SQL

Hva det er

SQL er et deklarativt språk for å definere, endre og lese data som
ligger i relasjonelle tabeller: du skriver ned resultatet du vil ha,
og databasen bestemmer hvordan det skal lages. Bokstavene står
vanligvis for Structured Query Language og uttales enten bokstav for
bokstav eller som det engelske «sequel», mens den internasjonale
standarden som definerer språket, ISO/IEC 9075, bare kaller det
Database Language SQL.

Deklarativ er ordet som bærer vekten. Setningen nedenfor navngir en
tabell, en betingelse, en gruppering og en rekkefølge. Den sier
ingenting om indekser, løkker eller hvilke rader som skal leses
først:

```sql
SELECT country, count(*) AS signups
FROM accounts
WHERE created_at >= now() - interval '30 days'
GROUP BY country
ORDER BY signups DESC;
```

I PostgreSQL går den teksten gjennom fire trinn. En parser sjekker
syntaksen og bygger et tre, et omskrivingstrinn folder ut eventuelle
visninger setningen nevner, en planlegger sammenligner de mulige
måtene å kjøre den på, f.eks. et sekvensielt søk mot en indeks, og
en utfører henter til slutt radene. Den samme setningen kan ta et
millisekund eller et minutt, alt etter hva planleggeren finner, og
derfor hører det å lese en plan med til å skrive SQL.

Språket har deler som folk gir egne navn. Datadefinisjon oppretter
og endrer tabeller, skjemaer og indekser. Datamanipulering setter
inn, oppdaterer, sletter og fletter rader. Spørringer leser dem med
SELECT. Rettigheter og transaksjoner avgjør hvem som får gjøre hva,
og hvilke endringer som lander samtidig. Alt dette reiser som tekst
over én enkelt tilkobling, så SQL er fellesgrunnen mellom en
applikasjon, et rapportverktøy og et menneske ved en terminal.

Standarden er revidert mange ganger, sist som SQL:2023, og hver
motor implementerer sin egen delmengde av den. Vedlegget om samsvar
i PostgreSQL-dokumentasjonen oppgir at PostgreSQL oppfyller minst
170 av de 177 obligatoriske Core-funksjonene, og at ingen
databasesystemer hevdet fullt samsvar med Core da teksten ble
skrevet. Hver motor legger også til en egen dialekt: Microsoft SQL
Server snakker Transact-SQL, BigQuery snakker GoogleSQL, og
PostgreSQL legger til PL/pgSQL for prosedyrekode som kjører inne i
databasen.

Hvorfor det er viktig

Beslutningen SQL legger foran et team, er hvor arbeidet med dataene
skal skje: inne i databasen, i språket den er bygd for å utføre,
eller i applikasjonskode som henter rader og behandler dem selv.

En mengdebasert setning kjører ved siden av dataene. Å filtrere en
million rader ned til førti inne i databasen sender førti rader over
nettverket, mens filtrering i applikasjonen sender en million og
kaster de fleste. Sammenkoblinger, aggregeringer og fjerning av
duplikater følger samme regnestykke. Å flytte den typen arbeid inn i
SQL er ofte den billigste hastighetsøkningen et tregt system har
tilgjengelig, fordi den kjører på databasen som allerede står der.

Eierskapet er motvekten. Logikk skrevet i SQL lever i migreringer og
funksjoner, som trenger den samme gjennomgangen, de samme testene og
den samme versjonskontrollen som all annen kode, og færre utviklere
leser en lang PL/pgSQL-funksjon like flytende som de leser Go eller
Python. En fordeling som fungerer, sender alt som må se mange rader,
til databasen, og holder regler som endrer seg med forretningen, i
applikasjonen, der de er lettere å teste hver for seg.

Flyttbarhet er den andre avveiningen. Kjernen i språket, SELECT med
joins, GROUP BY og ORDER BY, flytter mellom motorer med få
endringer. Kantene flytter dårlig: datoregning, upserts, paginering,
JSON-funksjoner og prosedyrekode varierer fra motor til motor, og en
migrering fra én database til en annen bruker mesteparten av
innsatsen der. Å velge en motor er også å velge en dialekt, og jo
mer logikk som bor i den dialekten, desto dyrere blir en senere
flytting.

Rekruttering er den tredje. SQL er en av få ferdigheter som
analytikere, backendutviklere, dataingeniører og
databaseadministratorer har felles, så et datalag skrevet i ren SQL
kan leses og gjennomgås av hvem som helst av dem. En ORM skjuler
SQL-en helt til en side blir treg, og da må noen likevel lese det
den genererte.

Slik ser det ut i praksis

På én plattform setter PostgreSQL-funksjoner sammen hvert API-svar
som et komplett JSON-dokument, og Go-handleren sender det videre som
`json.RawMessage` uten å pakke det ut eller kode det på nytt.
JSON-passthrough-arkitekturen gjør formingen av svaret til en
SQL-oppgave, utført der dataene allerede ligger. En liten
QueryJSON-hjelper gjorde det mønsteret til det enkleste å følge, og
DTO-ene, mappingkoden og respons-structene som et lagdelt API
vanligvis samler opp, forsvant. Handlerkoden ble mye kortere, og en
endring i hva en funksjon returnerer, når klienten uten at noen
redigerer en handler.

Det samme språket ser annerledes ut i en datapipeline. På tvers av
seks ETL/ELT-pipeliner som spente over BigQuery, MSSQL og
PostgreSQL, ble rå filer lastet inn i staging-skjemaer med bcp, psql
og SSIS, og rensingen, normaliseringen og berikingen ble skrevet som
prosedyrer i PL/pgSQL og T-SQL. Tre motorer, hver med sin dialekt, i
én jobb: spørsmålet om flyttbarhet ovenfor, sett innenfra. Siden
måler resultatet for hele pipelinen, SQL-trinnene medregnet: en jobb
på minst tre timer for hånd tar nå under 20 minutter, dataene
oppdateres daglig i stedet for ukentlig, og Python-API-ene som leser
dem, har fått 30 % bedre ytelse.

Hvor det går galt

Setninger limt sammen av strenger. En kunde som heter `O'Brien`, får
en søkeside til å feile, eller en nøye tilpasset verdi i et
skjemafelt leser andres data. Årsaken er det brukeren skrev, limt
rett inn i SQL-teksten, der databasen har mistet evnen til å skille
data fra kommando. Send verdiene som parametere i stedet, atskilt
fra setningen, slik hver utbredt driver tillater. I PostgreSQLs eget
klientbibliotek godtar et parameterisert kall dessuten bare én
kommando per streng, noe som gir et ekstra forsvar mot injeksjon.

Rekkefølge som bare var flaks. En liste som kom tilbake sortert i
månedsvis, kommer i tilfeldig rekkefølge etter en datainnlasting
eller en ny plan. Mangler ORDER BY, returnerer PostgreSQL radene i
den rekkefølgen som er raskest å produsere, og en LIMIT uten ORDER
BY kan til og med gi et annet utvalg hver gang. Hvert resultat der
rekkefølgen betyr noe, må si det i spørringen.

NULL behandlet som en verdi. Et filter skrevet `WHERE discount =
NULL` returnerer ingenting, og `NOT IN` mot en underspørring som
inneholder en NULL, returnerer heller ingenting. En sammenligning
med NULL gir ukjent i stedet for sann eller usann, og en
WHERE-klausul beholder bare radene der betingelsen er sann. Skriv
`IS NULL`, og foretrekk `NOT EXISTS` framfor `NOT IN` når den indre
kolonnen kan inneholde NULL.

Dialekt som lekker inn i testene. En testsuite består mot SQLite, og
den samme koden feiler mot PostgreSQL i produksjon, eller en
flytting til SQL Server snubler på hver `LIMIT`, som den motoren
skriver `TOP` eller `OFFSET ... FETCH`. Hver motor godtar ting de
andre avviser. Test mot motoren du produksjonssetter, og hold
motorspesifikk syntaks på så få steder som mulig.

Les mer

  * Part II. The SQL Language — PostgreSQLs fullstendige innføring i
og referanse for språket, fra syntaks til råd om ytelse.

  * Appendix D. SQL Conformance — delene av ISO/IEC 9075 og hvilke
funksjoner PostgreSQL implementerer.

  * Transact-SQL Reference — dialekten i SQL Server, dokumentert av
Microsoft.

  * Introduction to SQL in BigQuery — GoogleSQL og den eldre
dialekten den erstattet.

  * Query Language Understood by SQLite — syntaksen til en innebygd
motor, setning for setning.

hDenne siden på nettet	URL:https://engineer.company/nb/glossary/sql/	engineer.company	70
