1.2 为什么要学 SQL

1.2 为什么要学 SQL

本节摘要：SQL 不是过时的技术，它是数据世界的通用语。本节从应用场景说清学 SQL 的实际价值，以及它和 NoSQL、编程语言查询库的分工。

本节目标

阅读完本节，你应当能够：

1. 列举 SQL 的主要应用场景
2. 说清 SQL 和 NoSQL 的分工，不是替代关系
3. 解释为什么直接用编程语言查数据不如用 SQL
4. 判断自己是否需要深入学 SQL

概念脉络

一、SQL 用在哪

几乎所有涉及"结构化数据"的地方都有 SQL 的身影：

• 后端开发：业务系统存数据、读数据，离不开 SQL。即使你用 ORM，底层也是 SQL，懂 SQL 才能调优和排查。
• 数据分析：分析师从数据库取数做报表，SQL 是基本工具。很多 BI 工具底层生成 SQL。
• 数据工程：ETL 流程里用 SQL 做转换、清洗、聚合。
• 运维/DBA：管数据库、查性能、调索引，全靠 SQL。
• 测试：造数据、验数据，都要写 SQL。

图 1-2 SQL 应用领域矩阵

二、SQL 和 NoSQL 的分工

NoSQL（MongoDB、Redis、Cassandra 等）兴起时有人喊"SQL 要过时了"，事实证明没有。两者是分工关系：

• 关系型 + SQL：数据结构稳定、需要复杂查询和事务、强一致——如订单、账户、报表。
• NoSQL：数据结构灵活多变、超大规模、对一致性要求宽松——如日志、缓存、社交关系图。

很多公司是两者并用：核心交易用关系库，日志缓存用 NoSQL。学 SQL 不会因为 NoSQL 而贬值，反而是基础——理解了关系模型和 SQL，再学 NoSQL 会发现很多概念是相通的。

三、为什么不用编程语言直接查

有人想：我用 Python/Java 写循环读数据不也行？为什么要 SQL？因为：

• SQL 一句顶几十行循环：分组聚合、多表关联，SQL 一句 GROUP BY/JOIN 搞定，编程语言要写嵌套循环和哈希表。
• DBMS 优化：DBMS 有查询优化器，会自动选索引、改写查询，比手写循环高效。
• 可移植：同一句 SQL 在不同 DBMS 上大致能跑，编程语言代码要重写。

# 用 Python 算每个城市的客户数（啰嗦）
from collections import Counter
counts = Counter()
for row in customers:
    counts[row['city']] += 1

# SQL 一句
# SELECT City, COUNT(*) FROM Customers GROUP BY City;
​

💡 关键直觉：SQL 的价值在"用声明式语法表达集合操作 + DBMS 自动优化"。能用 SQL 一句搞定的，别用编程语言写几十行循环。

四、你需要学到什么程度

本教程覆盖到"熟练"这一档，进阶调优和 DBA 内容点到为止。

一节小结

• 应用广：后端、分析、数据工程、运维、测试都用 SQL，是数据世界通用语。
• 与 NoSQL 互补：关系型复杂查询用 SQL，灵活非结构化用 NoSQL，不替代。
• 胜过编程语言循环：一句 SQL 顶几十行循环，且 DBMS 自动优化。
• 按角色定深度：后端/分析要熟练，DBA 要精通，偶尔用会基础即可。
• 本教程覆盖到"熟练"档，进阶调优点到为止。

第 1 章结束。下一章钻进关系型数据库的核心概念：关系模型、表、键。

常见疑问

Q1：现在有 ORM（如 SQLAlchemy、MyBatis），还有必要手写 SQL 吗？

非常有必要。ORM 帮你生成 SQL，但性能调优、排查慢查询、理解索引时，最终都要落到 SQL 层面。不懂 SQL 的人用 ORM，一旦出了问题只能干瞪眼。而且很多 ORM 写复杂查询反而不如 SQL 直接。SQL 是数据世界的通用语，ORM 只是它的方言翻译器。

Q2：SQL 会过时吗？NoSQL 不是更流行吗？

关系型数据库和 SQL 依然是数据存储的主流，尤其在金融、电商、ERP 这类强一致场景。NoSQL（MongoDB、Redis）解决的是另一类问题：超大规模、灵活结构、高性能缓存。两者是分工关系，不是替代关系。而且很多 NoSQL 后来也加入了类 SQL 查询能力（如 MongoDB 的聚合框架），说明 SQL 的思维深入人心。

Q3：作为数据分析师，SQL 学到什么程度够用？

至少熟练 SELECT：条件过滤、排序、分组聚合、多表 JOIN、子查询。进阶再加窗口函数（本教程第 4 章后可以继续自学）。数据分析师的日常 90% 是取数，SQL 熟练度直接决定效率。很多 BI 工具底层也是生成 SQL，懂 SQL 才能不迷信工具。

动手做一做

与其争论"SQL 有没有用"，不如亲自体会一次"用 SQL 和不用 SQL 的差别"。

找一个包含几千行数据的场景，比如一张记录订单的表。如果你只想看"北京客户的订单里，金额最大的前十笔"，用编程语言写循环，你需要先取出所有数据、在内存里遍历判断、排序、再截取前十行，代码几十行起步。而用 SQL，一条语句就能表达清楚：先筛出北京的客户，再按金额降序排列，最后限制返回十行。

把两者写出来对比，你会立刻明白 SQL 的价值在哪里：同样的逻辑，编程语言要描述"怎么做"，SQL 只要描述"要什么"。数据量越大、过滤条件越多，这个差距越明显。

建议你找一个实际场景，把"编程语言实现"和"SQL 实现"各写一遍。不需要真的跑，只要写出来对比，就能体会 SQL 在数据处理上"少即是多"的魅力。这份体感，比任何理论说辞都更有说服力。

一句话记忆

SQL 是数据世界的通用语：后端要用，数据分析要用，数据工程要用，运维测试也要用。它和 NoSQL 是分工合作的关系，和编程语言是"各管一段"的关系——编程语言负责业务逻辑，SQL 负责数据存取。