目录
- SQL核心语法总结：从基础操作到高级窗口函数
- 一、数据插入：INSERT IGNORE INTO & REPLACE INTO
- 二、字符串处理函数
- 1. 基础长度与替换
- 2. 字符串截取
- （1）通用截取：SUBSTRING
- （2）定向截取：LEFT/RIGHT
- 三、条件判断：CASE表达式
- 1. 简单CASE表达式（匹配字段值）
- 2. 搜索CASE表达式（更灵活，匹配条件）
- 四、存在性查询：EXISTS/NOT EXISTS
- 基本语法
- 五、高级分析：窗口函数OVER()
- 1. 基本语法
- 2. 三大核心组件
- 3. 常见窗口函数分类
- （1）聚合窗口函数
- （2）排名窗口函数
- （3）取值窗口函数
- 4. 窗口函数经典场景
- （1）累计占比计算
- （2）移动窗口计算（如7天移动平均）
- （3）获取每组最新记录
- 六、易混淆点：SUM() OVER(ORDER BY) vs SUM() + GROUP BY + ORDER BY
- 七、补充：GROUP_CONCAT() 语法注意
- 总结
SQL核心语法总结：从基础操作到高级窗口函数
SQL作为数据处理的核心语言，掌握其常用语法和高级特性是数据分析、开发的必备技能。本文将系统梳理SQL高频语法，涵盖数据插入、字符串处理、条件判断、存在性查询、窗口函数等核心知识点，结合示例帮你快速理解和应用。
一、数据插入：INSERT IGNORE INTO & REPLACE INTO
在数据插入场景中，针对“重复数据”的处理有两种常用语法，核心差异如下：
| 语法 | 逻辑 |
|---|---|
| INSERT IGNORE INTO | 插入数据时，若记录已存在（主键/唯一索引冲突）则忽略，不存在则正常插入 |
| REPLACE INTO | 插入数据时，若记录已存在则先删除原有记录，再插入新记录；不存在则正常插入 |
二、字符串处理函数
SQL提供丰富的字符串操作函数，以下是高频使用的几个：
1. 基础长度与替换
LENGTH(string)：获取字符串的长度REPLACE(string, 'old_value', 'new_value')：替换字符串内容
示例：REPLACE(col, ',', ' ')将字段中的英文逗号替换为空格
2. 字符串截取
（1）通用截取：SUBSTRING
-- 两种标准语法SUBSTRING(string,start,length)SUBSTRING(stringFROMstartFORlength)（2）定向截取：LEFT/RIGHT
-- 从左侧提取指定数量字符LEFT(string,number_of_chars)-- 从右侧提取指定数量字符RIGHT(string,number_of_chars)三、条件判断：CASE表达式
CASE表达式是SQL中的条件判断语句，类比编程语言的if-else/switch-case，分两种语法形式：
1. 简单CASE表达式（匹配字段值）
CASEcolumn_nameWHENvalue1THENresult1WHENvalue2THENresult2...ELSEdefault_resultEND2. 搜索CASE表达式（更灵活，匹配条件）
CASEWHENcondition1THENresult1WHENcondition2THENresult2...ELSEdefault_resultEND示例：根据分数分级
SELECTscore,CASEWHENscore>=90THEN'优秀'WHENscore>=80THEN'良好'ELSE'及格'ENDASgradeFROMstudent;四、存在性查询：EXISTS/NOT EXISTS
EXISTS是逻辑运算符，用于检查子查询是否至少返回一行数据，常用来替代IN提升查询效率（尤其大数据量）。
基本语法
-- 存在匹配结果则返回主查询数据SELECTcolumn1,column2FROMtable1WHEREEXISTS(subquery);-- 无匹配结果则返回主查询数据SELECTcolumn1,column2FROMtable1WHERENOTEXISTS(subquery);示例：查询未关联部门的员工
SELECT*FROMemployeesWHERENOTEXISTS(SELECTemp_noFROMdept_empWHEREdept_emp.emp_no=employees.emp_no);五、高级分析：窗口函数OVER()
OVER()是窗口函数的核心，用于在一组行（窗口）上执行计算，且保留原始行数据（区别于GROUP BY的汇总折叠），是SQL高级分析的核心工具。
1. 基本语法
聚合函数/窗口函数OVER([PARTITIONBY分区字段]-- 按字段分组，组内独立计算[ORDERBY排序字段]-- 窗口内行的排序规则[ROWS/RANGE 框架子句]-- 定义窗口的具体行范围)2. 三大核心组件
| 组件 | 作用 |
|---|---|
| PARTITION BY | 分区：将数据按指定字段分组，每个分组独立计算（类比GROUP BY，但不折叠行） |
| ORDER BY | 排序：确定窗口内行的顺序，用于累计计算、排名等 |
| ROWS/RANGE | 窗口框架：限定计算的行范围（如“最近3行”“前N行到当前行”） |
3. 常见窗口函数分类
（1）聚合窗口函数
基于窗口计算聚合值，保留原始行：
-- 示例：计算每个部门的平均薪资，保留员工明细SELECTname,department,salary,AVG(salary)OVER(PARTITIONBYdepartment)ASdept_avg_salaryFROMemployees;常用聚合窗口函数：SUM() OVER()、AVG() OVER()、COUNT() OVER()、MAX() OVER()、MIN() OVER()。
（2）排名窗口函数
用于分组内排序，核心差异如下：
| 函数名 | 特性 | 示例结果（分数：95、90、90、85） |
|---|---|---|
| ROW_NUMBER() | 分组内生成唯一连续行号，无并列 | 1、2、3、4 |
| RANK() | 并列名次重复，后续名次跳号（如1、2、2、4） | 1、2、2、4 |
| DENSE_RANK() | 并列名次重复，后续名次连续（如1、2、2、3） | 1、2、2、3 |
| PERCENT_RANK | 按公式(rank-1)/(rows-1)计算相对排名，结果0~1 | 0.0、0.33、0.33、1.0 |
| CUME_DIST | 分组内≤当前值的行数/总行数，结果0~1 | 0.25、0.75、0.75、1.0 |
示例：薪资排名
SELECTemp_name,salary,ROW_NUMBER()OVER(ORDERBYsalaryDESC)ASrow_num,RANK()OVER(ORDERBYsalaryDESC)ASrankFROMemployees;（3）取值窗口函数
用于获取窗口内指定位置的行数据：
LAG(column, n)：获取当前行前n行的字段值LEAD(column, n)：获取当前行后n行的字段值FIRST_VALUE(column)：窗口内第一个值LAST_VALUE(column)：窗口内最后一个值
示例：对比每日销售额与前一日
SELECTdate,sales,LAG(sales,1)OVER(ORDERBYdate)ASprev_day_sales,sales-LAG(sales,1)OVER(ORDERBYdate)ASdaily_changeFROMdaily_sales;4. 窗口函数经典场景
（1）累计占比计算
SELECTdate,sales,SUM(sales)OVER(ORDERBYdate)ASrunning_total,-- 累计销售额ROUND(100.0*SUM(sales)OVER(ORDERBYdate)/SUM(sales)OVER(),2)AScum_percentage-- 累计占比FROMdaily_sales;（2）移动窗口计算（如7天移动平均）
SELECTdate,sales,AVG(sales)OVER(ORDERBYdateROWSBETWEEN6PRECEDINGANDCURRENTROW-- 包含当前行及前6行)ASmoving_avg_7dFROMdaily_sales;（3）获取每组最新记录
-- 示例：获取每个用户最后一次登录的客户端信息SELECTu_n,c_n,dateFROM(SELECTu.nameasu_n,c.nameasc_n,l.date,row_number()over(partitionbyu.idorderbydatedesc)asrk-- 按用户分区，按时间降序排名FROMlogin ljoinuseruonl.user_id=u.idjoinclient conc.id=l.client_id)sWHERErk=1-- 取排名1（最新）的记录ORDERBYu_n;六、易混淆点：SUM() OVER(ORDER BY) vs SUM() + GROUP BY + ORDER BY
初学者常混淆累计求和与分组求和，核心差异如下：
| 特性 | SUM() OVER(ORDER BY date) | SUM(sales) GROUP BY date ORDER BY date |
|---|---|---|
| 返回行数 | 原始行数（保留明细） | 分组行数（仅汇总行） |
| 计算逻辑 | 累计求和（运行总和） | 分组求和（单组独立值） |
| 结果示例 | 100、250、450（累计） | 100、150、200（每日单独值） |
| 适用场景 | 趋势分析、累计占比 | 分组汇总、单维度统计 |
七、补充：GROUP_CONCAT() 语法注意
MySQL中使用GROUP_CONCAT()时，别名尽量避免直接使用引号（部分版本/配置会报错），优先使用无引号或反引号（`）包裹别名。
总结
- 数据插入优先根据“重复数据处理逻辑”选择
INSERT IGNORE INTO或REPLACE INTO； - 字符串处理掌握
LENGTH/REPLACE/SUBSTRING/LEFT/RIGHT即可覆盖大部分场景； - 条件判断用
CASE表达式，灵活处理多分支逻辑； - 存在性查询优先用
EXISTS替代IN，提升大数据量查询效率； - 窗口函数
OVER()是高级分析核心，掌握PARTITION BY/ORDER BY/ROWS三大组件，可实现累计、排名、移动计算等复杂分析； - 区分
SUM() OVER(ORDER BY)（累计）与GROUP BY（分组汇总）的核心差异，避免用错场景。
掌握以上语法，可覆盖从基础数据操作到高级数据分析的绝大部分SQL使用场景，建议结合实际业务场景多练习，加深理解。
)