Spis treści

1. Dlaczego SQL jest ważny?

1.1. Rola SQL w nowoczesnym rozwoju oprogramowania

1.2. Porównanie SQL z innymi technologiami

1.3. Szybki start: Pierwsze zapytanie SELECT

2. Podstawy: Struktura bazy i typy danych

2.1. Tabele, kolumny i wiersze

2.2. Klucze podstawowe i obce

2.3. Najważniejsze typy danych SQL i ich zastosowanie

2.4. Praktyka: Projektowanie prostej schematu bazy danych

3. Tworzenie i modyfikacja tabel

3.1. Składnia CREATE TABLE z przykładami

3.2. Dodawanie, modyfikacja i usuwanie kolumn za pomocą ALTER TABLE

3.3. Usuwanie tabel z DROP TABLE

3.4. Ćwiczenie: Stwórz schemat bazy danych dla sklepu internetowego

4. Wstawianie danych: INSERT INTO

4.1. Podstawowa składnia INSERT INTO

4.2. Wstawianie wielu wierszy jednocześnie

4.3. INSERT INTO SELECT: Kopiowanie danych między tabelami

4.4. Praktyka: Wypełnianie tabel sklepu internetowego danymi

5. Pobieranie danych: SELECT i klauzula WHERE

5.1. Anatomia zapytania SELECT

5.2. Filtrowanie z WHERE: operatory porównania i logiczne

5.3. Zaawansowane filtrowanie: LIKE, IN, BETWEEN

5.4. Ćwiczenie: Tworzenie raportów dla sklepu internetowego

6. Agregacja danych: GROUP BY i funkcje agregujące

6.1. Funkcje COUNT, SUM, AVG, MAX, MIN

6.2. Grupowanie wyników z GROUP BY

6.3. Filtrowanie grup z HAVING

6.4. Ćwiczenie: Analiza sprzedaży w sklepie internetowym

7. Modyfikacja i usuwanie danych: UPDATE i DELETE

7.1. Składnia UPDATE z przykładami

7.2. Masowe aktualizacje z JOIN

7.3. Bezpieczne usuwanie z DELETE

7.4. Praktyka: Aktualizacja cen i usuwanie nieaktualnych produktów

8. Indeksy: Optymalizacja wydajności zapytań

8.1. Tworzenie indeksów: składnia CREATE INDEX

8.2. Typy indeksów i kiedy ich używać

8.3. Analiza planu wykonania zapytania

8.4. Ćwiczenie: Optymalizacja zapytań w sklepie internetowym

9. Widoki i procedury składowane: Reużywalność kodu SQL

9.1. Tworzenie widoków dla często używanych zapytań

9.2. Pisanie i wywoływanie procedur składowanych

9.3. Funkcje zdefiniowane przez użytkownika

9.4. Ćwiczenie: Tworzenie raportów i automatyzacja procesów

10. Najczęstsze pułapki i jak ich unikać

10.1. Problemy z wydajnością: N+1 zapytania

10.2. Nieprawidłowe używanie indeksów

10.3. Błędy w złączeniach tabel

10.4. Ćwiczenie: Debugowanie i optymalizacja problematycznych zapytań

11. Narzędzia i zasoby do dalszej nauki

11.1. Popularne systemy zarządzania bazami danych: MySQL, PostgreSQL, SQLite

11.2. Narzędzia do wizualizacji i projektowania baz danych

11.3. Platformy online do ćwiczenia SQL

11.4. Rekomendowane książki i kursy online

1.2. Porównanie SQL z innymi technologiami

Główne cechy SQL jako języka zapytań relacyjnych:

Deklaratywność - opisujesz co chcesz osiągnąć, nie jak to zrobić Standaryzacja - wspólna podstawowa składnia dla różnych systemów Wsparcie dla złożonych zapytań i operacji na danych Możliwość łączenia danych z wielu tabel Wbudowane funkcje agregujące i analityczne Obsługa transakcji i zapewnienie integralności danych Kontrola dostępu i zarządzanie uprawnieniami Optymalizacja zapytań przez system zarządzania bazą danych

Struktura danych w bazach SQL:

Tabele jako podstawowe jednostki przechowywania danych Wiersze reprezentujące pojedyncze rekordy lub encje Kolumny definiujące atrybuty lub właściwości danych Klucze główne do unikalnej identyfikacji rekordów Klucze obce do tworzenia relacji między tabelami Indeksy dla optymalizacji wyszukiwania Widoki jako wirtualne tabele dla często używanych zapytań Schematy do organizacji i grupowania obiektów bazodanowych

Typy operacji CRUD w SQL:

Create (tworzenie) - dodawanie nowych rekordów do bazy danych Read (odczyt) - pobieranie danych z bazy za pomocą zapytań SELECT Update (aktualizacja) - modyfikowanie istniejących rekordów Delete (usuwanie) - usuwanie rekordów z bazy danych Operacje INSERT do dodawania nowych danych Zapytania SELECT do pobierania i filtrowania informacji Polecenia UPDATE do zmiany wartości w istniejących rekordach Instrukcje DELETE do usuwania niepotrzebnych danych

Bazy NoSQL:

Dokumentowe: przechowują dane w elastycznych strukturach podobnych do JSON Klucz-wartość: proste magazyny danych oparte na unikalnych kluczach Kolumnowe: optymalizowane do przechowywania i analizy dużych ilości danych Grafowe: specjalizują się w reprezentacji i analizie relacji między danymi

Główne różnice między SQL a NoSQL:

Struktura danych: SQL - sztywna, tabelaryczna; NoSQL - elastyczna, zależna od typu Schema: SQL - zdefiniowana z góry; NoSQL - często schema-less lub elastyczna Skalowalność: SQL - głównie wertykalna; NoSQL - często horyzontalna Spójność danych: SQL - silna; NoSQL - często eventual consistency Złożoność zapytań: SQL - zaawansowane zapytania; NoSQL - prostsze operacje Transakcje: SQL - pełne wsparcie ACID; NoSQL - różny poziom wsparcia Normalizacja: SQL - wysoki poziom; NoSQL - często denormalizacja Relacje: SQL - wbudowane; NoSQL - często symulowane lub w przypadku baz grafowych

Scenariusze użycia SQL vs NoSQL:

SQL: - Aplikacje wymagające złożonych transakcji i integralności danych - Systemy raportowania i analizy biznesowej - Aplikacje z jasno zdefiniowaną strukturą danych - Systemy finansowe i bankowe - Tradycyjne systemy zarządzania treścią NoSQL: - Aplikacje z dużą ilością danych i wysokim obciążeniem - Systemy przetwarzające dane w czasie rzeczywistym - Aplikacje wymagające elastycznej struktury danych - Platformy społecznościowe i aplikacje mobilne - Systemy IoT i analiza logów - Magazyny danych dla mikrousług

Hybrydowe podejścia: łączenie SQL i NoSQL w projektach:

Wykorzystanie SQL do krytycznych danych wymagających integralności Użycie NoSQL dla danych o zmiennej strukturze lub wymagających szybkiego dostępu Synchronizacja danych między systemami SQL i NoSQL Wykorzystanie SQL jako głównego magazynu z NoSQL jako cache Implementacja mikrousług z różnymi bazami danych dla różnych funkcji Użycie SQL do raportowania i analiz, NoSQL do gromadzenia surowych danych Integracja danych z różnych źródeł za pomocą narzędzi ETL

Ewolucja SQL w kierunku obsługi danych nierelacyjnych:

Wprowadzenie typów danych JSON i XML w bazach relacyjnych Rozwój funkcji do przetwarzania i analizy danych semi-strukturalnych Implementacja indeksów dla danych nierelacyjnych w bazach SQL Wsparcie dla przechowywania i zapytywania danych geograficznych Rozszerzenia SQL do obsługi grafów i analiz sieciowych Rozwój funkcji analitycznych do przetwarzania dużych zbiorów danych Integracja z zewnętrznymi systemami przetwarzania danych

Trendy w rozwoju technologii bazodanowych:

Wzrost popularności rozwiązań chmurowych i DBaaS (Database as a Service) Rozwój baz danych zaprojektowanych dla środowisk kontenerowych Zwiększenie nacisku na automatyzację zarządzania i optymalizacji baz danych Integracja machine learning w zarządzaniu i optymalizacji zapytań Rozwój systemów multi-model łączących różne paradygmaty bazodanowe Zwiększenie wsparcia dla przetwarzania strumieniowego i analiz w czasie rzeczywistym Rozwój technologii zapewniających większą skalowalność i odporność na awarie Nacisk na bezpieczeństwo i zgodność z regulacjami dotyczącymi ochrony danych Ewolucja w kierunku baz danych edge computing dla IoT i aplikacji rozproszonych

1.3. Szybki start: Pierwsze zapytanie SELECT

Struktura podstawowego zapytania SELECT:

Słowo kluczowe SELECT rozpoczynające zapytanie Lista kolumn, które chcemy wybrać Słowo kluczowe FROM wskazujące tabelę źródłową Opcjonalna klauzula WHERE do filtrowania wyników Średnik (;) na końcu zapytania w większości systemów bazodanowych

Wybieranie kolumn z tabeli:

Nazwy kolumn oddzielone przecinkami po słowie SELECT Możliwość wyboru dowolnej liczby kolumn Kolejność kolumn w zapytaniu określa kolejność w wynikach Możliwość używania aliasów dla kolumn za pomocą słowa AS Nazwy kolumn są zazwyczaj case-insensitive, ale najlepiej zachować konsystencję Możliwość używania funkcji na kolumnach, np. UPPER() dla tekstu

Użycie gwiazdki (\*) do wyboru wszystkich kolumn:

Symbol \* zastępuje listę wszystkich kolumn w tabeli Pozwala na szybkie pobranie całej zawartości tabeli Użyteczne podczas eksploracji danych lub debugowania Może wpływać na wydajność przy dużych tabelach Nie zalecane w kodzie produkcyjnym ze względu na potencjalne zmiany struktury tabeli Lepiej jawnie wymieniać potrzebne kolumny w zapytaniach aplikacyjnych

Filtrowanie wyników za pomocą WHERE:

Klauzula WHERE umieszczana po FROM w zapytaniu Określa warunki, które muszą spełniać zwracane wiersze Można łączyć wiele warunków za pomocą operatorów AND i OR Pozwala na precyzyjne zawężanie wyników zapytania Wspiera porównania z wartościami stałymi lub innymi kolumnami Możliwość używania funkcji w warunkach WHERE Warunki mogą odnosić się do dowolnych kolumn, nie tylko tych w SELECT

Proste operatory porównania:

\= równe < mniejsze niż > większe niż <= mniejsze lub równe > \= większe lub równe <> lub != różne od Operatory działają na liczbach, tekście i datach Dla tekstu porównanie jest zazwyczaj case-insensitive Przy porównywaniu dat należy zwrócić uwagę na format Można używać IS NULL do sprawdzania wartości null

Sortowanie wyników za pomocą ORDER BY:

Klauzula ORDER BY umieszczana na końcu zapytania Pozwala określić kolejność zwracanych wierszy Można sortować po jednej lub wielu kolumnach Domyślne sortowanie jest rosnące (ASC) Użyj DESC dla sortowania malejącego Możliwość sortowania po kolumnach nieuwzględnionych w SELECT Sortowanie może wpływać na wydajność przy dużych zbiorach danych Można sortować po wyrażeniach, np. ORDER BY LENGTH(nazwa)

Praktyczne przykłady prostych zapytań SELECT:

SELECT imie, nazwisko FROM pracownicy; SELECT \* FROM produkty WHERE cena < 100; SELECT nazwa, data\_zamowienia FROM zamowienia ORDER BY data\_zamowienia DESC; SELECT DISTINCT kategoria FROM produkty; SELECT imie, nazwisko FROM klienci WHERE miasto = 'Warszawa'; SELECT tytul, autor FROM ksiazki WHERE rok\_wydania >= 2000 AND rok\_wydania <= 2020; SELECT nazwa\_produktu, cena \* 1.23 AS cena\_z\_vat FROM produkty; SELECT imie, nazwisko FROM pracownicy WHERE data\_zatrudnienia IS NOT NULL;

Typowe błędy początkujących i jak ich unikać:

Zapominanie o średniku na końcu zapytania - zawsze kończyć średnikiem Używanie pojedynczego cudzysłowu dla nazw kolumn - używać podwójnych cudzysłowów lub backticks Mieszanie AND i OR bez nawiasów - używać nawiasów dla jasności priorytetów Zapominanie o apostrofach dla wartości tekstowych - zawsze otaczać teksty apostrofami Próba używania aliasów kolumn w WHERE - aliasy działają tylko w ORDER BY i później Używanie \* w produkcyjnych zapytaniach - zawsze wymieniać potrzebne kolumny Nieprawidłowa kolejność klauzul - pamiętać o kolejności SELECT, FROM, WHERE, ORDER BY Literówki w nazwach tabel lub kolumn - dokładnie sprawdzać nazwy

Narzędzia do wykonywania zapytań SQL:

Konsole terminalowe specyficzne dla danego systemu bazodanowego Graficzne interfejsy dostarczane przez producentów baz danych Uniwersalne narzędzia jak DBeaver, HeidiSQL czy MySQL Workbench Zintegrowane środowiska programistyczne (IDE) z wtyczkami do baz danych Webowe interfejsy administracyjne jak phpMyAdmin dla MySQL Narzędzia do wizualizacji danych z możliwością wykonywania zapytań SQL Platformy chmurowe oferujące interfejsy do zarządzania bazami danych Specjalistyczne narzędzia do monitorowania i optymalizacji wydajności baz danych

2. Podstawy: Struktura bazy i typy danych

1.1. Rola SQL w nowoczesnym rozwoju oprogramowania

1.1. Rola SQL w nowoczesnym rozwoju oprogramowania

SQL (Structured Query Language) to język programowania stworzony do zarządzania i manipulowania relacyjnymi bazami danych. Jego główne zastosowania obejmują:

Tworzenie, modyfikowanie i usuwanie struktur baz danych Wstawianie, aktualizowanie i usuwanie danych Pobieranie informacji z baz danych Zarządzanie uprawnieniami i kontrolą dostępu do danych

Bazy danych są fundamentem większości nowoczesnych aplikacji. Znajdziesz je w:

Aplikacjach internetowych Systemach zarządzania treścią Aplikacjach mobilnych Systemach analitycznych Platformach e-commerce Systemach zarządzania relacjami z klientami (CRM)

Używanie SQL w projektach programistycznych przynosi liczne korzyści:

Efektywne przechowywanie i zarządzanie dużymi ilościami danych Szybkie i precyzyjne wyszukiwanie informacji Zapewnienie integralności i spójności danych Łatwe skalowanie aplikacji wraz ze wzrostem ilości danych Możliwość tworzenia zaawansowanych raportów i analiz Standaryzacja dostępu do danych w różnych systemach i językach programowania Optymalizacja wydajności aplikacji poprzez efektywne zapytania do bazy danych

SQL można łatwo zintegrować z większością popularnych języków programowania:

Języki oferują biblioteki i sterowniki do komunikacji z bazami danych Zapytania SQL można osadzać bezpośrednio w kodzie aplikacji Istnieją ORM (Object-Relational Mapping) ułatwiające pracę z bazami danych API bazodanowe umożliwiają abstrakcję niskopoziomowych operacji SQL

Aplikacje oparte na SQL charakteryzują się wysoką skalowalnością i wydajnością:

Indeksy i optymalizacja zapytań poprawiają szybkość dostępu do danych Mechanizmy buforowania zmniejszają obciążenie bazy danych Partycjonowanie danych umożliwia efektywne zarządzanie dużymi zbiorami Replikacja i klastrowanie zapewniają wysoką dostępność i odporność na awarie Transakcje gwarantują spójność danych przy równoczesnym dostępie

SQL oferuje wysoki poziom standaryzacji i przenośności:

Podstawowa składnia SQL jest wspólna dla większości systemów bazodanowych Zapytania można łatwo przenosić między różnymi bazami danych Standard ANSI SQL zapewnia kompatybilność między systemami Migracja danych między różnymi bazami jest stosunkowo prosta Umiejętności SQL są uniwersalne i przydatne w różnych środowiskach

SQL odgrywa kluczową rolę w analizie danych i Business Intelligence:

Umożliwia tworzenie złożonych zapytań analitycznych Wspiera agregację danych i funkcje statystyczne Pozwala na łączenie danych z wielu źródeł poprzez operacje JOIN Ułatwia generowanie raportów i dashboardów Wspiera tworzenie widoków i procedur do cyklicznych analiz Umożliwia eksplorację danych i odkrywanie ukrytych wzorców

W kontekście Big Data i przetwarzania w czasie rzeczywistym:

SQL adaptuje się do pracy z ogromnymi zbiorami danych Wspiera przetwarzanie strumieniowe dla analiz w czasie rzeczywistym Integruje się z narzędziami do przetwarzania rozproszonych danych Pozwala na tworzenie zapytań na danych strukturalnych i niestrukturalnych Umożliwia optymalizację wydajności dla bardzo dużych wolumenów danych Wspiera paralelizację zapytań dla szybszego przetwarzania

Przyszłość SQL w erze chmury i mikrousług:

SQL adaptuje się do modeli chmurowych, oferując elastyczność i skalowalność Bazy SQL as a Service stają się coraz popularniejsze SQL integruje się z architekturami mikrousługowymi Rozwój SQL wspiera przetwarzanie danych na krawędzi sieci Ewolucja SQL w kierunku obsługi danych nierelacyjnych i semi-strukturalnych Automatyzacja zarządzania bazami SQL w środowiskach chmurowych Rozwój narzędzi do monitorowania i optymalizacji wydajności SQL w chmurze

2.1. Tabele, kolumny i wiersze

Tworzenie tabeli z określonymi kolumnami:

Aby utworzyć nową tabelę w bazie danych SQL, użyj polecenia CREATE TABLE. Składnia jest następująca:

Przykład:

W tym przykładzie:

INT to typ całkowity dla identyfikatora VARCHAR to typ tekstowy o zmiennej długości DATE to typ daty DECIMAL to typ liczbowy z precyzją dziesiętną

Ograniczenia, takie jak PRIMARY KEY czy NOT NULL, definiują reguły dla danych w kolumnach.

Dodawanie wierszy do tabeli:

Aby dodać nowe wiersze do istniejącej tabeli, użyj polecenia INSERT INTO. Oto podstawowa składnia:

Przykład dodania pracownika do tabeli:

Możesz też dodać wiele wierszy jednocześnie:

Modyfikowanie istniejących kolumn w tabeli:

Do modyfikacji struktury istniejącej tabeli służy polecenie ALTER TABLE. Oto kilka przykładów:

Dodawanie nowej kolumny:

Zmiana typu danych kolumny:

Usuwanie kolumny:

Zmiana nazwy kolumny (składnia może się różnić w zależności od systemu zarządzania bazą danych):

Dodawanie ograniczenia:

Nazywanie tabel i kolumn zgodnie z najlepszymi praktykami:

Używaj rzeczowników w liczbie mnogiej dla nazw tabel: customers, orders, products. Stosuj konwencję snake\_case dla nazw tabel i kolumn: user\_accounts, first\_name. Unikaj słów kluczowych SQL jako nazw: zamiast "order" użyj "customer\_order". Bądź konsekwentny w nazewnictwie: jeśli używasz prefiksu "customer\_" w jednej tabeli, stosuj go we wszystkich powiązanych. Używaj pełnych, opisowych nazw: zamiast "addr", użyj "address". Unikaj skrótów, chyba że są powszechnie zrozumiałe: "id" jest akceptowalne, ale "qty" lepiej zapisać jako "quantity". Dla kolumn z kluczami obcymi, używaj nazwy tabeli w liczbie pojedynczej z sufiksem "\_id": user\_id w tabeli orders.

Określanie odpowiednich typów danych dla kolumn:

Dla liczb całkowitych: TINYINT dla małych liczb (0 do 255) INT dla większości przypadków BIGINT dla bardzo dużych liczb Dla liczb zmiennoprzecinkowych: DECIMAL lub NUMERIC dla precyzyjnych obliczeń (np. kwoty pieniężne) FLOAT lub DOUBLE dla przybliżonych wartości naukowych Dla tekstu: CHAR(n) dla stałej długości tekstu VARCHAR(n) dla zmiennej długości tekstu TEXT dla długich fragmentów tekstu Dla dat i czasu: DATE dla samej daty TIME dla samego czasu DATETIME lub TIMESTAMP dla daty i czasu Dla wartości logicznych: BOOLEAN lub TINYINT(1) Dla danych binarnych: BLOB dla dużych obiektów binarnych Wybieraj najmniejszy możliwy typ danych, który pomieści wszystkie potencjalne wartości.

Usuwanie tabel i wierszy:

Usuwanie całej tabeli:

DROP TABLE nazwa_tabeli;

Przykład:

DROP TABLE pracownicy;

Usuwanie wszystkich wierszy z tabeli bez usuwania samej tabeli:

DELETE FROM nazwa_tabeli;

Przykład:

DELETE FROM pracownicy;

Usuwanie określonych wierszy z tabeli:

Przykład:

Przed usunięciem danych zawsze twórz kopię zapasową. Używaj klauzuli WHERE ostrożnie, aby uniknąć przypadkowego usunięcia zbyt wielu danych. Rozważ użycie transakcji dla bezpieczniejszego usuwania: W przypadku dużych tabel, usuwanie partiami może być wydajniejsze:

Przeglądanie struktury istniejącej tabeli:

W większości systemów zarządzania bazami danych SQL możesz użyć polecenia DESCRIBE lub podobnego:

DESCRIBE nazwa_tabeli;

Alternatywnie, w standardzie SQL:

Dla bardziej szczegółowych informacji, w tym o ograniczeniach:

W niektórych systemach możesz użyć narzędzi GUI do przeglądania struktury tabeli.

Kopiowanie struktury tabeli:

Aby skopiować strukturę tabeli bez danych:

Alternatywnie:

CREATE TABLE nowa_tabela LIKE stara_tabela;

Aby skopiować strukturę i dane:

Dla bardziej zaawansowanej kontroli:

Tworzenie tymczasowych tabel:

Tymczasowe tabele istnieją tylko w ramach bieżącej sesji:

Przykład:

Możesz też utworzyć tymczasową tabelę na podstawie wyników zapytania:

Tymczasowe tabele są automatycznie usuwane po zakończeniu sesji, ale możesz je usunąć wcześniej:

DROP TEMPORARY TABLE IF EXISTS temp_pracownicy;

Tymczasowe tabele są widoczne tylko dla bieżącej sesji. Są przydatne do przechowywania pośrednich wyników złożonych obliczeń. Nie obciążają głównej bazy danych i są szybsze w operacjach.