Select语法介绍

SELECT [ALL | DISTINCT] select_expr, select_expr, ...
FROM table_reference
[WHERE where_condition]
[GROUP BY col_list]
[ORDER BY order_condition]
[DISTRIBUTE BY distribute_condition [SORT BY sort_condition] ]
[LIMIT number]

• Select操作从表中读取数据，要读的列可以用列名指定，或者用*代表所有的列，一个简单的Select语句，如下所示：

  select * from sale_detail;

  若您只读取sale_detail的一列shop_name，如下所示：

  select shop_name from sale_detail;

  在where中可以指定过滤的条件，如下所示：

  select * from sale_detail where shop_name like 'hang%';

  当使用Select语句屏显时，目前最多只能显示10000行结果。当Select作为子句时，无此限制，Select子句会将全部结果返回给上层查询。
• select分区表时禁止全表扫描。

  2018-01-10 20点后创建的新项目，默认情况下执行SQL时，针对该project里的分区表不允许全表扫描，必须有分区条件指定需要扫描的分区，由此减少SQL的不必要I/O，从而减少计算资源的浪费，同时也减少了不必要的后付费模式的计算费用（后付费模式中，数据输入量是计量计费参数之一）。

  例如表定义是 t1(c1,c2) partitioned by(ds)，在新项目里执行如下语句会被禁止，返回error：

  Select * from t1 where c1=1;
  Select * from t1 where (ds=‘20180202’ or c2=3);
  Select * from t1 left outer join t2 on a.id =b.id and a.ds=b.ds and b.ds=‘20180101);  
  --Join进行关联时，若分区剪裁条件放在where中，则分区剪裁生效，若放在on条件中，从表的分区剪裁会生效，主表则进行全表扫描。

  若实在需要对分区表进行全表扫描，可以在对分区表全表扫描的SQL语句前加一个set语句set odps.sql.allow.fullscan=true;，并和SQL语句一起提交执行。假设sale_detail表为分区表，则要全表扫描需同时提交如下简单查询命令：

  set odps.sql.allow.fullscan=true;
  select * from sale_detail;

  如果需要整个项目都允许全表扫描，可以通过开关自行打开或关闭（true/false），命令如下：

  setproject odps.sql.allow.fullscan=true;

• 在table_reference中支持使用嵌套子查询，如下所示：

  select * from (select region from sale_detail) t where region = 'shanghai';

• where子句支持的过滤条件，如下表所示：

  过滤条件	描述
  > 、 < 、 =、 >=、 <=、 <>	关系操作符
  like、rlike	like和rlike的source和pattern参数均仅接受String类型。
  in、not in	如果在in/not in条件后加子查询，子查询只能返回一列值，且返回值的数量不能超过1000。

  在Select语句的where子句中，您可以指定分区范围，这样可以仅仅扫描表的指定部分，避免全表扫描。如下所示：

  SELECT sale_detail.* FROM sale_detail WHERE sale_detail.sale_date >= '2008' AND sale_detail.sale_date <= '2014';

  MaxCompute SQL的where子句支持between…and条件查询，上述SQL可以重写如下：

  SELECT sale_detail.* FROM sale_detail WHERE sale_detail.sale_date BETWEEN '2008' AND  '2014';

• distinct：如果有重复数据行时，在字段前使用distinct，会将重复字段去重，只返回一个值，而使用all将返回字段中所有重复的值，不指定此选项时默认效果和all相同。
  使用distinct只返回一行记录，如下所示：

  select distinct region from sale_detail;
  select distinct region, sale_date from sale_detail;
  -- distinct多列，distinct的作用域是 Select 的列集合，不是单个列。

• group by：分组查询，一般group by和聚合函数配合使用。在Select中包含聚合函数时有以下规则：
  • 用group by的key可以是输入表的列名。
  • 也可以是由输入表的列构成的表达式，不允许是Select语句的输出列的别名。

  • 规则i的优先级高于规则ii。当规则i和规则ii发生冲突时，即group by的key既是输入表的列或表达式，又是Select的输出列，以规则i为准。

  示例如下：

  select region from sale_detail group by region;
  -- 直接使用输入表列名作为group by的列，可以运行
  select sum(total_price) from sale_detail group by region;
  -- 以region值分组，返回每一组的销售额总量，可以运行
  select region, sum(total_price) from sale_detail group by region;
  -- 以region值分组，返回每一组的region值(组内唯一)及销售额总量，可以运行
  select region as r from sale_detail group by r;
  -- 使用select列的别名运行，报错返回
  select 2 + total_price as r from sale_detail group by 2 + total_price;
  -- 必须使用列的完整表达式
  select region, total_price from sale_detail group by region;
  -- 报错返回，select的所有列中，没有使用聚合函数的列，必须出现在group by中
  select region, total_price from sale_detail group by region, total_price;
  -- 可以运行

  之所以有这样的限制，是因为在SQL解析中，group by操作通常是先于Select操作的，因此group by只能接受输入表的列或表达式为key。
  说明 关于聚合函数的详情请参见聚合函数。
• order by：对所有数据按照某几列进行全局排序。如果您希望按照降序对记录进行排序，可以使用DESC关键字。由于是全局排序，order by必须与limit共同使用。在使用order by排序时，Null会被认为比任何值都小，这个行为与MySQL一致，但是与Oracle不一致。
  与group by不同，order by后面必须加Select列的别名，当Select某列时，如果没有指定列的别名，将列名作为列的别名。

  select * from sale_detail order by region;
  -- 报错返回，order by没有与limit共同使用
  select * from sale_detail order by region limit 100;
  select region as r from sale_detail order by region limit 100;
  -- 报错返回，order by后面必须加列的别名。
  select region as r from sale_detail order by r limit 100;

  [limit number]的number是常数，限制输出行数。当使用无limit的Select语句直接从屏幕输出查看结果时，最多只输出10000行。每个项目空间的这个屏显最大限制限制可能不同，可以通过setproject命令控制。
• distribute by：对数据按照某几列的值做Hash分片，必须使用Select的输出列别名。

  select region from sale_detail distribute by region;
  -- 列名即是别名，可以运行
  select region as r from sale_detail distribute by region;
  -- 报错返回，后面必须加列的别名。
  select region as r from sale_detail distribute by r;

• sort by：局部排序，语句前必须加distribute by。实际上sort by是对distribute by的结果进行局部排序。必须使用Select的输出列别名。

  select region from sale_detail distribute by region sort by region;
  select region as r from sale_detail sort by region;
  -- 没有distribute by，报错退出。

• order by不和distribute by/sort by共用，同时group by也不和distribute by/sort by共用，必须使用Select的输出列别名。