Video
Đăng bởi Ban biên tập OpenER ·
Tác giả giữ toàn bộ bản quyền (All Rights Reserved) — không phải giấy phép mở. Bạn vẫn xem và học miễn phí trên OpenER; muốn tái sử dụng cần xin phép tác giả.
All right, let's get started. All right, give it up for DJ Cash, again. Awesome. All right, so quick reminder, I'm going to be gone next week.
Được rồi, chúng ta bắt đầu thôi. Nào, một tràng pháo tay cho DJ Cash nữa nào. Tuyệt vời. Nhắc nhanh một chút, tuần sau tôi sẽ vắng mặt.
I'm going to London to see your boy, Pat Face Rick. Oh, my man, Pat Face Rick. Yeah, so no class next week in person. I'll record it while I'm remote.
Tôi sẽ đến London để gặp bạn của các em, Pat Face Rick. Ôi, người anh em Pat Face Rick của tôi. Vậy nên tuần sau không có buổi học trực tiếp. Tôi sẽ ghi hình khi ở xa.
I'll post it on YouTube. And I'll say hi to your friend, whatever. So all right, and then Project Zero, that went out on Monday. That'll be due on September 7th.
Tôi sẽ đăng lên YouTube. Và tôi sẽ gửi lời chào đến bạn của các em, sao cũng được. Được rồi, còn Project Zero thì đã được phát hành hôm thứ Hai. Hạn nộp là ngày 7 tháng 9.
Homework 1 will be released later today. And that'll also be due on the same day. So again, Project Zero is the C++ project to make sure you know C++.
Homework 1 sẽ được phát hành vào cuối ngày hôm nay. Và hạn nộp cũng là cùng ngày đó. Nhắc lại, Project Zero là dự án C++ để đảm bảo các em biết C++.
And you can debug multi-threaded code. So please go start that sooner rather than later, because you'll set up your dev environment and make sure everything's working.
Và các em có thể gỡ lỗi mã đa luồng. Vì vậy hãy bắt đầu làm sớm chứ đừng để muộn, vì các em sẽ thiết lập môi trường phát triển và kiểm tra xem mọi thứ có hoạt động không.
All right, so last class, we were a bit rushed. But we talked about how the relational model was the superior data model for databases.
Được rồi, buổi trước chúng ta hơi vội. Nhưng chúng ta đã nói về việc mô hình quan hệ là mô hình dữ liệu ưu việt cho cơ sở dữ liệu.
And it pretty much is the fundamental way you would represent any major application database or data in a system.
Và về cơ bản nó là cách nền tảng để biểu diễn cơ sở dữ liệu của bất kỳ ứng dụng lớn nào hay dữ liệu trong một hệ thống.
And then we also talked about how relational algebra is the building blocks for us to manipulate and query data in a relational model database, in a relational database system.
Chúng ta cũng đã nói về việc đại số quan hệ là các khối xây dựng để chúng ta thao tác và truy vấn dữ liệu trong cơ sở dữ liệu theo mô hình quan hệ, trong một hệ cơ sở dữ liệu quan hệ.
And so today's class is really about sort of, we won't go back and look at relational algebra again.
Và buổi hôm nay thực sự là về việc, chúng ta sẽ không quay lại xem đại số quan hệ nữa.
Now we'll talk about SQL, which is a higher form of a query language than what relational algebra is.
Bây giờ chúng ta sẽ nói về SQL, là một ngôn ngữ truy vấn bậc cao hơn so với đại số quan hệ.
But then when we start actually talking about how to implement the system itself and actually execute the queries that we'll talk about today, that's when relational algebra will come back and sort of fit into the array.
Nhưng khi chúng ta bắt đầu nói về cách cài đặt chính hệ thống và thực thi các truy vấn mà hôm nay chúng ta sẽ bàn, thì đại số quan hệ sẽ quay trở lại và khớp vào bức tranh.
Now you see how these are the building blocks for building the system. All right, so let's go back to the 70s and the very beginning of SQL.
Lúc đó các em sẽ thấy chúng là các khối xây dựng của hệ thống như thế nào. Được rồi, hãy quay về thập niên 70 và thời kỳ đầu tiên của SQL.
So as I said, when Ted Codd wrote the original paper on the relational model in 1969, 1970, It was just the relational model and relational algebra.
Như tôi đã nói, khi Ted Codd viết bài báo gốc về mô hình quan hệ vào năm 1969, 1970, thì đó chỉ có mô hình quan hệ và đại số quan hệ.
He didn't go into anything in details about the implementation of the system that could run a relational model. And he didn't say anything about what the query language should be.
Ông ấy không đi vào chi tiết nào về việc cài đặt một hệ thống có thể chạy mô hình quan hệ. Và ông cũng không nói gì về việc ngôn ngữ truy vấn nên như thế nào.
And so the other people at IBM picked up the paper and said, "Hey, this is actually a really good idea," even though IBM was making a ton of early money on a non-relational model system called IMS.
Thế là những người khác ở IBM đọc bài báo và nói: "Này, đây thực sự là một ý tưởng rất hay," mặc dù IBM khi đó đang kiếm được rất nhiều tiền từ một hệ thống phi quan hệ có tên là IMS.
And so they decided to start building a prototype in England. And the guys that invented SQL first developed a query language called Square.
Và họ quyết định bắt đầu xây dựng một nguyên mẫu ở Anh. Những người phát minh ra SQL ban đầu đã phát triển một ngôn ngữ truy vấn tên là Square.
And it's considered to be the first relational query language, but nobody actually uses it because the syntax is pretty esoteric and there actually wasn't a keyboard or any application to let you write code in it.
Nó được coi là ngôn ngữ truy vấn quan hệ đầu tiên, nhưng thực tế chẳng ai dùng vì cú pháp khá khó hiểu và khi đó thực sự không có bàn phím hay ứng dụng nào cho phép bạn viết mã bằng nó.
You write things in this vertical manner. This is the classic example of getting the average salary of employees in a department. So again, this was Square. Nobody actually did this. They threw it away.
Người ta viết theo kiểu theo chiều dọc như thế này. Đây là ví dụ kinh điển về việc lấy mức trung bình lương của nhân viên trong một phòng ban. Vậy nên, đây là Square. Thực ra chẳng ai làm theo nó cả. Họ đã vứt nó đi.
And then a bunch of the people that were working in England, they moved to San Jose in California at IBM Research, and they started building the first prototype, or the second prototype, of IBM for building a relational database system called System R.
Sau đó, một nhóm người từng làm việc ở Anh chuyển đến San Jose, California, làm tại IBM Research, và bắt đầu xây dựng nguyên mẫu đầu tiên, hay đúng hơn là nguyên mẫu thứ hai, của IBM cho một hệ quản trị cơ sở dữ liệu quan hệ có tên là System R.
It's very influential. A lot of seminal work came out of this. We'll see many times throughout the entire semester, where I'll say, "Hey, this is a kind of cool idea.
Nó rất có ảnh hưởng. Rất nhiều công trình nền tảng ra đời từ đây. Chúng ta sẽ thấy nhiều lần trong suốt học kỳ, khi tôi nói: "Này, đây là một ý tưởng khá hay.
And here's a bunch of new systems in the modern era that actually implement it." Well, it turns out IBM invented a bunch of that crap in the 1970s.
Và đây là một loạt hệ thống hiện đại đang triển khai nó." Thì hóa ra IBM đã phát minh ra một đống thứ đó từ những năm 1970.
And so they first developed a query language called SQL, spelled out S-E-Q-U-E-L, in 1972. And this was Chamberlain and Boyce. And it originally stood for Structured English Query Language.
Họ phát triển đầu tiên một ngôn ngữ truy vấn gọi là SQL, đánh vần là S-E-Q-U-E-L, vào năm 1972. Đây là công trình của Chamberlain và Boyce. Ban đầu nó là viết tắt của Structured English Query Language.
But then when IBM later then released a commercial product based on relational model and SQL in the 1980s, then they got sued because there was some other system or some other language out there was already using SQL, and they changed it to be SQL.
Nhưng sau đó, khi IBM phát hành một sản phẩm thương mại dựa trên mô hình quan hệ và SQL vào những năm 1980, họ bị kiện vì có một hệ thống nào đó khác hay một ngôn ngữ nào đó khác đã dùng cái tên SEQUEL rồi, và họ đổi nó thành SQL.
So sometimes you'll see people refer to MySQL as MySQL. But a lot of the older guys back in the 70s, around the 80s, referred to it as SQL because that was the original name.
Nên đôi khi bạn sẽ thấy người ta đọc MySQL là "My-sequel". Nhưng nhiều người lớn tuổi hơn từ những năm 70, khoảng thập niên 80, gọi nó là SEQUEL vì đó là tên gốc.
So IBM released the name of the system R. They then later released other commercial systems like System 38. That's not really around anymore. SQL DS is around, but it's kind of in maintenance mode.
Vậy IBM đã phát hành hệ thống mang tên System R. Sau đó họ phát hành các hệ thống thương mại khác như System 38. Cái đó giờ không còn nữa. SQL/DS vẫn còn, nhưng gần như chỉ ở chế độ bảo trì.
But DB2 in 1983 was the big one that IBM put out, and that's still out today.
Nhưng DB2 năm 1983 là sản phẩm lớn mà IBM tung ra, và đến nay vẫn còn.
I guarantee if you run any transaction online to some website, some bank, you're running on, chances are, very likely some bank will be using DB2. There was other commercial systems in the 1970s.
Tôi đảm bảo nếu bạn thực hiện giao dịch trực tuyến nào đó với một trang web, một ngân hàng, thì rất có thể ngân hàng đó đang dùng DB2. Những năm 1970 còn có các hệ thống thương mại khác.
The first one was probably Oracle, which was founded by Larry Ellison. If you don't know him, he's the third richest person in the world. He owns a Hawaiian island, all paid for by databases.
Hệ thống đầu tiên có lẽ là Oracle, do Larry Ellison sáng lập. Nếu bạn không biết ông ấy, ông là người giàu thứ ba thế giới. Ông sở hữu cả một hòn đảo ở Hawaii, tất cả nhờ cơ sở dữ liệu.
Again, this is why this class is important. So SQL was originally, again, this proposal from IBM. But again, IBM was the juggernaut of computing back in the 1960s, 70s, and 80s.
Đấy, đó là lý do môn này quan trọng. Vậy SQL ban đầu là một đề xuất từ IBM. Nhưng IBM là gã khổng lồ của ngành máy tính trong những năm 1960, 70 và 80.
So whatever IBM did, that's what they said. Everyone said, oh, that's the standard. The Oracle guys lucked out because they basically copied what IBM was doing.
Nên IBM làm gì thì người ta nghe theo cái đó. Ai cũng bảo, ồ, đó là chuẩn. Nhóm Oracle gặp may vì về cơ bản họ sao chép những gì IBM làm.
The Berkeley guys that built Ingress, they had their own query language called QWEL. But then when IBM put out DB2, SQL became the de facto standard.
Nhóm ở Berkeley xây dựng Ingres có ngôn ngữ truy vấn riêng gọi là QUEL. Nhưng khi IBM tung ra DB2, SQL trở thành chuẩn trên thực tế.
It became an anti-standard in 1986 within the United States, and then an international standard in 1987. And then they've changed it to be the structured query language for SQL.
Nó trở thành tiêu chuẩn quốc gia ở Hoa Kỳ năm 1986, rồi tiêu chuẩn quốc tế năm 1987. Và sau đó họ đổi nghĩa thành Structured Query Language cho SQL.
So even though SQL is old, I just told you SQL was invented in 1972, 73. It's not a dead language. It's actively used everywhere.
Vậy nên dù SQL đã cũ, tôi vừa nói SQL được phát minh năm 1972, 73. Nó không phải là ngôn ngữ đã chết. Nó được dùng tích cực ở khắp nơi.
I keep telling you throughout the entire semester, knowing SQL and writing SQL is super important. And they put out new versions of it all the time.
Tôi cứ nhắc các bạn suốt cả học kỳ rằng biết SQL và viết được SQL là cực kỳ quan trọng. Và họ liên tục phát hành các phiên bản mới của nó.
The latest one came out in March 2023, where they added a bunch of new features like property graph queries and multidimensional arrays.
Phiên bản mới nhất ra mắt vào tháng 3 năm 2023, trong đó họ bổ sung một loạt tính năng mới như truy vấn đồ thị thuộc tính và mảng đa chiều.
If you ever heard of systems like Neo4j, Dgraph, there's a bunch of these graph databases. Now you can do all that s**t in SQL.
Nếu các em từng nghe đến những hệ thống như Neo4j, Dgraph, có cả một loạt cơ sở dữ liệu đồ thị như vậy. Giờ thì các em có thể làm hết mấy thứ đó bằng SQL.
So the great thing about SQL is it evolves over time. And as applications change, and what people want to do with data changes, SQL gets added.
Vậy điểm hay của SQL là nó tiến hóa theo thời gian. Khi các ứng dụng thay đổi, và những gì người ta muốn làm với dữ liệu thay đổi, SQL được bổ sung thêm.
They add new features to SQL to adapt to the times.
Họ thêm tính năng mới vào SQL để thích nghi với thời đại.
And the challenge is going to be, and we'll see this throughout this lecture here, is that the SQL standard is going to say one thing, but nobody's actually going to implement it exactly.
Và thách thức ở đây là, chúng ta sẽ thấy điều này xuyên suốt bài giảng hôm nay, chuẩn SQL thì quy định một đằng, nhưng không ai thực sự cài đặt đúng hoàn toàn như vậy.
Every single data system is going to have their own quirks, their own little extra stuff they're going to sprinkle in.
Mỗi hệ quản trị dữ liệu đều có những điểm kỳ quặc riêng, những thứ bổ sung nho nhỏ của riêng họ được thêm vào.
Sometimes they're ahead of the standard, and they try to get whatever their version of a feature is into the standard.
Đôi khi họ đi trước chuẩn, và cố đưa phiên bản tính năng của mình vào chuẩn.
And sometimes the standard comes out, and then they add it later on, but they still take their own liberties, if you will, with it.
Đôi khi chuẩn ra trước, rồi họ thêm vào sau, nhưng vẫn tự do biến tấu theo cách riêng, có thể nói như vậy.
And we'll see what some of the biggest offenders are today in our demos.
Và hôm nay trong các phần demo, chúng ta sẽ thấy những hệ thống "vi phạm" nặng nhất là những hệ nào.
So if you have a data system today, and you say you're going to support SQL, the bare minimum you need to have to say, "I have a SQL database," is what was defined in the SQL-92 standard.
Nếu hôm nay em có một hệ quản trị dữ liệu và nói rằng nó hỗ trợ SQL, thì mức tối thiểu cần có để nói "tôi có một cơ sở dữ liệu SQL" là những gì được định nghĩa trong chuẩn SQL-92.
So this is your select, insert, update, delete, your create tables, create indexes, the transactions. The very basic you need to say that I have SQL is that you follow the SQL-92 standard.
Tức là select, insert, update, delete, create table, create index, và các giao dịch. Điều cơ bản nhất cần có để nói rằng mình có SQL là tuân theo chuẩn SQL-92.
But today's class, we'll go a little bit, talk about the newer stuff. And so people come along every 10 years and say SQL is a terrible language.
Nhưng trong buổi hôm nay, chúng ta sẽ đi xa hơn một chút, nói về những thứ mới hơn. Cứ mỗi 10 năm lại có người nói SQL là một ngôn ngữ tệ hại.
It's not great. It certainly has its rough spots. But every attempt to try to replace it in the last 50, 60 years has failed.
Nó không hoàn hảo. Chắc chắn nó có những chỗ gai góc. Nhưng mọi nỗ lực thay thế nó trong 50, 60 năm qua đều thất bại.
So right now we're in the phase where all the AI guys are saying, "Oh, yeah, SQL is going to die. You can use LLMs for everything, yada, yada, yada."
Hiện giờ chúng ta đang ở giai đoạn mà mấy người làm AI đều nói rằng, "Ồ, SQL sắp chết rồi. Có thể dùng LLM cho mọi thứ, vân vân và vân vân."
So this is the guy working on a system called Vespa. He's basically saying natural language would replace SQL.
Đây là một người làm việc trên hệ thống tên là Vespa. Về cơ bản ông ấy nói rằng ngôn ngữ tự nhiên sẽ thay thế SQL.
This guy is like a crypto bro and trying to sell some video demo or some video code academy thing where you can use chat duty to replace everything with SQL.
Còn người này thì kiểu dân tiền mã hóa, đang cố bán một video demo hay một khóa học code qua video nào đó trong đó có thể dùng ChatGPT để thay thế mọi thứ bằng SQL.
So I'm not here to say that SQL is not going to be replaced in my lifetime. It may be, but it's very unlikely. It was here before you were born.
Tôi không ở đây để nói rằng SQL sẽ không bị thay thế trong đời tôi. Có thể có, nhưng rất khó. Nó đã có mặt trước khi các em ra đời.
It'll be here after we die. So it's not going to go away. But would you be, when you sit down, are you going to immediately write SQL in many cases?
Nó sẽ còn đó sau khi chúng ta mất. Nên nó sẽ không biến mất. Nhưng liệu các em, khi ngồi xuống, có viết SQL ngay lập tức trong nhiều trường hợp không?
Oftentimes, no, right? Yes.
Thường thì không, đúng không? Có.
The question is, what would replace SQL? I don't know.
Câu hỏi là cái gì sẽ thay thế SQL? Tôi không biết.
So actually, we did a seminar series last semester where we had all the people that are trying to replace SQL, talking about how they're going to replace SQL.
Thực ra, học kỳ trước chúng tôi đã tổ chức một chuỗi seminar mời tất cả những người đang cố thay thế SQL đến nói về việc họ sẽ thay thế SQL như thế nào.
The closest one that I think could not replace SQL but extend it is actually Google's Pipe SQL syntax.
Theo tôi, thứ gần nhất có thể không thay thế SQL mà mở rộng nó, thực ra là cú pháp Pipe SQL của Google.
And I can give a little demo of that in a second. What's that? You were at Google? Yeah, so that thing's... Oh, you wrote it. Okay, yes, so there you go.
Lát nữa tôi sẽ demo một chút. Gì vậy? Bạn từng làm ở Google à? Ừ, vậy cái đó... Ồ, bạn viết nó à. Được rồi, vậy là đúng rồi.
So that's probably the closest thing, but it's still fundamentally, it's an enhancement to SQL.
Nên đó có lẽ là thứ gần nhất, nhưng về căn bản nó vẫn là một bản cải tiến của SQL.
What's that? The question, what keeps it going? And going back to this, it evolves, right? Like, here's all the different versions. Like, say, 15 years ago, what was the hot database?
Gì vậy? Câu hỏi là điều gì giúp nó tiếp tục tồn tại? Quay lại slide này, nó tiến hóa, đúng không? Đây là tất cả các phiên bản khác nhau. Chẳng hạn 15 năm trước, cơ sở dữ liệu nào đang là xu hướng?
MongoDB, because of Web 2.0, whatever the buzzwords were at the time. You were storing everything as JSON. Well, the SQL standard now adds support for JSON.
MongoDB, nhờ Web 2.0, hay những từ thời thượng lúc đó. Bạn lưu mọi thứ dưới dạng JSON. Thì giờ chuẩn SQL đã bổ sung hỗ trợ JSON.
30 years ago, 20 years ago, XML was the hot thing. Well, SQL supports XML. The statement is that the flexibility of the SQL...
30 năm trước, 20 năm trước, XML là thứ thịnh hành. Thì SQL hỗ trợ XML. Ý là tính linh hoạt của SQL...
SQL will provide you a basic building block that you can then add more advanced features and do just all things, right? Now, again, I mentioned, like, are they doing things... Is it perfect?
SQL cung cấp cho bạn một khối xây dựng cơ bản để bạn có thể thêm các tính năng nâng cao hơn và làm được mọi thứ, đúng không? Còn nữa, tôi đã nói, liệu họ có đang làm... Nó có hoàn hảo không?
No, one of the biggest complaints is that the SELECT clause comes before the FROM clause, right? Well, in the original proposal from IBM in the 1970s, the FROM clause came first, then the SELECT.
Không, một trong những phàn nàn lớn nhất là mệnh đề SELECT nằm trước mệnh đề FROM, đúng không? Thì trong đề xuất gốc của IBM những năm 1970, mệnh đề FROM đứng trước, rồi mới đến SELECT.
But then they did a user study at the University of Arizona... Yeah, Arizona State University, and all the students, whatever they tested, said, "Oh, we like the SELECT before the FROM."
Nhưng sau đó họ làm một khảo sát người dùng tại Đại học Arizona... Ừ, Đại học Bang Arizona, và tất cả sinh viên, dù họ kiểm tra gì đi nữa, đều nói: "Ồ, chúng tôi thích SELECT đứng trước FROM."
And that's the way it's been for 50, 60 years, because of those people, right? Well, we'll see some data systems we can play around with and see how you can change things.
Và nó cứ như vậy suốt 50, 60 năm, là nhờ những người đó, đúng không? Chúng ta sẽ thấy một số hệ thống dữ liệu để có thể thử nghịch và xem bạn có thể thay đổi mọi thứ ra sao.
Sometimes you don't always have to have it in that order, but in general, you do.
Đôi khi không phải lúc nào cũng cần theo thứ tự đó, nhưng nói chung là có.
All right, so again, like, I've said many, many public statements before that, like, SQL is the most important programming language you need to learn as a student, because, again, no matter whether you're actually building a database system or just using one, the rest of your life, you're going to come across SQL.
Được rồi, như tôi đã nhiều lần phát biểu công khai rằng SQL là ngôn ngữ lập trình quan trọng nhất mà bạn cần học khi còn là sinh viên, bởi vì dù bạn thực sự xây dựng một hệ quản trị cơ sở dữ liệu hay chỉ dùng nó, suốt phần đời còn lại bạn sẽ gặp SQL.
And maybe the LLMs can provide you a first draft of a query language.
Và có thể các LLM sẽ cho bạn bản nháp đầu tiên của một câu truy vấn.
Maybe it'll end up being, like, Assembly, where there's the high-level things we can write, and then that gets transpiled down to SQL, which is what a lot of replacements to SQL are trying to do.
Có thể cuối cùng nó sẽ giống Assembly, nơi có những thứ mức cao mà chúng ta viết, rồi nó được transpile xuống SQL, đó là điều nhiều giải pháp thay thế SQL đang cố làm.
But everybody has to learn SQL. It's very, very important. And so to give you an example of how serious I am about learning SQL...
Nhưng ai cũng phải học SQL. Nó rất, rất quan trọng. Và để cho bạn một ví dụ về việc tôi nghiêm túc thế nào với việc học SQL...
All right, yes. Let me see if we can get the audio up here. Oh, there's no audio. That sucks.
Được rồi, vâng. Để xem có bật được âm thanh không. Ồ, không có âm thanh. Tiếc thật.
Well, this is my five-year-old biological daughter, and every morning we wake up at 7 a.m., and she has to write SQL before she can have breakfast. Is that considered child abuse? I don't know.
Đây là con gái ruột năm tuổi của tôi, và mỗi sáng chúng tôi thức dậy lúc 7 giờ, và con bé phải viết SQL trước khi được ăn sáng. Vậy có bị coi là ngược đãi trẻ em không? Tôi không biết.
I tell her her mom loves her more when she writes SQL. It works. Okay.
Tôi bảo con là mẹ sẽ yêu con hơn khi con viết SQL. Có tác dụng đấy. Được rồi.
All right, so what is the relational language given? What is SQL going to give us? There'll be sort of three basic components: the DML, DDL, and DCL. DML is the data manipulation language.
Được rồi, vậy ngôn ngữ quan hệ được cho là gì? SQL sẽ mang lại cho chúng ta những gì? Nó có ba thành phần cơ bản: DML, DDL và DCL. DML là ngôn ngữ thao tác dữ liệu (data manipulation language).
When you write a select statement or update, insert, update, delete, those are all going to be DMLs. The DDL will be the definition of, like, a table, an index, or a view.
Khi các em viết câu lệnh select hoặc update, insert, update, delete, thì tất cả đều thuộc DML. DDL là phần định nghĩa, ví dụ như một bảng, một chỉ mục hoặc một view.
And the DCL will be, like, ACLs, like, controlling who's allowed to see what data or what columns and so forth.
Còn DCL thì giống như các ACL, tức là kiểm soát ai được phép xem dữ liệu nào hoặc cột nào, v.v.
There's other things we'll cover later in the semester, like transactions, like how to call beginTransaction and rollback and things like that, but we'll worry about that later.
Còn những thứ khác chúng ta sẽ học sau trong học kỳ, như giao dịch (transaction), chẳng hạn cách gọi beginTransaction và rollback và những thứ tương tự, nhưng chúng ta sẽ lo chuyện đó sau.
One important thing we got to understand also, too, is that although the relational model is based on sets, right? We looked at unions and intersections. That was basic set theory.
Một điều quan trọng nữa mà chúng ta cần hiểu là tuy mô hình quan hệ dựa trên tập hợp (set), đúng không? Chúng ta đã xem phép hợp và phép giao. Đó là lý thuyết tập hợp cơ bản.
SQL is going to be based on bags. So sets are unordered collections of data where you don't have duplicates. Bags are unordered collections of data where you do have duplicates, right?
SQL lại dựa trên bag. Set là tập hợp dữ liệu không có thứ tự và không có phần tử trùng lặp. Bag là tập hợp dữ liệu không có thứ tự nhưng có phần tử trùng lặp, đúng không?
Lists would be an ordered collection that has a defined order. Bags and sets do not.
List là tập hợp có thứ tự xác định. Bag và set thì không.
So that means that in SQL, they're going to make this choice to allow duplicates because it requires extra work to remove the duplicates.
Vậy nghĩa là trong SQL, người ta chọn cho phép trùng lặp vì việc loại bỏ các bản trùng lặp đòi hỏi thêm công việc.
And so if you really want to remove them, you have to add extra maybe, you know, keywords like distinct and other things to remove the things that you don't want.
Vì vậy nếu thật sự muốn loại bỏ chúng, các em phải thêm những từ khóa như distinct và những thứ khác để loại bỏ những gì mình không muốn.
So by default, we'll have duplicates. And most of the times, it's not a problem, but if you do care about removing duplicates, SQL will allow you to do this.
Nên mặc định thì sẽ có các bản trùng lặp. Và phần lớn thời gian thì đó không phải vấn đề, nhưng nếu các em quan tâm đến việc loại bỏ trùng lặp, SQL cho phép làm điều này.
All right, so we're going to do a quick crash course on sort of the basics of SQL, but I want to cover the things that are more modern in the spec, and we'll look at some examples of how real systems actually run these things.
Được rồi, chúng ta sẽ học nhanh một khóa cấp tốc về những điều cơ bản của SQL, nhưng tôi muốn đề cập những phần hiện đại hơn trong đặc tả, và chúng ta sẽ xem một số ví dụ về cách các hệ thống thực tế chạy những thứ này.
And then for today, we actually have one of our first flash talks for the semester. So the guys from DBT are going to come give a talk about their system.
Và hôm nay, chúng ta có một trong những buổi flash talk đầu tiên của học kỳ. Các bạn từ DBT sẽ đến trình bày về hệ thống của họ.
Who here has ever heard of DBT or used DBT before? One. Okay. It is one of the most widely used database tools in the world today.
Ai ở đây đã từng nghe nói về DBT hoặc dùng DBT chưa? Một người. Được. Đây là một trong những công cụ cơ sở dữ liệu được dùng rộng rãi nhất trên thế giới hiện nay.
It's basically, if you're a data scientist or doing any major data analysis, chances are they're running on DBT, right? It's pretty significant. And guess what? It's just based on SQL.
Về cơ bản, nếu các em là nhà khoa học dữ liệu hoặc làm bất kỳ phân tích dữ liệu lớn nào, thì rất có thể chúng đang chạy trên DBT, đúng không? Nó khá quan trọng. Và đoán xem? Nó chỉ dựa trên SQL.
It's SQL with templates, right? So they'll show you, they'll talk about what they're doing over there. And then they'll come, again, come give a pitch for recruiting later in the semester.
Đó là SQL kèm các mẫu (template), đúng không? Các bạn ấy sẽ trình bày về những gì họ đang làm ở đó. Và sau đó, họ sẽ quay lại, để giới thiệu và tuyển dụng vào cuối học kỳ.
Like, one of our best students from 445 last year, she's there right now.
Chẳng hạn, một trong những sinh viên giỏi nhất của lớp 445 năm ngoái hiện đang làm ở đó.
All right, so today's class, the example database we're going to use will be just a really simple representation of a university, right?
Được rồi, trong buổi học hôm nay, cơ sở dữ liệu mẫu mà chúng ta sẽ dùng chỉ là một mô hình rất đơn giản của một trường đại học, đúng không?
There's a student table, there's a course table, and then students take those courses and they get grades, right? So we'll just use this as the running example throughout today's class.
Có một bảng student, một bảng course, và sinh viên học các môn đó rồi nhận điểm, đúng không? Chúng ta sẽ dùng nó làm ví dụ xuyên suốt buổi học hôm nay.
All right, so the very first thing we want to do is aggregations, right? I'm assuming everyone here has seen SQL before, so you know how to do basic selects, inserts, updates, deletes, right?
Được rồi, việc đầu tiên chúng ta muốn làm là các phép tổng hợp (aggregation), đúng không? Tôi giả định ai ở đây cũng đã từng thấy SQL rồi, nên các em biết cách dùng select, insert, update, delete cơ bản rồi, đúng không?
We don't need to cover those things. But now we want to start extrapolating new data, new information from the data we've already collected and put it into our database.
Chúng ta không cần nhắc lại những phần đó. Nhưng giờ chúng ta muốn bắt đầu suy ra dữ liệu mới, thông tin mới từ dữ liệu mà chúng ta đã thu thập và đưa nó vào cơ sở dữ liệu.
So aggregations are the basic form of how to do this.
Vì vậy, phép tổng hợp (aggregation) là dạng cơ bản để làm việc này.
The idea is that you're going to take multiple tuples, multiple values across multiple tuples, and we can coalesce them into a single scalar value that computes some aggregate function, like an average, a min, max, the count.
Ý tưởng là em lấy nhiều tuple, nhiều giá trị trên nhiều tuple, và gộp chúng lại thành một giá trị vô hướng duy nhất được tính bằng một hàm tổng hợp nào đó, như trung bình, min, max, count.
Other systems can support things like standard deviations or geometric means. The basic idea is you're collapsing down multiple values and producing a single output, right?
Các hệ thống khác còn hỗ trợ độ lệch chuẩn hay trung bình nhân. Ý tưởng cơ bản là em thu gọn nhiều giá trị lại và tạo ra một đầu ra duy nhất, đúng không?
So the aggregation function can pretty much be used Only in the output list, projection list of our SQL query. Not always the case because of nested queries, but for now we can ignore that.
Hàm tổng hợp về cơ bản chỉ có thể được dùng trong danh sách đầu ra, tức danh sách projection của truy vấn SQL. Không phải lúc nào cũng vậy do có truy vấn lồng nhau, nhưng giờ ta tạm bỏ qua.
And so you can do really basic things, like you can say, count the number of students that have an @cs login, right?
Và em có thể làm những việc rất cơ bản, ví dụ dùng count để đếm số sinh viên có login @cs, đúng không?
And then in our projection output list here, we see we have a count function that's computing just, you know, for every student that matches that predicate, I think of the filter from last class, my projection output is going to maintain a running tally of the number of students that it counts.
Rồi trong danh sách đầu ra projection ở đây, ta thấy có một hàm count chỉ tính, với mỗi sinh viên khớp với vị từ đó, hãy nhớ đến bộ lọc ở bài trước, đầu ra projection của tôi sẽ duy trì một biến đếm cộng dồn số sinh viên mà nó đếm được.
But notice I have count with the login field in there. Does that make any sense? Does that sound right? Well, what does it mean to be counting logins?
Nhưng để ý là tôi đặt trường login trong count. Vậy có hợp lý không? Nghe có đúng không? Đếm login nghĩa là gì?
Well, it turns out for some functions, like count, it doesn't actually matter what you put in there. I can do count star, produces the same answer.
Thực ra với một số hàm, như count, đặt gì vào đó cũng không quan trọng. Tôi có thể dùng count star, cho cùng kết quả.
I can do count one, produces the same answer. You can put count one plus one, like whatever.
Tôi có thể dùng count một, cho cùng kết quả. Em có thể viết count một cộng một, gì cũng được.
Because at the end of the day, all it's really doing is just counting the number of tuples that get matched here, right? So that's a basic aggregation.
Bởi vì rốt cuộc, nó thực sự chỉ đếm số tuple khớp ở đây thôi, đúng không? Đó là một phép tổng hợp cơ bản.
If we try to do things like have multiple attributes in our projection list, in addition to an aggregation, we can have some problems, right?
Nếu ta thử đặt nhiều thuộc tính trong danh sách projection, cùng với một phép tổng hợp, thì có thể gặp vấn đề, đúng không?
So in this query here, we're trying to get the average GPA of our students enrolled in each course, and obviously now we want to include the course ID, right?
Trong truy vấn này, ta cố lấy GPA trung bình của sinh viên đăng ký mỗi môn học, và hiển nhiên giờ ta muốn thêm cả mã môn học, đúng không?
Because we want to know what course the average is being computed for, right? But is this correct? Shagun said no. Why?
Vì ta muốn biết giá trị trung bình được tính cho môn nào, đúng không? Nhưng thế này có đúng không? Shagun nói không. Tại sao?
Well, he says it's grouped by that, that'll be the answer, how to fix it.
Bạn ấy nói là phải nhóm theo cột đó, đó sẽ là đáp án, cách sửa.
But what does it mean to compute the average GPA of all the tuples, but then spit out some kind of course ID? Right? What's that?
Nhưng tính GPA trung bình của tất cả các tuple rồi lại in ra một mã môn học nào đó thì có nghĩa là gì? Đúng không? Đó là gì?
His statement is there isn't a canonical one that should be part of the output, correct, right? So this is invalid. Most database systems will throw an error and say you can't do this.
Ý bạn ấy là không có một giá trị chuẩn nào để đưa vào đầu ra, đúng không? Vậy nên truy vấn này không hợp lệ. Hầu hết các hệ quản trị cơ sở dữ liệu sẽ báo lỗi và nói rằng bạn không được làm thế này.
SQLite will let you do this. MySQL used to let you do it, doesn't let you do it anymore.
SQLite thì cho phép bạn làm điều này. MySQL trước đây cho phép, nhưng giờ thì không còn nữa.
And so the way to get around this would be you can put any value in there, and this is something new that SQL added, and it produces some output.
Và cách để giải quyết chuyện này là bạn có thể đặt bất kỳ giá trị nào vào đó, đây là một tính năng mới mà SQL bổ sung, và nó sẽ tạo ra một kết quả nào đó.
Is this correct? I don't know, but from the database system's perspective, you told it what you wanted, and it computed it for you.
Kết quả này có đúng không? Tôi không biết, nhưng xét từ góc nhìn của hệ quản trị cơ sở dữ liệu, bạn đã nói với nó điều bạn muốn, và nó đã tính ra cho bạn.
So he brought up the way to solve this is to do group bys.
Vậy bạn ấy đã nêu ra rằng cách giải quyết là dùng group by.
So group by is a way to partition or cluster the data as we're scanning along so that when we compute our aggregation, the aggregation will be derived from each group, each cluster.
Group by là một cách để phân hoạch hoặc gom nhóm dữ liệu trong lúc ta quét qua nó, để khi ta tính hàm tổng hợp, giá trị tổng hợp sẽ được tính từ từng nhóm, từng cụm.
So again, the query is I want to get the average GPA for each course. So I add my group by clause with the course ID, and then say this is my original table.
Vậy truy vấn ở đây là tôi muốn lấy điểm GPA trung bình của mỗi môn học. Tôi thêm mệnh đề group by với course ID, và đây là bảng gốc của tôi.
Now when I scan through, I can look at the course ID and basically keep track of where the boundaries of these are, and then when I compute my aggregation, I know to compute the average per group.
Giờ khi quét qua, tôi có thể nhìn vào course ID và về cơ bản theo dõi ranh giới của các nhóm này, rồi khi tính hàm tổng hợp, tôi biết cần tính giá trị trung bình cho từng nhóm.
I didn't say how to implement this. The database system is doing this for us. You could either build a hash table, you could actually sort things first, then do the group by.
Tôi không nói là phải triển khai việc này thế nào. Hệ quản trị cơ sở dữ liệu làm việc đó cho ta. Bạn có thể xây dựng một bảng băm, hoặc thực ra có thể sắp xếp dữ liệu trước rồi mới group by.
We'll cover how to do that later in the semester, but at this point in the class, just trying to say, hey, look, I can group things up, and the database system will figure out how to make sure I produce the right calculation.
Chúng ta sẽ học cách làm việc đó vào cuối học kỳ, nhưng ở thời điểm này của môn học, tôi chỉ muốn nói rằng, này, ta có thể gom nhóm dữ liệu, và hệ quản trị cơ sở dữ liệu sẽ tự tìm cách đảm bảo tôi có được phép tính đúng.
You can go even more sophisticated with group bys, with what are called grouping sets. There's also a thing called roll-ups and cubes. We don't have to worry about that.
Bạn có thể dùng group by phức tạp hơn nữa, với cái gọi là grouping sets. Cũng có roll-up và cube. Chúng ta không cần bận tâm về những thứ đó.
But say you want to do something like, I want to compute multiple aggregations on my data, but I want to be able to do this in a single query.
Nhưng giả sử bạn muốn làm một việc như, tôi muốn tính nhiều phép tổng hợp trên dữ liệu, nhưng muốn làm trong một truy vấn duy nhất.
Now I can do the union operator that I saw last class. I can add that to SQL and do a bunch of separate queries and match things all together.
Tôi có thể dùng toán tử union mà các bạn đã thấy ở buổi trước. Tôi có thể thêm nó vào SQL và viết một loạt truy vấn riêng lẻ rồi ghép tất cả lại với nhau.
But if I can tell the database system that this is exactly what I want and kind of put everything together in a single package or a single query, then although we said it's supposed to be declarative and we don't have to tell the database system how to actually execute the query, we can be nice to it and actually produce queries for it that it has a better time reasoning about and crunching on.
Nhưng nếu tôi cho hệ quản trị cơ sở dữ liệu biết đây chính là điều tôi muốn và gói gọn mọi thứ vào một gói hay một truy vấn duy nhất, thì dù ta đã nói nó phải mang tính khai báo và ta không cần nói cho hệ quản trị cơ sở dữ liệu biết thực sự phải thực thi truy vấn như thế nào, ta vẫn có thể ưu ái nó bằng cách viết những truy vấn mà nó suy luận và xử lý dễ dàng hơn.
So you have GROUP BY, and then you specify that you have a grouping set.
Vậy bạn có GROUP BY, rồi chỉ định một grouping set.
And then now within my grouping set clause, I can specify the separate GROUP BYs that I want, and each of these will be executed as if they were a separate query, but really what's happening is it's scanning through the data once and computing this answer for you and sort of mashing everything together at the end.
Và bên trong mệnh đề grouping set, tôi có thể chỉ định các GROUP BY riêng mà tôi muốn, và mỗi cái sẽ được thực thi như thể là một truy vấn riêng, nhưng thực chất điều xảy ra là nó chỉ quét dữ liệu một lần và tính ra kết quả này cho bạn, rồi gộp mọi thứ lại với nhau ở cuối.
So the first GROUP BY is a group everything by the course and the grade, then group everything by just the course name, and then give me the overall number for the total.
Vậy GROUP BY đầu tiên là nhóm mọi thứ theo môn học và điểm, sau đó nhóm mọi thứ chỉ theo tên môn học, rồi cho tôi con số tổng thể.
So this is trying to count the number of students in each course, by each course and by each grade, by each course, and by total across all students.
Ở đây ta đang đếm số sinh viên trong mỗi môn học, theo từng môn và từng điểm, theo từng môn, và theo tổng trên tất cả sinh viên.
What about what, sorry? Okay, yeah, okay. All right, so again, just think of, like, and these are like groups or clusters. So here's the red one, right?
Còn cái gì nữa, xin lỗi? Được rồi, vâng, được rồi. Được rồi, nên hãy hình dung đây như là các nhóm hay các cụm. Đây là nhóm màu đỏ, đúng không?
There's the blue one here at the bottom, and then the overall total is at the top.
Có nhóm màu xanh ở dưới cùng, và tổng thể nằm ở trên cùng.
And then for the cases where the output doesn't have the column that's being grouped on, they'll put a null there.
Và trong những trường hợp mà kết quả đầu ra không có cột đang được dùng để nhóm, hệ thống sẽ đặt một giá trị null ở đó.
It's kind of funky, but again, the one reoccurring theme we'll see with queries is that we want to reduce the amount of back and forth between, we have the database server and the application, so we can give as much information all in one single query, give it to the database system.
Nó hơi kỳ quặc, nhưng một chủ đề lặp đi lặp lại mà ta sẽ thấy với các truy vấn là ta muốn giảm lượng trao đổi qua lại giữa máy chủ cơ sở dữ liệu và ứng dụng, để ta có thể đưa càng nhiều thông tin càng tốt trong một truy vấn duy nhất, và giao nó cho hệ cơ sở dữ liệu.
It can ideally do a better job at running this more efficiently than it would from multiple round trips.
Lý tưởng là nó có thể chạy việc này tốt hơn, hiệu quả hơn so với nhiều lượt gửi nhận.
Is that clear?
Rõ chưa?
All right, let's say I want to do some additional filtering after I've done my aggregation with the group by. Well, SQL supports that with the HAVING clause, right?
Được rồi, giả sử tôi muốn lọc thêm sau khi đã thực hiện phép tổng hợp với group by. SQL hỗ trợ việc đó bằng mệnh đề HAVING, đúng không?
And the basic idea is that I want to be able to filter things out based on whatever is being computed as part of the aggregation, right?
Ý tưởng cơ bản là tôi muốn lọc bỏ các dòng dựa trên bất cứ thứ gì được tính ra trong phép tổng hợp, đúng không?
So in this case here, on my where clause, I want to get, filter out all the students, or filter out all the courses where the average GPA is greater than, or less than 3.9, so I want to get the ones that are 3.9.
Vậy trong trường hợp này, ở mệnh đề where của tôi, tôi muốn lọc ra tất cả các sinh viên, hay lọc ra tất cả các môn học mà GPA trung bình lớn hơn, hoặc nhỏ hơn 3.9, tức là tôi muốn lấy những môn có 3.9.
But what am I trying to do here? I'm trying to reference average GPA, but that's being produced as the output of my projection list for my select statement.
Nhưng tôi đang cố làm gì ở đây? Tôi đang cố tham chiếu đến GPA trung bình, nhưng giá trị đó được tạo ra như là đầu ra của danh sách chiếu trong câu lệnh select của tôi.
So at this point, again, think of like the database is actually executing this, you're scanning through the data, you're trying to apply some filter, you don't have this average computed yet, so how do you know whether to throw away a record or not?
Vậy tại thời điểm này, hãy nghĩ như là cơ sở dữ liệu đang thực sự thực thi nó, bạn đang quét qua dữ liệu, bạn đang cố áp dụng một bộ lọc, nhưng chưa tính được giá trị trung bình này, vậy làm sao biết có nên loại bỏ một bản ghi hay không?
So you can't do this. Instead, you want to do this through a HAVING clause. But now I can put what my filter should be at the bottom.
Nên bạn không thể làm vậy. Thay vào đó, bạn làm việc này bằng mệnh đề HAVING. Giờ tôi có thể đặt bộ lọc của mình ở phía dưới.
Now, in some database systems, they're really strict about what's down here in the HAVING clause, right? Again, I have an alias for the average GPA, I'm calling average underscore GPA, AVG underscore GPA.
Bây giờ, trong một số hệ cơ sở dữ liệu, họ rất nghiêm ngặt về những gì được viết ở đây trong mệnh đề HAVING, đúng không? Một lần nữa, tôi có một bí danh cho GPA trung bình, tôi gọi nó là average gạch dưới GPA, AVG gạch dưới GPA.
In some systems, you can't do that either because it doesn't know about what the alias up above is at this point as it's scanning.
Trong một số hệ thống, bạn cũng không thể làm vậy vì nó không biết bí danh ở phía trên là gì tại thời điểm này khi đang quét.
I sort of said SQL's not supposed to be about thinking about how things are actually going to be executed, like what order of the operations, but in some cases, it actually is that case, or in some cases, it is that way.
Tôi đã nói là SQL không được cho là phải bận tâm đến việc mọi thứ thực sự sẽ được thực thi như thế nào, chẳng hạn thứ tự của các phép toán, nhưng trong một số trường hợp thì thực sự là như vậy.
So some systems won't let you do this, and instead, you have to repeat the actual average, the aggregation you want at the bottom here. Postgres requires this, yes.
Vì vậy, một số hệ thống sẽ không cho phép làm điều này, mà thay vào đó, bạn phải lặp lại chính hàm trung bình, tức là phép tổng hợp mà bạn muốn, ở phía dưới đây. Postgres yêu cầu điều này, đúng vậy.
The statement is the FROM WHERE clause is effectively a join. Oh, sorry, yeah, sorry. Yeah, so right here, I have FROM enrolled AS E comma student AS S.
Ý bạn là mệnh đề FROM WHERE về bản chất là một phép join. À, xin lỗi, vâng, xin lỗi. Vâng, ngay đây tôi có FROM enrolled AS E dấu phẩy student AS S.
Yes, so let's not talk about Cartesian product.
Đúng, nên chúng ta đừng nói về tích Descartes.
So in this syntax here, because I didn't explicitly say join, this is like the old way of writing it without explicit join. Don't do what I did here. You should always include join.
Với cú pháp này, vì tôi không nói rõ là join, đây là cách viết kiểu cũ, không có join tường minh. Đừng làm như tôi ở đây. Bạn nên luôn dùng join.
But the databases will be smart enough to recognize that I have my E.SID equals S.SID. So it would know, okay, well, this is from this table here.
Nhưng các cơ sở dữ liệu đủ thông minh để nhận ra rằng tôi có điều kiện E.SID bằng S.SID. Nên nó sẽ biết, được rồi, cột này thuộc bảng này.
This is from that table there. I got a join, and it's an inner join. It'll do that before the Cartesian product, ideally. Yes.
Cột kia thuộc bảng kia. Có một phép join, và đó là inner join. Lý tưởng là nó sẽ làm điều đó trước khi tính tích Descartes. Vâng.
All right, so this question is, I have the average aggregation in both the HAVING and the SELECT output. Is it going to be stupid enough to run both of them? Hopefully, no.
Được rồi, vậy câu hỏi này là, tôi có phép tổng hợp trung bình ở cả HAVING lẫn đầu ra của SELECT. Liệu nó có ngốc đến mức chạy cả hai không? Hy vọng là không.
But there's no guarantee. But ideally, yes. Like most systems will be smart enough to know not to do that. Just for whatever reason, some systems don't let you reference the alias things up above.
Nhưng không có gì đảm bảo. Tuy vậy lý tưởng thì là không. Hầu hết các hệ thống đủ thông minh để biết không làm vậy. Chỉ là vì lý do nào đó, một số hệ thống không cho bạn tham chiếu các bí danh ở phía trên.
Other questions? Okay, right, and it produces the output like this. All right, so that's the basics for aggregations.
Còn câu hỏi nào khác không? Được rồi, và nó cho ra kết quả như thế này. Được rồi, đó là những điều cơ bản về phép tổng hợp.
And again, with some slight nuances about what the HAVING clause looks like and what the grouping sets may look like, in general, most database systems will support all the things I just showed you here today, right?
Và một lần nữa, tuy có đôi chút khác biệt nhỏ về dạng của mệnh đề HAVING và dạng của các grouping set, nhìn chung, hầu hết các hệ quản trị cơ sở dữ liệu sẽ hỗ trợ mọi thứ tôi vừa trình bày hôm nay, đúng không?
Next, we'll talk about different things you can do to store different data types. We'll start with strings. That should be mostly the same across different data systems.
Tiếp theo, chúng ta sẽ nói về những cách lưu trữ các kiểu dữ liệu khác nhau. Chúng ta sẽ bắt đầu với chuỗi. Phần đó hầu như giống nhau giữa các hệ thống dữ liệu khác nhau.
Then we'll come to dates and times, and that's when it all falls apart, right?
Rồi đến ngày và giờ, và đó là lúc mọi thứ rối tung lên, đúng không?
And although the first homework for you guys will be based on DuckDB, that's really because it's a great system and it runs on every single laptop or every single machine you have.
Và dù bài tập về nhà đầu tiên của các bạn sẽ dựa trên DuckDB, đó thực ra là vì nó là một hệ thống tuyệt vời và chạy được trên mọi laptop hay mọi máy mà các bạn có.
It still runs on the Android machines, even though they're running an old version of Ubuntu here, right? Other than SQLite, there isn't another system we could give you that could run everywhere.
Nó vẫn chạy được trên các máy Android, dù ở đây chúng đang chạy một phiên bản Ubuntu cũ, đúng không? Ngoài SQLite ra, không có hệ thống nào khác mà chúng tôi có thể đưa cho các bạn để chạy được ở mọi nơi.
The... But I'm not trying to say, like, okay, you're learning DuckDB SQL syntax.
Cái... Nhưng tôi không có ý nói rằng các bạn đang học cú pháp SQL của DuckDB.
It's really, I care about, you understand what you can possibly do with SQL at a high level, because when you go out in the real world or use different data systems, again, all these nuances that we'll talk about here, they're gonna be, every system will have their own little quirks and be slightly different.
Thực sự điều tôi quan tâm là các bạn hiểu ở mức tổng quát mình có thể làm được gì với SQL, vì khi bước ra thế giới thực hoặc dùng các hệ thống dữ liệu khác nhau, một lần nữa, tất cả những khác biệt nhỏ mà chúng ta sẽ nói ở đây, mỗi hệ thống sẽ có những điểm lạ riêng và khác nhau đôi chút.
So if you understand the fundamentals of SQL, then you can take that and go understand how to, you know, apply that knowledge to different data systems.
Vì vậy nếu bạn hiểu các nguyên lý cơ bản của SQL, thì bạn có thể lấy đó và hiểu cách áp dụng kiến thức đó vào các hệ thống dữ liệu khác nhau.
I would say it is easier to take a SQL dialect from one system and apply it to another. Now, it's not gonna be a one-to-one.
Tôi cho rằng sẽ dễ hơn nếu lấy một phương ngữ SQL từ hệ thống này rồi áp dụng sang hệ thống khác. Tất nhiên, nó sẽ không giống nhau hoàn toàn một-một.
It's not gonna be, I'm not trying to say you can take SQL and just, like, do search from a place and it magically runs on the next system.
Ý tôi không phải là bạn có thể lấy SQL rồi cứ thế chạy truy vấn từ chỗ này và nó tự động chạy được trên hệ thống kia.
There's a lot of people who spend a lot of money trying to convert from one system to another.
Có rất nhiều người đã tốn rất nhiều tiền để chuyển đổi từ hệ thống này sang hệ thống khác.
I'm just trying to say that, like, it would not take you a lot of time to get up to speed pretty quickly with a new system.
Tôi chỉ muốn nói rằng, bạn sẽ không mất nhiều thời gian để làm quen khá nhanh với một hệ thống mới.
Like, going from Python to Rust, that's a major lift. Going from MySQL to Postgres, again, mentally less so. Okay? All right, so there's string data types, of course.
Như chuyển từ Python sang Rust thì đó là một bước nhảy lớn. Còn chuyển từ MySQL sang Postgres thì, một lần nữa, về mặt tư duy ít hơn nhiều. Được chứ? Được rồi, tất nhiên là có các kiểu dữ liệu chuỗi.
The SQL standard says that any string you store in a database will be case-sensitive, and you can represent them, or the constants of them, as single-quoted strings.
Chuẩn SQL quy định rằng bất kỳ chuỗi nào bạn lưu trong cơ sở dữ liệu đều phân biệt chữ hoa chữ thường, và bạn có thể biểu diễn chúng, hay các hằng chuỗi, bằng chuỗi đặt trong dấu nháy đơn.
Most systems follow that. MySQL is gonna be the dark horse here. Where they're gonna be case-insensitive, for whatever reason, and they're gonna support both single and double.
Hầu hết các hệ thống đều theo đó. MySQL là "ngựa ô" ở đây. Nó không phân biệt chữ hoa chữ thường, không rõ vì sao, và hỗ trợ cả nháy đơn lẫn nháy kép.
So let's see what happens when you do this.
Hãy xem điều gì xảy ra khi bạn làm thế này.
Can we all read that, or should I make the screen... Is that better? It's too dark? All right.
Mọi người đọc được không, hay tôi nên chỉnh màn hình... Vậy tốt hơn chưa? Vẫn tối quá à? Được rồi.
All right, let me log in with my laptop here, because it's a pain to type on the surface here.
Để tôi đăng nhập bằng laptop của tôi ở đây, vì gõ trên cái Surface này rất khó chịu.
All right, so I said that strings were uppercase... Sorry, in the SQL standard, strings are case-sensitive, and you represent them with single quotes.
Được rồi, tôi đã nói là chuỗi viết hoa... Xin lỗi, trong chuẩn SQL, chuỗi phân biệt chữ hoa chữ thường, và bạn biểu diễn chúng bằng dấu nháy đơn.
So this is Postgres. So I can do SELECT star... Couldn't do my last connection. Awesome. There we go.
Đây là Postgres. Tôi có thể gõ SELECT dấu sao... Kết nối lần trước không được. Tuyệt. Được rồi.
So we'll look up the student table, where name equals RZA.
Chúng ta sẽ tra cứu bảng student, với name bằng RZA.
Right? Nothing shows up. Let me make sure I have capital. See, so that doesn't work, because it has to be a capital A.
Đúng không? Không có kết quả nào. Để tôi kiểm tra xem đã viết hoa chưa. Thấy chưa, cái này không chạy, vì chữ A phải viết hoa.
Why is this going so slow? Sorry. You know what it is? I think I'm uploading your videos from last time. Let me get rid of that. Sorry. Much better. All right.
Sao chậm vậy nhỉ? Xin lỗi. Biết là gì không? Tôi nghĩ là tôi đang tải lên các video của các bạn từ lần trước. Để tôi tắt nó đi. Xin lỗi. Tốt hơn nhiều rồi. Được rồi.
So if we now try this in MySQL, that works, but I can also do this.
Giờ nếu ta thử cái này trên MySQL, nó chạy, nhưng tôi cũng có thể làm thế này.
That seems kind of weird. Right? I can also use double quotes, and that works.
Trông hơi kỳ lạ nhỉ. Đúng không? Tôi cũng có thể dùng nháy kép, và nó vẫn chạy.
If I go try this exact same query on other systems, it should not work. So this is Postgres. Sorry.
Nếu tôi thử đúng truy vấn này trên các hệ thống khác, nó sẽ không chạy. Đây là Postgres. Xin lỗi.
Doesn't work. How can I do that? Right? In Postgres, the double quotes is meant to represent an escape, like, name of a column or table.
Không chạy. Sao tôi làm được thế? Đúng không? Trong Postgres, dấu nháy kép dùng để biểu diễn một dạng escape, ví dụ tên của một cột hoặc bảng.
Like, if I have a table with a space in it, I can use double quotes to take care of that.
Chẳng hạn nếu tôi có một bảng có dấu cách trong tên, tôi có thể dùng nháy kép để xử lý việc đó.
Over on MySQL, or sorry, SQLite now, doesn't like, it is case sensitive, but it lets me do the double quotes.
Còn bên MySQL, à xin lỗi, giờ là SQLite, nó phân biệt chữ hoa chữ thường, nhưng lại cho phép tôi dùng nháy kép.
In DuckDB, It's case sensitive. Here it's complaining, because it's looking for the name of the column.
Trong DuckDB thì nó phân biệt chữ hoa chữ thường. Ở đây nó báo lỗi, vì nó đang tìm tên của một cột.
So I have to escape it with single quotes, and then it is case sensitive. We'll come back to ClickHouse and Firebolt and SQL Server in a second.
Nên tôi phải escape bằng dấu nháy đơn, và khi đó nó phân biệt chữ hoa chữ thường. Lát nữa chúng ta sẽ quay lại với ClickHouse, Firebolt và SQL Server.
Again, just trying to show you a basic thing, like, hey, strings. They're going to be different. So there's basic string operations.
Một lần nữa, tôi chỉ muốn cho các bạn thấy một điều cơ bản, kiểu như, này, chuỗi ký tự. Chúng sẽ khác nhau. Vậy có các thao tác cơ bản trên chuỗi.
There's, like, if you want to do wildcard matches on the string, the SQL standard specifies the LIKE clause, and then it doesn't follow maybe the general, more common regular expression syntax you might have seen before, like stars and dots and so forth.
Chẳng hạn, nếu bạn muốn so khớp ký tự đại diện trên chuỗi, chuẩn SQL quy định mệnh đề LIKE, và nó không theo cú pháp chung, phổ biến hơn của biểu thức chính quy mà có thể các bạn đã thấy trước đây, như dấu sao, dấu chấm, v.v.
The percent sign is meant to represent any substring, including empty strings, and then if you want to match a single character, you do an underscore.
Dấu phần trăm đại diện cho bất kỳ chuỗi con nào, kể cả chuỗi rỗng, còn nếu muốn khớp đúng một ký tự, bạn dùng dấu gạch dưới.
So this is trying to get all of the students that are enrolled in 15, followed by a wildcard, all the 15 courses, and you would use the LIKE clause for that.
Vậy câu này đang cố lấy tất cả sinh viên đã đăng ký môn 15, theo sau là một ký tự đại diện, tức là tất cả các môn 15, và bạn sẽ dùng mệnh đề LIKE cho việc đó.
If this is case sensitive, you want to be case insensitive, you would use ILIKE. Yes?
Nếu nó phân biệt hoa thường mà bạn muốn không phân biệt, bạn dùng ILIKE. Bạn hỏi à?
The statement is, are the field names and table names always case sensitive in SQL? Depends on the implementation. Postgres will automatically lowercase any table name you give it.
Câu hỏi là tên trường và tên bảng trong SQL có luôn phân biệt hoa thường không? Tùy vào cách triển khai. Postgres sẽ tự động chuyển mọi tên bảng bạn đưa vào thành chữ thường.
Other systems don't do that. I have no idea what the SQL standard says. All right. What's that?
Các hệ thống khác thì không. Tôi không biết chuẩn SQL nói gì. Được rồi. Bạn nói gì?
The statement is, if you use, in Postgres, if you use double quotes to name a column, does that, will that give you escape? I don't know. Let's find out. Create table.
Câu hỏi là nếu trong Postgres, bạn dùng dấu nháy kép để đặt tên cột thì nó có escape được không? Tôi không biết. Cùng thử xem. Create table.
Oops, sorry. Okay. Create table. You want to use XXX. Like that. The int field. Yeah, all right.
Ối, xin lỗi. Được rồi. Create table. Bạn muốn dùng XXX. Như vậy. Trường kiểu int. Vâng, được rồi.
So Postgres took it and maintained it. So what if I, can I do this? Can I do select star from, oh, Wi-Fi. Sorry.
Vậy Postgres đã giữ nguyên nó. Thế nếu tôi, tôi có thể làm thế này không? Tôi có thể chọn tất cả từ ồ, Wi-Fi. Xin lỗi.
Select star from XXX. Yeah, I didn't know about that.
Select star from XXX. Vâng, tôi không biết điều đó.
Yeah, so his point, by default, unless you quote it in Postgres, you will not get the case sensitivity. All right.
Vâng, ý của bạn ấy là, mặc định trong Postgres, nếu bạn không đặt trong dấu nháy, thì bạn sẽ không có tính phân biệt hoa thường. Được rồi.
So again, if you want regular expressions, the SQL standard specifies some, there's a clause called, or operator called SIMILAR TO. Postgres supports this. DuckDB supports this. Many other systems do not.
Vậy nếu bạn muốn dùng biểu thức chính quy, chuẩn SQL quy định một mệnh đề gọi là, hay toán tử gọi là SIMILAR TO. Postgres hỗ trợ cái này. DuckDB cũng hỗ trợ. Nhiều hệ thống khác thì không.
Instead, they have their own regular expression syntax. Again, a good example where the SQL standard says one thing, systems implement other things.
Thay vào đó, họ có cú pháp biểu thức chính quy riêng. Đây lại là một ví dụ hay cho việc chuẩn SQL nói một đằng, còn các hệ thống lại cài đặt một nẻo.
There's a bunch of built-in string functions that you can do just to manipulate strings, as one would expect, like substring, lowercase, uppercase, and so forth, right?
Có một loạt hàm chuỗi dựng sẵn để bạn thao tác trên chuỗi, như bạn mong đợi, như substring, chữ thường, chữ hoa, v.v., đúng không?
And most systems have the same implementation of these functions, roughly provide the same semantics.
Và hầu hết các hệ thống đều cài đặt các hàm này giống nhau, về cơ bản cung cấp cùng ngữ nghĩa.
To something really basic like concatenating strings, this is where things go wrong as well, right? The SQL standard specifies that you have a double bar to say I want to concatenate two things.
Đến một thứ rất cơ bản như nối chuỗi, thì đây cũng là chỗ mọi thứ bắt đầu lệch nhau, đúng không? Chuẩn SQL quy định dùng hai dấu gạch đứng để nói rằng tôi muốn nối hai thứ lại với nhau.
In SQL Server, it's the plus operator. And then in MySQL, I should test this more recently in the newer versions, but they don't have either one.
Trong SQL Server thì đó là toán tử dấu cộng. Còn trong MySQL, lẽ ra tôi nên thử lại với các phiên bản mới hơn, nhưng họ không có cái nào trong hai cái đó.
You have to run an explicit concat function, right? Again, this is painful. It's annoying, but it's not the end of the world.
Bạn phải gọi một hàm concat tường minh, đúng không? Một lần nữa, điều này thật phiền phức. Nó gây khó chịu, nhưng không phải tận thế.
You can easily navigate this from going from one system to the next. But let's talk about dates and times, right? Obviously, in our database, yes, question.
Bạn có thể dễ dàng xoay xở khi chuyển từ hệ thống này sang hệ thống khác. Nhưng hãy nói về ngày và giờ nhé. Rõ ràng, trong cơ sở dữ liệu của chúng ta, vâng, em có câu hỏi.
Yes, so this question is, when I say most systems do support it or don't support it, do not.
Vâng, câu hỏi này là, khi tôi nói hầu hết các hệ thống có hỗ trợ hay không hỗ trợ, thì không.
So SQL 92 would give you the basic select, select, insert, update, deletes. The things we're talking about today and their...
SQL 92 cho bạn các câu lệnh cơ bản như select, insert, update, delete. Những thứ chúng ta nói hôm nay và các...
As you still find, everything we're talking about today is back in the SQL 92 standard, and so they're off slightly on this one thing.
Như bạn vẫn thấy, mọi thứ chúng ta nói hôm nay đều có từ chuẩn SQL 92, và các hệ thống vẫn lệch đôi chút ở điểm này.
There's no system in the world that I've been aware of that implements exactly the SQL 92 standard as written. They're always going to be slightly off. MySQL used to be the worst offender.
Theo tôi biết thì không có hệ thống nào trên thế giới triển khai chính xác chuẩn SQL 92 như được viết. Chúng luôn lệch đôi chút. MySQL từng là kẻ tệ nhất.
They've gotten better in the last 10 years.
Họ đã khá hơn trong 10 năm qua.
The statement is, when I say the SQL 23 standard came out, who actually supports that? Again, nobody.
Câu hỏi là, khi tôi nói chuẩn SQL 23 ra đời, thì ai thực sự hỗ trợ nó? Một lần nữa, không ai cả.
So property graph queries, the only system I know that supports that is Oracle, because Oracle was pushing to get that in there. I'm pretty sure Postgres doesn't support it, DuckDB doesn't support it, right?
Với truy vấn đồ thị thuộc tính, hệ thống duy nhất tôi biết có hỗ trợ là Oracle, vì Oracle đã thúc đẩy để đưa nó vào chuẩn. Tôi khá chắc Postgres không hỗ trợ, DuckDB không hỗ trợ.
The other commercial vendors, same thing. It's not to say they won't, just they haven't got to it yet. But it's like, will they implement it exactly as written?
Các hãng thương mại khác cũng vậy. Không phải họ sẽ không làm, chỉ là họ chưa làm tới. Nhưng liệu họ có triển khai đúng như được viết không?
Probably not, because, for whatever reason, right? Again, MySQL had all sorts of weird stuff, and then we had the guy that invented MySQL give a talk with us.
Có lẽ không, vì lý do nào đó, đúng không? Một lần nữa, MySQL có đủ thứ kỳ quặc, và chúng tôi đã mời người phát minh ra MySQL đến nói chuyện.
It was last semester, and I asked him at the beginning of the talk, it's not recorded, like, "Hey, what's up?
Đó là học kỳ trước, và đầu buổi nói chuyện tôi đã hỏi ông ấy, không ghi hình đâu, kiểu như: "Này, sao vậy?
Why do you do all this, right?" And he's like, "Oh, because we just did it. It was the 90s, I don't know." This is what he said.
Sao ông lại làm tất cả những thứ này?" Và ông ấy nói: "À, vì chúng tôi cứ làm thôi. Hồi đó là thập niên 90, tôi không biết nữa." Ông ấy nói thế đấy.
Oftentimes, it's many times, it's like some guy sitting there, he's like, "Oh, I'll do it this way," and then everyone's like, "All right, good." Right? We'll see this when we talk about lateral joins.
Thường thì, rất nhiều khi, chỉ là có một anh ngồi đó, anh ta bảo: "À, tôi sẽ làm theo cách này," rồi mọi người bảo: "Được, tốt." Đúng không? Chúng ta sẽ thấy điều này khi nói về lateral join.
Lateral joins was in the standard. My understanding is the Microsoft guys didn't know it existed, and they made their own called CROSS APPLY.
Lateral join có trong chuẩn. Theo tôi hiểu thì những người ở Microsoft không biết nó tồn tại, và họ tự làm ra một cái gọi là CROSS APPLY.
It has basically the same semantics as lateral joins, but they don't call it lateral joins, they call it CROSS APPLY. Right? Again, there's so many implementations out there, nobody actually follows it.
Nó về cơ bản có cùng ngữ nghĩa với lateral join, nhưng họ không gọi là lateral join, họ gọi là CROSS APPLY. Đúng không? Một lần nữa, có quá nhiều cách triển khai ngoài kia, thực ra không ai tuân theo chuẩn cả.
All right, dates, times, this is where it gets rough. So the SQL standard specifies a basic date and time type. I think it also has times with time zones.
Được rồi, ngày và giờ, đây là chỗ bắt đầu rắc rối. Chuẩn SQL quy định một kiểu dữ liệu ngày và giờ cơ bản. Tôi nghĩ nó cũng có kiểu thời gian kèm múi giờ.
By default, you get whatever the time zone is on the data system where it's running, when you start a record.
Mặc định, bạn sẽ nhận múi giờ của hệ thống mà cơ sở dữ liệu đang chạy trên đó, khi bạn bắt đầu một bản ghi.
If you're lucky, maybe UTC is a time zone always. Not always, not always the case.
Nếu may mắn thì có thể múi giờ luôn là UTC. Không phải lúc nào cũng vậy, không phải lúc nào cũng thế.
If you explicitly want to know what the time zone is, you want to store that in the type with it. But again, not every system will support that.
Nếu bạn muốn biết rõ múi giờ là gì, thì bạn phải lưu nó cùng với kiểu dữ liệu. Nhưng một lần nữa, không phải hệ thống nào cũng hỗ trợ điều đó.
This is my favorite demo to give every year. We're going to do something which seems like a machine really simple to do.
Đây là phần demo yêu thích của tôi mà năm nào tôi cũng trình bày. Chúng ta sẽ làm một việc mà nghe có vẻ rất đơn giản với một cái máy.
We're going to compute the number of days from today, August 27th, 2025, to the beginning of the year, January 1st, 2025. Right?
Chúng ta sẽ tính số ngày từ hôm nay, ngày 27 tháng 8 năm 2025, đến đầu năm, ngày 1 tháng 1 năm 2025. Đúng không?
It seems pretty simple, but as we'll see, every system is going to do something slightly different. You have to get that answer.
Nghe khá đơn giản, nhưng như chúng ta sẽ thấy, mỗi hệ thống sẽ làm hơi khác nhau. Bạn phải ra được đáp án đó.
All right, so we need to get dates, all right? So how do we get the current date?
Được rồi, vậy chúng ta cần lấy ngày tháng, đúng không? Vậy làm sao để lấy ngày hiện tại?
Well, in the SQL standard, there's a NOW function, and that'll give you out the current year as a timestamp, right, or the full timestamp.
Trong chuẩn SQL có hàm NOW, và nó sẽ trả về năm hiện tại dưới dạng timestamp, đúng không, hay đầy đủ là timestamp.
So we go along NOW to our different system. This is MySQL. MySQL has it. That's great. Go to SQLite. SQLite doesn't have it. Okay. Let's go to DuckDB.
Vậy ta thử NOW trên các hệ thống khác nhau. Đây là MySQL. MySQL có. Tốt. Sang SQLite. SQLite không có. Được rồi. Sang DuckDB.
DuckDB follows the grammar from Postgres. Like, they literally have, like, a copy of the Postgres grammar, and they're using that. So a lot of times what Postgres has, DuckDB will have.
DuckDB dùng ngữ pháp của Postgres. Kiểu như họ có hẳn một bản sao ngữ pháp của Postgres, và họ dùng nó. Nên nhiều khi Postgres có gì thì DuckDB cũng có cái đó.
Let's go over to ClickHouse. ClickHouse has it. That's good. Let's go to Firebolt. Firebolt's got that, so that's good. And then last one is SQL Server.
Sang ClickHouse. ClickHouse có. Tốt. Sang Firebolt. Firebolt có, vậy là tốt. Và cuối cùng là SQL Server.
For reasons of the 1980s I don't fully understand, you have to write GO after every query, because it wants to do, like, a batch, right? This is for this one client.
Vì những lý do từ thập niên 1980 mà tôi không hiểu hết, bạn phải viết GO sau mỗi truy vấn, vì nó muốn chạy theo kiểu batch, đúng không? Đây là với một ứng dụng khách này.
Other clients, there's other clients that don't have to do this. The one that Microsoft gives you, you always have to write GO. All right. So they complain they don't have NOW. All right.
Các ứng dụng khách khác thì không cần làm vậy. Cái mà Microsoft đưa cho bạn thì lúc nào cũng phải viết GO. Được rồi. Vậy là nó báo không có NOW. Được rồi.
Well, there's another way to do this. In the SQL standard, I think you can also get a, you can get something called CURRENT_TIMESTAMP, right?
Vậy còn một cách khác. Trong chuẩn SQL, tôi nghĩ bạn cũng có thể lấy, bạn có thể dùng thứ gọi là CURRENT_TIMESTAMP, đúng không?
So this is Postgres. Except Postgres doesn't have it. They don't have the function, but they have the keyword. Let's go to MySQL.
Đây là Postgres. Nhưng Postgres lại không có. Họ không có hàm, nhưng có từ khóa. Sang MySQL.
Sorry. They have the function. They have the keyword. Let's go to SQLite. SQLite doesn't have the function, but it has the keyword.
Xin lỗi. Họ có hàm. Họ có từ khóa. Sang SQLite. SQLite không có hàm, nhưng có từ khóa.
DuckDB's going to have the, doesn't have the function, but it has the keyword, just like Postgres. ClickHouse has the function. Does not have the keyword.
DuckDB thì không có hàm, nhưng có từ khóa, giống như Postgres. ClickHouse có hàm. Không có từ khóa.
Firebolt has the function. Has the function, does not have the keyword.
Firebolt có hàm. Có hàm, không có từ khóa.
And then SQL Server, here I go, does not have the function, but it has the keyword. All right.
Còn SQL Server, để xem nào, không có hàm này, nhưng có từ khóa. Được rồi.
Well, that kind of sucks because, like, again, nobody has the same thing. So this turned out to be really easy to do in Postgres and a bunch of systems.
Chà, vậy thì hơi tệ, vì một lần nữa, chẳng hệ thống nào giống hệ thống nào. Việc này hóa ra rất dễ làm trong Postgres và một loạt hệ thống khác.
So what I can do is take the date as a string, so 2025 on the 27th, and then cast the beginning of the year, cast these as dates, and just subtract them, and make it 238, which is actually correct.
Cái tôi có thể làm là lấy ngày ở dạng chuỗi, tức là năm 2025, ngày 27, rồi ép kiểu ngày đầu năm, ép kiểu cả hai thành ngày, rồi trừ chúng cho nhau, và ra 238, đây là kết quả đúng.
So what am I doing here? This cast function is taking the string, and I'm telling it I want to cast this data, this constant string I'm giving you, cast it as a date.
Vậy tôi đang làm gì ở đây? Hàm cast này nhận vào chuỗi, và tôi bảo nó rằng tôi muốn ép kiểu dữ liệu này, chuỗi hằng số tôi đưa cho bạn này, thành kiểu date.
For whatever reason, you've got to put as function. You can't even see that, sorry. Please say something next time. All right. There we go.
Không hiểu sao, bạn phải viết as date. Các bạn không nhìn thấy được, xin lỗi. Lần sau nhớ nhắc tôi nhé. Được rồi. Đây rồi.
And probably it's going to be, let me shrink it over here. Okay. There we go. All right.
Chắc là thế này, để tôi thu nhỏ lại ở đây. Được rồi. Đây rồi. Được rồi.
So, again, I take the string, I call this cast function, and I say I want as a date. So that's fine.
Vậy là, tôi lấy chuỗi, gọi hàm cast này, và nói rằng tôi muốn kiểu date. Thế là ổn.
What I like about, in one example of an idiom in Postgres that I like a lot, is that instead of calling that cast function, I can put two colons at the end of any piece of data, and I tell the data type I want to cast into it.
Một ví dụ về một cách viết đặc trưng trong Postgres mà tôi rất thích là thay vì gọi hàm cast đó, tôi có thể đặt hai dấu hai chấm ở cuối bất kỳ dữ liệu nào, rồi ghi kiểu dữ liệu mà tôi muốn ép sang.
So that's nice. I can cast my strings to a date. So that works great. So let's pop over now to try to do the same thing in MySQL.
Hay đấy. Tôi có thể ép các chuỗi sang kiểu date. Vậy là chạy tốt. Giờ ta chuyển sang thử làm điều tương tự trong MySQL.
I get this. 726. Again, just as a refresher brain, there's not 726 days in a year. It's 238 days since the beginning. So what is this number?
Tôi được kết quả này. 726. Xin nhắc lại cho nhớ, một năm không có 726 ngày. Là 238 ngày kể từ đầu năm. Vậy con số này là gì?
I didn't know either. Some rando in YouTube, in the YouTube comment of all places, posted what it was, and I'm like, oh, he was right.
Tôi cũng không biết. Có một người ngẫu nhiên trên YouTube, lại còn ở phần bình luận YouTube, đã đăng giải thích nó là gì, và tôi nghĩ, ồ, anh ấy đúng.
So what this is, this is the first number, seven, is the current month of August, subtracting January 1, you get seven. Then you get the same thing for the number of days.
Con số này, số đầu tiên là bảy, là tháng hiện tại, tháng Tám, trừ đi tháng Một thì được bảy. Rồi với số ngày cũng tương tự.
So what's happening here is that MySQL is casting the date as an unsigned integer like this. We're just mashing together the year, the month, the day.
Vậy điều đang xảy ra ở đây là MySQL đang ép kiểu ngày thành một số nguyên không dấu như thế này. Nó chỉ ghép lẫn năm, tháng, ngày lại với nhau.
And so it's really computing this. All right? That sucks. There's your 726.
Và thực chất nó đang tính cái này. Được chứ? Tệ thật. Đó là con số 726 của bạn.
So it turns out there's actually a date diff function in MySQL where I can easily get back 238 days. Okay, well, let's go back to SQL Server. Sorry, to Postgres.
Hóa ra MySQL thực sự có hàm date diff mà tôi có thể dễ dàng nhận về 238 ngày. Được rồi, quay lại SQL Server. Xin lỗi, quay lại Postgres.
And, of course, they don't have it either. All right, so let's see how to do this in SQL Server.
Và tất nhiên là họ cũng không có. Được rồi, giờ xem cách làm trong SQL Server.
We'll come back to the other ones. SQL Server, you can cast things as a date. Got to write go. All right? And I get a date like that.
Ta sẽ quay lại các hệ thống khác sau. Với SQL Server, bạn có thể ép kiểu thành date. Phải viết go. Được chứ? Và tôi nhận được một ngày như thế này.
And then they actually have the date diff function. I write go. And I get 238. But notice now I have this new thing here. I have this get date.
Rồi họ thực sự có hàm date diff. Tôi viết go. Và tôi được 238. Nhưng để ý, giờ tôi có thứ mới này ở đây. Tôi có get date này.
All right? That's different. I didn't see that before. So let's see whether anybody has that. MySQL doesn't have it.
Được chứ? Cái này khác. Trước đó tôi chưa thấy nó. Vậy hãy xem có hệ nào có nó không. MySQL không có.
Postgres doesn't have it. So you see where I'm getting at. All right. So let's try this now in ClickHouse.
Postgres cũng không có. Vậy là mọi người thấy tôi muốn nói gì rồi. Được rồi. Giờ hãy thử việc này trong ClickHouse.
Actually, to prove that this works in DuckDB and Firebolt. So let's go to DuckDB. I can do it the Postgres way. Boom.
Thực ra, để chứng minh là cách này chạy được trong DuckDB và Firebolt. Vậy ta sang DuckDB. Tôi có thể làm theo kiểu Postgres. Xong.
I get the right answer. I can do this in Firebolt. I do it the Postgres way. I get the right answer. All right?
Tôi ra đúng đáp án. Tôi cũng làm được trong Firebolt. Tôi làm theo kiểu Postgres. Tôi ra đúng đáp án. Được chưa?
So Firebolt, DuckDB, and Postgres are doing the same thing. So that's good. If we go back to our boy, ClickHouse. So we tried this before.
Vậy Firebolt, DuckDB và Postgres đang làm cùng một việc. Thế là tốt. Quay lại với người bạn cũ ClickHouse. Lúc nãy ta đã thử cái này rồi.
That produced the right answer. That worked out pretty well. Chat2BT gave me this, right? But it's complaining that it doesn't know about this today function. Okay.
Nó ra đúng đáp án. Chạy khá ổn. Chat2BT đưa tôi câu này, đúng không? Nhưng nó báo là không biết hàm today này. Được rồi.
Well, I've never seen that before. I said it was now. What is today? They don't have it. Does MySQL have it?
Chà, tôi chưa từng thấy cái đó. Tôi bảo là now mà. Today là gì vậy? Họ không có. MySQL có không?
Nope. All right. Well, the documentation of Clickhouse says they have it.
Không. Được rồi. Nhưng tài liệu của ClickHouse nói là họ có.
But it's actually case sensitive. It's lowercase today. Then you get that. Right? Right? Exactly. So before, I think we did now, right? That's uppercase.
Nhưng thực ra nó phân biệt chữ hoa chữ thường. Phải viết thường là today. Rồi bạn sẽ được kết quả đó. Đúng không? Đúng không? Chính xác. Lúc trước tôi nghĩ ta dùng now, đúng không? Đó là chữ hoa.
Okay. Can I go now? Yeah. So now it can do uppercase, lowercase, but today it cannot. Awesome. All right.
Được rồi. Giờ tôi chạy được chưa? Được. Vậy giờ nó chạy được chữ hoa, chữ thường, nhưng today thì không. Tuyệt. Được rồi.
Last one, SQLite. So they don't have date diff.
Cuối cùng là SQLite. Họ không có date diff.
So if I try to do it the Postgres way, I get zero. Well, that's not good.
Nên nếu tôi thử làm theo kiểu Postgres, tôi nhận được số không. Chà, vậy thì không ổn.
So I actually came up with the same answer that Chat2BT came up with, where you convert the time stamps into the Julian calendar, which is the number of days since 452 B.C.
Thế là tôi nghĩ ra đúng cách mà Chat2BT đã đưa ra, là chuyển các dấu thời gian sang lịch Julian, tức là số ngày kể từ năm 452 TCN hay gì đó.
or whatever. Julian calendar in like 45 B.C.? But the dating goes back even farther, right? So you can do something like this, and you get 238, but it's a decimal.
Lịch Julian khoảng năm 45 TCN phải không? Nhưng cách tính ngày còn lùi xa hơn nữa, đúng không? Vậy bạn có thể làm như thế này và được 238, nhưng là số thập phân.
So if you cast it as an integer, you get 238. Another way to do this would be to convert this to the Unix epoch.
Nên nếu ép kiểu sang số nguyên, bạn được 238. Một cách khác là chuyển nó sang Unix epoch.
Do you know what that is, right? It's the number of seconds since the dawn of Unix, was like January 1, 1970.
Các bạn biết đó là gì chứ? Đó là số giây kể từ buổi bình minh của Unix, tức khoảng ngày 1 tháng 1 năm 1970.
So you can convert it to that, convert the current time stamp to that number of seconds, to the beginning of the year, to the time stamps, divided by 60 seconds by 60 minutes times 24 hours.
Vậy bạn có thể chuyển nó sang dạng đó, chuyển dấu thời gian hiện tại sang số giây đó, cả đầu năm nữa, các dấu thời gian, rồi chia cho 60 giây, cho 60 phút, nhân 24 giờ.
Why is it an integer? Because it's doing some kind of casting. Yeah.
Tại sao nó là số nguyên? Vì nó đang thực hiện một kiểu ép kiểu nào đó. Vâng.
I don't want to get into type conversion, because this is a CMU, and people get really uptight about it. But yeah, that's another problem here. All right.
Tôi không muốn đi vào chuyển đổi kiểu, vì đây là CMU, và mọi người rất khắt khe về chuyện đó. Nhưng đúng, đó là một vấn đề khác ở đây. Được rồi.
So the main takeaway from all this is just like a really simple thing, like let's calculate dates and think things go wrong.
Vậy điều chính rút ra từ tất cả những điều này là một việc rất đơn giản, như tính toán ngày tháng mà cũng có thể xảy ra sai sót.
All right. So let me skip through output control, or get through this real quickly. You can do ORDER BYs. Again, SQL or the relational model is unordered.
Được rồi. Tôi sẽ lướt qua phần kiểm soát đầu ra, hoặc làm thật nhanh. Bạn có thể dùng ORDER BY. Một lần nữa, SQL hay mô hình quan hệ là không có thứ tự.
If you care about order, you can add an ORDER BY clause. Since the relational model is, or SQL is also, unordered, and if you care about the order, you would add ORDER BY.
Nếu bạn quan tâm đến thứ tự, bạn có thể thêm mệnh đề ORDER BY. Vì mô hình quan hệ, hay SQL cũng vậy, là không có thứ tự, nên nếu bạn quan tâm đến thứ tự, bạn sẽ thêm ORDER BY.
But sometimes you maybe don't want all the results. You can add a LIMIT clause or a FETCH OFFSET clause, where you basically say, I only want the first five rows or first ten rows.
Nhưng đôi khi có thể bạn không muốn lấy toàn bộ kết quả. Bạn có thể thêm mệnh đề LIMIT hoặc mệnh đề FETCH OFFSET, về cơ bản là bạn nói: tôi chỉ muốn năm hàng đầu tiên hoặc mười hàng đầu tiên.
And you can even offset it. And then you can specify what to deal with when you have ties, or if two tuples should be part of the same output, what do you do?
Và bạn thậm chí có thể đặt độ lệch. Sau đó bạn có thể chỉ định cách xử lý khi có các kết quả hòa nhau, hay nếu hai tuple nên thuộc cùng một kết quả đầu ra thì làm gì?
There's shorthand ways to use a LIMIT clause. That's not in the SQL standard, but many systems support that, at least DuckDB and Postgres do, MySQL.
Có những cách viết tắt để dùng mệnh đề LIMIT. Điều đó không nằm trong chuẩn SQL, nhưng nhiều hệ thống hỗ trợ, ít nhất là DuckDB, Postgres và MySQL.
And then SQL Server has their own syntax of saying TOP 10 in the front.
Còn SQL Server có cú pháp riêng là viết TOP 10 ở phía trước.
All right. So as I said, many times what you want to be able to do is have a single SQL query produce all the answers without having to go back to the application.
Được rồi. Như tôi đã nói, nhiều khi điều bạn muốn là chỉ một truy vấn SQL tạo ra tất cả câu trả lời mà không phải quay lại ứng dụng.
So you can take the output of a SQL query and put it into an actual table or a temp table and then do additional queries on that.
Vì vậy bạn có thể lấy kết quả của một truy vấn SQL và đưa vào một bảng thực sự hoặc một bảng tạm rồi thực hiện thêm các truy vấn trên đó.
So in the SQL standard, you say SELECT with the INTO clause, and then where it says course IDs, that's the name of the table I'm going to insert into.
Trong chuẩn SQL, bạn viết SELECT với mệnh đề INTO, và chỗ ghi course IDs, đó là tên của bảng mà tôi sẽ chèn dữ liệu vào.
In Postgres, you can actually specify that it's a temporary table so that when you close the client, the table gets blown away. But that's not standard in all systems. All right.
Trong Postgres, bạn thực sự có thể chỉ định đó là bảng tạm, để khi bạn đóng client, bảng sẽ bị xóa mất. Nhưng điều đó không chuẩn ở mọi hệ thống. Được rồi.
So let's jump into the more challenging things in the last half an hour. So nested queries, CTEs, and window functions.
Giờ hãy chuyển sang những phần khó hơn trong nửa tiếng cuối. Đó là truy vấn lồng nhau, CTE và hàm cửa sổ.
So many times you're going to find yourself not being able to express what you want to compute within a single SELECT statement. And you actually may be able to use multiple select statements.
Nhiều khi bạn sẽ thấy mình không thể diễn đạt được điều muốn tính toán trong một câu lệnh SELECT duy nhất. Và bạn thực ra có thể dùng nhiều câu lệnh select.
And as I said, you can write your immediate result out to a temp table. But oftentimes, you may want to do a select inside of an existing select.
Như tôi đã nói, bạn có thể ghi kết quả trung gian ra một bảng tạm. Nhưng thường thì bạn có thể muốn viết một select bên trong một select có sẵn.
And so these are called inner queries or nested queries. And they can appear pretty much anywhere in a SQL statement.
Chúng được gọi là truy vấn trong hay truy vấn lồng nhau. Và chúng có thể xuất hiện hầu như ở bất cứ đâu trong một câu lệnh SQL.
So I can do something really simple like this, where I have a select statement, what we'll call the outer query, the top part here.
Tôi có thể làm điều rất đơn giản như thế này, có một câu lệnh select, mà ta gọi là truy vấn ngoài, phần trên cùng ở đây.
And then inside my where clause, now I have another select statement called the inner query, where I'm computing some answer that can then be used or leveraged in the outer query.
Rồi bên trong mệnh đề where của tôi, giờ có một câu lệnh select khác gọi là truy vấn trong, nơi tôi tính ra một đáp án nào đó để rồi có thể được dùng hoặc tận dụng trong truy vấn ngoài.
All right. So this is an example of putting in the where clause. You can put it in the projection output. You can put it in the from clause.
Được rồi. Đây là ví dụ về việc đặt nó trong mệnh đề where. Bạn có thể đặt nó ở phần projection đầu ra. Bạn có thể đặt nó trong mệnh đề from.
I think some systems let you put it in the group by clause, the having clause, which is not a good idea. But you could do that.
Tôi nghĩ một số hệ thống cho phép đặt nó trong mệnh đề group by, mệnh đề having, nhưng đó không phải ý hay. Nhưng bạn vẫn có thể làm vậy.
And so we're not going to talk about how to actually implement this or execute this efficiently just yet.
Và ta sẽ chưa nói về cách thực sự triển khai hay thực thi điều này một cách hiệu quả vào lúc này.
But it's obvious the dumbest thing to do would be treat this as like two nested for loops, where, say, in the top one here, for every single student, I'm going to then run that inner query in its entirety to try to find a match.
Nhưng rõ ràng cách ngốc nhất là coi nó như hai vòng lặp for lồng nhau, chẳng hạn ở vòng trên cùng đây, với mỗi sinh viên, Sau đó tôi sẽ chạy toàn bộ truy vấn bên trong để tìm một kết quả khớp.
MySQL used to do that. Most systems, when they first start doing nested queries, they do that.
MySQL từng làm như vậy. Hầu hết các hệ thống khi mới bắt đầu hỗ trợ truy vấn lồng nhau đều làm như vậy.
And obviously, that's very inefficient, because the answer is not going to change from one tuple on the outer query to the next. So we'll talk about this later after the midterm.
Và rõ ràng là cách đó rất kém hiệu quả, vì câu trả lời sẽ không thay đổi từ tuple này sang tuple khác của truy vấn bên ngoài. Chúng ta sẽ nói về chuyện này sau kỳ thi giữa kỳ.
But ideally, what you want to be able to do is rewrite that query into a join, because data systems know how to execute joins very efficiently.
Nhưng lý tưởng nhất là bạn muốn viết lại truy vấn đó thành một phép join, vì các hệ thống dữ liệu biết cách thực thi phép join rất hiệu quả.
If you have a nested query like that, if you can convert it to a join, it'll run much faster. But not every system can do that. Postgres is actually very bad at it.
Nếu bạn có một truy vấn lồng nhau như thế, mà chuyển được thành phép join thì nó sẽ chạy nhanh hơn nhiều. Nhưng không phải hệ thống nào cũng làm được. Postgres thực ra làm việc này rất tệ.
The statement is, there might be some cases where the subquery is actually faster.
Có ý kiến cho rằng có thể có những trường hợp mà truy vấn con thực sự nhanh hơn.
You can imagine something like computing an aggregation, like a max ID. If I could run that once, cache the result, and use that, then, yeah, that would be faster.
Bạn có thể hình dung như việc tính một phép tổng hợp, chẳng hạn ID lớn nhất. Nếu tôi chạy nó một lần, lưu đệm kết quả rồi dùng lại, thì đúng, cách đó sẽ nhanh hơn.
But you almost never want to run... I don't think you ever want to run the inner query over and over again. It's stupid.
Nhưng gần như bạn không bao giờ muốn chạy... Tôi không nghĩ bạn từng muốn chạy đi chạy lại truy vấn bên trong. Thật ngớ ngẩn.
The question is, what system is actually good at converting these things? There's a system out of Germany called Umbra, written by one of the best database system researchers in the world.
Câu hỏi là: hệ thống nào thực sự giỏi chuyển đổi những thứ này? Có một hệ thống đến từ Đức tên là Umbra, do một trong những nhà nghiên cứu hệ thống cơ sở dữ liệu giỏi nhất thế giới viết.
And he has a new paper that came out this year where he can handle basically any nested query he can rewrite.
Và anh ấy có một bài báo mới ra năm nay trong đó về cơ bản anh ấy xử lý được mọi truy vấn lồng nhau mà anh ấy viết lại.
The statement is, well, make more mainstream systems. So DuckDB does an earlier version of what he did, because they just copied what he did, because it was in the papers.
Có ý kiến là: vậy hãy làm cho các hệ thống phổ biến hơn làm được. DuckDB làm một phiên bản trước đó của những gì anh ấy làm, vì họ chỉ sao chép những gì anh ấy làm, do nó có trong các bài báo.
But one of my PhD students here came up with a nested query that actually broke DuckDB and broke this other system. It won't work correctly. It runs out of memory, because it blows up.
Nhưng một nghiên cứu sinh tiến sĩ của tôi ở đây đã nghĩ ra một truy vấn lồng nhau làm hỏng DuckDB và cả một hệ thống khác này. Nó không chạy đúng. Nó hết bộ nhớ vì bị phình ra.
Because just think of it like, you're just generating a bunch of intermediate results, and it balloons up, and you're out of memory.
Vì bạn cứ nghĩ như thế này, bạn đang tạo ra hàng loạt kết quả trung gian, nó phình to lên và bạn hết bộ nhớ.
So the newer version of this German system called Umbra, which is now commercialized as CedarDB, that system actually supports it. This, I'll have to cut on the video. I can't say this.
Còn phiên bản mới hơn của hệ thống Đức tên Umbra này, hiện được thương mại hóa thành CedarDB, thì hỗ trợ được truy vấn đó. Đoạn này tôi sẽ phải cắt khỏi video. Tôi không được nói thế.
Yes, we buried the bodies, and the cops never said anything. That's the way it is. All right, so nested queries. So let's see.
Vâng, chúng tôi đã chôn xác, và cảnh sát chẳng nói gì. Chuyện là như vậy. Được rồi, truy vấn lồng nhau. Để xem nào.
We want to get the names of the students that are in 445. And so when you start doing homework one, you've got to think about how you're going to construct these things.
Chúng ta muốn lấy tên của các sinh viên học 445. Và khi bạn bắt đầu làm bài tập về nhà 1, bạn phải nghĩ xem mình sẽ xây dựng những thứ này như thế nào.
With nested queries, you want to maybe start with the outer query first and figure out what you want the final output to be.
Với truy vấn lồng nhau, có thể bạn nên bắt đầu từ truy vấn bên ngoài trước và xác định kết quả đầu ra cuối cùng mình muốn là gì.
And then oftentimes, I'll just write maybe in natural language what the inner query should be.
Và sau đó, thường thì tôi sẽ viết bằng ngôn ngữ tự nhiên xem truy vấn bên trong nên làm gì.
And I figure out how to rewrite that inner query to fit into what I want in the outer query.
Rồi tôi tìm cách viết lại truy vấn bên trong đó cho khớp với những gì tôi muốn ở truy vấn bên ngoài.
So if I want to get all the names of the students that are in 445, I know I want to do SELECT name FROM student with some kind of WHERE clause.
Vậy nếu tôi muốn lấy tên của tất cả sinh viên học 445, tôi biết mình muốn viết SELECT name FROM student kèm một mệnh đề WHERE nào đó.
And my WHERE clause is going to say something like, get the list of the people, the set of people that are taking 445. So my inner query would look something like this.
Và mệnh đề WHERE của tôi sẽ nói đại loại như, lấy danh sách những người, tập hợp những người đang học 445. Vậy truy vấn bên trong sẽ trông giống như thế này.
But now I need to match the two together.
Nhưng bây giờ tôi cần ghép hai truy vấn này lại với nhau.
And so this is where I can add things like an IN clause or other operators in my expressions to specify how I want to link together the inner query with the outer query.
Và đây là chỗ tôi có thể thêm mệnh đề IN hoặc các toán tử khác vào các biểu thức của mình để chỉ định tôi muốn liên kết truy vấn bên trong với truy vấn bên ngoài như thế nào.
So in this case here, I'm saying WHERE SID is IN and then some nested query here. So this is just doing set membership.
Vậy ở đây, tôi nói là WHERE SID IN rồi một truy vấn lồng nhau ở đây. Đây chỉ là phép kiểm tra thuộc tập hợp.
I'll match on my outer table's query, or the outer query, any record that has an SID that is in my set that is produced by the inner query.
Tôi sẽ khớp trên truy vấn của bảng bên ngoài, hay truy vấn ngoài, bất kỳ bản ghi nào có SID nằm trong tập hợp do truy vấn bên trong tạo ra.
And to his point, he was saying before, sometimes it's more efficient to run the nested query without doing a join.
Và về ý của bạn ấy lúc nãy, đôi khi chạy truy vấn lồng nhau mà không thực hiện join sẽ hiệu quả hơn.
And obviously, in this one, it's pretty obvious that you want to run that query once, the inner query, and be able to reuse the result over and over again.
Và rõ ràng, trong ví dụ này, rất hiển nhiên là bạn muốn chạy truy vấn đó một lần, tức truy vấn bên trong, rồi tái sử dụng kết quả đó nhiều lần.
And a join would basically do that for you. So notice also here, too, that now I'm referencing the student ID and the inner query.
Và về cơ bản, một phép join sẽ làm điều đó cho bạn. Cũng hãy để ý ở đây là bây giờ tôi tham chiếu đến student ID trong truy vấn bên trong.
That's going to get bound to the enroll table inside the inner query. And then the student ID is getting bound to the one on the outside.
Nó sẽ được gắn với bảng enroll bên trong truy vấn bên trong. Còn student ID kia thì được gắn với cái ở bên ngoài.
There are things like correlated subqueries where you can match things on the inside with the outside. But we don't talk about that just yet.
Có những thứ như truy vấn con tương quan trong đó bạn có thể khớp thứ ở bên trong với bên ngoài. Nhưng chúng ta chưa nói về chuyện đó vội.
So you can do a bunch of different operators to specify what the matching should be. My example I did before was IN. It's equivalent to EQUALS ANY.
Bạn có thể dùng nhiều toán tử khác nhau để chỉ định cách khớp như thế nào. Ví dụ lúc nãy tôi dùng IN. Nó tương đương với EQUALS ANY.
But you can say ALL have to match, at least one has to match, or none has to match. You can do a bunch of these kind of operations.
Nhưng bạn có thể nói là TẤT CẢ phải khớp, ít nhất một phải khớp, hoặc không cái nào được khớp. Bạn có thể dùng khá nhiều kiểu phép toán như vậy.
Those are more complicated things. Let's find the student record that has the highest ID that is enrolled in at least one course.
Đó là những thứ phức tạp hơn. Hãy tìm bản ghi sinh viên có ID cao nhất mà đã đăng ký ít nhất một môn học.
So the outer query, I know I'm going to want to say, I want the student ID and their name.
Vậy với truy vấn ngoài, tôi biết mình sẽ muốn nói là, tôi muốn lấy student ID và tên của họ.
And then the inner query is going to be something like, is the highest enrolled student ID? So my inner query could be like this.
Và truy vấn bên trong sẽ đại loại là, student ID đã đăng ký cao nhất là gì? Vậy truy vấn bên trong của tôi có thể như thế này.
I want to get the max student ID if I'm enrolled. And I want to match that with the student on the outer query.
Tôi muốn lấy student ID lớn nhất nếu có đăng ký. Và tôi muốn khớp nó với sinh viên ở truy vấn ngoài.
And instead of writing IN, EQUALS ANY or EQUALS ALL, I'll just put in the equals like this. This is one way to do this.
Và thay vì viết IN, EQUALS ANY hay EQUALS ALL, tôi sẽ chỉ đặt dấu bằng như thế này. Đây là một cách để làm việc này.
You could do this with sorting the table and then fetching the first row. That would be the max. I can put the max query, the aggregation, inside the join clause.
Bạn có thể làm bằng cách sắp xếp bảng rồi lấy dòng đầu tiên. Đó sẽ là giá trị lớn nhất. Tôi có thể đặt truy vấn max, tức phép tổng hợp, bên trong mệnh đề join.
There's a bunch of different ways that you could write queries to produce the correct answer. I'm not saying one way is better than another.
Có rất nhiều cách khác nhau để bạn viết truy vấn cho ra đáp án đúng. Tôi không nói cách này tốt hơn cách kia.
It's going to depend highly on what the system can actually support and run. In theory, SQL, it shouldn't matter. But oftentimes, it does. For homework one, you're running on DuckDB on your local machine.
Điều đó phụ thuộc rất nhiều vào những gì hệ thống thực sự hỗ trợ và chạy được. Về lý thuyết thì với SQL, điều đó không quan trọng. Nhưng trên thực tế thì thường là có. Với bài tập về nhà số một, các em chạy DuckDB trên máy cá nhân của mình.
It won't be a huge difference performance writing different things. At least, there shouldn't be. One more example. Find all the courses that have no students enrolled in it.
Viết theo những cách khác nhau sẽ không tạo ra khác biệt lớn về hiệu năng. Ít nhất là không nên có. Thêm một ví dụ nữa. Tìm tất cả các môn học không có sinh viên nào đăng ký.
My outer query should be select all the courses. And where I want to match, where there isn't a tuple for that course in the enroll table.
Truy vấn bên ngoài của tôi sẽ chọn tất cả các môn học. Và điều kiện tôi muốn khớp là không có bộ giá trị nào cho môn học đó trong bảng enroll.
So I can do something really simple like this.
Vậy tôi có thể làm một cách thật đơn giản như thế này.
I can say SELECT * FROM enrolled WHERE the course ID in the enroll table matches the course ID from the course table on the outside here.
Tôi có thể viết SELECT * FROM enrolled WHERE course ID trong bảng enroll khớp với course ID từ bảng course ở truy vấn bên ngoài này.
And then notice how this inner one here is being bound to the one on the outside.
Và hãy để ý truy vấn bên trong này đang được gắn với truy vấn bên ngoài.
This is called a correlated subquery, where the result being computed on the inside depends on whatever tuple you're looking at on the outside. And many systems can't convert that into joins.
Cái này gọi là truy vấn con tương quan (correlated subquery), trong đó kết quả được tính ở bên trong phụ thuộc vào bộ giá trị mà em đang xét ở bên ngoài. Và nhiều hệ thống không thể chuyển nó thành các phép nối (join).
But now SQL Server, DuckDB, and this German system, CedarDB and Umbra, can.
Nhưng hiện nay SQL Server, DuckDB, và hệ thống của Đức này, CedarDB và Umbra, thì làm được.
So when you do homework one, sometimes it will be obvious that you want to use a CTE, which I'll cover in a second. Sometimes you want to do a nested query.
Vì vậy khi làm bài tập về nhà số một, đôi khi sẽ rất rõ ràng là em nên dùng CTE, cái mà tôi sẽ nói ngay sau đây. Đôi khi em lại muốn dùng truy vấn lồng nhau.
But in general, it's up to preference. We'll see CTEs in a second.
Nhưng nhìn chung thì tùy sở thích. Chúng ta sẽ xem CTE ngay sau đây.
Lateral joins are a special kind of join, where it allows a query that's technically at the same level of nesting within one query to reference data in another query at the same level.
Lateral join là một loại phép nối đặc biệt, cho phép một truy vấn về mặt kỹ thuật nằm ở cùng mức lồng nhau trong một truy vấn tham chiếu đến dữ liệu của một truy vấn khác ở cùng mức.
So what do I mean by that?
Vậy ý tôi là gì?
So think of it like it's two for loops, where I can now have a previously executed query within my same outer query be referenced by queries that came after it.
Hãy nghĩ nó như hai vòng lặp for, trong đó giờ đây tôi có một truy vấn đã được thực thi trước đó bên trong cùng truy vấn bên ngoài của mình, và được các truy vấn đứng sau nó tham chiếu tới.
So I said before that in SQL, ideally, in a declarative language, you don't want to specify what the order of the operations should be.
Trước đó tôi đã nói rằng trong SQL, lý tưởng nhất, với một ngôn ngữ khai báo, em không muốn chỉ định thứ tự của các thao tác.
But in something like a lateral join, you do have to specify it, because you have to know, like, this thing has to get computed before this other one gets computed.
Nhưng với lateral join thì em phải chỉ định, vì em phải biết rằng, cái này phải được tính trước khi cái kia được tính.
So this is a really cool example. SELECT * FROM a derived table where I have SELECT 1 AS x.
Đây là một ví dụ rất hay. SELECT * FROM một bảng dẫn xuất (derived table) trong đó tôi có SELECT 1 AS x.
So this is making a synthetic virtual table that has one tuple with one value of 1. And then now I have my LATERAL operator.
Cái này tạo ra một bảng ảo tổng hợp có một bộ giá trị với một giá trị là 1. Và rồi tôi có toán tử LATERAL.
And in the second query here, I'm now allowed to reference up the nested query that came before it. And it's roughly equivalent to producing the output of this Python code like this.
Và trong truy vấn thứ hai ở đây, giờ tôi được phép tham chiếu đến truy vấn lồng nhau đứng trước nó. Và nó tương đương gần đúng với việc tạo ra kết quả của đoạn mã Python như thế này.
I'm seeing a lot of confused faces. So let's look at another example. So I want to calculate the number of students that enroll in each course and get their average GPA.
Tôi thấy nhiều gương mặt bối rối. Vậy hãy xem một ví dụ khác. Tôi muốn tính số sinh viên đăng ký mỗi môn học và lấy điểm GPA trung bình của họ.
And I want to sort them based on the enrollment count in descending order.
Và tôi muốn sắp xếp theo số lượng đăng ký giảm dần.
So the outer query, again, is going to be SELECT * FROM course, which gets all the tuples, all the attributes for anybody within a course, or any course tuple.
Vậy truy vấn bên ngoài, một lần nữa, sẽ là SELECT * FROM course, để lấy tất cả các bộ giá trị, tất cả các thuộc tính của bất kỳ ai trong một môn học, hay của bất kỳ tuple course nào.
The first lateral query is going to be, for each course, compute the number of enrolled students.
Truy vấn lateral đầu tiên sẽ là, với mỗi môn học, tính số sinh viên đã đăng ký.
And then the second lateral query will be, for each course now, compute the average GPA of the enrolled students.
Và sau đó truy vấn lateral thứ hai sẽ là, với mỗi môn học, bây giờ tính GPA trung bình của các sinh viên đã đăng ký.
So it would look roughly like this. So in some cases, in some versions of SQL, you have to specify that it's a lateral join explicitly with a join operator.
Nên nó sẽ trông đại khái như thế này. Vậy trong một số trường hợp, ở một số phiên bản của SQL, bạn phải chỉ rõ đó là lateral join một cách tường minh bằng toán tử join.
In this case here, in Postgres, you can just say, I have a lateral, and then you have a nested query. And then that can do whatever it wants aside from that.
Ở đây, trong Postgres, bạn chỉ cần viết lateral, rồi đến một truy vấn lồng nhau. Và ngoài ra thì nó có thể làm bất cứ điều gì nó muốn.
So the first one here, again, we're counting the number of students that are enrolled in each given course.
Vậy cái đầu tiên ở đây, một lần nữa, chúng ta đếm số sinh viên đã đăng ký trong từng môn học.
So in this case here, the course ID I'm referencing is going to come from the outer query.
Vậy trong trường hợp này, course ID mà tôi tham chiếu sẽ đến từ truy vấn ngoài.
The second one down here, where I'm computing the average GPA for every student that enrolled in the course. Again, the same thing here now.
Cái thứ hai ở dưới đây, nơi tôi tính GPA trung bình của mọi sinh viên đã đăng ký môn học. Một lần nữa, cũng tương tự như vậy.
This course ID can come from this outer one here, or it could come from the one in the middle. It doesn't matter. They're actually both semantically correct.
Course ID này có thể đến từ truy vấn ngoài cùng ở đây, hoặc có thể đến từ truy vấn ở giữa. Không quan trọng. Thực ra cả hai đều đúng về mặt ngữ nghĩa.
They would both produce the same result. You would get something like this. And I would sort by the count in ascending order.
Cả hai sẽ cho cùng một kết quả. Bạn sẽ nhận được thứ gì đó như thế này. Và tôi sẽ sắp xếp theo count theo thứ tự tăng dần.
All right, let me give a quick, show you quickly what this looks like. So DuckDB, MySQL, Postgres, and Firebolt are all going to produce the same result for lateral joins, which is nice.
Được rồi, để tôi cho các bạn xem nhanh nó trông như thế nào. Vậy DuckDB, MySQL, Postgres, và Firebolt đều cho cùng một kết quả với lateral join, thật tuyệt.
Say it again? For that statement, could you do that with a normal join? For that example, yes.
Em nói lại được không? Với câu lệnh đó, có thể làm bằng join thông thường không? Với ví dụ đó thì được.
Actually, in the sake of time, let me get through CTEs, because we have the speaker today. And I can always show what this looks like afterwards. All right, CTEs are common table expressions.
Thực ra, vì thời gian có hạn, để tôi chuyển sang CTE, vì hôm nay chúng ta có diễn giả khách mời. Và sau đó tôi luôn có thể cho các bạn xem nó trông như thế nào. Được rồi, CTE là common table expression.
This is a newer construct in SQL.
Đây là một cấu trúc khá mới trong SQL.
Think of this as like, instead of having two separate select statements, one to create a temp table, and then another to query that temp table, I can create a temp table within my query that then gets populated and materialized, and then it gets thrown away when the query is over.
Hãy hình dung thế này: thay vì có hai câu lệnh select riêng biệt, một câu để tạo bảng tạm, và một câu khác để truy vấn bảng tạm đó, tôi có thể tạo một bảng tạm ngay trong truy vấn, nó được điền dữ liệu và vật chất hóa, rồi bị loại bỏ khi truy vấn kết thúc.
All right, so the way this is specified, I have my WITH clause at the top. I give a name of my CTE, or sort of the name of the table.
Được rồi, cách khai báo là tôi có mệnh đề WITH ở trên cùng. Tôi đặt tên cho CTE, hay nói cách khác là tên của bảng.
Whatever the columns are going to be is the output. Notice I don't have to put the types, because it's going to derive the types based on whatever is inside of the AS clause here.
Các cột là gì thì đó là đầu ra. Lưu ý là tôi không cần ghi kiểu dữ liệu, vì nó sẽ suy ra kiểu dựa trên bất cứ thứ gì nằm bên trong mệnh đề AS ở đây.
And then now, down below, after the closing parentheses, I can then reference that CTE as if it was a real table.
Và sau đó, ở bên dưới, sau dấu ngoặc đóng, tôi có thể tham chiếu CTE đó như thể nó là một bảng thật.
I'm just thinking of this like a macro, where I can take whatever is in that WITH clause and inject that as a nested query here.
Tôi chỉ nghĩ về nó như một macro, trong đó tôi lấy bất cứ thứ gì trong mệnh đề WITH và chèn nó vào đây như một truy vấn lồng nhau.
The statement of the question is, can you parameterize it? What do you mean by that? Like, can I say that it's a different value for a specific column?
Câu hỏi là, liệu có thể tham số hóa nó không? Ý em là sao? Ví dụ, tôi có thể nói rằng nó là một giá trị khác cho một cột cụ thể không?
The statement is, can you pass in a value that causes the...
Câu hỏi là, bạn có thể truyền vào một giá trị khiến cho...
I don't think you can.
Tôi nghĩ là không.
We can take this offline. There is research where you can take an arbitrary procedural code, like Python or whatever, Pascal, or whatever. People write these stored procedural functions in a language called PL/SQL.
Chúng ta có thể bàn riêng chuyện này sau. Có nghiên cứu cho phép lấy mã thủ tục tùy ý, như Python hay gì đó, Pascal hay gì cũng được. Người ta viết các hàm thủ tục lưu trữ này bằng một ngôn ngữ gọi là PL/SQL.
There's ways to automatically convert procedural code into CTEs, which they do. It does look like this, but now you're actually maintaining a state table, what the input is, to basically mimic the same thing.
Có những cách tự động chuyển mã thủ tục thành các CTE, và họ đã làm vậy. Nhìn nó giống như thế này, nhưng thực ra lúc này bạn đang duy trì một bảng trạng thái, chứa đầu vào là gì, để về cơ bản mô phỏng lại điều tương tự.
That is not. You don't need to know that for this. OK. So, quick example. Now I'm going to find the student record with the highest ID enrolled in at least one course.
Cái đó thì không. Các bạn không cần biết điều đó ở đây. OK. Vậy, một ví dụ nhanh. Bây giờ tôi sẽ tìm bản ghi sinh viên có ID cao nhất mà đã đăng ký ít nhất một môn học.
You saw this before. Instead of doing a nested query, I now have my CTE. I can do a join against it.
Các bạn đã thấy cái này trước đây. Thay vì dùng truy vấn lồng nhau, giờ tôi có CTE. Tôi có thể thực hiện phép join với nó.
And so the data system can be smart enough to compute the CTE once, and then fill in the value and use that later on.
Và hệ thống dữ liệu có thể đủ thông minh để tính CTE một lần, rồi điền giá trị vào và dùng lại sau đó.
It's nicer syntax than using nested queries, because you sort of declare them up front, and then you can reference them down below. Whereas nested queries, they're embedded and makes the SQL quite large.
Cú pháp này đẹp hơn so với dùng truy vấn lồng nhau, vì bạn khai báo chúng ngay từ đầu, rồi có thể tham chiếu chúng ở bên dưới. Trong khi truy vấn lồng nhau thì được nhúng vào trong, khiến câu SQL rất dài.
This statement is, yes, nested queries cannot reference inline things. Correct, yes. But sometimes this is OK. All right. The last thing I want to cover is window functions.
Ý câu hỏi là, đúng, truy vấn lồng nhau không thể tham chiếu các thứ được định nghĩa nội tuyến. Đúng vậy. Nhưng đôi khi cách này cũng ổn. Được rồi. Điều cuối cùng tôi muốn đề cập là các hàm cửa sổ (window function).
In all the aggregations and things we've talked about before, you can't easily keep track of how things are being processed, the order you're looking at them.
Trong tất cả các phép tổng hợp và những thứ chúng ta đã nói trước đây, bạn không thể dễ dàng theo dõi dữ liệu đang được xử lý ra sao, theo thứ tự nào bạn xem chúng.
So you can't compute things that require a notion of ordering. Because, again, SQL is unordered. But sometimes you want to do things like a moving average.
Nên bạn không thể tính những thứ đòi hỏi khái niệm về thứ tự. Vì, một lần nữa, SQL là không có thứ tự. Nhưng đôi khi bạn muốn làm những việc như trung bình trượt.
I think of a time series data set where I'm having different timestamps for different times throughout the day, I'm recording the temperature.
Hãy nghĩ đến một tập dữ liệu chuỗi thời gian trong đó tôi có các dấu thời gian khác nhau suốt cả ngày, và tôi ghi lại nhiệt độ.
So I want to say, what was the moving average of the temperature at this given time? Or stock price would be another good example of this.
Vậy tôi muốn nói rằng, trung bình trượt của nhiệt độ tại thời điểm này là bao nhiêu? Hoặc giá cổ phiếu sẽ là một ví dụ tốt khác.
But with window functions, you can now do this and now generate multiple aggregation outputs as you logically scan along the data in your SQL query.
Nhưng với hàm cửa sổ, giờ bạn có thể làm điều này và tạo ra nhiều kết quả tổng hợp khi bạn quét qua dữ liệu một cách logic trong truy vấn SQL.
So it's sort of like an aggregation, but you're not grouping them to produce a single output. You have multiple outputs for every single tuple.
Vậy nó hơi giống một phép tổng hợp, nhưng bạn không gom nhóm chúng để tạo ra một kết quả duy nhất. Bạn có nhiều kết quả cho mỗi tuple.
So the way this works, you specify in your projection list, you have a function name. You'll have basic aggregation functions and additional functions that are specific for window functions.
Cách nó hoạt động là, trong danh sách phép chiếu, bạn có một tên hàm. Bạn sẽ có các hàm tổng hợp cơ bản và các hàm bổ sung dành riêng cho hàm cửa sổ.
And then you have this OVER clause to specify how you want to split things up or slice things up as you go along. So the aggregations could be anything we talked about before.
Rồi bạn có mệnh đề OVER này để chỉ định cách bạn muốn chia hay cắt nhỏ dữ liệu ra trong quá trình quét. Các hàm tổng hợp có thể là bất kỳ hàm nào chúng ta đã nói trước đó.
Again, if I want to compute a moving average, the min, max, the count of some window as I scan. And then the special functions are ROW_NUMBER and RANK.
Chẳng hạn, nếu tôi muốn tính trung bình trượt, min, max, hay count của một cửa sổ nào đó khi tôi quét dữ liệu. Còn các hàm đặc biệt là ROW_NUMBER và RANK.
So ROW_NUMBER would be what offset you are in a group as you slice it up. And the RANK would be the position according to some sort of order.
ROW_NUMBER cho biết bạn ở vị trí thứ mấy trong một nhóm khi chia nhỏ dữ liệu. Còn RANK là vị trí theo một thứ tự sắp xếp nào đó.
So my query is SELECT * FROM the enroll table. And I'm going to compute the ROW_NUMBER without doing any slicing or any group-bys.
Truy vấn của tôi là SELECT * FROM bảng enroll. Và tôi sẽ tính ROW_NUMBER mà không chia nhỏ hay dùng group-by nào.
And so now you'd see that I'm introducing this new column here called row number that keeps track of where that tuple's position is within that group of the window.
Bây giờ bạn thấy tôi thêm một cột mới ở đây gọi là row number, cột này theo dõi vị trí của tuple đó bên trong nhóm của cửa sổ.
If I want to, again, do something like GROUP BY, they have a PARTITION BY keyword. So now I'm going to get the course ID and the student ID for everyone enrolled in the course.
Nếu tôi muốn làm điều gì đó giống GROUP BY, thì có từ khóa PARTITION BY. Bây giờ tôi sẽ lấy course ID và student ID của tất cả những người đăng ký khóa học.
And I want to know what the ROW_NUMBER is as I partition them by the course ID.
Và tôi muốn biết ROW_NUMBER là bao nhiêu khi phân vùng theo course ID.
And so again, just like the GROUP BY clause broke things up into groups when I produced my output, same thing here.
Và một lần nữa, cũng như mệnh đề GROUP BY chia dữ liệu thành các nhóm khi tạo kết quả đầu ra, ở đây cũng vậy.
Now you can see the row number gets reset back to 1 every time I enter a new partition or enter a new group. I can sort things within my group as well.
Bạn có thể thấy row number được đặt lại về 1 mỗi khi tôi bước vào một phân vùng hay một nhóm mới. Tôi cũng có thể sắp xếp dữ liệu trong nhóm.
In the OVER clause, I can specify an ORDER BY. And then the second time, I'll pass over this. But you can do more complicated things in there.
Trong mệnh đề OVER, tôi có thể chỉ định ORDER BY. Và lần thứ hai, tôi sẽ bỏ qua phần này. Nhưng bạn có thể làm những việc phức tạp hơn ở trong đó.
All right, so to finish up, again, SQL's very important. It's not going away. There's this survey the IEEE does every year about what students say are the most important languages they need to learn.
Được rồi, để kết thúc, SQL rất quan trọng. Nó sẽ không biến mất. Hằng năm IEEE đều có một khảo sát về việc sinh viên cho rằng ngôn ngữ nào là quan trọng nhất cần học.
SQL's always now number one. Python's number two. Number three is Java.
Hiện nay SQL luôn đứng số một. Python số hai. Số ba là Java.
So again, as I said, the rest of your life, you're going to come across SQL. And it's really important to at least know the basics of it.
Như tôi đã nói, suốt phần đời còn lại bạn sẽ gặp SQL. Và điều rất quan trọng là ít nhất phải biết những kiến thức cơ bản của nó.
So homework one in this class right here today will be providing the foundation you can then expand upon in your further careers. All right, so homework one is going out today.
Vì vậy bài tập về nhà 1 của lớp này, ngay hôm nay, sẽ cung cấp nền tảng để bạn mở rộng thêm trong sự nghiệp sau này. Được rồi, bài tập về nhà 1 sẽ được phát hôm nay.
Again, doing basic data analysis using DuckDB. You can run everything locally in test. And then you submit to Gradescope. And your output has to match whatever the expected output is on Gradescope.
Nội dung là phân tích dữ liệu cơ bản bằng DuckDB. Bạn có thể chạy mọi thứ cục bộ trong test. Sau đó nộp lên Gradescope. Và kết quả đầu ra của bạn phải khớp với kết quả mong đợi trên Gradescope.
Should you use an LLM? Yes. Try it. See how far you can get. But you need to understand what the thing's actually spitting out, because there might be an exam.
Có nên dùng LLM không? Có. Cứ thử đi. Xem bạn làm được đến đâu. Nhưng bạn cần hiểu thứ nó thực sự tạo ra là gì, vì có thể sẽ có một kỳ thi.
It might ask you some basic SQL questions. OK? All right, so again, next class, I won't be here. We'll be in London. Monday's a holiday. So there's no class for anybody.
Có thể sẽ có vài câu hỏi SQL cơ bản. Nhé? Được rồi, buổi học tới tôi sẽ không có mặt. Chúng tôi sẽ ở London. Thứ Hai là ngày nghỉ lễ. Nên không có lớp cho bất kỳ ai.
And then Wednesday, we'll post on YouTube. OK, so new classroom. So this is Drew. He's at DBT.
Và thứ Tư, chúng tôi sẽ đăng lên YouTube. Được rồi, lớp học mới. Đây là Drew. Anh ấy làm ở DBT.
And as I said before, this is arguably one of the most important applications in the data space right now. It's widely used everywhere. And it's super important.
Và như tôi đã nói trước đây, có thể nói đây là một trong những ứng dụng quan trọng nhất trong lĩnh vực dữ liệu hiện nay. Nó được dùng rộng rãi ở khắp nơi. Và nó cực kỳ quan trọng.
All right, so Drew, sorry for being late. Sorry for the technical mess up. The floor is yours. Go for it. Great. Andy, thanks for having me on.
Rồi, Drew, xin lỗi vì đã đến muộn. Xin lỗi vì sự cố kỹ thuật. Giờ là của anh. Mời anh bắt đầu. Tuyệt. Andy, cảm ơn đã mời tôi.
I appreciate the kind words. My name's Drew Bannon. I'm one of the co-founders of DBT Labs. We do make a product called DBT. DBT is definitely not a database, definitely not a data warehouse.
Tôi trân trọng những lời tốt đẹp đó. Tên tôi là Drew Bannon. Tôi là một trong những người đồng sáng lập DBT Labs. Chúng tôi làm ra một sản phẩm tên là DBT. DBT chắc chắn không phải là cơ sở dữ liệu, cũng không phải data warehouse.
But we help companies use their data warehouses and make sense of the data in the database. I think I've got about 10 minutes with you today.
Nhưng chúng tôi giúp các công ty sử dụng data warehouse của họ và hiểu được ý nghĩa của dữ liệu trong cơ sở dữ liệu. Tôi nghĩ hôm nay tôi có khoảng 10 phút với các bạn.
So this is a sort of modified version of an onboarding session that I do for new employees, just talking about what DBT is and why it matters and how it fits into a broader ecosystem.
Đây là một phiên bản chỉnh sửa của buổi hướng dẫn làm quen mà tôi vẫn dành cho nhân viên mới, nói về DBT là gì, tại sao nó quan trọng và nó nằm ở đâu trong hệ sinh thái rộng hơn.
So I got an Apple Pencil. Let's sketch it out. So this is the setup that you'll see in a lot of modern data-oriented companies. They've got data coming from data sources.
Tôi có một cây Apple Pencil. Hãy phác thảo ra nhé. Đây là cách thiết lập mà bạn sẽ thấy ở nhiều công ty hiện đại định hướng dữ liệu. Họ có dữ liệu đến từ các nguồn dữ liệu.
These are transactional databases like Postgres, MySQL. They've got advertising data and payments data, finance, telemetry, sales, customer support, you name it.
Đó là các cơ sở dữ liệu giao dịch như Postgres, MySQL. Họ có dữ liệu quảng cáo và dữ liệu thanh toán, tài chính, telemetry, bán hàng, hỗ trợ khách hàng, đủ thứ.
What they want to do is extract all this data into a centralized place, data warehouse, and data lake.
Điều họ muốn là trích xuất toàn bộ dữ liệu này vào một nơi tập trung, data warehouse và data lake.
And so practically what happens is they've got these extract and load processes that are creating, you know, hundreds or thousands of tables loaded by different teams in different departments, sometimes duplicated, sometimes stale.
Và trên thực tế, điều xảy ra là họ có các quy trình extract và load tạo ra, bạn biết đấy, hàng trăm hoặc hàng nghìn bảng do các nhóm khác nhau ở các phòng ban khác nhau nạp vào, có khi trùng lặp, có khi đã cũ.
But you've just got a bunch of tables in a data warehouse. On the other side of the data warehouse, we have the consumers.
Nhưng rốt cuộc bạn chỉ có một đống bảng trong data warehouse. Ở phía bên kia của data warehouse là những bên tiêu thụ dữ liệu.
So there's BI and data science dashboards or notebooks or scripts that are querying these tables. You've got your ML and AI use cases pulling from maybe the raw data directly.
Có các dashboard BI và khoa học dữ liệu, hoặc notebook hoặc script truy vấn các bảng này. Có các trường hợp sử dụng ML và AI có thể lấy trực tiếp từ dữ liệu thô.
And then you've got operational stuff, like wanting to send emails to people who left, you know, items in their shopping cart on an e-commerce website. So that's querying some more tables too.
Và rồi có các việc vận hành, như muốn gửi email cho những người đã bỏ đi, bạn biết đấy, để lại món hàng trong giỏ hàng trên một trang thương mại điện tử. Thế là nó lại truy vấn thêm một số bảng nữa.
And so the net result is that there's a giant mess here. There's no semblance of data lineage, meaning that you can't actually see where the data's coming from that's powering this BI report, right?
Và kết quả cuối cùng là ở đây có một mớ hỗn độn khổng lồ. Không hề có chút data lineage nào, nghĩa là bạn thực sự không thể thấy dữ liệu làm nên báo cáo BI này đến từ đâu, đúng không?
You just have to trust that it works, and usually it's wrong in some way. There's no documentation. So it's hard to find things like data assets that already exist.
Bạn chỉ biết tin rằng nó chạy đúng, và thường thì nó sai ở chỗ nào đó. Không có tài liệu. Nên rất khó tìm những thứ như tài sản dữ liệu đã có sẵn.
It's hard to reuse someone else's work. You frequently have to rebuild things from scratch. There's no semblance of a deployment process here. You just edit stuff in prod. You edit the dashboard in prod.
Rất khó tái sử dụng công việc của người khác. Bạn thường phải xây dựng lại mọi thứ từ đầu. Ở đây không có chút quy trình triển khai nào. Bạn cứ sửa thẳng trên prod. Bạn sửa dashboard trên prod.
You change the tables in prod, and hope you don't break anything for anyone. There's no sense of QA, which means things are broken all the time, quality assurance.
Bạn thay đổi các bảng trên prod, và hy vọng không làm hỏng gì của ai. Không có khái niệm QA, nghĩa là mọi thứ hỏng suốt, QA là đảm bảo chất lượng.
And fundamentally, you get duplicated business logic for each of your different use cases or dashboards.
Và về cơ bản, bạn có logic nghiệp vụ bị trùng lặp cho từng trường hợp sử dụng hay từng dashboard khác nhau của bạn.
And so here, We're kind of, you know, imagine recalculating what it means to be a customer a hundred times over. That leads to inconsistencies and brokenness.
Và ở đây, chúng ta, bạn biết đấy, hãy tưởng tượng phải tính lại ý nghĩa của khái niệm khách hàng cả trăm lần. Điều đó dẫn đến sự thiếu nhất quán và hỏng hóc.
So the alternative approach here is the one that we take with dbt. And the big idea is, you know, as before, we want to load, extract, and load data into a data warehouse.
Vì vậy, cách tiếp cận thay thế ở đây là cách mà chúng ta thực hiện với dbt. Và ý tưởng lớn là, như trước đây, chúng ta muốn trích xuất và nạp dữ liệu vào một data warehouse.
But this time, we'll draw this imaginary line down the middle of the database.
Nhưng lần này, ta sẽ vẽ một đường tưởng tượng chia đôi cơ sở dữ liệu.
We'll say the left-hand side is for raw data, and that's where we extract and load, you know, our raw tables loaded from our data sources.
Ta sẽ nói bên trái dành cho dữ liệu thô, và đó là nơi chúng ta trích xuất và nạp, các bảng thô được nạp từ các nguồn dữ liệu của ta.
And then we have these blue pipelines here that I drew. So this is actually what dbt does.
Và sau đó ta có những đường ống màu xanh mà tôi đã vẽ ở đây. Đây thực sự là việc mà dbt làm.
It takes your raw datasets and helps you create derived datasets that are, you know, enriched or apply your business logic to the raw data.
Nó lấy các tập dữ liệu thô của bạn và giúp bạn tạo ra các tập dữ liệu dẫn xuất, tức là được làm giàu hoặc áp dụng logic nghiệp vụ của bạn lên dữ liệu thô.
And the result is that you get these higher multiples of abstraction and these tables that you can query.
Kết quả là bạn có được những tầng trừu tượng cao hơn và những bảng mà bạn có thể truy vấn.
And basically, the dataset you expose to the business represents sort of the terminology that folks in the business use and not the raw data coming out of Salesforce or coming out of, you know, Postgres.
Về cơ bản, tập dữ liệu bạn cung cấp cho phía kinh doanh thể hiện các thuật ngữ mà những người làm kinh doanh sử dụng, chứ không phải dữ liệu thô xuất ra từ Salesforce hay từ, bạn biết đấy, Postgres.
So it's a sort of translation or transformation layer. The benefit of doing it with dbt is that you can source control your business logic as SQL code.
Vì vậy nó là một tầng dịch hay biến đổi. Lợi ích của việc làm bằng dbt là bạn có thể quản lý phiên bản logic nghiệp vụ của mình dưới dạng mã SQL.
You can visualize your data lineage so you can see how data flows from raw tables through data models into dashboards.
Bạn có thể trực quan hóa dòng dõi dữ liệu để thấy dữ liệu chảy như thế nào từ các bảng thô qua các mô hình dữ liệu đến các dashboard.
You can use an actual CI process so you can develop code in dev and not in prod.
Bạn có thể dùng một quy trình CI thực thụ để phát triển mã trong môi trường dev chứ không phải prod.
And you can find out that your data's broken before the CEO hears about it, which is always the better time to find out that your data's broken.
Và bạn có thể phát hiện dữ liệu bị hỏng trước khi CEO biết, và đó luôn là thời điểm tốt hơn để phát hiện dữ liệu bị hỏng.
And finally, you know, you can reuse assets. We built this transform table. Other colleagues across the business can build on top of it. We can apply to this impact.
Và cuối cùng, bạn có thể tái sử dụng tài sản. Chúng ta đã xây dựng bảng biến đổi này. Các đồng nghiệp khác trong doanh nghiệp có thể xây dựng tiếp trên nó. Chúng ta có thể áp dụng vào tác động này.
So I'm gonna show you what this looks like a little bit in dbt. The big idea here is that, you know, we're looking at a dbt model called staged GitHub stars.
Giờ tôi sẽ cho các bạn xem nó trông thế nào trong dbt. Ý tưởng lớn ở đây là, chúng ta đang xem một mô hình dbt tên là staged GitHub stars.
In this case, GitHub. We first controlled it in GitHub. And so staged GitHub stars is the name of our table. Here, stg, it's like a staging model.
Trong trường hợp này là GitHub. Ta đã quản lý phiên bản nó trong GitHub trước. Và staged GitHub stars là tên bảng của chúng ta. Ở đây, stg giống như một mô hình staging.
This is like going from your raw data to kind of one layer of preparation.
Nó giống như đi từ dữ liệu thô sang một lớp chuẩn bị đầu tiên.
You bring in some columns for clarity, filter out invalid or deleted, you know, records and stuff like that, self-deleted records. And then fundamentally, our model code is just SQL.
Bạn đưa vào một số cột cho rõ ràng, lọc bỏ các bản ghi không hợp lệ hoặc đã bị xóa, những thứ như vậy, các bản ghi tự xóa. Và về cơ bản, mã mô hình của ta chỉ là SQL.
So it's select star from, you know, some source, and then we've got a little window function action here to deduplicate records by, you know, first start update.
Tức là select star from một nguồn nào đó, rồi ta có một chút window function ở đây để loại bỏ các bản ghi trùng lặp theo lần cập nhật star đầu tiên.
The only difference between this and pure SQL is that dbt has a built-in template language called Jinja. And this allows us to do pretty cool things.
Điểm khác biệt duy nhất giữa cái này và SQL thuần là dbt có một ngôn ngữ mẫu tích hợp sẵn gọi là Jinja. Và điều này cho phép chúng ta làm được những việc khá hay ho.
And specifically, it allows us to represent edges between different nodes in a dependency graph. So here we're saying staged GitHub stars.
Cụ thể là, nó cho phép biểu diễn các cạnh giữa những nút khác nhau trong một đồ thị phụ thuộc. Ở đây chúng ta đang nói đến staged GitHub stars.
Oops, staged GitHub stars depends on the raw source GitHub star users, in our case, loaded by PyTorrent. So that's one.
Ôi, staged GitHub stars phụ thuộc vào nguồn thô GitHub star users, trong trường hợp của chúng tôi, được nạp bởi PyTorrent. Đó là điều thứ nhất.
We can also do things like write for loops and iterate over tables and union a bunch of tables together with divergent schemas.
Chúng ta cũng có thể viết vòng lặp for và duyệt qua các bảng rồi hợp nhất (union) hàng loạt bảng có lược đồ khác nhau.
There's really a lot, a lot you can do with this template language. But fundamentally, what we're doing here is defining this one in SQL, I guess, for control.
Ngôn ngữ mẫu này thực sự làm được rất, rất nhiều thứ. Nhưng về cơ bản, điều chúng ta đang làm ở đây là định nghĩa cái này bằng SQL, tôi đoán là để kiểm soát.
The net of it is that you get a sort of dependency graph that looks like this in dbt. So here's just a sample of an overall, like, much bigger dbt dependency graph.
Kết quả cuối cùng là bạn có một dạng đồ thị phụ thuộc trông như thế này trong dbt. Đây chỉ là một phần mẫu của một đồ thị phụ thuộc dbt tổng thể lớn hơn nhiều.
And every single one of these nodes is either a data source, you know, in this case, these are sources, or it's a sort of intermediate transformation, like you see here.
Và mỗi nút trong số này hoặc là một nguồn dữ liệu, như ở đây, đây là các nguồn, hoặc là một phép biến đổi trung gian, như bạn thấy ở đây.
So this is us breaking up a lot of business logic into smaller pieces, kind of like you would with functions, you know, in another programming language.
Tức là chúng ta chia nhỏ nhiều logic nghiệp vụ thành các phần nhỏ hơn, giống như bạn làm với các hàm trong một ngôn ngữ lập trình khác.
But each of these nodes in the graph is itself a table. And so there's some really cool stuff you can do with dbt, like testing your data sets, documenting your data sets.
Nhưng mỗi nút trong đồ thị này tự nó là một bảng. Và có những thứ rất hay ho bạn có thể làm với dbt, như kiểm thử tập dữ liệu, ghi tài liệu cho tập dữ liệu.
So we can create assertions that say, you know, the invoice ID in this table should always be unique and not null, or something like that.
Chúng ta có thể tạo các khẳng định (assertion) nói rằng, invoice ID trong bảng này luôn phải là duy nhất và không null, hay đại loại như vậy.
And now we can find out if our assumptions about the data set don't hold, you know, again, before the CDO does. Finally, we output a sort of dimensional model here.
Và giờ ta có thể phát hiện ra khi các giả định về tập dữ liệu không còn đúng, một lần nữa, trước khi CDO phát hiện. Cuối cùng, chúng ta xuất ra một mô hình chiều (dimensional model) ở đây.
This is didn't strike customers.
Đây là bảng khách hàng.
And that's what we want to actually expose to the BI tools or data analysts in the company who are querying these data sets and trying to answer questions about business.
Và đó là thứ chúng ta thực sự muốn cung cấp cho các công cụ BI hoặc các nhà phân tích dữ liệu trong công ty, những người truy vấn các tập dữ liệu này và cố gắng trả lời các câu hỏi về kinh doanh.
And I can guarantee you it is a much nicer experience for that person to query this table that has all the information that they need blended from 40 different source tables than it would be to go query those source tables directly.
Và tôi đảm bảo đó là trải nghiệm dễ chịu hơn nhiều cho người đó khi truy vấn bảng này, chứa mọi thông tin họ cần, được kết hợp từ 40 bảng nguồn khác nhau, so với việc truy vấn trực tiếp các bảng nguồn đó.
Because we did all this hard work along the way to translate from the raw data sets into sort of what I think of as business.
Vì chúng ta đã làm toàn bộ công việc khó khăn này để chuyển đổi từ các tập dữ liệu thô sang thứ mà tôi xem là ngữ nghĩa nghiệp vụ.
That was the six or seven minute answer to what exactly is dbt. If you take anything away, it's transformed data into data warehouse, and do it like a software engineer with great code.
Đó là câu trả lời dài sáu bảy phút cho câu hỏi dbt chính xác là gì. Nếu chỉ nhớ một điều, thì đó là biến đổi dữ liệu trong data warehouse, và làm như một kỹ sư phần mềm với mã nguồn tốt.
Okay, awesome. Any questions for Drew? Yes. Yeah, so you mentioned that you write your data pipelines in SQL.
Được rồi, tuyệt. Có câu hỏi nào cho Drew không? Vâng. Vâng, anh có nói là anh viết các đường ống dữ liệu bằng SQL.
Do you have, like, an efficient execution engine that can run this efficiently over, like, big amounts of data?
Vậy bên anh có một engine thực thi hiệu quả có thể chạy việc này một cách hiệu quả trên lượng dữ liệu lớn không ạ?
The question is, Drew, you mentioned that if you were to find these DAGs for SQL, do you guys have an execution engine that can efficiently execute these? That's a great question.
Câu hỏi là, Drew, anh có nói rằng nếu định nghĩa các DAG này cho SQL, thì các anh có engine thực thi nào có thể thực thi chúng hiệu quả không? Đó là một câu hỏi rất hay.
We do, and it's called Snowflake or Databricks or BigQuery or Redshift or so on and so on. So dbt, again, is not a data warehouse itself.
Có chứ, và nó tên là Snowflake hoặc Databricks hoặc BigQuery hay Redshift, vân vân. Vậy nên dbt, nhắc lại, bản thân nó không phải là một data warehouse.
What we do is we write queries on the customer's data warehouse, which for us, I think, the biggest four are Snowflake, Redshift, BigQuery, Databricks.
Những gì chúng tôi làm là viết các truy vấn chạy trên data warehouse của khách hàng, mà theo tôi, bốn cái lớn nhất là Snowflake, Redshift, BigQuery, Databricks.
And so our customers really like that because they did all this work to get their data into the data warehouse. It's in their, like, single source of truth.
Và khách hàng của chúng tôi rất thích vì họ đã bỏ ra rất nhiều công sức để đưa dữ liệu vào data warehouse. Đó là nguồn dữ liệu chuẩn duy nhất của họ.
They want the data to stay there, so they like that dbt will connect to their Snowflake account or their BigQuery project and run their queries on the data, you know, in situ, where it lives.
Họ muốn dữ liệu nằm yên ở đó, nên họ thích việc dbt kết nối tới tài khoản Snowflake hoặc dự án BigQuery của họ và chạy truy vấn trên dữ liệu ngay tại chỗ, nơi dữ liệu đang nằm.
A large percentage of all queries that run on, like, Snowflake, BigQuery, and so on comes from dbt. It's massive.
Một tỉ lệ lớn các truy vấn chạy trên Snowflake, BigQuery và các hệ thống tương tự đến từ dbt. Quy mô rất lớn.
David, it's like a data lineage marketplace tool. Drew, do you want to? Well, what I would say is, so we do two things, and maybe this idea is confusing.
David, nó giống như một công cụ về data lineage vậy. Drew, anh có muốn nói không? Tôi muốn nói là, chúng tôi làm hai việc, và có lẽ ý này hơi khó hiểu.
So actually, dbt's job is to create these tables. They can be two of these nodes in the table or a view.
Thực ra, việc của dbt là tạo ra các bảng này. Mỗi nút này có thể là một bảng hoặc một view.
So dbt actually creates these based on the version control definition in your dbt project.
Vậy dbt thực sự tạo ra chúng dựa trên định nghĩa được quản lý phiên bản trong dự án dbt của bạn.
And we also have to visualize it for you so that you can trace, you know, where does the data come from, the ultimate link in the data storage customers table.
Chúng tôi cũng phải trực quan hóa nó để bạn có thể lần theo, dữ liệu đến từ đâu, mắt xích cuối cùng là bảng khách hàng trong kho dữ liệu.
Well, you can trace it all the way back to these data sources and some other stuff over here that's not shown.
Bạn có thể lần ngược toàn bộ về các nguồn dữ liệu này và một số thứ khác ở đây không được hiển thị.
But dbt's primary job is to actually build those data sets in dependency order. We just so happen to also visualize it for you as, like, a debugger or data catalog tool.
Nhưng việc chính của dbt là xây dựng các tập dữ liệu đó theo thứ tự phụ thuộc. Tình cờ là chúng tôi cũng trực quan hóa nó cho bạn như một trình gỡ lỗi hay công cụ danh mục dữ liệu.
All right, awesome. Let's thank Drew. No, no, no, go for it, go for it.
Được rồi, tuyệt. Hãy cảm ơn Drew. Không, không, anh cứ nói đi.
Yeah, if you were to look at a typical dbt model, basically, I took this up earlier, what we'll do is wrap your select statement and, you know, create table as blah, blah, blah.
Vâng, nếu bạn nhìn vào một mô hình dbt điển hình, tôi đã đề cập lúc nãy, chúng tôi sẽ bọc câu lệnh select của bạn lại và tạo bảng bằng create table as blah, blah, blah.
And so this is how we, like, push down the execution to the logic. The user's job is to define the business logic in a SQL SELECT statement.
Đó là cách chúng tôi đẩy việc thực thi xuống phần logic. Việc của người dùng là định nghĩa logic nghiệp vụ trong một câu lệnh SQL SELECT.
dbt's job is to materialize that logic as tables or views or incrementally update tables, things like that. So that's how this all fits together.
Việc của dbt là hiện thực hóa logic đó thành các bảng hoặc view, hoặc cập nhật bảng theo kiểu tăng dần, những việc như vậy. Đó là cách mọi thứ khớp với nhau.
All right, so you may not all realize the significance of what dbt is because you don't have any data, right?
Được rồi, có thể các em chưa nhận ra tầm quan trọng của dbt vì các em chưa có dữ liệu nào, đúng không?
At some point in your life, you're going to have a bunch of Python scripts trying to mash this s**t up, right?
Đến một lúc nào đó trong đời, các em sẽ có một đống script Python cố nhào nặn đống thứ rối rắm này, đúng không?
And then you realize this is terrible. How are you ever going to maintain this? This is the problem that dbt solves, right? That's why I keep saying it's a big deal.
Rồi các em nhận ra thật tệ hại. Làm sao bảo trì nổi thứ này? Đây là vấn đề mà dbt giải quyết, đúng không? Đó là lý do tôi cứ nói nó rất quan trọng.
It's widely used because it is a way to declare, here's my pipeline for my data projects. Whereas before, it was just, like, a bunch of random stuff people would have in GitHub.
Nó được dùng rộng rãi vì đó là cách để khai báo rằng đây là đường ống dữ liệu cho các dự án dữ liệu của tôi. Trong khi trước đây, nó chỉ là kiểu như, một đống thứ lộn xộn mà mọi người để trên GitHub.
Okay? All right, let's thank Drew. All right, thanks, man. I appreciate it. All right, again, Monday's the holiday. No classes. And then Wednesday, I'm in London. That'll be on YouTube.
Được chứ? Được rồi, cảm ơn Drew nào. Cảm ơn anh nhé. Tôi rất cảm kích. Được rồi, nhắc lại, thứ Hai là ngày nghỉ lễ. Không có lớp. Và thứ Tư, tôi sẽ ở London. Buổi đó sẽ có trên YouTube.
And then please get started on Project Zero and Homer, okay? Thank you. Hit it.
Và nhớ bắt đầu làm Project Zero và Homer nhé? Cảm ơn các bạn. Bắt đầu thôi.
Đăng nhập để đánh giá học liệu này.
Đăng nhập để bình luận — chưa ai bình luận về học liệu này.
Không có khóa học liên quan.