SQL Ready | Базы Данных

Одна таблица играет сразу несколько ролей?

Иногда данные уже есть в одной таблице, но логически это разные сущности.

Классический пример, иерархия: сотрудник и его менеджер хранятся
в одной таблице employees:

FROM employees e
JOIN employees m

e — это сотрудник, m — это менеджер.

Физически это одна и та же таблица, но логически, разные роли:

ON m.id = e.manager_id

Связь читается так, у сотрудника есть manager_id, который указывает на id другого сотрудника.

🔥 Такой приём используется не только для менеджеров. Категории и родительские категории, комментарии и ответы, версии сущностей, связи предыдущий / следующий, графы, цепочки состояний и др.

➡️ SQL Ready | #совет

😎 На Хабре вышла полезнейшая статья про репликацию в 1С и реальные нагрузки на СУБД!

В этой статье:
• Разбирается, как вынести тяжёлые отчёты 1С с мастер-базы на реплику;
• Показывается настройка репликации PostgreSQL/Tantor DB под реальные сценарии 1С;
• Анализируются узкие места, задержки репликации и влияние отчётных запросов;
• Даются результаты нагрузочного тестирования и выводы, которые можно применить в системах.

🔊 Продолжайте читать на Habr!

➡️ SQL Ready | #статья

ORDER BY в подзапросах: почему порядок не гарантируется!

ORDER BY управляет порядком строк только в финальном результате запроса. В подзапросах и CTE он не гарантирует порядок строк, если не используется вместе с ограничением количества возвращаемых данных.

Причина в том, что оптимизатор может свободно менять план выполнения, пока итоговый результат формально остаётся корректным.

Таблица событий:

events(id, user_id, created_at)

Попытка взять последние события через подзапрос:

SELECT *
FROM (
    SELECT *
    FROM events
    ORDER BY created_at DESC
) t;

Несмотря на явный ORDER BY внутри подзапроса, внешний запрос не содержит сортировки.

Это означает, что порядок строк на выходе не определён, и СУБД имеет право проигнорировать внутреннюю сортировку как не влияющую на результат.

Корректный вариант — сортировать во внешнем запросе:

SELECT *
FROM events
ORDER BY created_at DESC;

Именно этот ORDER BY гарантирует порядок строк, который получит клиент или приложение.

Когда ORDER BY в подзапросе имеет смысл — он становится значимым только вместе с ограничением:

SELECT *
FROM (
    SELECT *
    FROM events
    ORDER BY created_at DESC
    LIMIT 10
) t
ORDER BY created_at DESC;

В этом случае сортировка в подзапросе используется для выбора нужных строк, а не для их отображения.

Внутренний ORDER BY определяет, какие именно 10 строк попадут в подзапрос, а внешний ORDER BY задаёт порядок финального результата.

Аналогичный принцип работает с оконными функциями:

SELECT id, user_id, created_at
FROM (
    SELECT
        id,
        user_id,
        created_at,
        ROW_NUMBER() OVER (
            PARTITION BY user_id
            ORDER BY created_at DESC
        ) AS rn
    FROM events
) s
WHERE rn = 1;

Здесь ORDER BY влияет на вычисление ROW_NUMBER, то есть на логику нумерации строк внутри окна, но не определяет порядок вывода строк в результирующем наборе.

🔥 ORDER BY — это про порядок выдачи результата, а не про порядок хранения данных. Без внешнего ORDER BY СУБД не обязана возвращать строки в каком-либо определённом порядке.

➡️ SQL Ready | #практика

📂 Напоминалка по шардингу баз данных!

Например, шардинг позволяет масштабировать базу данных, распределяя данные по нескольким серверам, а правильно выбранный ключ шарда напрямую влияет на производительность и равномерность нагрузки.

На картинке — основные принципы шардинга баз данных, которые стоит держать под рукой.

Сохрани, чтобы не забыть!

➡️ SQL Ready | #ресурс

Частая проблема в аналитике и BI - таблицы с десятками колонок?

Пока колонок три это может быть терпимо. Когда их становится двадцать и больше, запросы, джоины и графики начинают разваливаться.

UNPIVOT позволяет превратить колонки в строки на уровне SQL, без переписывания данных и логики приложения (синтаксис зависит от СУБД):

UNPIVOT (value FOR metric IN (views, clicks))

На выходе получается универсальная структура metric / value, которая хорошо ложится в агрегации, фильтры и визуализации BI.

Полезно, когда нужно сравнивать метрики между собой
или передавать данные в BI без кастомной логики:

WHERE metric IN ('views', 'orders')

🔥 Один запрос - десятки метрик и минимум изменений при росте отчёта (новые метрики просто добавляются в список UNPIVOT).

➡️ SQL Ready | #совет

☕️ PGExercises — тренажер с различными задачами для обучения!

Если хочешь не просто учить синтаксис, а писать реальные запросы и практиковаться. Это отличный способ закрепить знания по выборкам, фильтрации, сортировке, условиям и множеству других тем, особенно если готовишься к собесам.

📌 Оставляю ссылочку: pgexercises.com

➡️ SQL Ready | #ресурс

LATERAL — коррелированные подзапросы!

Часто бывает нужно для каждой строки основной таблицы взять одну лучшую связанную строку - последнюю, первую, максимальную, минимальную, валидную.

Обычно это делают через оконки, CTE или GROUP BY + JOIN, что сложно читать и часто ломается при расширении логики:

LEFT JOIN LATERAL (...)

Выполняет подзапрос для каждой строки слева, подставляя её значения.

ORDER BY created_at DESC
LIMIT 1

Гарантирует, что ты берёшь именно нужную запись:

ON true

Потому что связь уже внутри подзапроса, JOIN тут формальность.

🔥 Это отличный инструмент, когда нужна одна зависимая строка на родителя

➡️ SQL Ready | #совет

WHERE vs HAVING — фильтрация строк и фильтрация групп!

В SQL иногда путают WHERE и HAVING, потому что внешне они решают похожую задачу — отфильтровать результат. На практике это два разных этапа выполнения запроса с разной семантикой.

Представим таблицу заказов:

orders(id, customer_id, amount)

Нужно выбрать заказы дороже 100.

Корректный и очевидный вариант:

SELECT *
FROM orders
WHERE amount > 100;

WHERE применяется до агрегации и фильтрует отдельные строки исходной таблицы.

Теперь другая задача: найти клиентов, у которых сумма всех заказов больше 1000.

Интуитивная, но неверная попытка:

SELECT customer_id, SUM(amount) AS total_amount
FROM orders
WHERE SUM(amount) > 1000
GROUP BY customer_id;

Этот запрос некорректен: агрегатные функции не могут использоваться в WHERE, потому что на момент применения WHERE агрегатов ещё не существует.

Правильный вариант — HAVING:

SELECT customer_id, SUM(amount) AS total_amount
FROM orders
GROUP BY customer_id
HAVING SUM(amount) > 1000;

HAVING применяется после GROUP BY и фильтрует уже сформированные группы.

Важно понимать разницу по этапам: WHERE — фильтрует строки до группировки; GROUP BY — формирует группы; HAVING — фильтрует группы; SELECT — формирует итоговый результат.

Частая оптимизационная ошибка — переносить условия из WHERE в HAVING без необходимости:

SELECT customer_id, SUM(amount)
FROM orders
GROUP BY customer_id
HAVING amount > 100;

Такой запрос либо не выполнится, либо будет логически неверным: amount — это поле строки, а HAVING работает с группой.

Корректный и оптимальный вариант — комбинировать:

SELECT customer_id, SUM(amount) AS total_amount
FROM orders
WHERE amount > 100
GROUP BY customer_id
HAVING SUM(amount) > 1000;

Здесь: WHERE отсекает мелкие заказы до агрегации (меньше данных); HAVING проверяет условие на уровне группы.

🔥 Используй WHERE для фильтрации строк и HAVING — только для условий на агрегаты и группы. Это влияет не только на корректность, но и на производительность запроса

➡️ SQL Ready | #практика

✍️ QOMP — квиз для проверки знаний и закрепления навыков!

Небольшой, но ёмкий квиз, который проверяет логику работы SQL-запросов. Вопросы заставляют подумать: как реально отработает запрос, где скрыта ошибка и почему результат не такой, как ожидаешь. Отлично подходит для самопроверки и подготовки к собеседованиям.

📌 Оставляю ссылочку: qomp.club

➡️ SQL Ready | #ресурс

🖥 MySQL: работа со строками!

Шпаргалка по строковым функциям MySQL для повседневной работы. Разбор приёмов вычисления длины строк, извлечения подстрок, поиска значений, управления регистром и правилами сравнения. Полезно для валидации данных, сортировок, фильтрации, миграций и тонкой настройки запросов без изменения схемы БД.

➡️ SQL Ready | #шпора

📂 Напоминалка по типам баз данных!

Например, Relational / SQL базы подходят для строгих транзакций и сложных связей, Time-series — для метрик, логов и мониторинга, а NoSQL — когда важны масштабирование, гибкость схемы и высокая нагрузка.

На картинке — 3 типа баз данных с примерами и их основными особенностями.

Сохрани, чтобы не забыть!

➡️ SQL Ready | #ресурс

NULL и сравнения — почему = и <> с NULL не работают!

NULL в SQL — не значение, а его отсутствие. Из-за этого любые обычные сравнения с NULL ведут себя не так, как ожидают, и часто ломают фильтрацию.

Таблица:

users(id, email, deleted_at)

Нужно выбрать неудалённых пользователей.

Типичный, но неправильный запрос:

SELECT *
FROM users
WHERE deleted_at = NULL;

Запрос выполнится, но вернёт 0 строк.

Почему так — SQL выражение:

deleted_at = NULL

никогда не бывает TRUE.

Любое сравнение с NULL (=, <>, <, >) возвращает UNKNOWN, а WHERE пропускает только TRUE.

То же самое с отрицанием:

WHERE deleted_at <> NULL;

Результат — тоже пусто.

Правильный способ — IS NULL:

SELECT *
FROM users
WHERE deleted_at IS NULL;

И обратное условие:

SELECT *
FROM users
WHERE deleted_at IS NOT NULL;

IS NULL и IS NOT NULL — всегда возвращают TRUE или FALSE, никогда UNKNOWN.

Частая скрытая ошибка в составных условиях:

WHERE status = 'active'
  AND deleted_at <> '2026-01-01'

Если deleted_at равен NULL, всё выражение становится UNKNOWN, и строка отбрасывается, даже если status = 'active'.

Корректная проверка «не удалён»:

WHERE status = 'active'
  AND deleted_at IS NULL

Важно помнить про OR:

WHERE role = 'admin'
   OR deleted_at IS NULL

Здесь логика работает ожидаемо, потому что IS NULL не возвращает UNKNOWN, а значит выражение может стать TRUE.

🔥 Практические правила: = и <> с NULL не работают в WHERE; любой UNKNOWN в WHERE — строка отбрасывается. Если строка пропала из результата — первым делом проверяй условия с NULL

➡️ SQL Ready | #практика