SQL sạch: viết query để sáu tháng sau còn đọc được · Đừng viết SQL chỉ để chạy được
Có lần mình phải sửa lại một cái báo cáo doanh thu theo khách, thêm một điều kiện lọc mới. Mở file ra thì thấy query của... chính mình, viết mấy tháng trước. Alias a, b, c, subquery lồng bốn tầng, cả cái WHERE dồn trên một dòng phải kéo ngang mới đọc hết. Mất nguyên buổi sáng mới hiểu nó đang làm gì, còn sửa thì chưa dám đụng.
Hồi đó mình viết SQL với đúng một mục tiêu: chạy ra số là xong. Giờ thì mình nghĩ query chạy đúng mới được một nửa. Nửa còn lại là vài tháng sau có người mở ra sửa được mà không run tay, và người đó nhiều khả năng là chính mình.
Mấy thói quen dưới đây không có gì cao siêu, nhưng biết sớm thì mình đã đỡ được kha khá buổi sáng kiểu đó.
1. Alias phải đọc ra được là bảng gì
Đặt a, b, c lúc viết thì nhanh thật, vì trong đầu vẫn nhớ a là orders. Query hai bảng thì không sao. Lên năm bảng là bắt đầu phải cuộn lên đầu tra lại c là bảng nào, tra đi tra lại mấy lần.
Giờ mình lấy chữ cái đầu tên bảng: o cho orders, c cho customers, oi cho order_items. CTE thì đặt theo cái nó chứa, kiểu paid_orders hay monthly_revenue. Còn tmp, t1, cte1 thì thôi.
2. Xuống dòng nhiều vào, không ai tính tiền
Có giai đoạn mình thấy viết query một dòng trông "pro" lắm. Cho tới khi review một PR mà diff là nguyên một dòng 300 ký tự, đỏ một dòng xanh một dòng, cả team nhìn mãi không ra vừa thêm cột nào.
Mỗi cột một dòng, mỗi điều kiện một dòng, diff sẽ chỉ hiện đúng chỗ đổi. Còn dấu phẩy đầu dòng hay cuối dòng, keyword viết hoa hay viết thường thì đừng cãi nhau làm gì. Cả team chốt một kiểu rồi để formatter lo, sqlfluff, pgFormatter hay cái có sẵn trong IDE đều được.
3. Subquery lồng nhau thì tách ra CTE
Subquery lồng bắt người đọc đọc từ trong ra ngoài, như bóc hành. CTE thì đọc từ trên xuống, mỗi khối một việc, có tên đàng hoàng. Đây là kiểu query mình hay viết hồi trước:
select a.id, a.name, b.total from customers a, (select customer_id, sum(amount) total from orders where status = 3 and created_at >= '2024-01-01' group by customer_id) b where a.id = b.customer_id and b.total > 1000000 order by b.total desc;
Viết lại:
WITH paid_orders AS (
SELECT
customer_id,
SUM(amount) AS total_amount
FROM orders
WHERE status = 3 -- 3 = đã thanh toán
AND created_at >= '2024-01-01'
GROUP BY customer_id
)
SELECT
c.id,
c.name,
po.total_amount
FROM customers AS c
INNER JOIN paid_orders AS po
ON po.customer_id = c.id
WHERE po.total_amount > 1000000
ORDER BY po.total_amount DESC;
Kết quả y hệt. Bản sau dài gấp mấy lần, nhưng liếc qua là thấy nó làm hai việc: cộng tiền các đơn đã thanh toán theo từng khách, rồi lấy những khách trên một triệu.
Nói thêm kẻo hiểu lầm: CTE để dễ đọc chứ không làm query nhanh hơn. MySQL phải từ 8.0 mới có. PostgreSQL trước bản 12 luôn tính CTE riêng ra rồi mới dùng, nên có lúc còn chậm hơn subquery; từ bản 12, CTE không đệ quy và chỉ dùng một lần sẽ được gộp vào query chính. Chuyện khi nào dùng CTE, khi nào dùng thứ khác, mình để dành cho bài sau.
4. SELECT * để dành lúc nghịch data
Mình vẫn SELECT * hằng ngày, lúc mở một bảng lạ ra xem bên trong có gì. Nhưng trong code chạy thật hay báo cáo định kỳ thì mình liệt kê cột, vì từng dính mấy vụ này:
- Có người thêm cột vào bảng, đoạn code đọc kết quả theo thứ tự cột lệch hết.
- Query kéo về cả mấy cột text dài ngoằng mà không ai dùng.
- Có sẵn index chứa đủ các cột cần lấy, nhưng
*bắt database đọc cả dòng nên không tận dụng được.
Liệt kê cột ra thì người đọc cũng biết luôn query này cần gì từ bảng, khỏi đoán.
5. Viết JOIN cho đàng hoàng
Kiểu FROM customers a, orders b WHERE a.id = b.customer_id trộn điều kiện nối bảng với điều kiện lọc vào một chỗ. Lỡ quên một điều kiện nối là ra cartesian product, database vẫn vui vẻ chạy và trả về số dòng gấp mấy lần, không báo lỗi gì.
Mình luôn ghi rõ INNER JOIN hay LEFT JOIN, điều kiện nối để trong ON, điều kiện lọc để trong WHERE. Có từ hai bảng trở lên thì cột nào cũng có alias đứng trước, kể cả cột không trùng tên. Người đọc khỏi phải đoán status là của đơn hay của khách, và sau này bảng kia có thêm cột status thì query cũng không vỡ.
6. Comment cái "tại sao", đừng comment cái "làm gì"
Comment -- lấy đơn hàng ngay trên SELECT ... FROM orders thì viết làm gì, ai nhìn cũng thấy. Người sau cần những thứ không đọc ra được từ code:
WHERE o.status = 3 -- 3 = đã thanh toán
AND o.customer_id NOT IN (1, 2) -- tài khoản test nội bộ, không tính vào doanh thu
Mấy con số như 3 hay (1, 2) là thứ mình quên nghĩa nhanh nhất. Được thì join sang bảng tra cứu để lọc theo tên trạng thái cho rõ, không thì ít nhất cũng phải có một dòng comment.
Có một chuyện mình vẫn chưa tìm được cách ổn: mấy query báo cáo dài vài trăm dòng vì nghiệp vụ nó phức tạp thật. Tách ra view hay bảng trung gian thì gọn hơn, nhưng lại thêm một thứ phải bảo trì. Bạn nào có cách hay thì comment cho mình học với.
Còn nếu muốn thử ngay: mở query dài nhất trong project, tách cái subquery sâu nhất ra thành một CTE có tên tử tế, rồi chạy lại so kết quả.
P.S. Dạo này trước khi mở PR mình hay nhờ AI soát query theo mấy điểm ở trên. Mình dùng skill code-quality-auditor trong PrimeKit, bộ skill mình tự làm cho Claude Code, Codex và Cursor. Cài bằng npx @lovehlmmm/primekit init, rồi gõ /pk:code-quality-auditor kèm file SQL. Nghiệp vụ thì nó không hiểu hộ bạn được, nhưng mấy lỗi lặt vặt lúc cuối ngày thì nó bắt khá ổn.
All rights reserved