数据蒋堂 | SQL像英语是个善意的错误

2017 年 7 月 28 日 数据派THU

来源：数据蒋堂

作者：蒋步星

本文长度为1580字，建议阅读4分钟

本文为你解析为何SQL长得像英语词语。

我们知道，SQL长得很像英语词语，简单的SQL语句直接可以作为英语读。除了SQL外，其它主要程序设计语言都没有这样，语法中就算有英语单词也仅仅是作为某些概念或操作的助记符而已，写出来的是形式化的程序语句(statement)而不是英语句子(sentence)。而SQL不同，它会把整个句子写成符合英语习惯的形式，还会补充很多不必要的介词，比如FROM作为语句的运算主体却被写到后面，GROUP后面要写一个多余的BY。

为什么会这样？很容易想到的理由是希望非程序设计人员也能使用。用户只要会读写英语，就可以写出SQL来查询数据。这显然是个善意的初衷，但结果却不尽如人意。绝大多数业务人员只会用SQL写非常简单的查询，而对于这类查询，应用程序常常都有更为便捷直观的可视化界面来协助，并不需要直接手写语句，这个设计初衷就失去意义。反过来，经常使用SQL做运算的仍然是程序员，SQL还是一种编程语言，像不像英语对于程序员理解并没有多大差别，反而会带来不小的困难。

事实上，SQL是一种语法非常严格的语言，语句中任何一点不合规的地方就会被解释器拒绝，使用者必须认真学习并遵守其语法规则，这和其它程序设计语言并没什么两样。而自然语言真正的优势在于具有模糊性，可以一定程度接受不严格的语法，但SQL并没有支持这一点，在发明SQL那个年代也实现不了这个特性。

像英语的好处没有体现，坏处却很严重，将语法设计得像自然语言，看起来容易掌握，其实恰恰相反。

贴近自然语言带来的主要坏处是非过程性。程序逻辑一般是分步执行的，用变量记录中间结果，供后面的步骤使用。但自然语言不是这样，两句话之间的引用关系靠少量几个代词维系，不够用且不精确，所以更习惯的做法是把尽量多的任务写在一句话中，复杂情况下就会大量使用从句。在SQL中的表现就是一句话中配有多个动作，SELECT、WHERE、GROUP都拼进去，像WHERE和HAVING其实是一个意思，却要采用两个词以示区别，而查询需求复杂时就会出现多层嵌套的子查询。这种现象在其它程序设计语中是不常见的。

分步是降低理解和执行难度的有效法门，本来挺简单分几步能做到的事情，如果不分步就会很绕。比如要找出销售额超过平均值两倍的客户，自然思维方式就是先算出销售额的平均值，再找出销售额超这个值两倍的客户，两个语句完成。而SQL的写法就需要用子查询写成更长的一句。这个例子还算好懂，只有两层，一般自然语言的从句用来描述两层关系的理解难度还可以接受，但实际复杂的查询涉及到三五层的比比皆是，严重增加理解难度。

不提倡分步，就会导致单句SQL很长。程序员面临的复杂SQL语句，很少以行计，经常是以K计。而同样的100行代码，分成100个语句还是只有1个语句，其复杂度完全不是一个层面的。这种代码理解起来非常困难，好不容易写出来，过两个月后自己都读不懂，而且太长不分步的单句非常难以调试，开发周期也更长。

关于过程性，SQL的拥趸者一直有一个说法：写SQL时用户只要关心要什么，而不必关心怎么做，计算机会自动找解决方案，这样语法本身不需要支持过程性。

这其实是个胡扯！

任何程序语言在某种层次上都具有这个能力，写汇编语言需要关心寄存器和内存的动作，但不必关心更下层的与非门的动作。SQL中不必关心数据在物理存储层面（文件系统、内存和硬盘）的动作，但仍然要关心逻辑层面（表和字段）的运算。SQL语句事实上也在描述运算逻辑，特别是多层嵌套关联的复杂SQL，在描述问题目标的同时，实际上也指明了执行过程，或者倒过来说，在SQL中也只能用指明执行过程的方法来描述问题目标，只不过相对比较高层次一些而已。

不过，SQL只是不提倡分步计算，而并非完全不支持过程性。使用存储过程就相当于分步执行SQL，使用外部程序调用SQL也可以实现过程性，如果不考虑临时表（用于存储中间结果）和数据库IO（外部语言调用SQL时要获得运算结果）的低性能，这些方法在功能上并没什么缺失。但要考虑到数据量导致的性能问题时，还是经常需要编写长SQL才能解决问题。在数据量较小、性能问题不突出时，可以用这些方法来补充SQL的过程性。

专栏作者简介

润乾软件创始人、首席科学家

清华大学计算机硕士，著有《非线性报表模型原理》等，1989年，中国首个国际奥林匹克数学竞赛团体冠军成员，个人金牌；2000年，创立润乾公司；2004年，首次在润乾报表中提出非线性报表模型，完美解决了中国式复杂报表制表难题，目前该模型已经成为报表行业的标准；2014年，经过7年开发，润乾软件发布不依赖关系代数模型的计算引擎——集算器，有效地提高了复杂结构化大数据计算的开发和运算效率；2015年，润乾软件被福布斯中文网站评为“2015福布斯中国非上市潜力企业100强”；2016年，荣获中国电子信息产业发展研究院评选的“2016年中国软件和信息服务业十大领军人物”；2017年, 自主创新研发新一代的数据仓库、云数据库等产品即将面世。

数据蒋堂

《数据蒋堂》的作者蒋步星，从事信息系统建设和数据处理长达20多年的时间。他丰富的工程经验与深厚的理论功底相互融合、创新思想与传统观念的相互碰撞，虚拟与现实的相互交织，产生出了一篇篇的沥血之作。此连载的内容涉及从数据呈现、采集到加工计算再到存储以及挖掘等各个方面。大可观数据世界之远景、小可看技术疑难之细节。针对数据领域一些技术难点，站在研发人员的角度从浅入深，进行全方位、360度无死角深度剖析；对于一些业内观点，站在技术人员角度阐述自己的思考和理解。蒋步星还会对大数据的发展，站在业内专家角度给予预测和推断。静下心来认真研读你会发现，《数据蒋堂》的文章，有的会让用户避免重复前人走过的弯路，有的会让攻城狮面对扎心的难题茅塞顿开，有的会为初入行业的读者提供一把开启数据世界的钥匙，有的甚至会让业内专家大跌眼镜，产生思想交锋。

往期回顾：

数据蒋堂 | 功夫都在报表外--漫谈报表性能优化

数据蒋堂 | 非结构化数据分析是忽悠？

数据蒋堂 | 多维分析的后台性能优化手段

编辑：王璇

校对：叶龚兵

为保证发文质量、树立口碑，数据派现设立“错别字基金”，鼓励读者积极纠错。

若您在阅读文章过程中发现任何错误，请在文末留言，或到后台反馈，经小编确认后，数据派将向检举读者发8.8元红包。

同一位读者指出同一篇文章多处错误，奖金不变。不同读者指出同一处错误，奖励第一位读者。

感谢一直以来您的关注和支持，希望您能够监督数据派产出更加高质的内容。