京公网安备 11010802034615号
经营许可证编号:京B2-20210330
【每周一期-数据蒋堂】从SQL语法看离散性
所谓离散性,是指集合的成员可以游离在集合之外存在并参与运算,游离成员还可以再组成新的集合。从离散性的解释上可以知道,离散性是针对集合而言的一种能力,离开集合概念单独谈离散性就没有意义了。
离散性是个很简单的特性,几乎所有支持结构(对象)的高级语言都天然支持,比如我们用Java时都可以把数组成员取出来单独计算,也可以再次组成新的数组进行集合运算(不过Java几乎没有提供集合运算类库)。
但是SQL的离散性却很差。
SQL体系中有记录的概念,但并没有显式的记录数据类型。单条记录被SQL作为只有一条记录的临时表处理,也就是个单成员的集合。而且,SQL从表(集合)中取出记录时总是复制出一条新记录,和原表中的记录已经没有关系了,这个特性被称为immutable。immutable特性有助于保证代码的正确性和简单性,但也会丧失离散性。
缺失离散性会带来代码的繁琐和效率的低下。
比如要计算张三和李四的年龄差和工资差,SQL要写成两句:
SELECT (SELECT age FROM employee WHERE name='张三') - ( SELECT age FROM employee WHERE name='李四') FROM dual
SELECT (SELECT salary FROM employee WHERE name='张三') - ( SELECT salary FROM employee WHERE name='李四') FROM dual
这不仅书写麻烦,而且要重复查询。
如果支持较好的离散性,我们可以写成这样:
a = employee.select@1(name="张三")
b = employee.select@1(name="李四")
agediff=a.age-b.age
salarydiff=a.salary-b.salary
查询结果可以游离在集合外独立存在,并可以反复使用。
immutable特性会要求每次运算都复制数据,这在只读的运算中还只是浪费时间和空间影响效率,但如果要改写数据时,造成的麻烦就严重得多。
比如我们想对业绩在前10%销售员再给予5%的奖励。一个正常思路是先把业绩在前10%的销售员找出来,形成一个中间集合,然后再针对这个集合的成员执行奖励5%的动作。但由于SQL缺乏离散性,immutable特性导致满足条件的记录再形成的集合和原记录是无关的,在中间结果集上做修改没有意义。这样就迫使我们要把整个动作写成一个语句,直接在原表中找到满足条件的记录再加以修改,而前10%这种条件并不容易简单地在WHERE子句中写出来,这又会导致复杂的子查询。这还只是个简单例子,现实应用中比这复杂的条件比比皆是,用子查询也很难写出,经常采用的办法则是先把满足条件的记录的主键计算出来,再用这些主键到原表中遍历找到原记录去修改,代码繁琐且效率极为低下。
如果语言支持离散性,我们就可以执行上述思路了:
a=sales.sort@z(amount).to(sales.len()*0.1) //取出前业绩在10%的记录构成一个新集合
a.run(amount=amount*1.05) //针对集合成员执行奖励5%动作
从上面两个简单例子可以看出,缺失离散性会加剧分步计算的困难,immutable特性会降低性能并占用空间。当然,离散性的问题还不止于此。
不能用原集合的成员构成新集合再进行计算,SQL在做分组时无法保持分组子集,必须强迫聚合,作为集合化语言,SQL的集合化并不彻底。没有游离记录及其集合的表示方法,只能用传统的外键方案表示数据之间的关联关系,写出的代码即繁琐又难懂,而且运算性能还差,缺乏离散性的SQL无法采用直观的引用机制描述关联。特别地,没有离散性的支持,SQL很难描述有序计算,有序计算是离散性和集合化的典型结合产物,成员的次序在集合中才有意义,这要求集合化,有序计算时又要将每个成员与相邻成员区分开,会强调离散性。
这些具体内容我们会在后续文档中逐步详细说明。我们要从理论上改进SQL(或者更合适的说法是关系代数),主要工作就是在保持集合化的基础上引入离散性,从而解决上述问题,让新的语言能够同时拥有SQL和Java的优点。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 多表进阶与 DDL/DML 连接 · 子查询 · 合并 · 建表与书写规范 ” 三、DQL 多表进阶:连 ...
2026-11-20 前面讲了怎么搭指标体系,但很多团队卡在最后一步:高层定了一个漂亮的目标,往下一层层写进周报,最后却落不到任何人的具体 ...
2026-11-20 很多团队做数据分析的现状是:老板要一个数就拉一个数,周报里堆满了 GMV、DAU、转化率,却没人说得清这些数之间是什么关系 ...
2026-11-20这周你大概又经历过一次:报表自己跑了,SQL 让 AI 写了,连周报初稿都不用自己动手。你一边松口气,一边心里发慌——那我还剩什 ...
2026-11-20 做产品立项、写商业计划书、规划市场进入策略时,"市场调研"和"竞品分析"几乎总是被绑在一起说,甚至被当成同一件事。但实际 ...
2026-11-19 在做数据治理、搭数据中台或者梳理数据库表结构时,"主数据"和"参考数据"是被提及频率最高、也最容易被混为一谈的两个概念。 ...
2026-11-19“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2026-11-19一、什么是本体 在知识图谱和语义建模里,本体(Ontology)是对一个领域内概念、属性、关系和实例的形式化描述。它回答三个问题 ...
2026-11-18一、K-S 曲线解决什么问题 风控评分卡、客户流失模型、欺诈识别模型建好之后,最核心的一个问题是:模型能不能把"会变坏"和"不会 ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18产品上线之后,真正回答"用户是谁、想要什么、卡在哪里"的,往往不是调研问卷,而是用户留下的一条条行为记录。点击、浏览、停留 ...
2026-11-17在日常数据库开发与报表查询中,日期格式几乎是最高频的"打交道"对象:页面上要展示 yyyy-MM-dd,接口要返回 ISO 8601 字符串, ...
2026-11-17核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-17一、销售行业为什么离不开大数据分析 销售行业的本质是"把合适的产品,在合适的时间,卖给合适的人,并持续复购"。传统销售靠经 ...
2026-11-16一、什么是频数分布 拿到一批连续数据(员工年龄、商品价格、考试分数、订单金额),最想先看的往往不是平均值,而是数据集中在 ...
2026-11-16教育部办公厅关于成立全国数据职业教育教学指导委员会(2026—2030年)的通知 教职成厅函〔2026〕25号 各省、自治区、直辖市教 ...
2026-11-16CDA数据分析师 出品 作者:李诗怡 基础与单表查询 四大类语言 · 数据库基础 · DQL 单表查询 ” 一、SQL 四大类语言与数据 ...
2026-11-13核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-13一、问题从哪来 财务分析里算增长率,常规公式所有人都会写: 增长率本年数上年数上年数 这个公式在"上年为正"时完全成立。但一 ...
2026-11-12