2 DQL 概念和语法

维度

维度是我们观察数据的角度，用 SQL 理解就是 group by 后面的分组字段。比如常见的产品、客户、地区、日期、品类、员工等等都是维度。

DQL（Dimensional Query Languange）是以维度为核心的查询语言。在 DQL 中，将不是外键的主键字段定义成维度。回忆前面的三种关联，都是与主键相关的。有了维度，表间关系就可以描述成表和维度的关系（毕竟表都有主键 / 逻辑主键）

DQL 中的表间关系描述（中间是维度）

维的层次

维的不同粒度称为维的层次，可以方便从不同粒度观察数据。比如城市的层次包括地区、省、市、县等不同层次；日期包括年、季、月、周等不同层次。有了维和层，我们就可以从不同角度、不同粒度查询数据。

启动 DQL IDE，打开安装包附带的 demo.lmd 元数据文件。我们接下来使用这个已经建好的元数据模型进行实验。

可以看到，基于“市“这个维度，构建出省和大区两个层次，我们再查询时就可以基于不同的地区维度 / 层次统计数据。
比如要从发货记录表中查询每个发货单的大区、省、市信息，DQL 就可以这样写：

SELECT  发货单号,发货城市#大区 大区,发货城市#省,发货城市 
FROM 发货记录

其中 发货地区#大区（F#L） 代表查询发货城市的大区层次，通过菜单栏 - 系统 - 翻译 DQL，执行这个语句：

可以看到翻译后的 SQL，大区和省份都按照 DQL 定义的层函数进行了计算：

SELECT T_1."发货单号" "发货单号",CAST(T_1."发货城市"/10000 AS INT) "大区",CAST(T_1."发货城市"/100 AS INT) "发货城市",T_1."发货城市" "发货城市" FROM "发货记录" T_1

维过滤

DQL 可以在维上进行过滤，也就是在 ON 后面写过滤条件，由于 ON 的典型写法是维表名. 字段名，所以 ON 后面的条件也就是对维表进行过滤。比如要查询大区编号是 2,3,4 的发货数量。
DQL：

SELECT  发货记录.COUNT(发货单号) 发货数量
ON 大区 WHERE 大区 in(2,3,4)
FROM 发货记录
BY 发货城市#大区

直接在 ON 后面写 WHERE 过滤条件，在多表关联中基于同一个维对齐时可以只写一个维过滤条件。

翻译后的 SQL：

SELECT CAST(T_1."发货城市"/10000 AS INT) "大区",COUNT(T_1."发货单号") "发货数量" FROM "发货记录" T_1 WHERE CAST(T_1."发货城市"/10000 AS INT) IN(2,3,4) GROUP BY CAST(T_1."发货城市"/10000 AS INT)

时间维与假表

日期时间作为一种特殊的维度在查询时经常使用，比如年、年月、季度、周等等。DQL 为了方便使用日期时间维引入了“假表”的概念。假表是指没有物理数据对应的单字段逻辑数据表。事实上，假表不仅限用于日期时间维，其他任何想要方便使用的维度都可以设为假表。
在工具栏 - 增加假表，增加一个“日”假表：

这个表有且只有一个主键字段“日”，其格式为 YYYYMMDD，下面通过层函数分别计算出了月和年两个层次（分别对应月和年假表）。
比如要按年统计订单数量，DQL 这样写：

SELECT 订单.count(*) 订单数
ON 年 AS 发货年
FROM 订单
BY 发货日期#年

翻译后的 SQL：

SELECT YEAR(T_1."发货日期") "发货年",count(*) "订单数" 
FROM "订单" T_1 
GROUP BY YEAR(T_1."发货日期")

有了假表，对于所有日期维度，就都可以按照假表定义的各种维度进行分析了，页面上看到的每个日期字段都有这些维度，很容易构建出下面的界面，使用非常清晰。

外键

前面说过，DQL 定义的 JOIN 都与主键有关，外键表、同维表、主子表都可以通过主外键关系来描述，这样我们就可以通过外键建立起各类表间关系，一次性把表间关系表述清楚以后就不用再动了，这就是 DQL 倡导的一次建模，也称为非按需建模（与宽表等按需建模相对）。
比如，订单表和客户维表进行外键关联，在 IDE 里这样设置：

这时我们再查询订单和客户信息，就可以只基于订单一个表进行，DQL 语句：

SELECT 订单,客户.客户名称,客户.联系人姓名,签单日期
FROM 订单

其翻译后的 SQL 是多表关联的：

SELECT T_1_1."订单ID" "订单",T_1_2."客户名称" "客户名称",T_1_2."联系人姓名" "联系人姓名",T_1_1."签单日期" "签单日期" 
FROM "订单" T_1_1 
LEFT JOIN "客户" T_1_2 
ON T_1_1."客户ID"=T_1_2."客户ID"

前面的日期假表，也是通过外键与日期时间字段进行关联，每个字段都关联日期假表就能获得上面页面查询的效果。

同维表

同维表之间的关系描述与外键表相同，在使用时可以基于同维表中任意表查询，所有同维表的字段都当成本表字段使用，不需要再写 外键. 维表字段 形式。
比如客户和 VIP 客户的信息，这两个表互为同维表，DQL 直接写字段就可以：

SELECT 客户,客户名称,VIP级别 
FROM 客户

翻译后的 SQL：

SELECT T_1."客户ID" "客户",T_1."客户名称" "客户名称",T_1_1."VIP级别" "VIP级别" 
FROM "客户" T_1 
LEFT JOIN "VIP客户" T_1_1 
ON T_1."客户ID"=T_1_1."客户ID"

查询时，还可以限定从同维表中读取（找不到继续在同维表的同维表中查找），DQL：

SELECT 客户,客户名称,VIP级别@VIP客户 
FROM 客户

用 @同维表 来指定要查询的字段来源。

SQL：

SELECT T_1."客户ID" "客户",T_1."客户名称" "客户名称",T_1_1."VIP级别" "VIP级别" 
FROM "客户" T_1 
LEFT JOIN "VIP客户" T_1_1 
ON T_1."客户ID"=T_1_1."客户ID"

子表

主子表的关系是子表的部分主键作为外键指向主表的主键。比如，订单和订单明细表，通过设置外键后构建出的主子关系。

从订单表查询订单以及订单金额（来源订单明细）等信息，DQL 语句：

SELECT 订单, 客户, 订单@订单明细.SUM(单价*数量*(1-折扣)) 订单金额 
FROM 订单

此处的语法[email protected](F)表 T 的子表 S 的广义字段 F 的聚合式（count/avg/sum/max/min），通过主表直接针对子表聚合。

翻译后的 SQL：

SELECT T_1."订单ID" "订单",T_1."客户ID" "客户",T_3.F_2 "订单金额" 
FROM "订单" T_1 
JOIN (SELECT T_3."订单ID" F_1,SUM(T_3."单价"*T_3."数量"*(1-T_3."折扣")) F_2 
FROM "订单明细" T_3 
GROUP BY T_3."订单ID") T_3 
ON T_1."订单ID"=T_3.F_1

使用非 DQL 标准函数

DQL 定义了很多标准函数，在 DQL 语句里可以直接使用。但有时还想使用数据库的特别函数，DQL 也提供了使用非标准函数的方式，DQL 语句：

SELECT  年月,供应商,总金额
FROM  入库单汇总
WHERE 年月 = YEAR($SYSDATE()) * 100 + MONTH(NOW())

使用 $ 标注的函数提交数据库时会保留原样（不被翻译）。

通过上面的概念和建模介绍，我们已经基本掌握的 DQL 的语法，相对 SQL 也更简单。总结一下 DQL 语法：