SQL与数据库开发(四):CASE WHEN 与“行转列/列转行”花式玩法

news2026/5/11 3:09:59
在企业级应用的开发中后端程序员和报表工程师往往面临着一种天然的矛盾“数据库的存储格式”与“前端的展示格式”是完全不匹配的。关系型数据库最喜欢“瘦长”的表不断往下插入新行而业务方和老板最喜欢看的是“宽表”交叉表格、数据透视表。比如数据库里存的是每个员工每个月的流水记录但前端页面要求展示成“姓名 | 1月 | 2月 | 3月”的网格形式。如果把这种转换逻辑全部扔到 Java/Go 的内存里去做你需要写大量的对象映射、嵌套Map和遍历逻辑。实际上利用 SQL 中的CASE WHEN结合聚合函数我们可以直接在数据库执行层优雅地完成“行列转换”。一、 经典痛点行转列Pivot需求说明业务方需要一张学生成绩透视表要求一行展示一个学生的所有科目成绩。表结构参考瘦长型student_scores(student_name, subject, score) 里面存储的数据是流水形式的张三语文85张三数学90李四语文80使用 CASE WHEN 的标准解法这是业务开发中最常用的 SQL 魔法业界称之为“条件聚合Conditional Aggregation”。SELECT student_name, SUM(CASE WHEN subject 语文 THEN score ELSE 0 END) AS chinese_score, SUM(CASE WHEN subject 数学 THEN score ELSE 0 END) AS math_score, SUM(CASE WHEN subject 英语 THEN score ELSE 0 END) AS english_score, SUM(score) AS total_score -- 顺手把总分也算出来 FROM student_scores GROUP BY student_name;原理解析与避坑指南为什么要加SUM或MAX很多新手写行转列时会漏掉聚合函数。如果不加SUM直接使用CASE WHEN数据库依然会返回三行数据只是不匹配的科目会显示为 0。加上聚合函数并配合GROUP BY student_name就能将张三的三行数据“压扁”成一行。SUM还是MAX如果一个学生一门课只有一条成绩记录用SUM和MAX结果是一样的。但如果业务场景是“取该科目的历史最高分”则必须用MAX。可移植性MySQL 开发者喜欢用IF(subject 语文, score, 0)。虽然写起来更短但IF是 MySQL 独有的语法。如果你希望你的 SQL 能在 PostgreSQL 或 Oracle 上无缝运行请永远坚持使用标准的CASE WHEN。二、 历史包袱列转行Unpivot需求说明由于早年表结构设计不合理财务表把四个季度的营收硬编码成了四个物理字段。现在前端需要用 Echarts 画时间序列折线图需要把宽表拆回流水表。表结构参考扁宽型financial_reports(company_id, q1_revenue, q2_revenue, q3_revenue, q4_revenue)使用 UNION ALL 的标准解法对于“列转行”最直观、最兼容的方法就是使用UNION ALL进行结果集的垂直拼接。SELECT company_id, Q1 AS quarter, q1_revenue AS revenue FROM financial_reports WHERE q1_revenue IS NOT NULL UNION ALL SELECT company_id, Q2 AS quarter, q2_revenue AS revenue FROM financial_reports WHERE q2_revenue IS NOT NULL UNION ALL SELECT company_id, Q3 AS quarter, q3_revenue AS revenue FROM financial_reports WHERE q3_revenue IS NOT NULL UNION ALL SELECT company_id, Q4 AS quarter, q4_revenue AS revenue FROM financial_reports WHERE q4_revenue IS NOT NULL;工程价值把扁平的列拆成标准的行后你就可以继续对这个结果集使用GROUP BY进行更复杂的统计或者直接丢给前端的图表组件渲染。注意使用UNION ALL而不是UNION前者不进行去重计算性能高出数倍。三、 轻量级合并行转字符串GROUP_CONCAT有时候前端并不要求把科目单独拆成列只是希望在一个格子里面显示所有的标签或流水记录。需求说明查询每个用户的所有偏好标签用逗号隔开。表结构参考user_tags(user_id, tag_name)优雅解法SELECT user_id, GROUP_CONCAT(tag_name ORDER BY tag_name SEPARATOR , ) AS all_tags FROM user_tags GROUP BY user_id;原理解析GROUP_CONCAT是极其强大的文本聚合函数它甚至允许你在合并的过程中先进行ORDER BY排序或者自定义分隔符。它可以瞬间消灭应用层代码里的String.join()操作。四、 架构边界什么时候不应该用 SQL 行列转换以上介绍的都是静态行列转换列数是固定的比如四季、三门课。 如果在实际业务中你的列是动态的例如电商属性今天多了一个“屏幕刷新率”明天多了一个“键盘手感”你想写一个 SQL 自动把这些未知的属性全部转成列。结论是纯 SQL 无法直接实现动态行转列。虽然可以通过拼接字符串执行PREPARE动态语句来硬搞但这不仅极度难以调试还会引发 SQL 注入风险。面对动态透视需求正确的架构做法是将流水数据查询出来交给专业的 BI 工具如 Tableau、Metabase或者前端的 DataGrid 组件进行内存渲染。让数据库只干 I/O 和过滤的苦力活。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2602282.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…