一、基础数据检索实践

1.1 精确条件查询

WHERE子句是数据过滤的核心工具，通过等值比较(=)、范围筛选(BETWEEN)、逻辑组合(AND/OR)实现精准定位。例如在电商订单表中筛选特定日期范围内的已完成订单：

SELECT order_id, customer_id, total_amount
FROM orders
WHERE order_status = 'completed'
  AND create_time BETWEEN '2024-01-01' AND '2024-01-31';

优化建议：对日期字段建立索引，避免在WHERE子句中对字段进行函数操作（如DATE(create_time)），这会导致索引失效。

1.2 模糊匹配查询

LIKE操作符配合通配符实现灵活搜索，%表示任意长度字符，_表示单个字符。在用户表中搜索姓名包含”张”且长度为3的用户：

SELECT user_id, user_name
FROM users
WHERE user_name LIKE '张__';

性能提示：前导通配符（如%张%）无法使用索引，建议考虑全文索引或专用搜索引擎。

二、聚合分析实践

2.1 基础聚合计算

GROUP BY与聚合函数组合实现数据汇总，COUNT统计记录数，SUM/AVG计算总和与平均值。统计各产品类别的销售总额与平均单价：

SELECT category_id, 
       COUNT(*) AS order_count,
       SUM(total_amount) AS total_sales,
       AVG(unit_price) AS avg_price
FROM order_items
GROUP BY category_id;

行业应用：零售行业常用此方法分析品类贡献度，指导库存策略。

2.2 分组后筛选

HAVING子句对分组结果进行二次过滤，与WHERE的区别在于作用阶段不同。筛选销售总额超过10万元的商品类别：

SELECT product_id, SUM(quantity) AS total_quantity
FROM order_items
GROUP BY product_id
HAVING SUM(quantity) > 100000;

技术要点：HAVING中可使用聚合函数，WHERE中不能。

三、多表关联实践

3.1 内连接应用

INNER JOIN基于关联字段合并数据，确保结果仅包含匹配记录。查询订单及其对应客户信息：

SELECT o.order_id, c.customer_name, o.total_amount
FROM orders o
INNER JOIN customers c ON o.customer_id = c.customer_id;

连接优化：关联字段应建立索引，小表驱动大表可提升性能。

3.2 左外连接场景

LEFT JOIN保留左表全部记录，适用于主从表关系。统计各客户订单数（含未下单客户）：

SELECT c.customer_id, c.customer_name, COUNT(o.order_id) AS order_count
FROM customers c
LEFT JOIN orders o ON c.customer_id = o.customer_id
GROUP BY c.customer_id, c.customer_name;

业务价值：金融行业常用此方法分析客户活跃度。

四、子查询实践

4.1 WHERE子查询

嵌套查询实现复杂条件，查询购买过高端产品的客户：

SELECT customer_id, customer_name
FROM customers
WHERE customer_id IN (
    SELECT DISTINCT customer_id 
    FROM orders 
    WHERE product_id IN (
        SELECT product_id 
        FROM products 
        WHERE price > 1000
    )
);

性能考量：IN子查询可能产生性能问题，可改用JOIN优化。

4.2 FROM子查询

将查询结果作为临时表处理，计算各部门薪资中位数：

SELECT dept_id, AVG(salary) AS median_salary
FROM (
    SELECT dept_id, salary,
           ROW_NUMBER() OVER (PARTITION BY dept_id ORDER BY salary) AS row_num,
           COUNT(*) OVER (PARTITION BY dept_id) AS total_count
    FROM employees
) t
WHERE row_num IN (FLOOR((total_count+1)/2), FLOOR((total_count+2)/2))
GROUP BY dept_id;

技术延伸：窗口函数在数据分析中应用广泛。

五、高级查询实践

5.1 递归查询

WITH RECURSIVE实现层级数据遍历，查询组织架构层级：

WITH RECURSIVE org_tree AS (
    SELECT employee_id, name, manager_id, 1 AS level
    FROM employees
    WHERE manager_id IS NULL
    UNION ALL
    SELECT e.employee_id, e.name, e.manager_id, ot.level + 1
    FROM employees e
    JOIN org_tree ot ON e.manager_id = ot.employee_id
)
SELECT * FROM org_tree ORDER BY level, employee_id;

应用场景：ERP系统、社交网络关系分析。

5.2 公用表表达式

CTE提升复杂查询可读性，计算客户生命周期价值：

WITH customer_orders AS (
    SELECT customer_id, 
           SUM(total_amount) AS total_spent,
           COUNT(DISTINCT order_date) AS active_days
    FROM orders
    GROUP BY customer_id
)
SELECT customer_id, 
       total_spent,
       active_days,
       total_spent/active_days AS daily_avg_spend
FROM customer_orders
WHERE total_spent > 10000;

优势：避免重复子查询，便于维护。

六、性能优化实践

6.1 索引策略

合理创建索引可提升查询效率，在订单表的customer_id和order_date上建立复合索引：

CREATE INDEX idx_customer_date ON orders(customer_id, order_date);

设计原则：高频查询字段优先，区分度高的字段在前。

6.2 执行计划分析

使用EXPLAIN解析查询执行路径，识别全表扫描等性能问题：

EXPLAIN SELECT * FROM orders WHERE order_status = 'pending';

关键指标：关注type列（ALL表示全表扫描）、key列（是否使用索引）、rows列（预估扫描行数）。

七、行业应用建议

1. 电商系统：重点优化商品检索、订单统计查询，考虑使用物化视图预计算热门数据
2. 金融风控：构建高效的事务查询系统，注意数据一致性与隔离级别选择
3. 物联网：针对时序数据设计分区表，优化时间范围查询性能

八、最佳实践总结

1. 遵循”查询简洁、逻辑清晰”原则，避免过度嵌套
2. 定期分析慢查询日志，建立性能基准
3. 重要业务查询考虑读写分离架构
4. 建立查询规范文档，提升团队开发效率

通过系统掌握这些常见SQL查询实践，开发者能够构建出高效、稳定的数据检索系统，为业务决策提供可靠的数据支持。实际应用中需结合具体数据库特性（如MySQL、PostgreSQL、Oracle的语法差异）进行调整优化。