SQL 语句格式化和美化工具
SQL（Structured Query Language，结构化查询语言）是一种专门用于管理和操作关系型数据库的标准编程语言。自 1974 年 IBM 首次提出 SEQUEL 以来，SQL 已经发展为数据库领域最核心的技术之一。无论是小型网站的用户数据管理，还是大型企业的数据仓库分析，SQL 都扮演着不可替代的角色。
SQL 的核心能力包括：数据查询（从数据库中检索数据）、数据操作（插入、更新、删除记录）、数据定义（创建和修改数据库结构）以及数据控制（管理用户访问权限）。正是因为 SQL 提供了这样一套完整的数据管理能力，它成为了全栈开发者、数据分析师、后端工程师日常工作中使用频率最高的语言之一。
DDL 用于定义和修改数据库的结构，包括创建、修改和删除表、索引、视图等数据库对象。常见的 DDL 语句有：
CREATE TABLE — 创建新表，定义列名、数据类型和约束条件ALTER TABLE — 修改已有表的结构，如添加、删除或修改列DROP TABLE — 删除整个表（包括所有数据和结构定义）CREATE INDEX — 在指定列上创建索引，加速查询性能CREATE VIEW — 创建虚拟表（视图），封装复杂查询逻辑TRUNCATE TABLE — 快速清空表中所有数据（保留表结构）DML 用于对数据库中的实际数据进行增删改查操作，是日常开发中使用最频繁的部分：
SELECT — 从表中检索数据，支持复杂的条件筛选、排序、分组、聚合INSERT INTO — 向表中插入新的数据行UPDATE — 修改表中已存在的记录DELETE FROM — 从表中删除符合条件的记录MERGE（或 UPSERT） — 根据条件执行插入或更新操作DCL 用于管理数据库的访问权限和安全性：
GRANT — 授予用户特定的数据库权限（如 SELECT、INSERT、DELETE）REVOKE — 撤销已授予的权限DENY（SQL Server 特有） — 显式拒绝某项权限TCL 用于管理数据库事务，确保数据的一致性和完整性：
BEGIN 或 START TRANSACTION — 开始一个事务COMMIT — 提交事务，使所有更改永久生效ROLLBACK — 回滚事务，撤销自事务开始以来的所有更改SAVEPOINT — 在事务中设置保存点，支持部分回滚虽然 SQL 是 ANSI/ISO 标准语言，但不同的数据库系统在标准之上添加了各自的扩展和特性，形成了各具特色的"方言"。理解各方言之间的差异，对于编写可移植、高性能的 SQL 代码至关重要。
| 数据库 | 方言 | 核心特点 |
|---|---|---|
| MySQL | MySQL | 最流行的开源数据库，支持多种存储引擎（InnoDB、MyISAM），广泛用于 Web 应用，有丰富的内置函数和 LIMIT 分页语法 |
| MariaDB | MariaDB | MySQL 的开源分支，完全兼容 MySQL，增加了 RETURNING 子句、序列支持、虚拟列和更多存储引擎 |
| PostgreSQL | PostgreSQL / PL/pgSQL | 功能最强大的开源数据库，支持复杂查询、窗口函数、CTE、JSON/JSONB、全文搜索、地理空间数据（PostGIS），使用 RETURNING 和 ILIKE |
| Redshift | Amazon Redshift | 基于 PostgreSQL 的云数据仓库，为大规模并行处理（MPP）优化，有特有的 DISTKEY、SORTKEY 和 UNLOAD 命令 |
| SQLite | SQLite | 嵌入式数据库，零配置，无需服务器进程，广泛用于移动应用、桌面软件和浏览器（如 Chrome 内置 SQLite），使用 PRAGMA 命令进行配置 |
| SQL Server | T-SQL | 微软开发的商业数据库，提供丰富的企业级特性，有 TOP、GO 批处理分隔符、PIVOT/UNPIVOT、TRY...CATCH 等特有语法 |
| Oracle | PL/SQL | 企业级数据库的标杆，支持 CONNECT BY 层次查询、FLASHBACK 数据恢复、MODEL 多维计算，有最完整的事务和并发控制能力 |
| BigQuery | Google BigQuery | Google 的无服务器数据仓库，专为大规模分析设计，支持 STRUCT、ARRAY、QUALIFY、GENERATE_ARRAY 等现代 SQL 特性 |
| DB2 | IBM DB2 | IBM 的企业级数据库，强大的 OLTP 和 OLAP 能力，使用 FETCH FIRST（而非 LIMIT）、OPTIMIZE FOR 等特有语法 |
| Hive | Apache Hive | 基于 Hadoop 的数据仓库工具，支持 LATERAL VIEW、EXPLODE 爆炸函数、SORT BY 部分排序、DISTRIBUTE BY 以及自定义 SerDe 序列化 |
| Spark SQL | Apache Spark SQL | Spark 生态的 SQL 引擎，支持 DataFrame API、流处理查询、TRANSFORM 高阶函数和丰富的内置函数库 |
| Couchbase | N1QL | "SQL for JSON" 新型查询语言，支持在 JSON 文档上执行 NEST、UNNEST、USE KEYS、META 等特有操作，兼容标准 SQL 语法 |
JOIN（连接）是 SQL 中最重要的操作之一，用于将两个或多个表中的数据按照关联条件组合在一起。理解各类 JOIN 的区别和适用场景，是写出正确、高效 SQL 查询的前提。
| JOIN 类型 | 说明 | 典型场景 |
|---|---|---|
INNER JOIN | 返回两个表中匹配的行。仅当左右两表在连接条件上都有匹配值时才包含该行 | 查询用户及其订单（只显示有订单的用户） |
LEFT JOIN（左外连接） | 返回左表的所有行，即使右表中没有匹配。右表无匹配时，右侧列填充 NULL | 统计所有用户的订单数（包括未下单的用户） |
RIGHT JOIN（右外连接） | 返回右表的所有行，即使左表中没有匹配。左表无匹配时，左侧列填充 NULL | 分析所有产品与订单的关联（包括从未被订购的产品） |
FULL OUTER JOIN | 返回两个表中的所有行。无匹配的一侧填充 NULL。MySQL 不直接支持，需用 LEFT JOIN UNION RIGHT JOIN 模拟 | 完整的用户-订单关系，包括无订单用户和无用户的订单 |
CROSS JOIN | 产生笛卡尔积 — 左表每行 × 右表每行的所有组合。通常配合 WHERE 条件使用 | 生成数据组合、构建测试数据矩阵 |
SELF JOIN | 表与自身进行连接，需使用表别名区分两次引用 | 员工-经理层级关系、找出同类产品推荐 |
NATURAL JOIN | 自动基于两表中同名的所有列进行等值连接。虽然简洁但不够明确，一般不建议使用 | 快速原型验证（生产环境不推荐） |
除了 JOIN，SQL 还提供了子查询和 CTE 两种强大的数据组织和复用机制：
子查询是嵌套在另一个 SQL 语句内部的查询，可以用在 SELECT、FROM、WHERE、HAVING 等子句中：
WHERE salary > (SELECT AVG(salary) FROM employees)WHERE (dept_id, salary) = (SELECT dept_id, MAX(salary) FROM employees)WHERE salary > (SELECT AVG(e2.salary) FROM employees e2 WHERE e2.dept_id = e1.dept_id)CTE 使用 WITH 关键字定义临时命名的结果集，使复杂查询更容易阅读和维护：
WITH avg_salary AS (SELECT dept_id, AVG(salary) AS avg_sal FROM employees GROUP BY dept_id) SELECT * FROM employees e JOIN avg_salary a ON e.dept_id = a.dept_id WHERE e.salary > a.avg_salWITH RECURSIVE 语法窗口函数是 SQL 中最强大的特性之一，它在结果集的行之间执行计算，但不会像 GROUP BY 那样将多行聚合成一行。窗口函数允许在保留原始行的同时进行排名、累计、移动平均等分析操作：
ROW_NUMBER() — 为每一行分配唯一的序号RANK() / DENSE_RANK() — 排名函数，RANK 会跳过并列后的名次，DENSE_RANK 不会NTILE(n) — 将结果集均匀分成 n 个桶LAG() / LEAD() — 访问当前行之前或之后的行（不改变结果集结构）SUM() OVER() / AVG() OVER() — 计算累计和或移动平均FIRST_VALUE() / LAST_VALUE() — 获取窗口内的第一个或最后一个值窗口函数的核心是 OVER() 子句，可以通过 PARTITION BY（分组）和 ORDER BY（排序）定义窗口范围。例如 SELECT dept_id, name, salary, RANK() OVER (PARTITION BY dept_id ORDER BY salary DESC) AS rank FROM employees 可以找出每个部门中工资的排名。
随着数据量的增长，SQL 查询的性能变得至关重要。索引是提高查询效率最直接的手段：
LIKE '%keyword%' 高效得多。MySQL 和 PostgreSQL 均有支持优化 SQL 查询的实用技巧：选择合适的数据类型（避免 VARCHAR 用于数字列）、用 EXISTS 或 JOIN 替代 IN 子查询、避免在 WHERE 子句中对列使用函数（会导致索引失效）、合理使用 EXPLAIN 分析查询计划。
在实际项目中，开发者经常需要面对风格各异、可读性极差的 SQL 语句——有的整行堆在一起毫无缩进，有的关键字大小写混乱，有的缺少换行使逻辑结构难以辨识。格式化（Formatting）SQL 的意义远不止"看起来好看"：
业界主流做法是将 SQL 关键字（SELECT、FROM、WHERE、JOIN 等）写成全大写，将表名、列名等标识符写成小写。这种风格最早由 Joe Celko 等 SQL 先驱倡导，现在被大多数数据库文档和风格指南推荐。当然，也有团队偏好全小写（如一些 Ruby/Python 社区），关键是全团队保持一致。
每个主要子句（SELECT、FROM、WHERE、GROUP BY、ORDER BY）应另起一行并保持垂直对齐。子查询内的内容应额外缩进一级（通常是 2 或 4 个空格）。SELECT 后的多个列可以用逗号在行首或行尾换行——行首逗号风格在列增删时更方便 Git diff 查看。
每个 JOIN 应另起一行，ON 条件紧跟在 JOIN 后面或另起一行缩进。使用显式的 JOIN 语法（而非在 WHERE 中写连接条件），因为 JOIN 语法更清晰地表达了表之间的关联意图：FROM users u INNER JOIN orders o ON u.id = o.user_id。
SQL 标准规定字符串应使用单引号括起。双引号在标准 SQL 中用于标识符（如表名、列名），虽然在 MySQL 中双引号也可以表示字符串，但这不是可移植的做法。表别名和列别名应使用有意义的简短名称（如 u 代表 users、o 代表 orders），并使用 AS 关键字以提高可读性。
复杂的 WHERE 条件应将每个条件放在单独的行上，使用 AND/OR 开头或结尾对齐。在 WHERE 子句中，应将最可能过滤掉最多数据的条件放在前面（利用短路求值），将可能用到索引的条件优先列出。
在复杂查询中添加简要注释说明业务逻辑，使用 --（行注释）或 /* */（块注释）。注释应解释"为什么这样做"而非"做了什么"，因为后者应该通过清晰的代码本身来表达。
| 常见问题 | 原因 | 解决方案 |
|---|---|---|
| 笛卡尔积爆炸 | JOIN 遗漏了连接条件（ON 子句） | 确保每对 JOIN 的表都有明确的关联条件 |
| 隐式类型转换导致索引失效 | WHERE 条件中数据类型不匹配（如 VARCHAR 列与整数比较） | 保持查询条件与列的数据类型一致 |
| NULL 比较陷阱 | 使用 = 或 <> 与 NULL 比较（x = NULL 永远返回 UNKNOWN） | 始终使用 IS NULL 或 IS NOT NULL |
| GROUP BY 与 SELECT 列不匹配 | SELECT 中包含未被聚合也不在 GROUP BY 中的列 | 确保 SELECT 中的非聚合列都出现在 GROUP BY 中 |
| LIMIT 无 ORDER BY | LIMIT 未配合 ORDER BY 导致返回不确定的行 | 始终用 ORDER BY 配合 LIMIT 以获得确定的结果 |
| 子查询性能差 | 相关子查询每行都执行一次 | 考虑改写为 JOIN 或使用 CTE、临时表 |
| 死锁与事务冲突 | 多事务以不同顺序访问资源 | 统一资源访问顺序，设置合理的锁超时时间 |
| SQL 注入漏洞 | 直接拼接用户输入到 SQL 语句中 | 始终使用参数化查询（Prepared Statements），永远不要信任用户输入 |
在日常开发中，开发者随时可能遇到需要整理和美化 SQL 的场景——从日志中复制出一段冗长的查询语句想要分析，从数据库管理工具导出存储过程代码需要整理，或者接手他人的代码后第一件事就是格式化以理清逻辑。手动逐行调整缩进和关键字大小写不仅效率低下，而且容易遗漏细节。
我们的在线 SQL 格式化工具，支持以下核心能力：
无论你是数据库管理员、后端开发者、数据分析师，还是正在学习 SQL 的学生，这个工具都能帮助你快速将混乱的 SQL 转换为整洁、可维护的代码。