.00 | NULL        |
|  3 | DERIVED     | department | NULL       | range | PRIMARY       | PRIMARY     | 8       | NULL  | 4870486 |   100.00 | Using where |
|  2 | DERIVED     | department | NULL       | range | PRIMARY       | PRIMARY     | 8       | NULL  |    1900 |   100.00 | Using where |
+----+-------------+------------+------------+-------+---------------+-------------+---------+-------+---------+----------+-------------+
4 rows in set, 1 warning (0.00 sec)

3. 在 8.0 版本中

我们可以使用 CTE 实现，其执行计划也是和 Derived Table 一样

mysql> explain
    -> with t1 as (select * from department where id <= 1000),
    ->      t2 as (select * from department where id >= 990)
    -> select * from t1 join t2 on t1.id = t2.id;
+----+-------------+------------+------------+--------+---------------+---------+---------+----------------------------+------+----------+-------------+
| id | select_type | table      | partitions | type   | possible_keys | key     | key_len | ref                        | rows | filtered | Extra       |
+----+-------------+------------+------------+--------+---------------+---------+---------+----------------------------+------+----------+-------------+
|  1 | SIMPLE      | department | NULL       | range  | PRIMARY       | PRIMARY | 8       | NULL                       |    1 |   100.00 | Using where |
|  1 | SIMPLE      | department | NULL       | eq_ref | PRIMARY       | PRIMARY | 8       | pointer_mall.department.id |    1 |   100.00 | NULL        |
+----+-------------+------------+------------+--------+---------------+---------+---------+----------------------------+------+----------+-------------+
2 rows in set, 1 warning (0.00 sec)

从测试结果来看，CTE 似乎是 Derived Table 的一个替代品？

其实不是的，虽然 CTE 内部优化流程与 Derived Table 类似，但是两者还是区别的，具体如下：

  1. 一个 CTE 可以引用另一个 CTE
  2. CTE 可以自引用
  3. CTE 在语句级别生成临时表，多次调用只需要执行一次，提高性能

从上面介绍可以知道，CTE 一方面可以非常方便进行 SQL 开发，另一方面也可以提升 SQL 执行效率。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2151698.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

一文读懂SpringCLoud

一文读懂SpringCLoud

一、前言 只有光头才能变强 认识我的朋友可能都知道我这阵子去实习啦&#xff0c;去的公司说是用SpringCloud(但我觉得使用的力度并不大啊~~)… 所以&#xff0c;这篇主要来讲讲SpringCloud的一些基础的知识。(我就是现学现卖了&#xff0c;主要当做我学习SpringCloud的笔记吧&…
阅读更多...
英集芯IP5902：集成电压可调异步升压转换充电管理功能的8位MCU芯片

英集芯IP5902：集成电压可调异步升压转换充电管理功能的8位MCU芯片

英集芯IP5902是一款集成了9V异步升压转换、锂电池充电管理及负端NMOS管的8-bit MCU芯片&#xff0c;外壳采用了SOP16封装形式&#xff0c;高集成度和丰富的功能使其在应用时只需很少的外围器件&#xff0c;就能有效减小整体方案的尺寸&#xff0c;降低BOM成本&#xff0c;为小型…
阅读更多...
Vue使用axios实现Ajax请求

Vue使用axios实现Ajax请求

1、什么是 axios 在实际开发过程中&#xff0c;浏览器通常需要和服务器端进行数据交互。而 Vue.js 并未提供与服务器端通信的接口。从 Vue.js 2.0 版本之后&#xff0c;官方推荐使用 axios 来实现 Ajax 请求。axios 是一个基于 promise 的 HTTP 客户端。 关于 promise 的介绍…
阅读更多...
C#开源的一个能利用Windows通知栏背单词的软件

C#开源的一个能利用Windows通知栏背单词的软件

前言 今天给大家推荐一个C#开源且免费的能利用Windows通知栏背单词的软件&#xff0c;可以让你在上班、上课等恶劣环境下安全隐蔽地背单词&#xff08;利用摸鱼时间背单词的软件&#xff09;&#xff1a;ToastFish。 操作系统要求 目前该软件只支持Windows10及以上系统&…
阅读更多...
Scrapy爬虫实战——某瓣250

Scrapy爬虫实战——某瓣250

# 按照我个人的习惯&#xff0c;在一些需要较多的包作为基础支撑的项目里&#xff0c;习惯使用虚拟环境&#xff0c;因为这样能极大程度的减少出现依赖冲突的问题。依赖冲突就比如A、B、C三个库&#xff0c;A和B同时依赖于C&#xff0c;但是A需要的C库版本大于N&#xff0c;而B…
阅读更多...
Linux系统查找文件的所属目录

Linux系统查找文件的所属目录

在Linux下查找文件的所属目录方法较多&#xff0c;既可以在图形桌面系统中用搜索功能查找文件&#xff0c;也可以在字符终端窗口中用不同的命令查找不同类型文件并显示其所在目录&#xff0c;针对不同的文件类型&#xff0c;有不同的命令。 一、在图形桌面系统中查找 如图1&a…
阅读更多...
利用 ARMxy边缘计算网关和 BLiotlink 软网关，实现工业智能化升级

利用 ARMxy边缘计算网关和 BLiotlink 软网关，实现工业智能化升级

在当今数字化、智能化的时代浪潮中&#xff0c;工业领域也在不断寻求创新与突破&#xff0c;以提高生产效率、降低成本并提升竞争力。ARM 工业计算机与 BLiotlink 协议转换软件的结合&#xff0c;为工业智能化带来了新的机遇和解决方案。 一、ARM 工业计算机的优势 ARM 工业计…
阅读更多...
【4.4】图搜索算法-BFS和DFS两种方式解岛屿数量

【4.4】图搜索算法-BFS和DFS两种方式解岛屿数量

一、题目 给你一个由 1&#xff08;陆地&#xff09;和 0&#xff08;水&#xff09;组成的的二维网格&#xff0c;请你计算网格中岛屿的数量。岛屿总是被水包围&#xff0c;并且每座岛屿只能由水平方向或竖直方向上相邻的陆地连接形成。此外&#xff0c;你可以假设该网格的四条…
阅读更多...
I2C中继器TCA9517A（TI）

I2C中继器TCA9517A（TI）

一、芯片介绍 本芯片是一款具有电平转换功能的双向缓冲器&#xff0c;适用于I2C和SMBus系统&#xff0c;同时支持各种拓扑结构的扩展使用。芯片支持SCL和SDA缓冲&#xff0c;因此允许两条总线的负载电容达到400pF。 TCA9517A的A和B侧驱动器是不同的&#xff0c;但是均可耐受5…
阅读更多...
Obsidian 全部笔记共享配置文件，obsidian仓库-文件夹配置统一化

Obsidian 全部笔记共享配置文件，obsidian仓库-文件夹配置统一化

obsidian仓库-文件夹配置统一化 在每次新建obsidian仓库(vaults)时&#xff0c;仓库的主题和快捷键等都需要重新设置&#xff0c;这是因为每次创建新的仓库时 新仓库的配置文件都是默认配置但是如果通过复制粘贴旧配置文件来达到新仓库的配置和旧仓库一致的话&#xff0c;无法…
阅读更多...
kafka3.8的基本操作

kafka3.8的基本操作

Kafka基础理论与常用命令详解&#xff08;超详细&#xff09;_kafka常用命令和解释-CSDN博客 [rootk1 bin]# netstat -tunlp|grep 90 tcp6 0 0 :::9092 :::* LISTEN 14512/java [rootk1 bin]# ./kafka-topics.s…
阅读更多...
MVCC机制解析：提升数据库并发性能的关键

MVCC机制解析：提升数据库并发性能的关键

MVCC机制解析&#xff1a;提升数据库并发性能的关键 MVCC&#xff08;Multi-Version Concurrency Control&#xff09; 多版本并发控制 。 MVCC只在事务隔离级别为读已提交(Read Committed)和可重复读(Repeated Read)下生效。 MVCC是做什么用的 MVCC是为了处理 可重复读 和…
阅读更多...
数据安全治理

数据安全治理

数据安全治理 1.数据安全治理2.终端数据安全加密类权限控制类终端DLP类桌面虚拟化安全桌面 3.网络数据安全4.存储数据安全5.应用数据安全6.其他话题数据脱敏水印与溯源 7.UEBA8.CASB 1.数据安全治理 数据安全治理最为重要的是进行数据安全策略和流程制订。在企业或行业内经常发…
阅读更多...
酸枣病虫害智能化防控系统的探索与实践，基于YOLOv5全系列【n/s/m/l/x】参数模型开发构建枣类作物种植场景下酸枣病虫害智能检测识别系统

酸枣病虫害智能化防控系统的探索与实践，基于YOLOv5全系列【n/s/m/l/x】参数模型开发构建枣类作物种植场景下酸枣病虫害智能检测识别系统

智慧农业&#xff0c;作为现代农业的高级形态&#xff0c;通过集成物联网、大数据、人工智能等先进技术&#xff0c;实现了农业生产过程的精准化、智能化管理。在酸枣等经济作物的种植过程中&#xff0c;病虫害的及时监测与防控直接关系到作物的产量与质量&#xff0c;进而影响…
阅读更多...
Vue报错 ‘vite‘ 不是内部或外部命令，也不是可运行的程序或批处理文件

Vue报错 ‘vite‘ 不是内部或外部命令，也不是可运行的程序或批处理文件

报错 vue-project0.0.0 dev vite‘vite’ 不是内部或外部命令&#xff0c;也不是可运行的程序 或批处理文件。解决 第1步. 控制台输入 npm install -g create-vite第2步. 控制台输入 npm install -g vite第3步. 运行就ok啦
阅读更多...
伊犁linux 创建yum 源过程

伊犁linux 创建yum 源过程

首先要创建yum 源这样后期的服务才能大面积部署 在su 用户下创建 清理缓存&#xff0c;一定要配置 这说明yum安装成功
阅读更多...
笔记整理—内核！启动！—kernel部分（8）动态编译链接库与BSP文件

笔记整理—内核！启动！—kernel部分（8）动态编译链接库与BSP文件

linux的C语言程序是用编译的&#xff0c;但是如果要在开发板上运行的话就不能使用默认的ubuntu提供的gcc编译器&#xff0c;而是使用arm-linux版本的一类的编译器。我们可以用file xx去查看一个程序的架构。 &#xff08;arm架构&#xff09; &#xff08;intel的80386架构&…
阅读更多...
Linux命令 —— grep/sed

Linux命令 —— grep/sed

一、grep命令 grep是Linux中最常用的“文本处理工具”之一&#xff0c;grep与sed、awk合称为Linux中的三剑客。 grep的全称为&#xff1a; Global search Regular Expression and Print out the line 所以&#xff0c;从grep的全称中可以了解到&#xff0c;grep是一个可以利用…
阅读更多...
运维开发之堡垒机（Fortress Machine for Operation and Development）

运维开发之堡垒机（Fortress Machine for Operation and Development）

&#x1f49d;&#x1f49d;&#x1f49d;欢迎来到我的博客&#xff0c;很高兴能够在这里和您见面&#xff01;希望您在这里可以感受到一份轻松愉快的氛围&#xff0c;不仅可以获得有趣的内容和知识&#xff0c;也可以畅所欲言、分享您的想法和见解。 推荐:Linux运维老纪的首页…
阅读更多...
十种果冻的做法

十种果冻的做法

菠萝果冻 1.在菠萝的1/5处切开&#xff0c;切去顶做盖子用&#xff0c;用水果刀在四周划一圈使皮和果肉分离 2.注意底部切透了&#xff0c;用水果刀把菠萝肉挖出&#xff0c;菠萝肉切丁用盐水浸泡备用 3.把菠萝丁放入料理机中加入少许纯净水&#xff0c;打成菠萝汁备用 4.打好…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023