BlogJava-可以调素琴,阅金经,无丝竹之乱耳,无案垛之劳形-文章分类-数据库

ORACLE数据库命名编码规范

奥吉 — Wed, 19 Jul 2006 09:59:00 GMT

ORACLE数据库命名编码规范

ORACLE数据库命名编码规范
版本记录：
当前版本：
作者：
完成日期：
签收人：
文件状态：
[ ] 草稿
[√] 正式发布
[ ] 正在修改
签收日期：
1、编写目的
使用统一的命名和编码规范，使数据库命名及编码风格标准化，以便于阅读、理解和
继承。
2、适用范围
本规范适用于公司范围内所有以ORACLE作为后台数据库的应用系统和项目开发工作。
3、对象命名规范
3.1 数据库和SID
数据库名定义为系统名+模块名
Ø 全局数据库名和例程SID 名要求一致
Ø 因SID 名只能包含字符和数字，所以全局数据库名和SID 名中不能含有“_”等字符
3.2 表相关
3.2.1 表空间
Ø 面向用户的专用数据表空间以用户名+_+data命名，如Aud 用户专用数据表空间可命
名为Aud_data
Ø 面向用户的专用索引表空间以用户名+_+idx命名
第2/9页
Ø 面向用户的专用临时表空间以用户名+_+tmp命名
Ø 面向用户的专用回滚段表空间以用户名+_+rbs 命名
Ø 面向应用的表空间以应用名+_data/应用名+_idx/应用名+_tmp/应用名+_rbs 命名
Ø LOB 段数据专用表空间以其数据表空间+_+lobs 命名，如上例中数据表空间为
Aud_data，则LOB 段表空间可命名为Aud_data_lobs
3.2.2 表空间文件
表空间文件命名以表空间名+两位数序号(序号从01开始)组成，如Aud_data01 等
3.2.3 表
表命名要遵循以下原则：
Ø 一般表采用“系统名+t_+模块名+_+表义名” 格式构成
Ø 若数据库中只含有单个模块，命名可采用“系统名+t_+表义名”格式构成
Ø 模块名或表义名均以其汉语拼音的首字符命名，表义名中汉语拼音均采用小写，且
字符间不加分割符；
Ø 表别名命名规则：取表义名的前3 个字符加最后一个字符。如果存在冲突，适当增
加字符（如取表义名的前4 个字符加最后一个字符等）
Ø 临时表采用“系统名+t_tmp_+表义名” 格式构成
Ø 表的命名如
dft_gy_cbap：系统名（电费 df）+t_+模块名（高压 gy）+_+表义名（抄表安排 cbap）
dft_cbbj: 系统名（电费 df）+t_+表义名（抄表标记 cbbj）
dft_tmp_hj: 系统名（电费 df）+tmp+表义名（合计hj）(此处为临时表)
Ø 关联表命名为Re_表A_表B,Re 是Relative的缩写，表A 和表B均采用其表义名或
缩写形式。
3.2.4 属性（列或字段）
属性命名遵循以下原则：
Ø 采用有意义的列名，为实际含义的汉语拼音的首字符，且字符间不加任何分割符
Ø 属性名前不要加表名等作为前缀
Ø 属性后不加任何类型标识作为后缀
Ø 不要使用“ID”作为列名
Ø 关联字段命名以 “cd+_+关联表的表义名（或缩写）+_+字段名”进行
第3/9页
3.2.5 主键
Ø 任何表都必须定义主键
Ø 表主键命名为：“pk+_+表名(或缩写)+_+主键标识”
如“pk_YHXX_IDKH”等
3.2.6 外键
表外键命名为： “fk+_+表名(或缩写)+_主表名(或缩写)+_+主键标识”
如“fk_YHLX_YHXX_SFZH”等
3.2.7 CHECK约束
CHECK 约束命名为： “chk+_+CHECK约束的列名（或缩写）”
3.2.8 UNIQUE约束
UNIQUE 约束命名为： “unq+_+UNIQUE约束的列名（或缩写）”
3.2.9 索引
索引的命名为：“表名（或缩写）+_+列名+_idx”。
其中多单词组成的属性列列名取前几个单词首字符再加末单词首字符组成
如yd_kh 表khid 上的index: yd_kh_khid_idx
3.2.10 触发器
Ø AFTER型触发器
系统名+tr_+<表名>_+ +[_row]
Ø BEFORE型触发器
系统名+tr_+<表名>_+bef_+[_row]
Ø INSTEAD OF型触发器
系统名+ti_+<表名>+_++[_row]
Ø 各种类型的触发器中
i，u，d 分别表示insert、update 和delete
行级触发器，后加_row 标识，语句级触发器不加，如 yddftr_CSH_i_row
3.2.11 簇
第4/9页
簇以簇中要存储的各个表（或表别名）及表间加and的组成命名，即表“A+And+表B…”,
如存储GR(工人)和GRJN（工人技能）表的簇命名为GRAndGRJN
3.3 视图
视图命名以系统名v_+模块名作为前缀，其他命名规则和表的命名类似
3.4 序列
序列命名以seq_+含义名组成
3.5 同义词
同义词命名与其基础对象的名称一致，但要去除其用户前缀或含有远程数据库链接的后缀
3.6 存储对象相关
3.6.1 存储过程
存储过程命名由“系统名+sp+_+存储过程标识(缩写)”组成
存储过程标识要以实际含义的汉语拼音的首字符构成，并用下划线分割各个组成部分。
如增加代理商的帐户的存储过程为“sfsp_ZJDLSZH”。
3.6.2 函数
函数命名由“系统名+f+_+函数标识”组成
3.6.3 包
包命名由“系统名+pkg+_+包标识”组成
3.6.4 函数文本中的变量采用下列格式命名：
Ø 参数变量命名采用“i (o或io)+_+名称”形式，前缀i 或o 表输入还是输出参数
Ø 过程变量命名采用“l+_+名称”形式
Ø 全局包变量命名采用“g+_+名称”形式
Ø 游标变量命名采用“名称+_+cur”形式
Ø 常量型变量命名采用“c+_+名称”形式
Ø 变量名采用小写，若属于词组形式，用下划线分隔每个单词
Ø 变量用来存放表中的列或行数据值时，使用%TYPE、%ROWTYPE 方式声明变量，使变量声
第5/9页
明的类型与表中的保持同步，随表的变化而变化
3.7 用户及角色
Ø 用户命名由“系统名称+_+user+_+名词(或缩写)或名词短语(或缩写)”组成
Ø 角色命名由“系统名称+_+role+_+名词(或缩写)或名词短语(或缩写)”组成
3.8 数据库链接
Ø 数据库链接命名由“远程服务器名+_+数据库名+_+link”组成
Ø 若远程服务器名和数据库名一致，上式“_+数据库名”部分省去
3.9 命名中的其它注意事项
Ø 命名都不得超过30个字符。
Ø 不要在对象名的字符之间留空格
Ø 小心保留词，要保证你的命名没有和保留词、数据库系统或者常用访问方法冲突
4、编码规范
4.1 一般性注释
4.1.1 注释尽可能简洁、详细而全面
4.1.2 创建每一数据库对象时都要加上COMMENT ON注释，以说明该对象的功能和用途；建表时，
对某些数据列也要加上COMMENT ON注释，以说明该列和/或列取值的含义。
如：XX 表中有CZZT列属性为NUMBER(10, 0)可加COMMENT ON 注释如下
COMMENT ON COLUMN XX.CZZT IS '0 = 正常, 1 = 等待, 2 = 超时, 3 = 登出'
4.1.3 注释语法包含两种情况：单行注释、多行注释
单行注释：注释前有两个连字符（--），一般对变量、条件子句可以采用该类注释。
多行注释：符号/*和*/之间的内容为注释内容。对某项完整的操作建议使用该类注释。
4.2 函数文本注释
4.2.1 在每一个块和过程（存储过程、函数、包、触发器、视图等）的开头放置注释
/************************************************************************
第6/9页
*name : --函数名
*function : --函数功能
*input : --输入参数
*output : --输出参数
*author : --作者
*CreateDate : --创建时间
*UpdateDate : --函数更改信息（包括作者、时间、更改内容等）
*************************************************************************/
CREATE [OR REPLACE] PROCEDURE dfsp_xxx
…
4.2.2 传入参数的含义应该有所说明。如果取值范围确定，也应该一并说明。取值有特定含义
的变量（如boolean类型变量），应给出每个值的含义。
4.2.3 在每一个变量声明的旁边添加注释。说明该变量要用作什么
通常，简单使用单行注释就行了，例如
l_sfzh CHAR(11) --身份证号码
4.2.4 在块的每个主要部分之前添加注释
在块的每个主要部分之前增加注释，解释下—组语句目的，最好是说明该段语句及算
法的目的以及要得到的结果，但不要对其细节进行过多的描述
4.2.5 在块和过程的开头注释中还可以增加要访问的数据库等信息
4.3 常用SQL 语句的编写规范
4.3.1 CREATE语句
CREATE TABLE dft_dksz(
YHBS VARCHAR2(20) NOT NULL,
ZHGX DATE,
DKKHD VARCHAR2(24),
CONSTRAINT pk_dksz_yhbs PRIMARY KEY (YHBS)
)
4.3.2 SELECT语句
查询语句采用以下原则编写（可最大化重用共享池中的SQL 语句，提高应用程序性能）：
Ø 将SELECT 语句分为5部分:
（1）由SELECT 开头，后跟一个显示查询结果的列表；
第7/9页
（2）由FROM 开头，后跟一个或多个获取数据所涉及的表；
（3）由WHERE 开头，后跟一个或多个确定所需值的条件；
（4）由GROUP BY开头，后跟一个或多个表列名，通过这些列以对查询结果进行汇总；
（5）由ORDER BY开头，后跟一个或多个表列名，通过这些列以对查询结果进行排序。
Ø 每个部分分行编写，将每一行的第一个关键字与第一行的SELECT尾部对齐，如
SELECT col1, col2, col3
FROM table1
WHERE col1 > col2
GROUP BY col1, col2
ORDER BY col1;
Ø 关键字用大写，列名和表名采用小写
Ø 语句中嵌入逗号时，在逗号后面加一空格，当逗号是最后一个字符时，把它放在本行
Ø 当语句的同一部分要延续到下一行时，按下列格式排列：
SELECT col1, col2, col3, col4, col5, col6,
col7, col8, col9, col10
Ø 将语句中WHERE 和AND 部分格式化，书写布局类似于
WHERE
AND
AND
Ø 当语句中出现括号时，括号的两边不留空格
Ø 在SQL 语句使用运算符时，操作两边应各留一个空格，如
WHERE X = Y
AND A = B
AND C = D
4.3.3 INSERT语句
INSERT INTO <要插入的表名>
(<列1>, <列2>, .., <列n-1>, <列n>)
VALUES (<列1值>, <列2值>, .., <列n-1值>, <列n值>)
4.3.4 UPDATE语句
UPDATE <要更新的表名>
SET <要更新的列> = <列值>
4.3.5 DELETE语句
DELETE FROM table1
WHERE col1 = '???'
第8/9页
4.4 条件执行语句(IF)编写规范
条件执行语句IF…ELSE 按以下格式编写
IF <条件表达式>
THEN
<一条或多条语句>
[ELSE (或ELSIF<条件表达式>)
THEN
<一条或多条语句>
END IF;
注:
（1）在IF…THEN和ELSE(或ELSIF)及ELSE…THEN和END IF间可包含一条或多条PL/SQL
语句，而不需要加BEGIN 和END
（2） IF…ELSE…ENDIF 语句可以嵌套
（3）注意ELSIF的写法
4.5 循环语句编写规范
4.5.1 简单循环语句
LOOP
<零条或多条语句>
EXIT WHEN <条件表达式>
<零条或多条语句>
END LOOP;
4.5.2 FOR循环语句
FOR 变量 IN [变量取值范围]
LOOP
<一条或多条语句>
END LOOP;
4.5.3 WHILE循环语句
WHILE <条件表达式>
LOOP
<一条或多条语句>
END LOOP;
4.6 函数文本（存储过程、函数和包等）
第9/9页
Ø 对于存储过程、函数等程序块都要有异常处理部分，在异常部分的最后都要设置OTHERS
异常情态处理器，以提高程序的自检能力，格式如下：
BEGIN
…
EXCEPTION
WHEN excep—name1 THEN
…
WHEN excep—name2 THEN
…
WHEN OTHERS THEN
…
END;
Ø 对于子程序、触发器、包等带名的程序块，要使用结束标识，如
CREATE OR REPLACE PROCEDURE XXXsp_XXX IS
…
BEGIN
…
END XXXsp_XXX;/* 此处的过程名XXXsp_XXX是可选的，规范要求写上，与块开始的CREATE相对应 */

奥吉 2006-07-19 17:59 发表评论

ORACLE之常用FAQ V1.0

奥吉 — Tue, 30 May 2006 06:56:00 GMT

摘要: ORACLE之常用FAQ V1.0，已经停止更新，准备出chm版本为便于大家阅读．此帖置顶．请不要在后面跟上一些"好"，"顶"之类的帖子,如果真的要感谢Piner，请多多提交FAQ．谢谢合作 --by Fenng---------------------------------------------------------------------------------------------... 阅读全文

奥吉 2006-05-30 14:56 发表评论

Oracle 分析函数的使用

奥吉 — Wed, 17 May 2006 03:10:00 GMT

Oracle 分析函数的使用

Oracle 分析函数使用介绍
分析函数是oracle816引入的一个全新的概念,为我们分析数据提供了一种简单高效的处理方式.在分析函数出现以前,我们必须使用自联查询,子查询或者内联视图,甚至复杂的存储过程实现的语句,现在只要一条简单的sql语句就可以实现了,而且在执行效率方面也有相当大的提高.下面我将针对分析函数做一些具体的说明.

今天我主要给大家介绍一下以下几个函数的使用方法
1. 自动汇总函数rollup,cube,
2. rank 函数, rank,dense_rank,row_number
3. lag,lead函数
4. sum,avg,的移动增加,移动平均数
5. ratio_to_report报表处理函数
6. first,last取基数的分析函数

基础数据

Code:

[Copy to clipboard]

06:34:23 SQL> select * from t;

BILL_MONTH    AREA_CODE  NET_TYPE    LOCAL_FARE
--------------- ---------- ---------- --------------
200405       5761    G             7393344.04
200405       5761    J             5667089.85
200405       5762    G             6315075.96
200405       5762    J             6328716.15
200405       5763    G             8861742.59
200405       5763    J             7788036.32
200405       5764    G             6028670.45
200405       5764    J             6459121.49
200405       5765    G          13156065.77
200405       5765    J          11901671.70
200406       5761    G             7614587.96
200406       5761    J             5704343.05
200406       5762    G             6556992.60
200406       5762    J             6238068.05
200406       5763    G             9130055.46
200406       5763    J             7990460.25
200406       5764    G             6387706.01
200406       5764    J             6907481.66
200406       5765    G          13562968.81
200406       5765    J          12495492.50
200407       5761    G             7987050.65
200407       5761    J             5723215.28
200407       5762    G             6833096.68
200407       5762    J             6391201.44
200407       5763    G             9410815.91
200407       5763    J             8076677.41
200407       5764    G             6456433.23
200407       5764    J             6987660.53
200407       5765    G          14000101.20
200407       5765    J          12301780.20
200408       5761    G             8085170.84
200408       5761    J             6050611.37
200408       5762    G             6854584.22
200408       5762    J             6521884.50
200408       5763    G             9468707.65
200408       5763    J             8460049.43
200408       5764    G             6587559.23

BILL_MONTH    AREA_CODE  NET_TYPE    LOCAL_FARE
--------------- ---------- ---------- --------------
200408       5764    J             7342135.86
200408       5765    G          14450586.63
200408       5765    J          12680052.38

40 rows selected.

Elapsed: 00:00:00.00

1. 使用rollup函数的介绍

Quote:

下面是直接使用普通sql语句求出各地区的汇总数据的例子
06:41:36 SQL> set autot on
06:43:36 SQL> select area_code,sum(local_fare) local_fare
06:43:50 2  from t
06:43:51 3  group by area_code
06:43:57 4  union all
06:44:00 5  select '合计' area_code,sum(local_fare) local_fare
06:44:06 6  from t
06:44:08 7  /

AREA_CODE    LOCAL_FARE
---------- --------------
5761       54225413.04
5762       52039619.60
5763       69186545.02
5764       53156768.46
5765       104548719.19
合计       333157065.31

6 rows selected.

Elapsed: 00:00:00.03

Execution Plan
----------------------------------------------------------
0    SELECT STATEMENT Optimizer=ALL_ROWS (Cost=7 Card=1310 Bytes=
      24884)

1 0 UNION-ALL
2 1    SORT (GROUP BY) (Cost=5 Card=1309 Bytes=24871)
3 2    TABLE ACCESS (FULL) OF 'T' (Cost=2 Card=1309 Bytes=248
      71)

4 1    SORT (AGGREGATE)
5 4    TABLE ACCESS (FULL) OF 'T' (Cost=2 Card=1309 Bytes=170
      17)

Statistics
----------------------------------------------------------
      0  recursive calls
      0  db block gets
      6  consistent gets
      0  physical reads
      0  redo size
      561  bytes sent via SQL*Net to client
      503  bytes received via SQL*Net from client
      2  SQL*Net roundtrips to/from client
      1  sorts (memory)
      0  sorts (disk)
      6  rows processed

下面是使用分析函数rollup得出的汇总数据的例子
06:44:09 SQL> select nvl(area_code,'合计') area_code,sum(local_fare) local_fare
06:45:26 2  from t
06:45:30 3  group by rollup(nvl(area_code,'合计'))
06:45:50 4  /

AREA_CODE    LOCAL_FARE
---------- --------------
5761       54225413.04
5762       52039619.60
5763       69186545.02
5764       53156768.46
5765       104548719.19
         333157065.31

6 rows selected.

Elapsed: 00:00:00.00

Execution Plan
----------------------------------------------------------
0    SELECT STATEMENT Optimizer=ALL_ROWS (Cost=5 Card=1309 Bytes=
      24871)

1 0 SORT (GROUP BY ROLLUP) (Cost=5 Card=1309 Bytes=24871)
2 1    TABLE ACCESS (FULL) OF 'T' (Cost=2 Card=1309 Bytes=24871
      )

Statistics
----------------------------------------------------------
      0  recursive calls
      0  db block gets
      4  consistent gets
      0  physical reads
      0  redo size
      557  bytes sent via SQL*Net to client
      503  bytes received via SQL*Net from client
      2  SQL*Net roundtrips to/from client
      1  sorts (memory)
      0  sorts (disk)
      6  rows processed

从上面的例子我们不难看出使用rollup函数,系统的sql语句更加简单,耗用的资源更少,从6个consistent gets降到4个consistent gets,如果基表很大的话,结果就可想而知了.

1. 使用cube函数的介绍

Quote:

为了介绍cube函数我们再来看看另外一个使用rollup的例子
06:53:00 SQL> select area_code,bill_month,sum(local_fare) local_fare
06:53:37 2  from t
06:53:38 3  group by rollup(area_code,bill_month)
06:53:49 4  /

AREA_CODE  BILL_MONTH       LOCAL_FARE
---------- --------------- --------------
5761    200405          13060433.89
5761    200406          13318931.01
5761    200407          13710265.93
5761    200408          14135782.21
5761                         54225413.04
5762    200405          12643792.11
5762    200406          12795060.65
5762    200407          13224298.12
5762    200408          13376468.72
5762                         52039619.60
5763    200405          16649778.91
5763    200406          17120515.71
5763    200407          17487493.32
5763    200408          17928757.08
5763                         69186545.02
5764    200405          12487791.94
5764    200406          13295187.67
5764    200407          13444093.76
5764    200408          13929695.09
5764                         53156768.46
5765    200405          25057737.47
5765    200406          26058461.31
5765    200407          26301881.40
5765    200408          27130639.01
5765                      104548719.19
                           333157065.31

26 rows selected.

Elapsed: 00:00:00.00

系统只是根据rollup的第一个参数area_code对结果集的数据做了汇总处理,而没有对bill_month做汇总分析处理,cube函数就是为了这个而设计的.
下面,让我们看看使用cube函数的结果

06:58:02 SQL> select area_code,bill_month,sum(local_fare) local_fare
06:58:30 2  from t
06:58:32 3  group by cube(area_code,bill_month)
06:58:42 4  order by area_code,bill_month nulls last
06:58:57 5  /

AREA_CODE  BILL_MONTH       LOCAL_FARE
---------- --------------- --------------
5761    200405             13060.43
5761    200406             13318.93
5761    200407             13710.27
5761    200408             14135.78
5761                            54225.41
5762    200405             12643.79
5762    200406             12795.06
5762    200407             13224.30
5762    200408             13376.47
5762                            52039.62
5763    200405             16649.78
5763    200406             17120.52
5763    200407             17487.49
5763    200408             17928.76
5763                            69186.54
5764    200405             12487.79
5764    200406             13295.19
5764    200407             13444.09
5764    200408             13929.69
5764                            53156.77
5765    200405             25057.74
5765    200406             26058.46
5765    200407             26301.88
5765    200408             27130.64
5765                         104548.72
         200405             79899.53
         200406             82588.15
         200407             84168.03
         200408             86501.34
                              333157.05

30 rows selected.

Elapsed: 00:00:00.01

可以看到,在cube函数的输出结果比使用rollup多出了几行统计数据.这就是cube函数根据bill_month做的汇总统计结果

1 rollup 和 cube函数的再深入

Quote:

从上面的结果中我们很容易发现,每个统计数据所对应的行都会出现null,
我们如何来区分到底是根据那个字段做的汇总呢,
这时候,oracle的grouping函数就粉墨登场了.
如果当前的汇总记录是利用该字段得出的,grouping函数就会返回1,否则返回0

  1  select decode(grouping(area_code),1,'all area',to_char(area_code)) area_code,
  2       decode(grouping(bill_month),1,'all month',bill_month) bill_month,
  3       sum(local_fare) local_fare
  4  from t
  5  group by cube(area_code,bill_month)
  6* order by area_code,bill_month nulls last
07:07:29 SQL> /

AREA_CODE  BILL_MONTH       LOCAL_FARE
---------- --------------- --------------
5761    200405             13060.43
5761    200406             13318.93
5761    200407             13710.27
5761    200408             14135.78
5761    all month          54225.41
5762    200405             12643.79
5762    200406             12795.06
5762    200407             13224.30
5762    200408             13376.47
5762    all month          52039.62
5763    200405             16649.78
5763    200406             17120.52
5763    200407             17487.49
5763    200408             17928.76
5763    all month          69186.54
5764    200405             12487.79
5764    200406             13295.19
5764    200407             13444.09
5764    200408             13929.69
5764    all month          53156.77
5765    200405             25057.74
5765    200406             26058.46
5765    200407             26301.88
5765    200408             27130.64
5765    all month          104548.72
all area 200405             79899.53
all area 200406             82588.15
all area 200407             84168.03
all area 200408             86501.34
all area all month          333157.05

30 rows selected.

Elapsed: 00:00:00.01
07:07:31 SQL>

可以看到,所有的空值现在都根据grouping函数做出了很好的区分,这样利用rollup,cube和grouping函数,我们做数据统计的时候就可以轻松很多了.

2. rank函数的介绍

介绍完rollup和cube函数的使用,下面我们来看看rank系列函数的使用方法.

问题2.我想查出这几个月份中各个地区的总话费的排名.

Quote:

为了将rank,dense_rank,row_number函数的差别显示出来,我们对已有的基础数据做一些修改,将5763的数据改成与5761的数据相同.
  1  update t t1 set local_fare = (
  2 select local_fare from t t2
  3    where t1.bill_month = t2.bill_month
  4    and t1.net_type = t2.net_type
  5    and t2.area_code = '5761'
  6* ) where area_code = '5763'
07:19:18 SQL> /

8 rows updated.

Elapsed: 00:00:00.01

我们先使用rank函数来计算各个地区的话费排名.
07:34:19 SQL> select area_code,sum(local_fare) local_fare,
07:35:25 2 rank() over (order by sum(local_fare) desc) fare_rank
07:35:44 3  from t
07:35:45 4  group by area_codee
07:35:50 5
07:35:52 SQL> select area_code,sum(local_fare) local_fare,
07:36:02 2 rank() over (order by sum(local_fare) desc) fare_rank
07:36:20 3  from t
07:36:21 4  group by area_code
07:36:25 5  /

AREA_CODE    LOCAL_FARE  FARE_RANK
---------- -------------- ----------
5765          104548.72       1
5761          54225.41       2
5763          54225.41       2
5764          53156.77       4
5762          52039.62       5

Elapsed: 00:00:00.01

我们可以看到红色标注的地方出现了,跳位,排名3没有出现
下面我们再看看dense_rank查询的结果.

07:36:26 SQL> select area_code,sum(local_fare) local_fare,
07:39:16 2 dense_rank() over (order by sum(local_fare) desc ) fare_rank
07:39:39 3  from t
07:39:42 4  group by area_code
07:39:46 5  /

AREA_CODE    LOCAL_FARE  FARE_RANK
---------- -------------- ----------
5765          104548.72       1
5761          54225.41       2
5763          54225.41       2
5764          53156.77       3  这是这里出现了第三名
5762          52039.62       4

Elapsed: 00:00:00.00

在这个例子中,出现了一个第三名,这就是rank和dense_rank的差别,
rank如果出现两个相同的数据,那么后面的数据就会直接跳过这个排名,而dense_rank则不会,
差别更大的是,row_number哪怕是两个数据完全相同,排名也会不一样,这个特性在我们想找出对应没个条件的唯一记录的时候又很大用处

  1  select area_code,sum(local_fare) local_fare,
  2    row_number() over (order by sum(local_fare) desc ) fare_rank
  3  from t
  4* group by area_code
07:44:50 SQL> /

AREA_CODE    LOCAL_FARE  FARE_RANK
---------- -------------- ----------
5765          104548.72       1
5761          54225.41       2
5763          54225.41       3
5764          53156.77       4
5762          52039.62       5

在row_nubmer函数中,我们发现,哪怕sum(local_fare)完全相同,我们还是得到了不一样排名,我们可以利用这个特性剔除数据库中的重复记录.

这个帖子中的几个例子是为了说明这三个函数的基本用法的. 下个帖子我们将详细介绍他们的一些用法.

2. rank函数的介绍

a. 取出数据库中最后入网的n个用户
select user_id,tele_num,user_name,user_status,create_date
from (
select user_id,tele_num,user_name,user_status,create_date,
   rank() over (order by create_date desc) add_rank
from user_info
)
where add_rank <= :n;

b.根据object_name删除数据库中的重复记录
create table t as select obj#,name from sys.obj$;
再insert into t1 select * from t1 数次.
delete from t1 where rowid in (
select row_id from (
   select rowid row_id,row_number() over (partition by obj# order by rowid ) rn
) where rn <> 1
);

c. 取出各地区的话费收入在各个月份排名.
SQL> select bill_month,area_code,sum(local_fare) local_fare,
  2    rank() over (partition by bill_month order by sum(local_fare) desc) area_rank
  3  from t
  4  group by bill_month,area_code
  5  /

BILL_MONTH    AREA_CODE          LOCAL_FARE  AREA_RANK
--------------- --------------- -------------- ----------
200405       5765                25057.74       1
200405       5761                13060.43       2
200405       5763                13060.43       2
200405       5762                12643.79       4
200405       5764                12487.79       5
200406       5765                26058.46       1
200406       5761                13318.93       2
200406       5763                13318.93       2
200406       5764                13295.19       4
200406       5762                12795.06       5
200407       5765                26301.88       1
200407       5761                13710.27       2
200407       5763                13710.27       2
200407       5764                13444.09       4
200407       5762                13224.30       5
200408       5765                27130.64       1
200408       5761                14135.78       2
200408       5763                14135.78       2
200408       5764                13929.69       4
200408       5762                13376.47       5

20 rows selected.
SQL>

3. lag和lead函数介绍

取出每个月的上个月和下个月的话费总额
  1  select area_code,bill_month, local_fare cur_local_fare,
  2    lag(local_fare,2,0) over (partition by area_code order by bill_month ) pre_local_fare,
  3    lag(local_fare,1,0) over (partition by area_code order by bill_month ) last_local_fare,
  4    lead(local_fare,1,0) over (partition by area_code order by bill_month ) next_local_fare,
  5    lead(local_fare,2,0) over (partition by area_code order by bill_month ) post_local_fare
  6  from (
  7    select area_code,bill_month,sum(local_fare) local_fare
  8    from t
  9    group by area_code,bill_month
10* )
SQL> /
AREA_CODE BILL_MONTH CUR_LOCAL_FARE PRE_LOCAL_FARE LAST_LOCAL_FARE NEXT_LOCAL_FARE POST_LOCAL_FARE
--------- ---------- -------------- -------------- --------------- --------------- ---------------
5761    200405       13060.433             0             0       13318.93    13710.265
5761    200406          13318.93             0    13060.433    13710.265    14135.781
5761    200407       13710.265    13060.433       13318.93    14135.781             0
5761    200408       14135.781    13318.93    13710.265             0             0
5762    200405       12643.791             0             0       12795.06    13224.297
5762    200406          12795.06             0    12643.791    13224.297    13376.468
5762    200407       13224.297    12643.791       12795.06    13376.468             0
5762    200408       13376.468    12795.06    13224.297             0             0
5763    200405       13060.433             0             0       13318.93    13710.265
5763    200406          13318.93             0    13060.433    13710.265    14135.781
5763    200407       13710.265    13060.433       13318.93    14135.781             0
5763    200408       14135.781    13318.93    13710.265             0             0
5764    200405       12487.791             0             0    13295.187    13444.093
5764    200406       13295.187             0    12487.791    13444.093    13929.694
5764    200407       13444.093    12487.791    13295.187    13929.694             0
5764    200408       13929.694    13295.187    13444.093             0             0
5765    200405       25057.736             0             0       26058.46    26301.881
5765    200406          26058.46             0    25057.736    26301.881    27130.638
5765    200407       26301.881    25057.736       26058.46    27130.638             0
5765    200408       27130.638    26058.46    26301.881             0             0
20 rows selected.

利用lag和lead函数,我们可以在同一行中显示前n行的数据,也可以显示后n行的数据.

4. sum,avg,max,min移动计算数据介绍

计算出各个连续3个月的通话费用的平均数
  1  select area_code,bill_month, local_fare,
  2    sum(local_fare)
  3          over (  partition by area_code
  4                   order by to_number(bill_month)
  5                   range between 1 preceding and 1 following ) "3month_sum",
  6    avg(local_fare)
  7          over (  partition by area_code
  8                   order by to_number(bill_month)
  9                   range between 1 preceding and 1 following ) "3month_avg",
10    max(local_fare)
11          over (  partition by area_code
12                   order by to_number(bill_month)
13                   range between 1 preceding and 1 following ) "3month_max",
14    min(local_fare)
15          over (  partition by area_code
16                   order by to_number(bill_month)
17                   range between 1 preceding and 1 following ) "3month_min"
18  from (
19    select area_code,bill_month,sum(local_fare) local_fare
20    from t
21    group by area_code,bill_month
22* )
SQL> /

AREA_CODE BILL_MONTH    LOCAL_FARE 3month_sum 3month_avg 3month_max 3month_min
--------- ---------- ---------------- ---------- ---------- ---------- ----------
5761    200405          13060.433  26379.363 13189.6815 13318.93  13060.433
5761    200406          13318.930  40089.628 13363.2093  13710.265  13060.433
5761    200407          13710.265  41164.976 13721.6587  14135.781 13318.93
40089.628 = 13060.433 + 13318.930 + 13710.265
13363.2093 = (13060.433 + 13318.930 + 13710.265) / 3
13710.265 = max(13060.433 + 13318.930 + 13710.265)
13060.433 = min(13060.433 + 13318.930 + 13710.265)
5761    200408          14135.781  27846.046  13923.023  14135.781  13710.265
5762    200405          12643.791  25438.851 12719.4255 12795.06  12643.791
5762    200406          12795.060  38663.148  12887.716  13224.297  12643.791
5762    200407          13224.297  39395.825 13131.9417  13376.468 12795.06
5762    200408          13376.468  26600.765 13300.3825  13376.468  13224.297
5763    200405          13060.433  26379.363 13189.6815 13318.93  13060.433
5763    200406          13318.930  40089.628 13363.2093  13710.265  13060.433
5763    200407          13710.265  41164.976 13721.6587  14135.781 13318.93
5763    200408          14135.781  27846.046  13923.023  14135.781  13710.265
5764    200405          12487.791  25782.978  12891.489  13295.187  12487.791
5764    200406          13295.187  39227.071 13075.6903  13444.093  12487.791
5764    200407          13444.093  40668.974 13556.3247  13929.694  13295.187
5764    200408          13929.694  27373.787 13686.8935  13929.694  13444.093
5765    200405          25057.736  51116.196  25558.098 26058.46  25057.736
5765    200406          26058.460  77418.077 25806.0257  26301.881  25057.736
5765    200407          26301.881  79490.979  26496.993  27130.638 26058.46
5765    200408          27130.638  53432.519 26716.2595  27130.638  26301.881

20 rows selected.

5. ratio_to_report函数的介绍

Quote:

  1  select bill_month,area_code,sum(local_fare) local_fare,
  2    ratio_to_report(sum(local_fare)) over
  3    ( partition by bill_month ) area_pct
  4  from t
  5* group by bill_month,area_code
SQL> break on bill_month skip 1
SQL> compute sum of local_fare on bill_month
SQL> compute sum of area_pct on bill_month
SQL> /

BILL_MONTH AREA_CODE    LOCAL_FARE AREA_PCT
---------- --------- ---------------- ----------
200405    5761          13060.433 .171149279
         5762          12643.791 .165689431
         5763          13060.433 .171149279
         5764          12487.791 .163645143
         5765          25057.736 .328366866
**********          ---------------- ----------
sum                      76310.184       1

200406    5761          13318.930 .169050772
         5762          12795.060 .162401542
         5763          13318.930 .169050772
         5764          13295.187 .168749414
         5765          26058.460 .330747499
**********          ---------------- ----------
sum                      78786.567       1

200407    5761          13710.265 .170545197
         5762          13224.297 .164500127
         5763          13710.265 .170545197
         5764          13444.093 .167234221
         5765          26301.881 .327175257
**********          ---------------- ----------
sum                      80390.801       1

200408    5761          14135.781 .170911147
         5762          13376.468 .161730539
         5763          14135.781 .170911147
         5764          13929.694 .168419416
         5765          27130.638 .328027751
**********          ---------------- ----------
sum                      82708.362       1

20 rows selected.

6 first,last函数使用介绍

Quote:

取出每月通话费最高和最低的两个用户.
1  select bill_month,area_code,sum(local_fare) local_fare,
  2    first_value(area_code)
  3          over (order by sum(local_fare) desc
  4                   rows unbounded preceding) firstval,
  5    first_value(area_code)
  6          over (order by sum(local_fare) asc
  7                   rows unbounded preceding) lastval
  8  from t
  9  group by bill_month,area_code
10* order by bill_month
SQL> /

BILL_MONTH AREA_CODE    LOCAL_FARE FIRSTVAL       LASTVAL
---------- --------- ---------------- --------------- ---------------
200405    5764          12487.791 5765          5764
200405    5762          12643.791 5765          5764
200405    5761          13060.433 5765          5764
200405    5765          25057.736 5765          5764
200405    5763          13060.433 5765          5764
200406    5762          12795.060 5765          5764
200406    5763          13318.930 5765          5764
200406    5764          13295.187 5765          5764
200406    5765          26058.460 5765          5764
200406    5761          13318.930 5765          5764
200407    5762          13224.297 5765          5764
200407    5765          26301.881 5765          5764
200407    5761          13710.265 5765          5764
200407    5763          13710.265 5765          5764
200407    5764          13444.093 5765          5764
200408    5762          13376.468 5765          5764
200408    5764          13929.694 5765          5764
200408    5761          14135.781 5765          5764
200408    5765          27130.638 5765          5764
200408    5763          14135.781 5765          5764

20 rows selected.

奥吉 2006-05-17 11:10 发表评论

怎样在查询记录时给记录加锁？

奥吉 — Wed, 26 Apr 2006 07:17:00 GMT

怎样在查询记录时给记录加锁？

系统环境：

实现方法：

利用SELECT的FOR UPDATE子句实现conn system/manager

--创建实验用户
grant connect,resource to test identified by test;

conn test/test

--创建实验表1
create table a(a number);
insert into a values(1);
commit;

select * from a for update;
或
select * from a for update of a.a;（a表的a列）

--新打开一个SQL*Plus窗口
conn test/test（test用户上的第二个会话）
delete from a;

此时，系统停顿状态，等待解锁，
只要在第一个窗口发出roll;或commit;命令，即可解除锁定状态。

奥吉 2006-04-26 15:17 发表评论

对于oracle进行简单树查询(递归查询)

奥吉 — Fri, 14 Apr 2006 07:10:00 GMT

对于oracle进行简单树查询(递归查询)

DEPTID	PAREDEPTID	NAME
NUMBER	NUMBER	CHAR (40 Byte)
部门id	父部门id(所属部门id)	部门名称

通过子节点向根节点追朔.
select * from persons.dept start with deptid=76 connect by prior paredeptid=deptid
通过根节点遍历子节点.
select * from persons.dept start with paredeptid=0 connect by prior deptid=paredeptid
可通过level 关键字查询所在层次.
select a.*,level from persons.dept a start with paredeptid=0 connect by prior deptid=paredeptid
再次复习一下:start with ...connect by 的用法， start with 后面所跟的就是就是递归的种子。
递归的种子也就是递归开始的地方
connect by 后面的"prior" 如果缺省：则只能查询到符合条件的起始行，并不进行递归查询；
connect by prior 后面所放的字段是有关系的，它指明了查询的方向。

练习：通过子节点获得顶节点
select FIRST_VALUE(deptid)
OVER (ORDER BY LEVEL DESC ROWS UNBOUNDED PRECEDING) AS firstdeptid from persons.dept start with deptid=76 connect by prior paredeptid=deptid

奥吉 2006-04-14 15:10 发表评论