Use this skill when the OpenART registry selects tool.sql_queries.aff09c2fbf49d9f8 for the current task.
SQL 查询技能
在所有主流数据仓库方言中，编写正确、高效、可读的 SQL。
方言专项参考
PostgreSQL（含 Aurora、RDS、Supabase、Neon）
日期/时间：
sql-- 当前日期/时间 CURRENT_DATE, CURRENT_TIMESTAMP, NOW() -- 日期运算 date_column + INTERVAL '7 days' date_column - INTERVAL '1 month' -- 截断到周期 DATE_TRUNC('month', created_at) -- 提取部分 EXTRACT(YEAR FROM created_at) EXTRACT(DOW FROM created_at) -- 0=周日 -- 格式化 TO_CHAR(created_at, 'YYYY-MM-DD')
字符串函数：
sql-- 拼接 first_name || ' ' || last_name CONCAT(first_name, ' ', last_name) -- 模式匹配 column ILIKE '%pattern%' -- 不区分大小写 column ~ '^regex_pattern$' -- 正则 -- 字符串操作 LEFT(str, n), RIGHT(str, n) SPLIT_PART(str, delimiter, position) REGEXP_REPLACE(str, pattern, replacement)
数组与 JSON：
sql-- JSON 访问 data->>'key' -- 文本 data->'nested'->'key' -- json data#>>'{path,to,key}' -- 嵌套文本 -- 数组操作 ARRAY_AGG(column) ANY(array_column) array_column @> ARRAY['value']
性能技巧：
- 使用
EXPLAIN ANALYZE分析查询 - 为频繁过滤/关联的字段创建索引
- 关联子查询优先使用
EXISTS而非IN - 常用过滤条件使用部分索引
- 并发访问使用连接池
Snowflake
日期/时间：
sql-- 当前日期/时间 CURRENT_DATE(), CURRENT_TIMESTAMP(), SYSDATE() -- 日期运算 DATEADD(day, 7, date_column) DATEDIFF(day, start_date, end_date) -- 截断到周期 DATE_TRUNC('month', created_at) -- 提取部分 YEAR(created_at), MONTH(created_at), DAY(created_at) DAYOFWEEK(created_at) -- 格式化 TO_CHAR(created_at, 'YYYY-MM-DD')
字符串函数：
sql-- 默认不区分大小写（取决于排序规则） column ILIKE '%pattern%' REGEXP_LIKE(column, 'pattern') -- 解析 JSON column:key::string -- VARIANT 的点表示法 PARSE_JSON('{"key": "value"}') GET_PATH(variant_col, 'path.to.key') -- 展平数组/对象 SELECT f.value FROM table, LATERAL FLATTEN(input => array_col) f
半结构化数据：
sql-- VARIANT 类型访问 data:customer:name::STRING data:items[0]:price::NUMBER -- 展平嵌套结构 SELECT t.id, item.value:name::STRING as item_name, item.value:qty::NUMBER as quantity FROM my_table t, LATERAL FLATTEN(input => t.data:items) item
性能技巧：
- 大表使用聚簇键（而非传统索引）
- 在聚簇键字段上过滤以进行分区裁剪
- 根据查询复杂度设置合适的仓库大小
- 使用
RESULT_SCAN(LAST_QUERY_ID())避免重复运行昂贵查询 - 暂存/临时数据使用临时表
BigQuery（Google Cloud）
日期/时间：
sql-- 当前日期/时间 CURRENT_DATE(), CURRENT_TIMESTAMP() -- 日期运算 DATE_ADD(date_column, INTERVAL 7 DAY) DATE_SUB(date_column, INTERVAL 1 MONTH) DATE_DIFF(end_date, start_date, DAY) TIMESTAMP_DIFF(end_ts, start_ts, HOUR) -- 截断到周期 DATE_TRUNC(created_at, MONTH) TIMESTAMP_TRUNC(created_at, HOUR) -- 提取部分 EXTRACT(YEAR FROM created_at) EXTRACT(DAYOFWEEK FROM created_at) -- 1=周日 -- 格式化 FORMAT_DATE('%Y-%m-%d', date_column) FORMAT_TIMESTAMP('%Y-%m-%d %H:%M:%S', ts_column)
字符串函数：
sql-- 无 ILIKE，使用 LOWER() LOWER(column) LIKE '%pattern%' REGEXP_CONTAINS(column, r'pattern') REGEXP_EXTRACT(column, r'pattern') -- 字符串操作 SPLIT(str, delimiter) -- 返回 ARRAY ARRAY_TO_STRING(array, delimiter)
数组与结构体：
sql-- 数组操作 ARRAY_AGG(column) UNNEST(array_column) ARRAY_LENGTH(array_column) value IN UNNEST(array_column) -- 结构体访问 struct_column.field_name
性能技巧：
- 始终在分区字段（通常是日期）上过滤，以减少扫描字节数
- 对分区内频繁过滤的字段使用聚簇
- 大规模基数估算使用
APPROX_COUNT_DISTINCT() - 避免
SELECT *——按扫描字节计费 - 使用
DECLARE和SET编写参数化脚本 - 执行大查询前通过 dry run 预览查询成本
Redshift（Amazon）
日期/时间：
sql-- 当前日期/时间 CURRENT_DATE, GETDATE(), SYSDATE -- 日期运算 DATEADD(day, 7, date_column) DATEDIFF(day, start_date, end_date) -- 截断到周期 DATE_TRUNC('month', created_at) -- 提取部分 EXTRACT(YEAR FROM created_at) DATE_PART('dow', created_at)
字符串函数：
sql-- 不区分大小写 column ILIKE '%pattern%' REGEXP_INSTR(column, 'pattern') > 0 -- 字符串操作 SPLIT_PART(str, delimiter, position) LISTAGG(column, ', ') WITHIN GROUP (ORDER BY column)
性能技巧：
- 为并置关联设计分布键（DISTKEY）
- 频繁过滤字段使用排序键（SORTKEY）
- 使用
EXPLAIN查看查询计划 - 避免跨节点数据移动（注意 DS_BCAST 和 DS_DIST）
- 定期执行
ANALYZE和VACUUM - 使用延迟绑定视图提高 Schema 灵活性
Databricks SQL
日期/时间：
sql-- 当前日期/时间 CURRENT_DATE(), CURRENT_TIMESTAMP() -- 日期运算 DATE_ADD(date_column, 7) DATEDIFF(end_date, start_date) ADD_MONTHS(date_column, 1) -- 截断到周期 DATE_TRUNC('MONTH', created_at) TRUNC(date_column, 'MM') -- 提取部分 YEAR(created_at), MONTH(created_at) DAYOFWEEK(created_at)
Delta Lake 特性：
sql-- 时间旅行 SELECT * FROM my_table TIMESTAMP AS OF '2024-01-15' SELECT * FROM my_table VERSION AS OF 42 -- 查看历史 DESCRIBE HISTORY my_table -- Merge（更新插入） MERGE INTO target USING source ON target.id = source.id WHEN MATCHED THEN UPDATE SET * WHEN NOT MATCHED THEN INSERT *
性能技巧：
- 使用 Delta Lake 的
OPTIMIZE和ZORDER提升查询性能 - 利用 Photon 引擎处理计算密集型查询
- 频繁访问的数据集使用
CACHE TABLE - 按低基数日期字段分区
常用 SQL 模式
窗口函数
sql-- 排名 ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY created_at DESC) RANK() OVER (PARTITION BY category ORDER BY revenue DESC) DENSE_RANK() OVER (ORDER BY score DESC) -- 累计/移动均值 SUM(revenue) OVER (ORDER BY date_col ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) as running_total AVG(revenue) OVER (ORDER BY date_col ROWS BETWEEN 6 PRECEDING AND CURRENT ROW) as moving_avg_7d -- 滞后 / 超前 LAG(value, 1) OVER (PARTITION BY entity ORDER BY date_col) as prev_value LEAD(value, 1) OVER (PARTITION BY entity ORDER BY date_col) as next_value -- 第一个 / 最后一个值 FIRST_VALUE(status) OVER (PARTITION BY user_id ORDER BY created_at ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) LAST_VALUE(status) OVER (PARTITION BY user_id ORDER BY created_at ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) -- 占总比 revenue / SUM(revenue) OVER () as pct_of_total revenue / SUM(revenue) OVER (PARTITION BY category) as pct_of_category
用 CTE 提升可读性
sqlWITH -- 第一步：定义基础人群 base_users AS ( SELECT user_id, created_at, plan_type FROM users WHERE created_at >= DATE '2024-01-01' AND status = 'active' ), -- 第二步：计算用户级指标 user_metrics AS ( SELECT u.user_id, u.plan_type, COUNT(DISTINCT e.session_id) as session_count, SUM(e.revenue) as total_revenue FROM base_users u LEFT JOIN events e ON u.user_id = e.user_id GROUP BY u.user_id, u.plan_type ), -- 第三步：聚合至汇总层 summary AS ( SELECT plan_type, COUNT(*) as user_count, AVG(session_count) as avg_sessions, SUM(total_revenue) as total_revenue FROM user_metrics GROUP BY plan_type ) SELECT * FROM summary ORDER BY total_revenue DESC;
同期群留存
sqlWITH cohorts AS ( SELECT user_id, DATE_TRUNC('month', first_activity_date) as cohort_month FROM users ), activity AS ( SELECT user_id, DATE_TRUNC('month', activity_date) as activity_month FROM user_activity ) SELECT c.cohort_month, COUNT(DISTINCT c.user_id) as cohort_size, COUNT(DISTINCT CASE WHEN a.activity_month = c.cohort_month THEN a.user_id END) as month_0, COUNT(DISTINCT CASE WHEN a.activity_month = c.cohort_month + INTERVAL '1 month' THEN a.user_id END) as month_1, COUNT(DISTINCT CASE WHEN a.activity_month = c.cohort_month + INTERVAL '3 months' THEN a.user_id END) as month_3 FROM cohorts c LEFT JOIN activity a ON c.user_id = a.user_id GROUP BY c.cohort_month ORDER BY c.cohort_month;
漏斗分析
sqlWITH funnel AS ( SELECT user_id, MAX(CASE WHEN event = 'page_view' THEN 1 ELSE 0 END) as step_1_view, MAX(CASE WHEN event = 'signup_start' THEN 1 ELSE 0 END) as step_2_start, MAX(CASE WHEN event = 'signup_complete' THEN 1 ELSE 0 END) as step_3_complete, MAX(CASE WHEN event = 'first_purchase' THEN 1 ELSE 0 END) as step_4_purchase FROM events WHERE event_date >= CURRENT_DATE - INTERVAL '30 days' GROUP BY user_id ) SELECT COUNT(*) as total_users, SUM(step_1_view) as viewed, SUM(step_2_start) as started_signup, SUM(step_3_complete) as completed_signup, SUM(step_4_purchase) as purchased, ROUND(100.0 * SUM(step_2_start) / NULLIF(SUM(step_1_view), 0), 1) as view_to_start_pct, ROUND(100.0 * SUM(step_3_complete) / NULLIF(SUM(step_2_start), 0), 1) as start_to_complete_pct, ROUND(100.0 * SUM(step_4_purchase) / NULLIF(SUM(step_3_complete), 0), 1) as complete_to_purchase_pct FROM funnel;
去重
sql-- 按键保留最新记录 WITH ranked AS ( SELECT *, ROW_NUMBER() OVER ( PARTITION BY entity_id ORDER BY updated_at DESC ) as rn FROM source_table ) SELECT * FROM ranked WHERE rn = 1;
错误处理与调试
查询失败时：
- 语法错误：检查方言专属语法（例如
ILIKE在 BigQuery 中不可用，SAFE_DIVIDE仅在 BigQuery 中可用） - 字段未找到：对照 Schema 验证字段名——检查拼写错误、大小写敏感性（PostgreSQL 对带引号的标识符区分大小写）
- 类型不匹配：比较不同类型时显式转换（
CAST(col AS DATE)、col::DATE） - 除零：使用
NULLIF(denominator, 0)或方言专属的安全除法 - 字段歧义：在 JOIN 中始终用表别名限定字段名
- GROUP BY 错误：所有非聚合字段必须在 GROUP BY 中（BigQuery 允许按别名分组除外）
