开源 BI 实践：简化多表关联查询
DQL 重要的作用是解决表间关联，有了上一期配置好的元数据，我们就可以来操练一些 DQL 语句，下面看几种不同关联方式的例子，看看它是如何简化关联的。
多级关联
先跑出界面，仔细观察其中的元数据树，可以看到所有表、以及表的关联关系都在树上体现出来了，只要是能关联上的数据，无论涉及几个表，都可以逐级找到。
下面想对比各个国家客户的订单数据，这涉及到订单、客户、国家、区域表。把订单表展开后，这四个表的信息都能找到：
生成的 DQL 语句：
SELECT
T1. 客户编号. 客户名 客户名
,T1. 客户编号. 国家编号. 国家名 国家名
,T1.客户编号. 国家编号. 区域编号. 区域名 区域名
,T1. 总价 总价
,T1. 订单优先级 订单优先级
FROM
订单表 T1
其中的区域名，可以理解为订单的客户的国家的区域名称：
实现相同功能的 SQL 语句如下：
SELECT
T_1_2.C_NAME ` 客户名 `
,T_1_3.N_NAME ` 国家名 `
,T_1_4.R_NAME ` 区域名 `
,T_1_1.O_TOTALPRICE ` 总价 `
,T_1_1.O_ORDERPRIORITY ` 订单优先级 `
FROM
orders T_1_1
LEFT JOIN
customer T_1_2 ON T_1_1.O_CUSTKEY=T_1_2.C_CUSTKEY
LEFT JOIN
nation T_1_3 ON T_1_2.C_NATIONKEY=T_1_3.N_NATIONKEY
LEFT JOIN
region T_1_4 ON T_1_3.N_REGIONKEY=T_1_4.R_REGIONKEY
SQL 中用 JOIN 把四个表关联到一起后获取各表需要的信息。
自关联
想了解雇员的多级上级信息，各级雇员都在雇员表里，只是用上级字段指向上级的那条记录（外键到雇员表自身）：
DQL 语句：
SELECT
T1. 雇员姓名 雇员姓名
,T1. 职务 职务
,T1. 上级. 雇员姓名 上级姓名
,T1. 上级. 职务 上级职务
,T1. 上级. 性别 上级性别
,T1. 上级. 上级. 雇员姓名 上级的上级姓名
FROM
雇员 T1
SQL 语句：
SELECT
T_1_1."姓名" "雇员姓名"
,T_1_1."职务" "职务"
,T_1_2."姓名" "上级姓名"
,T_1_2."职务" "上级职务"
,T_1_2."性别" "上级性别"
,T_1_3."姓名" "上级的上级姓名"
FROM
"雇员" T_1_1
LEFT JOIN
"雇员" T_1_2 ON T_1_1."上级"=T_1_2."雇员 ID"
LEFT JOIN
"雇员" T_1_3 ON T_1_2."上级"=T_1_3."雇员 ID"
这个查询虽然只涉及雇员一个表，但要用它三次，T_1_1 代表的是当前雇员，T_1_2 代表的是上级， T_1_3 代表的是上级的上级，把它们 JOIN 后，就把当前雇员、上级、上级的上级拼到一条记录里了。
在 DQL 中是单表查询，上级，上级的上级的信息清晰自然。
互关联
想要查询员工和经理的信息，经理信息虽然也在员工表，但谁是哪个部门的经理存储在部门表里，员工表的部门字段外键到部门表，部门的经理字段又外键回员工表，两表互相关联：
DQL 语句：
SELECT
T1. 员工姓名 员工姓名
,T1. 国籍 员工国籍
,T1. 部门. 部门名称 部门名称
,T1. 部门. 经理. 员工姓名 经理姓名
,T1. 部门. 经理. 国籍 经理国籍
FROM
员工 T1
SQL 语句：
SELECT
T_1_1.NAME "员工姓名"
,T_1_1.COUNTRY "员工国籍"
,T_1_2.NAME "部门名称"
,T_1_3.NAME "经理姓名"
,T_1_3.COUNTRY "经理国籍"
FROM
EMPLOYEE T_1_1
LEFT JOIN
DEPARTMENT T_1_2 ON T_1_1.DEPTID=T_1_2.ID
LEFT JOIN
EMPLOYEE T_1_3 ON T_1_2.MANAGER=T_1_3.ID
DQL 里理解为员工的部门的经理；
SQL 里理解为代表员工的员工表 T_1_1、部门表、代表经理的员工表 T_1_3 关联到一起；
显然 DQL 的理解更为容易。
重复关联
要查询发货记录里的发货城市、收货城市，发货记录表里会用两个城市字段都外键到同一个维表（城市表）：
DQL 语句：
SELECT
T1. 发货单号 发货单号
,T1. 发货日期 发货日期
,T1. 发货城市. 名称 发货城市
,T1. 收货城市. 名称 收货城市
FROM
发货记录 T1
SQL 语句：
SELECT
T_1_1."发货单号" "发货单号"
,T_1_1."发货日期" "发货日期"
,T_1_2."城市" "发货城市"
,T_1_3."城市" "收货城市"
FROM
"发货记录" T_1_1
LEFT JOIN
"城市" T_1_2 ON T_1_1."发货城市"=T_1_2."城市编码"
LEFT JOIN
"城市" T_1_3 ON T_1_1."收货城市"=T_1_3."城市编码"
DQL 里理解为发货记录的发货城市、收货城市；
SQL 里理解为发货记录表、代表发货城市的城市表 T_1_2、代表收货城市的城市表 T_1_3 做关联。
同维表
要查客户信息，主要信息在客户表，对客户的补充信息在 VIP 客户表，两表是一对一的关系 (元数据中设置客户表主键外键到 VIP 客户主键)，DQL 中会把它们自然合并在一起，称作同维表，DQL 从客户表就能直接查询两表信息：
DQL 语句：
SELECT
T1. 客户名称 客户名称
,T1. 联系人姓名 联系人姓名
,T1.VIP 级别 VIP 级别
,T1.VIP 折扣率 VIP 折扣率
FROM
客户 T1
SQL 语句：
SELECT
T_1."客户名称" "客户名称"
,T_1."联系人姓名" "联系人姓名"
,T_1_1."VIP 级别" "VIP 级别"
,T_1_1."折扣率" "VIP 折扣率"
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"
SQL 中需要对两表做关联查询。
多字段关联
要查订单的发货情况，发货记录表外键到订单明细表有两个关联字段（订单和商品）：
这种多字段关联在 DQL 中也可以像单表一样查询：
DQL 语句：
SELECT
T1. 发货单号 发货单号
,T1. 收货日期 收货日期
,T1. 订单信息. 数量 数量
,T1. 订单信息. 折扣 折扣
FROM
发货记录 T1
SQL 语句：
SELECT
T_1_1."发货单号" "发货单号"
,T_1_1."收货日期" "收货日期"
,T_1_2."数量" "数量"
,T_1_2."折扣" "折扣"
FROM
"发货记录" T_1_1
LEFT JOIN
"订单明细" T_1_2 ON T_1_1."订单 ID"=T_1_2."订单 ID" AND T_1_1."产品 ID"=T_1_2."产品 ID"
SQL 里书写多字段关联条件时，注意要写全，不要漏写关联字段的等值条件。
按维对齐关联
想按照日期统计入库数量、支付金额，订单金额。入库数量按照入库单表的入库日期统计；支付金额按照支付单表的支付日期统计；订单金额按照订单表里的发货日期 (也可以如下图切换成按照签单日期) 统计：
这个 DQL 语句里也有了 JOIN，但注意这和 SQL 的笛卡尔积 JOIN 不一样，DQL 的 JOIN 是每个表先分别按日期维汇总，汇总之后按照日期再对齐成最后的结果集，而 SQL 的 JOIN 是笛卡尔积成一个大结果集后，再过滤去掉不符合条件的记录，然后再按照维度字段分组汇总：
SELECT
T1.sum(入库数量) 入库数量求和
,T2.sum(支付金额) 支付金额求和
,T3.sum(明细金额) 订单明细金额求和
ON 日 日期
FROM
入库单 T1 BY T1. 入库日期
JOIN
支付单 T2 BY T2. 支付日期
JOIN
订单明细 T3 BY T3. 订单. 发货日期
SQL 语句：
SELECT
T_1.F_1 "日期"
,T_1.F_2 "入库数量求和"
,T_2.F_2 "支付金额求和"
,T_3.F_2 "订单明细金额求和"
FROM
(SELECT T_1."入库日期" F_1,sum(T_1."入库数量") F_2 FROM "入库单" T_1 GROUP BY T_1."入库日期") T_1
JOIN
(SELECT T_2."支付日期" F_1,sum(T_2."支付金额") F_2 FROM "支付单" T_2 GROUP BY T_2."支付日期") T_2 ON T_1.F_1=T_2.F_1
JOIN
(SELECT T_3_3."发货日期" F_1,sum((T_3_2."单价"*(1-T_3_1."折扣")*T_3_1."数量"))F_2 FROM "订单明细" T_3_1 LEFT JOIN "产品" T_3_2 ON T_3_1."产品 ID"=T_3_2."产品 ID" LEFT JOIN "订单" T_3_3 ON T_3_1."订单 ID"=T_3_3."订单 ID" GROUP BY T_3_3."发货日期") T_3 ON T_1.F_1=T_3.F_1
上面这个查询还没涉及各个表额外的条件，SQL 里写关联字段的等值条件 (ON) 就有好几个，因为疏忽随便漏掉一个都会是错误结果，而 DQL 中各个表先独自算的方式就不容易出错。
后记
探讨上面这些不同方式的关联查询，有助于加深对 DQL 的理解。但在元数据中设置表关系时、界面用户用元数据树做多维分析时没必要刻意区分是哪种关联方式，都是自然而然的，多表关联的需求大多变成了单表查询，既不会理解错，也不会用错，业务人员自然就能灵活地自己搞定更多多维分析需求。
