2025-06-25 19:21:02 +08:00

22 KiB

Raw Blame History

MySQL ORDER BY 语法使用文档

ORDER BY 基础语法

ORDER BY 用于对查询结果进行排序。

SELECT column1, column2, ...
FROM table_name
[WHERE condition]
ORDER BY column1 [ASC|DESC], column2 [ASC|DESC], ...
[LIMIT number];

关键字说明：

ASC：升序排列（默认）
DESC：降序排列
可以指定多个排序列
NULL 值默认排在最前面（ASC）或最后面（DESC）

ORDER BY 规则和特性

排序优先级：从左到右依次排序
数据类型排序：
- 数字：按数值大小
- 字符串：按字典序（字母顺序）
- 日期：按时间先后
- NULL：默认最小值处理
性能影响：ORDER BY 可能触发文件排序，影响查询性能
与 LIMIT 结合：获取排序后的前 N 条记录

示例数据准备

创建示例表

-- 学生表
CREATE TABLE students (
    id INT PRIMARY KEY AUTO_INCREMENT,
    name VARCHAR(50) NOT NULL,
    age INT,
    gender ENUM('男', '女'),
    class_id INT,
    score DECIMAL(5,2),
    enrollment_date DATE,
    city VARCHAR(30)
);

-- 订单表
CREATE TABLE orders (
    order_id INT PRIMARY KEY AUTO_INCREMENT,
    customer_name VARCHAR(50),
    product_name VARCHAR(100),
    order_date DATETIME,
    amount DECIMAL(10,2),
    status ENUM('pending', 'processing', 'completed', 'cancelled'),
    priority INT,
    region VARCHAR(30)
);

-- 员工表
CREATE TABLE staff (
    emp_id INT PRIMARY KEY,
    name VARCHAR(50),
    department VARCHAR(30),
    salary DECIMAL(10,2),
    hire_date DATE,
    manager_id INT,
    performance_score DECIMAL(3,1),
    bonus DECIMAL(8,2)
);

-- 产品销售表
CREATE TABLE product_sales (
    id INT PRIMARY KEY AUTO_INCREMENT,
    product_id INT,
    product_name VARCHAR(100),
    category VARCHAR(50),
    sale_date DATE,
    quantity INT,
    unit_price DECIMAL(8,2),
    discount_rate DECIMAL(3,2),
    sales_rep VARCHAR(50)
);

插入示例数据

-- 插入学生数据
INSERT INTO students (name, age, gender, class_id, score, enrollment_date, city) VALUES
('张三', 20, '男', 1, 85.5, '2023-09-01', '北京'),
('李四', 19, '女', 1, 92.0, '2023-09-01', '上海'),
('王五', 21, '男', 2, 78.5, '2023-09-01', '深圳'),
('赵六', 20, '女', 2, 88.0, '2023-09-01', '广州'),
('钱七', 22, '男', 1, 76.0, '2022-09-01', '北京'),
('孙八', 19, '女', 3, 95.5, '2023-09-01', '杭州'),
('周九', 20, '男', 3, 82.0, '2023-09-01', '成都'),
('吴十', 21, '女', 2, 89.5, '2022-09-01', '南京'),
('郑一', 19, '男', 1, 91.0, '2023-09-01', '西安'),
('王二', NULL, '女', 3, 87.0, '2023-09-01', '重庆');

-- 插入订单数据
INSERT INTO orders (customer_name, product_name, order_date, amount, status, priority, region) VALUES
('客户A', '笔记本电脑', '2024-01-15 10:30:00', 5999.00, 'completed', 1, '华北'),
('客户B', '手机', '2024-01-16 14:20:00', 3999.00, 'processing', 2, '华东'),
('客户C', '平板电脑', '2024-01-16 16:45:00', 2999.00, 'pending', 3, '华南'),
('客户A', '耳机', '2024-01-17 09:15:00', 299.00, 'completed', 2, '华北'),
('客户D', '键盘', '2024-01-17 11:30:00', 199.00, 'cancelled', 3, '华西'),
('客户E', '鼠标', '2024-01-18 13:40:00', 99.00, 'completed', 1, '华东'),
('客户B', '显示器', '2024-01-18 15:20:00', 1299.00, 'processing', 1, '华东'),
('客户F', '音响', '2024-01-19 08:50:00', 899.00, 'pending', 2, '华南'),
('客户C', '摄像头', '2024-01-19 12:10:00', 399.00, 'completed', 3, '华南'),
('客户G', '打印机', '2024-01-20 16:30:00', 1599.00, 'processing', 1, '华北');

-- 插入员工数据
INSERT INTO staff (emp_id, name, department, salary, hire_date, manager_id, performance_score, bonus) VALUES
(1001, '张经理', '技术部', 15000.00, '2020-03-15', NULL, 9.2, 5000.00),
(1002, '李工程师', '技术部', 12000.00, '2021-05-20', 1001, 8.8, 3000.00),
(1003, '王设计师', '设计部', 10000.00, '2021-08-10', NULL, 8.5, 2500.00),
(1004, '赵分析师', '数据部', 11000.00, '2022-01-15', NULL, 9.0, 3500.00),
(1005, '钱开发', '技术部', 9000.00, '2022-04-20', 1001, 7.8, 2000.00),
(1006, '孙测试', '技术部', 8500.00, '2022-07-01', 1001, 8.2, 1500.00),
(1007, '周产品', '产品部', 13000.00, '2021-12-05', NULL, 8.9, 4000.00),
(1008, '吴运营', '运营部', 8000.00, '2023-02-10', NULL, 7.5, 1000.00),
(1009, '郑销售', '销售部', 7500.00, '2023-03-20', NULL, 8.1, 1800.00),
(1010, '刘助理', '技术部', 6000.00, '2023-09-01', 1002, NULL, 500.00);

-- 插入产品销售数据
INSERT INTO product_sales (product_id, product_name, category, sale_date, quantity, unit_price, discount_rate, sales_rep) VALUES
(101, 'iPhone 15', '手机', '2024-01-10', 50, 5999.00, 0.05, '张销售'),
(102, '华为Mate60', '手机', '2024-01-10', 30, 4999.00, 0.10, '李销售'),
(103, 'MacBook Pro', '笔记本', '2024-01-11', 20, 12999.00, 0.03, '张销售'),
(104, '联想ThinkPad', '笔记本', '2024-01-11', 40, 6999.00, 0.08, '王销售'),
(105, 'iPad Air', '平板', '2024-01-12', 25, 3999.00, 0.06, '李销售'),
(106, '小米平板', '平板', '2024-01-12', 35, 1999.00, 0.12, '赵销售'),
(107, 'AirPods Pro', '耳机', '2024-01-13', 100, 1999.00, 0.08, '张销售'),
(108, '索尼耳机', '耳机', '2024-01-13', 60, 2999.00, 0.15, '王销售'),
(109, 'Dell显示器', '显示器', '2024-01-14', 80, 1599.00, 0.10, '李销售'),
(110, '三星显示器', '显示器', '2024-01-14', 45, 2299.00, 0.07, '赵销售');

基础排序示例

1. 单列升序排序（默认）

-- 按年龄升序排列学生
SELECT name, age FROM students ORDER BY age;

结果：

+------+------+
| name | age  |
+------+------+
| 王二 | NULL |
| 李四 |   19 |
| 孙八 |   19 |
| 郑一 |   19 |
| 张三 |   20 |
| 赵六 |   20 |
| 周九 |   20 |
| 王五 |   21 |
| 吴十 |   21 |
| 钱七 |   22 |
+------+------+

2. 单列降序排序

-- 按分数降序排列学生
SELECT name, score FROM students ORDER BY score DESC;

结果：

+------+-------+
| name | score |
+------+-------+
| 孙八 | 95.50 |
| 李四 | 92.00 |
| 郑一 | 91.00 |
| 吴十 | 89.50 |
| 赵六 | 88.00 |
| 王二 | 87.00 |
| 张三 | 85.50 |
| 周九 | 82.00 |
| 王五 | 78.50 |
| 钱七 | 76.00 |
+------+-------+

3. 字符串排序

-- 按姓名字母顺序排列
SELECT name, age FROM students ORDER BY name;

结果：

+------+------+
| name | age  |
+------+------+
| 钱七 |   22 |
| 孙八 |   19 |
| 王二 | NULL |
| 王五 |   21 |
| 吴十 |   21 |
| 张三 |   20 |
| 赵六 |   20 |
| 郑一 |   19 |
| 周九 |   20 |
| 李四 |   19 |
+------+-------+

4. 日期排序

-- 按入学日期排序
SELECT name, enrollment_date FROM students ORDER BY enrollment_date;

结果：

+------+-----------------+
| name | enrollment_date |
+------+-----------------+
| 钱七 | 2022-09-01      |
| 吴十 | 2022-09-01      |
| 张三 | 2023-09-01      |
| 李四 | 2023-09-01      |
| 王五 | 2023-09-01      |
| 赵六 | 2023-09-01      |
| 孙八 | 2023-09-01      |
| 周九 | 2023-09-01      |
| 郑一 | 2023-09-01      |
| 王二 | 2023-09-01      |
+------+-----------------+

多列排序

1. 多列升序排序

-- 先按班级排序，再按分数排序
SELECT name, class_id, score 
FROM students 
ORDER BY class_id, score;

结果：

+------+----------+-------+
| name | class_id | score |
+------+----------+-------+
| 钱七 |        1 | 76.00 |
| 张三 |        1 | 85.50 |
| 郑一 |        1 | 91.00 |
| 李四 |        1 | 92.00 |
| 王五 |        2 | 78.50 |
| 赵六 |        2 | 88.00 |
| 吴十 |        2 | 89.50 |
| 周九 |        3 | 82.00 |
| 王二 |        3 | 87.00 |
| 孙八 |        3 | 95.50 |
+------+----------+-------+

2. 混合排序（升序+降序）

-- 按班级升序，分数降序
SELECT name, class_id, score 
FROM students 
ORDER BY class_id ASC, score DESC;

结果：

+------+----------+-------+
| name | class_id | score |
+------+----------+-------+
| 李四 |        1 | 92.00 |
| 郑一 |        1 | 91.00 |
| 张三 |        1 | 85.50 |
| 钱七 |        1 | 76.00 |
| 吴十 |        2 | 89.50 |
| 赵六 |        2 | 88.00 |
| 王五 |        2 | 78.50 |
| 孙八 |        3 | 95.50 |
| 王二 |        3 | 87.00 |
| 周九 |        3 | 82.00 |
+------+----------+-------+

3. 三列排序

-- 按部门、薪资、绩效排序
SELECT name, department, salary, performance_score 
FROM staff 
ORDER BY department, salary DESC, performance_score DESC;

结果：

+----------+----------+----------+------------------+
| name     | department | salary   | performance_score |
+----------+----------+----------+------------------+
| 王设计师 | 设计部   | 10000.00 |             8.50 |
| 赵分析师 | 数据部   | 11000.00 |             9.00 |
| 周产品   | 产品部   | 13000.00 |             8.90 |
| 张经理   | 技术部   | 15000.00 |             9.20 |
| 李工程师 | 技术部   | 12000.00 |             8.80 |
| 钱开发   | 技术部   |  9000.00 |             7.80 |
| 孙测试   | 技术部   |  8500.00 |             8.20 |
| 刘助理   | 技术部   |  6000.00 |             NULL |
| 吴运营   | 运营部   |  8000.00 |             7.50 |
| 郑销售   | 销售部   |  7500.00 |             8.10 |
+----------+----------+----------+------------------+

特殊排序场景

1. NULL 值处理

-- 查看NULL值的排序位置
SELECT name, age FROM students ORDER BY age;

-- 使用 ISNULL() 函数控制NULL值排序
SELECT name, age 
FROM students 
ORDER BY ISNULL(age), age;  -- NULL值排在最后

2. 自定义排序（FIELD函数）

-- 按自定义状态优先级排序
SELECT customer_name, status, amount
FROM orders
ORDER BY FIELD(status, 'pending', 'processing', 'completed', 'cancelled'), amount DESC;

结果：

+------------+------------+---------+
| customer_name | status     | amount  |
+------------+------------+---------+
| 客户C      | pending    | 2999.00 |
| 客户F      | pending    |  899.00 |
| 客户B      | processing | 3999.00 |
| 客户G      | processing | 1599.00 |
| 客户B      | processing | 1299.00 |
| 客户A      | completed  | 5999.00 |
| 客户F      | completed  |  899.00 |
| 客户C      | completed  |  399.00 |
| 客户A      | completed  |  299.00 |
| 客户E      | completed  |   99.00 |
| 客户D      | cancelled  |  199.00 |
+------------+------------+---------+

3. 条件排序（CASE WHEN）

-- 根据不同条件进行排序
SELECT name, department, salary,
       CASE 
           WHEN department = '技术部' THEN 1
           WHEN department = '产品部' THEN 2
           WHEN department = '设计部' THEN 3
           ELSE 4
       END AS dept_priority
FROM staff
ORDER BY dept_priority, salary DESC;

4. 计算字段排序

-- 按销售额排序（数量×单价×(1-折扣率)）
SELECT product_name, quantity, unit_price, discount_rate,
       ROUND(quantity * unit_price * (1 - discount_rate), 2) AS total_sales
FROM product_sales
ORDER BY total_sales DESC;

结果：

+-------------+----------+------------+---------------+-------------+
| product_name | quantity | unit_price | discount_rate | total_sales |
+-------------+----------+------------+---------------+-------------+
| iPhone 15   |       50 |    5999.00 |          0.05 |   284952.50 |
| MacBook Pro |       20 |   12999.00 |          0.03 |   251980.60 |
| 联想ThinkPad |       40 |    6999.00 |          0.08 |   257569.60 |
| AirPods Pro |      100 |    1999.00 |          0.08 |   183908.00 |
| 索尼耳机    |       60 |    2999.00 |          0.15 |   152949.00 |
| 华为Mate60  |       30 |    4999.00 |          0.10 |   134973.00 |
| Dell显示器  |       80 |    1599.00 |          0.10 |   115128.00 |
| iPad Air    |       25 |    3999.00 |          0.06 |    93975.00 |
| 三星显示器  |       45 |    2299.00 |          0.07 |    96218.55 |
| 小米平板    |       35 |    1999.00 |          0.12 |    61652.40 |
+-------------+----------+------------+---------------+-------------+

复杂排序查询

1. 分组后排序

-- 各部门平均薪资，按平均薪资降序
SELECT department, 
       COUNT(*) AS emp_count,
       ROUND(AVG(salary), 2) AS avg_salary
FROM staff
GROUP BY department
ORDER BY avg_salary DESC;

结果：

+----------+-----------+------------+
| department | emp_count | avg_salary |
+----------+-----------+------------+
| 技术部   |         5 |   10100.00 |
| 产品部   |         1 |   13000.00 |
| 数据部   |         1 |   11000.00 |
| 设计部   |         1 |   10000.00 |
| 运营部   |         1 |    8000.00 |
| 销售部   |         1 |    7500.00 |
+----------+-----------+------------+

2. 子查询结果排序

-- 查找每个班级分数最高的学生
SELECT s1.name, s1.class_id, s1.score
FROM students s1
WHERE s1.score = (
    SELECT MAX(s2.score) 
    FROM students s2 
    WHERE s2.class_id = s1.class_id
)
ORDER BY s1.class_id, s1.score DESC;

3. 窗口函数排序

-- 使用ROW_NUMBER()进行排名
SELECT name, department, salary,
       ROW_NUMBER() OVER (PARTITION BY department ORDER BY salary DESC) AS dept_rank,
       ROW_NUMBER() OVER (ORDER BY salary DESC) AS overall_rank
FROM staff
ORDER BY department, dept_rank;

4. 复杂条件排序

-- 优先显示高优先级且金额大的订单
SELECT customer_name, product_name, amount, priority, status,
       CASE 
           WHEN priority = 1 AND amount > 1000 THEN 1
           WHEN priority = 1 THEN 2
           WHEN priority = 2 AND amount > 1000 THEN 3
           WHEN priority = 2 THEN 4
           ELSE 5
       END AS sort_priority
FROM orders
ORDER BY sort_priority, amount DESC;

面试题和实际案例

面试题1：销售排名问题

题目：查询每个销售代表的销售总额，并按销售额降序排列，同时显示排名。

-- 解答
SELECT sales_rep,
       COUNT(*) AS product_count,
       SUM(quantity * unit_price * (1 - discount_rate)) AS total_sales,
       RANK() OVER (ORDER BY SUM(quantity * unit_price * (1 - discount_rate)) DESC) AS sales_rank
FROM product_sales
GROUP BY sales_rep
ORDER BY total_sales DESC;

结果：

+----------+---------------+-------------+------------+
| sales_rep | product_count | total_sales | sales_rank |
+----------+---------------+-------------+------------+
| 张销售   |             3 |   720841.10 |          1 |
| 李销售   |             3 |   344076.00 |          2 |
| 王销售   |             2 |   410518.20 |          3 |
| 赵销售   |             2 |   157870.95 |          4 |
+----------+---------------+-------------+------------+

面试题2：分页查询优化

题目：实现高效的分页查询，按ID排序。

-- 传统分页（性能较差）
SELECT * FROM orders ORDER BY order_id LIMIT 1000000, 10;

-- 优化后的分页（使用索引）
SELECT o.* FROM orders o
WHERE o.order_id > (
    SELECT order_id FROM orders ORDER BY order_id LIMIT 999999, 1
)
ORDER BY o.order_id LIMIT 10;

-- 更好的分页方案（记住上次的最后一条记录ID）
SELECT * FROM orders 
WHERE order_id > 1000000  -- 上次查询的最后一个ID
ORDER BY order_id LIMIT 10;

面试题3：Top-N问题

题目：查询每个类别销售额前2名的产品。

-- 使用窗口函数解决
SELECT category, product_name, total_sales, category_rank
FROM (
    SELECT category, product_name,
           quantity * unit_price * (1 - discount_rate) AS total_sales,
           ROW_NUMBER() OVER (PARTITION BY category ORDER BY quantity * unit_price * (1 - discount_rate) DESC) AS category_rank
    FROM product_sales
) ranked_sales
WHERE category_rank <= 2
ORDER BY category, category_rank;

实际案例1：电商订单分析

场景：电商平台需要分析订单数据，按多个维度排序。

-- 复合排序：紧急订单优先，然后按金额降序，最后按时间升序
SELECT customer_name, product_name, amount, status, priority, order_date,
       CASE 
           WHEN status = 'pending' AND priority = 1 THEN '紧急待处理'
           WHEN status = 'processing' AND priority <= 2 THEN '优先处理中'
           WHEN status = 'completed' THEN '已完成'
           ELSE '普通订单'
       END AS order_category
FROM orders
ORDER BY 
    CASE WHEN status = 'pending' AND priority = 1 THEN 1
         WHEN status = 'processing' AND priority <= 2 THEN 2
         WHEN status = 'pending' THEN 3
         WHEN status = 'processing' THEN 4
         WHEN status = 'completed' THEN 5
         ELSE 6 END,
    amount DESC,
    order_date ASC;

实际案例2：学生成绩分析

场景：学校需要按多个条件对学生排序。

-- 综合排序：优秀学生优先（分数>90），然后按班级、分数排序
SELECT name, class_id, score, age,
       CASE 
           WHEN score >= 90 THEN '优秀'
           WHEN score >= 80 THEN '良好'
           WHEN score >= 70 THEN '中等'
           ELSE '待提高'
       END AS grade_level
FROM students
ORDER BY 
    CASE WHEN score >= 90 THEN 1 ELSE 2 END,  -- 优秀学生优先
    class_id,                                  -- 再按班级
    score DESC,                                -- 最后按分数降序
    age;                                       -- 分数相同时按年龄升序

实际案例3：员工绩效排序

场景：HR部门需要按绩效和多个因素对员工排序。

-- 复杂绩效排序
SELECT name, department, salary, performance_score, bonus, hire_date,
       CASE 
           WHEN performance_score >= 9.0 THEN 'A'
           WHEN performance_score >= 8.0 THEN 'B'
           WHEN performance_score >= 7.0 THEN 'C'
           ELSE 'D'
       END AS performance_grade
FROM staff
WHERE performance_score IS NOT NULL
ORDER BY 
    performance_score DESC,                    -- 绩效评分降序
    CASE WHEN department = '技术部' THEN 1     -- 技术部优先
         WHEN department = '产品部' THEN 2
         ELSE 3 END,
    salary DESC,                               -- 薪资降序
    hire_date;                                 -- 入职时间升序（资历）

面试题4：连续排名问题

题目：为员工按薪资排序，要求排名连续（即使薪资相同）。

-- 使用不同的排名函数
SELECT name, salary,
       ROW_NUMBER() OVER (ORDER BY salary DESC) AS row_num,      -- 连续排名
       RANK() OVER (ORDER BY salary DESC) AS rank_num,           -- 跳跃排名
       DENSE_RANK() OVER (ORDER BY salary DESC) AS dense_rank   -- 密集排名
FROM staff
ORDER BY salary DESC, name;

面试题5：移动平均排序

题目：计算每个学生的班级排名和移动平均分。

-- 窗口函数实现移动平均
SELECT name, class_id, score,
       ROW_NUMBER() OVER (PARTITION BY class_id ORDER BY score DESC) AS class_rank,
       ROUND(AVG(score) OVER (
           PARTITION BY class_id 
           ORDER BY score DESC 
           ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING
       ), 2) AS moving_avg
FROM students
WHERE score IS NOT NULL
ORDER BY class_id, class_rank;

性能优化和最佳实践

1. 索引优化

-- 为经常排序的列创建索引
CREATE INDEX idx_students_score ON students(score);
CREATE INDEX idx_orders_date_amount ON orders(order_date, amount);
CREATE INDEX idx_staff_dept_salary ON staff(department, salary DESC);

-- 复合索引的排序优化
CREATE INDEX idx_orders_status_priority_amount ON orders(status, priority, amount DESC);

2. LIMIT 与 ORDER BY 结合使用

-- ✅ 推荐：只获取需要的记录数
SELECT name, score FROM students ORDER BY score DESC LIMIT 10;

-- ❌ 避免：不必要的全表排序
SELECT name, score FROM students ORDER BY score DESC;  -- 然后在应用层取前10条

3. 避免文件排序

-- ✅ 使用索引排序（Using index）
EXPLAIN SELECT name, score FROM students ORDER BY score DESC;

-- 查看执行计划中是否出现 "Using filesort"
-- 出现则表示需要文件排序，性能较差

4. 排序字段选择

-- ✅ 推荐：使用数值型字段排序
SELECT * FROM orders ORDER BY amount DESC;

-- ⚠️ 注意：字符串排序相对较慢
SELECT * FROM orders ORDER BY customer_name;

-- ✅ 优化：为常用字符串排序创建专门索引
CREATE INDEX idx_orders_customer_name ON orders(customer_name);

5. 内存使用优化

-- 调整排序缓冲区大小（根据实际情况）
SET SESSION sort_buffer_size = 2097152;  -- 2MB

-- 监控排序性能
SHOW STATUS LIKE 'Sort%';

6. 常见性能陷阱

-- ❌ 避免：在ORDER BY中使用函数
SELECT * FROM students ORDER BY UPPER(name);

-- ✅ 推荐：创建函数索引或使用计算列
ALTER TABLE students ADD COLUMN name_upper VARCHAR(50) GENERATED ALWAYS AS (UPPER(name));
CREATE INDEX idx_students_name_upper ON students(name_upper);

-- ❌ 避免：复杂的CASE WHEN排序
SELECT * FROM orders 
ORDER BY CASE WHEN status = 'pending' THEN 1 
              WHEN status = 'processing' THEN 2 
              ELSE 3 END, amount DESC;

-- ✅ 推荐：添加排序辅助列
ALTER TABLE orders ADD COLUMN status_sort_order INT;
UPDATE orders SET status_sort_order = CASE 
    WHEN status = 'pending' THEN 1 
    WHEN status = 'processing' THEN 2 
    ELSE 3 END;
CREATE INDEX idx_orders_status_sort ON orders(status_sort_order, amount DESC);

7. 监控和调优

-- 查看慢查询日志中的排序相关查询
SHOW VARIABLES LIKE 'slow_query_log%';

-- 分析排序操作的性能
SELECT 
  sql_text,
  exec_count,
  avg_timer_wait/1000000000000 as 'avg_time_sec'
FROM performance_schema.events_statements_summary_by_digest 
WHERE sql_text LIKE '%ORDER BY%'
ORDER BY avg_timer_wait DESC 
LIMIT 10;

总结：

ORDER BY 是数据排序的核心工具
合理使用索引可以显著提升排序性能
多列排序时注意优先级和索引设计
避免在排序字段上使用函数计算
结合 LIMIT 使用可以优化大数据量查询
理解不同排名函数的差异和适用场景

22 KiB Raw Blame History Unescape Escape

MySQL ORDER BY 语法使用文档

目录

ORDER BY 基础语法

ORDER BY 规则和特性

示例数据准备

创建示例表

插入示例数据

基础排序示例

1. 单列升序排序（默认）

2. 单列降序排序

3. 字符串排序

4. 日期排序

多列排序

1. 多列升序排序

2. 混合排序（升序+降序）

3. 三列排序

特殊排序场景

1. NULL 值处理

2. 自定义排序（FIELD函数）

3. 条件排序（CASE WHEN）

4. 计算字段排序

复杂排序查询

1. 分组后排序

2. 子查询结果排序

3. 窗口函数排序

4. 复杂条件排序

面试题和实际案例

面试题1：销售排名问题

面试题2：分页查询优化

面试题3：Top-N问题

实际案例1：电商订单分析

实际案例2：学生成绩分析

实际案例3：员工绩效排序

面试题4：连续排名问题

面试题5：移动平均排序

性能优化和最佳实践

1. 索引优化

2. LIMIT 与 ORDER BY 结合使用

3. 避免文件排序

4. 排序字段选择

5. 内存使用优化

6. 常见性能陷阱

7. 监控和调优

22 KiB

Raw Blame History