173      技術社區[雲棲]

數據蔣堂 | 從SQL語法看離散性

所謂離散性，是指集合的成員可以遊離在集合之外存在並參與運算，遊離成員還可以再組成新的集合。從離散性的解釋上可以知道，離散性是針對集合而言的一種能力，離開集合概念單獨談離散性就沒有意義了。

離散性是個很簡單的特性，幾乎所有支持結構（對象）的高級語言都天然支持，比如我們用Java時都可以把數組成員取出來單獨計算，也可以再次組成新的數組進行集合運算（不過Java幾乎沒有提供集合運算類庫）。

但是SQL的離散性卻很差。

SQL體係中有記錄的概念，但並沒有顯式的記錄數據類型。單條記錄被SQL作為隻有一條記錄的臨時表處理，也就是個單成員的集合。而且，SQL從表（集合）中取出記錄時總是複製出一條新記錄，和原表中的記錄已經沒有關係了，這個特性被稱為immutable。immutable特性有助於保證代碼的正確性和簡單性，但也會喪失離散性。

缺失離散性會帶來代碼的繁瑣和效率的低下。

比如要計算張三和李四的年齡差和工資差，SQL要寫成兩句：

這不僅書寫麻煩，而且要重複查詢。

如果支持較好的離散性，我們可以寫成這樣：

查詢結果可以遊離在集合外獨立存在，並可以反複使用。

immutable特性會要求每次運算都複製數據，這在隻讀的運算中還隻是浪費時間和空間影響效率，但如果要改寫數據時，造成的麻煩就嚴重得多。

比如我們想對業績在前10%銷售員再給予5%的獎勵。一個正常思路是先把業績在前10%的銷售員找出來，形成一個中間集合，然後再針對這個集合的成員執行獎勵5%的動作。但由於SQL缺乏離散性，immutable特性導致滿足條件的記錄再形成的集合和原記錄是無關的，在中間結果集上做修改沒有意義。這樣就迫使我們要把整個動作寫成一個語句，直接在原表中找到滿足條件的記錄再加以修改，而前10%這種條件並不容易簡單地在WHERE子句中寫出來，這又會導致複雜的子查詢。這還隻是個簡單例子，現實應用中比這複雜的條件比比皆是，用子查詢也很難寫出，經常采用的辦法則是先把滿足條件的記錄的主鍵計算出來，再用這些主鍵到原表中遍曆找到原記錄去修改，代碼繁瑣且效率極為低下。

如果語言支持離散性，我們就可以執行上述思路了：

從上麵兩個簡單例子可以看出，缺失離散性會加劇分步計算的困難，immutable特性會降低性能並占用空間。當然，離散性的問題還不止於此。

不能用原集合的成員構成新集合再進行計算，SQL在做分組時無法保持分組子集，必須強迫聚合，作為集合化語言，SQL的集合化並不徹底。沒有遊離記錄及其集合的表示方法，隻能用傳統的外鍵方案表示數據之間的關聯關係，寫出的代碼既繁瑣又難懂，而且運算性能還差，缺乏離散性的SQL無法采用直觀的引用機製描述關聯。特別地，沒有離散性的支持，SQL很難描述有序計算，有序計算是離散性和集合化的典型結合產物，成員的次序在集合中才有意義，這要求集合化，有序計算時又要將每個成員與相鄰成員區分開，會強調離散性。

這些具體內容我們會在後續文檔中逐步詳細說明。我們要從理論上改進SQL（或者更合適的說法是關係代數），主要工作就是在保持集合化的基礎上引入離散性，從而解決上述問題，讓新的語言能夠同時擁有SQL和Java的優點。

清華大學計算機碩士，著有《非線性報表模型原理》等，1989年，中國首個國際奧林匹克數學競賽團體冠軍成員，個人金牌；2000年，創立潤乾公司；2004年，首次在潤乾報表中提出非線性報表模型，完美解決了中國式複雜報表製表難題，目前該模型已經成為報表行業的標準；2014年，經過7年開發，潤乾軟件發布不依賴關係代數模型的計算引擎——集算器，有效地提高了複雜結構化大數據計算的開發和運算效率；2015年，潤乾軟件被福布斯中文網站評為“2015福布斯中國非上市潛力企業100強”；2016年，榮獲中國電子信息產業發展研究院評選的“2016年中國軟件和信息服務業十大領軍人物”；2017年, 自主創新研發新一代的數據倉庫、雲數據庫等產品即將麵世。

《數據蔣堂》的作者蔣步星，從事信息係統建設和數據處理長達20多年的時間。他豐富的工程經驗與深厚的理論功底相互融合、創新思想與傳統觀念的相互碰撞，虛擬與現實的相互交織，產生出了一篇篇的瀝血之作。此連載的內容涉及從數據呈現、采集到加工計算再到存儲以及挖掘等各個方麵。大可觀數據世界之遠景、小可看技術疑難之細節。針對數據領域一些技術難點，站在研發人員的角度從淺入深，進行全方位、360度無死角深度剖析；對於一些業內觀點，站在技術人員角度闡述自己的思考和理解。蔣步星還會對大數據的發展，站在業內專家角度給予預測和推斷。靜下心來認真研讀你會發現，《數據蔣堂》的文章，有的會讓用戶避免重複前人走過的彎路，有的會讓攻城獅麵對紮心的難題茅塞頓開，有的會為初入行業的讀者提供一把開啟數據世界的鑰匙，有的甚至會讓業內專家大跌眼鏡，產生思想交鋒。

原文發布時間為：2017-08-26
本文作者：蔣步星
本文來自雲棲社區合作夥伴“數據派THU”，了解相關信息可以關注“數據派THU”微信公眾號

最後更新：2017-10-10 16:03:40

  上一篇：  3行代碼給你的python提速4倍！

  下一篇：  獨家 | 6步教你用R語言製作動圖