Microsoft SQL Server 2022 已经正式发布,可以下载使用。本文给大家介绍一下该版本中的部分 T-SQL 新功能。
窗口函数增强
新版本中的窗口函数支持命名窗口(WINDOW)子句,可以利用该子句定义窗口变量,然后在 OVER 子句中使用该窗口变量。
举例说明(示例脚本):
SELECT d.dept_name AS "部门名称", e.emp_name AS "姓名", e.salary AS "月薪",
ROW_NUMBER() OVER w AS "row_number",
RANK() OVER w AS "rank",
DENSE_RANK() OVER w AS "dense_rank",
PERCENT_RANK() OVER w AS "percent_rank"
FROM employee e
JOIN department d ON (e.dept_id = d.dept_id)
WINDOW w AS (PARTITION BY e.dept_id ORDER BY e.salary DESC);
部门名称 |姓名 |月薪 |row_number|rank|dense_rank|percent_rank |
-----+---+--------+----------+----+----------+-------------------+
行政管理部|刘备 |30000.00| 1| 1| 1| 0.0|
行政管理部|关羽 |26000.00| 2| 2| 2| 0.5|
行政管理部|张飞 |24000.00| 3| 3| 3| 1.0|
人力资源部|诸葛亮|24000.00| 1| 1| 1| 0.0|
人力资源部|黄忠 | 8000.00| 2| 2| 2| 0.5|
人力资源部|魏延 | 7500.00| 3| 3| 3| 1.0|
...
示例使用 WINDOW 子句定义了一个窗口变量 w,然后在 4 个窗口函数的 OVER 子句中使用了该变量。这种使用窗口变量的写法可以简化窗口选项的输入。
新增的 WINDOW 子句还支持其他用法,具体可以查看官方文档。
IS DISTINCT FROM
IS [NOT] DISTINCT FROM 的作用是判断两个表达式是否相同,它们支持 NULL 值的比较。例如:
CREATE TABLE test(id INT);
INSERT INTO test VALUES(100);
SELECT *
FROM test
WHERE 1 IS NOT DISTINCT FROM 1;
id |
---+
100|
SELECT *
FROM test
WHERE 1 IS NOT DISTINCT FROM 2;
id|
--+
SELECT *
FROM test
WHERE NULL IS NOT DISTINCT FROM NULL;
id |
---+
100|
SELECT *
FROM test
WHERE NULL = NULL;
id|
--+
注意,IS NOT DISTINCT FROM 的作用类似于 =,IS DISTINCT FROM 的作用类似于 !=,具体说明参考官方文档。
时间序列函数
新增 DATE_BUCKET() 函数,用于返回从指定时间点开始,以固定日期时间间隔为存储桶的每个起始日期时间。例如:
DECLARE @date DATETIME2 = '2022-11-20 21:22:11';
DECLARE @orign DATETIME2 = '2022-11-01 00:00:00';
SELECT DATE_BUCKET(WEEK, 1, @date, @orign);
|
-----------------------+
2022-11-15 00:00:00.000|
SELECT DATE_BUCKET(WEEK, 2, @date, @orign);
|
-----------------------+
2022-11-15 00:00:00.000|
SELECT DATE_BUCKET(WEEK, 3, @date, @orign);
|
-----------------------+
2022-11-01 00:00:00.000|
从 2022-11-01 00:00:00 开始,以 1 或者 2 周为存储桶计算,包含 2022-11-20 21:22:11 的存储桶的起始日期为 2022-11-15 00:00:00。如果以 3 周为存储桶计算,包含 2022-11-20 21:22:11 的存储桶的起始日期为 2022-11-01 00:00:00。
新增 GENERATE_SERIES() 函数,可以用于生成数字序列,例如:
SELECT value FROM GENERATE_SERIES(1, 5);
value
-----------
1
2
3
4
5
SELECT value FROM GENERATE_SERIES(10, 1, -2);
value
-----------
10
8
6
4
2
另外,以下窗口函数支持 IGNORE NULLS 和 RESPECT NULLS 选项,分别表示计算时忽略或者考虑 NULL 值:
- FIRST_VALUE()
- LAST_VALUE()
JSON 函数增强
新版本中的 ISJSON() 函数增加了一个可选参数:
ISJSON ( expression [, json_type_constraint] )
参数 json_type_constraint 用于指定要测试的 JSON 类型,包括 VALUE、ARRAY、OBJECT 或 SCALAR。例如:
SELECT ISJSON('true', VALUE);
SELECT ISJSON('test string', VALUE);
新增 JSON_PATH_EXISTS() 函数,可以用于检查 JSON 字符串中是否存在指定的 SQL/JSON 路径。例如:
DECLARE @jsonInfo NVARCHAR(MAX)
SET @jsonInfo=N'{"info":{"address":[{"town":"Paris"},{"town":"London"}]}}';
SELECT JSON_PATH_EXISTS(@jsonInfo,'$.info.address'); -- 1
新增 JSON_OBJECT() 函数,用于构造 JSON 对象。例如:
SELECT JSON_OBJECT('name':'value', 'type':1);
{"name":"value","type":1}
新增 JSON_ARRAY() 函数,用于构造 JSON 数组。例如:
SELECT JSON_ARRAY('a', JSON_OBJECT('name':'value', 'type':1));
["a",{"name":"value","type":1}]
聚合函数增强
新增 APPROX_PERCENTILE_CONT() 以及 APPROX_PERCENTILE_DISC() 函数,可以返回一组数据中的近似百分位数。
对于大型数据集,它们可以用作 PERCENTILE_CONT 以及 PERCENTILE_DISC 的替代方法,与响应时间较慢的准确百分位值相比,可以接受可忽略的错误和较快的响应。
T-SQL 函数增强
新增 GREATEST() 以及 LEAST(),分别用于返回一个或多个参数中的最大值以及最小值。例如:
SELECT GREATEST ( '6.62', 3.1415, N'7' ) AS GreatestVal,
LEAST ( '6.62', 3.1415, N'7' ) AS LeastVal;
GreatestVal|LeastVal|
-----------+--------+
7.0000| 3.1415|
STRING_SPLIT() 函数支持一个额外的可选参数,可以为拆分后的每个字符串返回一个序号。例如:
SELECT * FROM STRING_SPLIT('SQL Server 2022', ' ', 1);
value |ordinal|
------+-------+
SQL | 1|
Server| 2|
2022 | 3|
新增 DATETRUNC() 函数,可以对日期时间数据进行截断。例如:
DECLARE @d datetime2 = '2021-12-08 11:30:15.1234567';
SELECT 'Year', DATETRUNC(year, @d);
SELECT 'Quarter', DATETRUNC(quarter, @d);
SELECT 'Month', DATETRUNC(month, @d);
SELECT 'Week', DATETRUNC(week, @d); -- Using the default DATEFIRST setting value of 7 (U.S. English)
SELECT 'Iso_week', DATETRUNC(iso_week, @d);
SELECT 'DayOfYear', DATETRUNC(dayofyear, @d);
SELECT 'Day', DATETRUNC(day, @d);
SELECT 'Hour', DATETRUNC(hour, @d);
SELECT 'Minute', DATETRUNC(minute, @d);
SELECT 'Second', DATETRUNC(second, @d);
SELECT 'Millisecond', DATETRUNC(millisecond, @d);
SELECT 'Microsecond', DATETRUNC(microsecond, @d);
Year 2021-01-01 00:00:00.0000000
Quarter 2021-10-01 00:00:00.0000000
Month 2021-12-01 00:00:00.0000000
Week 2021-12-05 00:00:00.0000000
Iso_week 2021-12-06 00:00:00.0000000
DayOfYear 2021-12-08 00:00:00.0000000
Day 2021-12-08 00:00:00.0000000
Hour 2021-12-08 11:00:00.0000000
Minute 2021-12-08 11:30:00.0000000
Second 2021-12-08 11:30:15.0000000
Millisecond 2021-12-08 11:30:15.1230000
Microsecond 2021-12-08 11:30:15.1234560
LTRIM() 以及 RTRIM() 函数支持一个额外的可选参选,可以指定要删除的字符。例如:
SELECT LTRIM('123abc.' , '123.'), RTRIM('.123abc.' , 'abc.');
| |
----+----+
abc.|.123|
TRIM() 函数可以选择从字符串的开头和/或末尾删除空格字符或其他指定字符。例如:
SELECT TRIM(LEADING '-' FROM '---SQL Server 2022---') AS lead,
TRIM(TRAILING '-' FROM '---SQL Server 2022---') AS trail,
TRIM(BOTH '-' FROM '---SQL Server 2022---') AS both;
lead |trail |both |
------------------+------------------+---------------+
SQL Server 2022---|---SQL Server 2022|SQL Server 2022|
位操作函数
新增,LEFT_SHIFT() 函数以及 << 运算符,用于实现按位左移运算。例如:
SELECT LEFT_SHIFT(1, 5), 1<<5;
| |
--+--+
32|32|
新增 RIGHT_SHIFT() 函数以及 >> 运算符,用于实现按位右移运算。例如:
SELECT RIGHT_SHIFT(32, 2), 32>>2;
| |
-+-+
8|8|
新增 BIT_COUNT() 函数,用于返回整数或者二进制数中设置为 1 的位数。例如:
SELECT BIT_COUNT(10) as Count1, BIT_COUNT(0x0a) as Count2;
Count1|Count2|
------+------+
2| 2|
整数 10 和十六进制 0x0a 的二进制表达式都为 1010,只有 2 位设置为 1。
新增 GET_BIT() 函数,用于返回整数或者二进制数中指定偏移量对应的位,偏移量从 0 开始。例如:
SELECT GET_BIT(10, 1) as Get_1st_Bit, GET_BIT(10, 2) as Get_2nd_Bit;
Get_1st_Bit|Get_2nd_Bit|
-----------+-----------+
1| 0|
整数 10 的二进制表达式为 1010,偏移量为 1 的位为 1,偏移量为 2 的位为 0。
新增 SET_BIT() 函数,用于设置并返回整数或者二进制数中指定偏移量对应的位,偏移量从 0 开始。例如:文章来源:https://www.toymoban.com/news/detail-441672.html
SELECT SET_BIT(10, 0) as Result1, SET_BIT(10, 1, 0) as Result2;
Result1|Result2|
-------+-------+
11| 8|
整数 10 的二进制表达式为 1010,将偏移量为 0 的位设置为 1,返回结果为二进制的 1011,也就是十进制的 11。将偏移量为 1 的位设置为 0,返回结果为二进制的 1000,也就是十进制的 8。文章来源地址https://www.toymoban.com/news/detail-441672.html
到了这里,关于Microsoft SQL Server 2022 新特性之 T-SQL 语言增强的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!