Lakehouse 基础数据过滤与排序指南

概述

数据查询是数据分析的第一步。云器 Lakehouse 提供完整的 SQL 过滤与排序能力，支持从简单条件过滤到复杂表达式组合。本指南按常见业务场景分类，帮助你快速掌握高效的数据探索方法。

涉及的 SQL 命令

命令/子句	用途	适用场景
`SELECT` SELECT	指定返回的列	列裁剪，减少数据传输
`SELECT * EXCEPT(...)` SELECT * EXCEPT(...)	排除指定列	快速排除敏感字段
`WHERE` WHERE	行级过滤	按条件筛选数据
`ORDER BY` ORDER BY	结果排序	按单列或多列排序
`LIMIT` LIMIT	限制返回行数	数据探索、分页查询

前置准备

以下示例使用模拟的员工表

employees

employees

：

-- 创建测试表 CREATE TABLE IF NOT EXISTS employees ( emp_id INT, emp_name STRING, dept STRING, salary DOUBLE, hire_date DATE ); -- 插入测试数据 INSERT INTO employees VALUES (1, 'Alice', 'Engineering', 12000, '2020-03-15'), (2, 'Bob', 'Engineering', 9500, '2021-07-01'), (3, 'Carol', 'Marketing', 8500, '2019-11-20'), (4, 'David', 'Marketing', 7800, '2022-01-10'), (5, 'Eve', 'HR', 6000, '2023-05-05');

基础字段筛选

查询时明确指定需要的列，避免返回不必要的数据。这在列式存储中可以显著提升查询性能。

-- 只查询姓名和部门 SELECT emp_name, dept FROM employees;

结果说明：

emp_name	dept
Alice	Engineering
Bob	Engineering
Carol	Marketing
David	Marketing
Eve	HR

⚠️ 注意：避免使用

SELECT *

SELECT *

，明确指定列名可以利用列裁剪优化，减少 I/O。

条件过滤

使用

WHERE

WHERE

子句根据条件过滤数据。Lakehouse 支持丰富的比较运算符和逻辑运算符。

场景 1：数值范围过滤

-- 查询薪资大于 8000 的员工 SELECT emp_name, dept, salary FROM employees WHERE salary > 8000;

场景 2：多条件组合

-- 查询 Engineering 部门且薪资高于 10000 的员工 SELECT emp_name, dept, salary FROM employees WHERE dept = 'Engineering' AND salary > 10000;

场景 3：IN 与 BETWEEN

-- 查询 Marketing 或 HR 部门的员工 SELECT emp_name, dept FROM employees WHERE dept IN ('Marketing', 'HR'); -- 查询 2020 年到 2022 年入职的员工 SELECT emp_name, hire_date FROM employees WHERE hire_date BETWEEN '2020-01-01' AND '2022-12-31';

场景 4：模糊匹配

-- 查询姓名以 'A' 开头的员工 SELECT emp_name FROM employees WHERE emp_name LIKE 'A%';

结果排序

使用

ORDER BY

ORDER BY

对查询结果进行排序，支持升序（ASC，默认）和降序（DESC）。

-- 按薪资降序排列 SELECT emp_name, dept, salary FROM employees ORDER BY salary DESC; -- 多列排序：先按部门升序，再按薪资降序 SELECT emp_name, dept, salary FROM employees ORDER BY dept ASC, salary DESC;

结果说明（多列排序）：

emp_name	dept	salary
Alice	Engineering	12000
Bob	Engineering	9500
Eve	HR	6000
Carol	Marketing	8500
David	Marketing	7800

限制返回行数

使用

LIMIT

LIMIT

控制返回的行数，常用于数据探索和分页查询。

-- 只查看前 3 条记录 SELECT emp_name, dept, salary FROM employees ORDER BY salary DESC LIMIT 3;

结果说明：

emp_name	dept	salary
Alice	Engineering	12000
Bob	Engineering	9500
Carol	Marketing	8500

💡 提示：在 Lakehouse Studio Web UI 中，查询结果默认限制 10000 行。使用

LIMIT

LIMIT

可以加快小批量数据的返回速度。

排除指定列

使用

EXCEPT

EXCEPT

子句快速排除不需要的列，特别适合宽表查询。

-- 查询所有列，但排除 emp_id SELECT * EXCEPT(emp_id) FROM employees;

结果说明：

emp_name	dept	salary	hire_date
Alice	Engineering	12000	2020-03-15
Bob	Engineering	9500	2021-07-01
Carol	Marketing	8500	2019-11-20
David	Marketing	7800	2022-01-10
Eve	HR	6000	2023-05-05

清理测试数据

完成查询验证后，建议清理测试表：

-- 删除测试表 DROP TABLE IF EXISTS employees;

💡 提示：Lakehouse 支持

UNDROP TABLE

UNDROP TABLE

，误删后可在保留期内恢复。

注意事项

列裁剪优化：明确指定
```
SELECT
```
SELECT
列名，避免
```
SELECT *
```
SELECT *
，可显著减少 I/O 和网络传输。
分区裁剪：如果表已分区，在
```
WHERE
```
WHERE
中直接使用分区字段过滤，可跳过无关分区。
排序性能：
```
ORDER BY
```
ORDER BY
会触发全局排序，大数据量时建议配合
```
LIMIT
```
LIMIT
使用。
NULL 值排序：
```
ORDER BY
```
ORDER BY
默认将
```
NULL
```
NULL
值排在最后（升序）或最前（降序），可使用
```
NULLS FIRST/LAST
```
NULLS FIRST/LAST
控制。

Lakehouse 基础数据过滤与排序指南

概述

涉及的 SQL 命令

前置准备

基础字段筛选

条件过滤

场景 1：数值范围过滤

场景 2：多条件组合

场景 3：IN 与 BETWEEN

场景 4：模糊匹配

结果排序

限制返回行数

排除指定列

清理测试数据

注意事项

相关文档