运营在群里发了一句:“给我昨天(2024-06-01)的日报,三个数——多少人来了、多少人下单、卖了多少。”
你手里有五张表、78,817 行。这三个数分别来自两张表,口径各不相同,但没有一个需要 JOIN,也没有一个需要 GROUP BY。
本章只做单表查询:SELECT 选列、WHERE 筛行、ORDER BY 排序、LIMIT 截断。
零件只有五个,但每一个都直接决定数字对不对。学完这一章,你要能独立写出这三条查询,
并且在别人问“这个数怎么来的”时,指着 WHERE 一行一行解释。
单表查询的骨架只有五段:SELECT、FROM、WHERE、ORDER BY、LIMIT。这一节不背语法, 只讲清楚每一段“能做什么、不能做什么”。
SELECT 决定结果里出现哪些列。普通 SELECT 不改变行数,只改变“你看到什么”。最小的一条查询长这样:
SELECT order_id, pay_amount
FROM orders
ORDER BY order_date
LIMIT 5;
| order_id | pay_amount |
|---|---|
O23010116593 | 5,988.49 |
O23010103782 | 2,015.47 |
O23010116998 | 4,869.60 |
O23010104230 | 22,966.56 |
O23010110389 | 3,215.88 |
初学者最爱写 SELECT *,因为省事。但在分析场景里,它有三个具体问题:
SELECT * 的结果就多一列;如果你按“第 3 列是金额”去取数,直接错位。
明确列名还有一个好处:SELECT 列表本身就是文档。看到
SELECT order_id, pay_amount,任何人都知道这份结果一行是一笔订单、金额是实付。
SELECT 也能直接算表达式,例如把优惠加回去还原原价:pay_amount + discount AS 原价。
但本章先只用原始列,把口径练稳;表达式和条件判断留给第 12 章。
每一列都问一句“报表里要不要”。不要的就不写。需要改名字时用 AS,
例如 pay_amount AS 实付金额。
如果不这样会怎样:用 SELECT * 取 orders,再按位置去拿第 8 列,
结果有人调整了表结构,第 8 列变成了 city,你的 GMV 求和直接报错或算出天文数字。
WHERE 是行级过滤器:它逐行判断“这一行满不满足条件”,只把结果为 TRUE 的行留下。 它不知道 SELECT 要输出什么,也不做分组和聚合——这两件事分别属于 SELECT 和 GROUP BY。
五种最常用的写法,先看总表:
| 写法 | 例子 | 结果 |
|---|---|---|
| 比较 | pay_amount > 40000 | 7 笔订单 |
| BETWEEN | pay_amount BETWEEN 1000 AND 2000 | 1,059 笔(含两端) |
| IN | status IN ('已取消', '已退款') | 6 月 1 日 11 笔,合计 142,262.33 |
| LIKE | user_id LIKE 'U00000_' | 9 个用户(U000001–U000009) |
| IS NULL | user_id IS NULL | 565 笔游客订单 |
BETWEEN 是闭区间。BETWEEN 1000 AND 2000 等价于
>= 1000 AND <= 2000,两端都算。它适合金额、数量,不适合带时分秒的文本日期:
BETWEEN '2024-06-01' AND '2024-06-02' 看似包含两天,实际只覆盖 6 月 1 日;
6 月 2 日的记录因为后面多了 00:00:00,字符串更大,被排除在外。
SELECT COUNT(*) FROM orders
WHERE pay_amount BETWEEN 1000 AND 2000;
IN 是一组等值的简写。status IN ('已取消','已退款') 比写两个
OR 更短、更不容易漏括号。加上日期条件,可以核出 6 月 1 日有 11 笔取消/退款订单:
SELECT COUNT(*), ROUND(SUM(pay_amount), 2)
FROM orders
WHERE order_date LIKE '2024-06-01%'
AND status IN ('已取消', '已退款');
| COUNT(*) | SUM(pay_amount) |
|---|---|
| 11 | 142,262.33 |
LIKE 是两个通配符的游戏。% 代表任意长度(包括 0 个字符),
_ 代表恰好一个字符。所以 '2024-06-01%' 匹配当天所有时间,
'U00000_' 只匹配 U000001 到 U000009 这 9 个 ID,不会匹配 U000010。
| 值 | 模式 | 匹配? | 原因 |
|---|---|---|---|
| 2024-06-01 00:19:28 | '2024-06-01%' | 是 | % 吸收后面的时分秒 |
| 2024-06-01 | '2024-06-01%' | 是 | % 可以匹配 0 个字符 |
| 2024-06-10 08:00:00 | '2024-06-01%' | 否 | 第 9 位是 1 不是 0 |
| U000009 | 'U00000_' | 是 | _ 匹配最后一位 9 |
| U000010 | 'U00000_' | 否 | _ 只能一个字符,这里多了一位 |
IS NULL 是空值专用。第 10 章说过,= NULL 永远得不到 TRUE。
要数游客订单,只能写:
SELECT COUNT(*) FROM orders WHERE user_id IS NULL;
| 结果 | 含义 |
|---|---|
| 565 | 没有登录账号的游客订单 |
还有一个工程细节:LIKE '%关键词%' 前后都带 %,用不上索引,
两万行还能忍,两千万行会拖垮查询。前缀匹配 '2024-06-01%' 没有这个问题。
第 17 章讲索引时会再回到这条规则。
另外,!= 和 <> 在 SQLite 里等价,标准写法是 <>。
团队统一用一种,Code Review 时少吵架。
条件里的每一列都必须是表里真实存在的列。想过滤“聚合之后的结果”,要用 HAVING(第 12 章); 想按条件选列,用 CASE(第 12 章)。
如果不这样会怎样:把 SUM(pay_amount) > 1000000 写进 WHERE,
SQLite 直接报 misuse of aggregate: SUM();把 amt 这样的别名写进 WHERE,
MySQL 报 Unknown column。
SQL 的优先级是 NOT > AND > OR。也就是说,A AND B OR C 会被理解成
(A AND B) OR C,而不是 A AND (B OR C)。这不是细节,它会直接改变数字。
运营想要“已支付,且城市是杭州或成都”的订单数。两种写法,差 525 笔:
-- 写法一:没有括号
SELECT COUNT(*) FROM orders
WHERE status = '已支付' AND city = '杭州' OR city = '成都';
-- 写法二:给 OR 加括号
SELECT COUNT(*) FROM orders
WHERE status = '已支付' AND (city = '杭州' OR city = '成都');
| 写法 | 数据库的理解 | 结果 |
|---|---|---|
| 无括号 | (已支付 且 杭州)或(所有成都) | 4,494 |
| 有括号 | 已支付 且(杭州 或 成都) | 3,969 |
4,494 是怎么来的?已支付且杭州的有 2,050 笔,成都所有状态的有 2,444 笔,2,050 + 2,444 = 4,494。 其中 525 笔是成都的非已支付订单,被错误地算进了“已支付”。3,969 = 2,050 + 1,919(成都已支付)。
| 写法 | 被算进来的行 | 数量 |
|---|---|---|
| 无括号 | 已支付 ∩ 杭州 | 2,050 |
| 无括号 | 成都(不分状态) | 2,444 |
| 有括号 | 已支付 ∩ 杭州 | 2,050 |
| 有括号 | 已支付 ∩ 成都 | 1,919 |
NOT 也遵循同样的逻辑:NOT (A OR B) 等价于 NOT A AND NOT B。
拿不准时,先把业务语言写成带括号的布尔表达式,再逐字翻译成 SQL,别凭感觉省括号。
不要依赖记忆里的优先级。加括号不花钱,算错数要加班。混用 AND / OR / NOT 时, 括号是唯一可靠的写法。
如果不这样会怎样:“已支付且杭州或成都”少了括号,525 笔成都未支付订单混进成交数, 日报 GMV 和订单数同时虚高,而且 SQL 不会报任何错。
ORDER BY 决定行的顺序,默认升序(ASC),加 DESC 变降序。它可以接多列:
先按第一列排,第一列相同再按第二列排。DESC 只作用于紧挨着它的那一列,所以下面这句是
status 升序、pay_amount 降序。
SELECT status, order_id, pay_amount
FROM orders
ORDER BY status, pay_amount DESC
LIMIT 6;
| status | order_id | pay_amount |
|---|---|---|
| 已取消 | O23061700055 | 44,910.59 |
| 已取消 | O24061205523 | 43,644.36 |
| 已取消 | O23021615201 | 39,698.07 |
| 已取消 | O23032503521 | 37,727.35 |
| 已取消 | O23011614031 | 37,432.38 |
| 已取消 | O23091003179 | 35,906.08 |
前六行全是“已取消”,因为 status 按字符排序后“已取消”排在前面。这也顺便证明了一件事: 全表金额最大的两笔都是取消单。所以做 Top N 之前,先用 WHERE 把口径定死:
SELECT order_id, pay_amount
FROM orders
WHERE order_date LIKE '2024-06-01%' AND status = '已支付'
ORDER BY pay_amount DESC
LIMIT 3;
| order_id | pay_amount |
|---|---|
O24060109700 | 26,283.04 |
O24060116010 | 25,836.27 |
O24060112544 | 23,859.87 |
LIMIT 只负责截断,不负责排序。没有 ORDER BY 的 LIMIT 3 是“随便给我三行”,
换一个列清单、换一个版本,拿到的三行都可能不同。LIMIT 5 OFFSET 10 表示跳过 10 行再取 5 行,
常用于分页;分页同样必须先排序,否则翻页会重复或漏行。
还有一个容易忽略的细节:SQLite 升序排序时 NULL 排在最前。按 user_id 升序取前三行,
拿到的全是游客单(user_id 为 NULL);降序时 NULL 又跑到最后。做用户维度排序前,
先用 WHERE user_id IS NOT NULL 把游客单排除,否则“用户排行榜”第一名会是一个空值。
Top N 的固定套路是三步:WHERE 定口径 → ORDER BY 定顺序 → LIMIT 取前 N。 三步的顺序不能换,也不能省掉中间一步。
如果不这样会怎样:直接 SELECT ... FROM orders LIMIT 3 当“金额最高的三笔”,
拿到的只是表里最前面的三行,和金额毫无关系;去掉 WHERE 再排序,榜首会变成三笔取消单。
现在回到运营那句话。一个“日报”听起来是一件事,实际上是三个指标,来自两张表,三种口径。 正确的做法不是写一条大 SQL,而是先拆。
| 指标 | 业务问题 | 表 | 口径 |
|---|---|---|---|
| 日活 DAU | 多少人来了? | events | 2024-06-01 有行为的去重用户数 |
| 下单人数 | 多少人付了钱? | orders | 2024-06-01 已支付订单的去重用户数 |
| GMV | 卖了多少钱? | orders | 2024-06-01 已支付订单的 pay_amount 合计 |
拆完之后,每条查询只需要回答三个问题:哪张表?哪一天?哪些状态? 这三个答案就是 WHERE 的全部内容。剩下的 SELECT 只负责选列和聚合。
动手前先看一个会让新人翻车的细节:同样叫“6 月 1 日支付”,events 里只有 13 条支付事件、13 个人; orders 里却有 37 笔已支付订单、37 个人。差在哪?events 是前端埋点,它在本库里只覆盖了一部分行为 (全月 501 条支付事件,而 orders 有 15,615 笔已支付);orders 是交易系统,财务以它对账。 流量和漏斗用 events,成交和 GMV 用 orders。两个数都能自洽,但回答的不是同一个问题。
| 数据来源 | 6 月 1 日支付人数 | 适合回答 |
|---|---|---|
| events(支付事件) | 13 | 有多少人走到了支付这一步 |
| orders(已支付) | 37 | 有多少人真正完成了交易 |
日报还常带第四个数:客单价 = GMV ÷ 已支付订单数 = 395,466.51 ÷ 37 = 10,688.28。 它不需要新查询,用前两个数就能算出来,是最便宜的交叉验证。
为什么不写成一条 SQL?因为日活来自 events,下单人数和 GMV 来自 orders,粒度和口径都不同。 硬拼在一起要么 JOIN 出错,要么用子查询绕晕自己。第 12 章会用 GROUP BY 做“按天汇总”, 但那是“同一天、同一张表”的汇总;跨表指标,先分开算、再拼报表,永远是最稳的。
八步,从确认数据范围到写出三个数。每一步都能独立运行,结果必须和正文一致。
SELECT MIN(event_time), MAX(event_time) FROM events;
SELECT MIN(order_date), MAX(order_date) FROM orders;
events 只有 6 月一个月,这正是它可以做日活、不能做全年分析的原因。别拿它算年度留存。如果 MIN/MAX 返回 NULL,说明表是空的,先别往下算。
SELECT COUNT(*) FROM events
WHERE event_time LIKE '2024-06-01%';
一个用户可以浏览、加购、下单、支付,产生 4 条记录。把行为条数当人数,日活会被行为频次放大。
SELECT COUNT(DISTINCT user_id) FROM events
WHERE event_time LIKE '2024-06-01%';
如果得到 281 或别的数,检查日期条件是不是写成了 >= '2024-06-01' 却没写上界,把后面 29 天也算进去了。
SELECT COUNT(DISTINCT user_id)
FROM orders
WHERE order_date LIKE '2024-06-01%'
AND status = '已支付';
这一天恰好是 37 笔已支付、37 个用户,一笔一人。换成别的日期就可能一人两单,所以人数必须用 COUNT(DISTINCT user_id),不能数订单行数。
amount 是原价,pay_amount 才是原价减优惠。SELECT ROUND(SUM(pay_amount), 2) AS GMV
FROM orders
WHERE order_date LIKE '2024-06-01%'
AND status = '已支付';
537,728.84 − 395,466.51 = 142,262.33,这是 11 笔取消/退款订单的金额。
396,587.74 − 395,466.51 = 1,121.23,这是 37 笔已支付订单的优惠合计。
SELECT ROUND(SUM(pay_amount) / COUNT(*), 2) AS 客单价
FROM orders
WHERE order_date LIKE '2024-06-01%'
AND status = '已支付';
除数是 COUNT(*) 不是 COUNT(DISTINCT user_id)。客单价的分母是订单数;一人两单要算两次。
SELECT COUNT(DISTINCT user_id) AS 日活
FROM events
WHERE event_time >= '2024-06-01' AND event_time < '2024-06-02';
SELECT COUNT(*) AS 订单数,
COUNT(DISTINCT user_id) AS 下单人数,
ROUND(SUM(pay_amount), 2) AS GMV
FROM orders
WHERE order_date >= '2024-06-01' AND order_date < '2024-06-02'
AND status = '已支付';
daily_report.sql,把三条查询贴进去,每条上面写一行注释-- 指标 / 表 / 日期 / 状态 / 金额字段如果三个数里有一个和前几步不同,先检查是不是把 LIKE 和半开区间混用、漏了 status,或者把 amount 当成了 pay_amount。
先填三个数,再做五道选择题。数字对是底线,能解释为什么才是目标。
COUNT(*)?COUNT(DISTINCT user_id)。status = '已支付'?WHERE order_date = '2024-06-01' 为什么返回 0 行?2024-06-01 00:19:28,不是 2024-06-01。用 LIKE '2024-06-01%' 或半开区间。实际有 48 笔订单。WHERE status = '已支付' AND city = '杭州' OR city = '成都' 等价于哪种写法?日报的三个数最容易错在这几处。按“现象 → 原因 → 解决”对照。
| 现象 | 原因 | 解决 |
|---|---|---|
| 日活算成 536 | 用了 COUNT(*),数的是行为条数 |
改成 COUNT(DISTINCT user_id),得到 280 |
| 下单人数是 47 | 没加 status = '已支付' |
补上状态条件,得到 37;差的 10 人只有取消/退款记录 |
| GMV 是 537,728.84 | 没筛状态,把取消和退款也算进来了 | 加 AND status = '已支付',得到 395,466.51 |
| GMV 比财务多 1,121.23 | 用了 amount(原价),没减优惠 |
改用 pay_amount |
| 用 events 算支付人数只有 13 | events 是前端埋点,不是交易系统 | 成交相关一律用 orders 的已支付订单,得到 37 |
| 日期条件返回 0 行 | 用了等值比较,或月份没补零 | 用 LIKE '2024-06-01%' 或半开区间 |
| 加了 OR 之后数字变大 | AND 优先级高于 OR,条件被拆错 | 给 OR 分支加括号,再核对总数 |
| LIMIT 的结果每次都不同 | 没有 ORDER BY,顺序不保证 | 先写 ORDER BY,再 LIMIT |
SELECT *,每一列都要能说出为什么出现在报表里。pay_amount 在 5,000 到 20,000 之间的订单数(含两端)。WHERE status = '已支付' OR status = '待支付' AND city = '杭州'1. 事件 573 条,日活 310 人。一个人当天可以产生多条行为,所以条数大于人数。
2. 行数 280,人数 280。当天每个活跃用户恰好只有一条“浏览”记录,所以两个数相同;换一天或换事件类型就可能不同,不能因此就用 COUNT(*) 算人数。
3. 23 笔。条件:order_date LIKE '2024-06-01%' AND status='已支付' AND pay_amount BETWEEN 5000 AND 20000。
4. 原句被理解为“已支付(全部)”或“待支付且杭州”,共 15,615 + 159 = 15,774。括号写法是 WHERE (status='已支付' OR status='待支付') AND city='杭州',结果 2,050 + 159 = 2,209。差 13,565 行,全是其他城市的已支付订单。