Buenas practicas SQL Cheat Sheet by Miguel Ortiz

¡Impor­tante! Es obliga­torio guardar las tablas como Parquet y no en formato Text File en el lago de datos debido a que estos últimos ocupan más espacio de almace­nam­iento.

CREATE TABLE Nombre­_Ta­bla­(Sc­hema) ROW FORMAT DELIMITED FIELDS TERMINATED BY "­;" STORED AS PARQUET;

Evitar usar SELECT *. Es preferible listar las columnas exactas que se usarán en el análisis de forma que se optimice el almace­nam­iento y proces­amiento de la consulta.

-- Tabla t1 tiene 90 columnas
select *
from tabla1 t1

select
t1.var1,
t1.var7
from tabla1 t1

Select*
from tabla1 t1
Limit 10

Evitar realizar consultas que no contengan un periodo delimitado, esto permite que sea mas eficiente, optimi­zando el almace­nam­iento y proces­ami­neto.

Select
t1.var1
t2.var2
from tabla1 t1

Select
t1.var1
t2.var2
from tabla1 t1
where periodo = AAAAMMDD

Select
t1.var1
t2.var2
from tabla1 t1
where periodo Between AAAAMMDD and AAAAMMDD

Select
from tabla1 t1
Limit 10

Evitar cruces entre tablas usando WHERE, preferir la definición de cruces con JOIN y todas sus variac­iones (left, right, inner, etc)

select
t1.var1,
t1.var7,
t2.var2
from tabla1 t1, tabla2 t2
where t1.var1 = t2.var5

select
t1.var1,
t1.var7,
t2.var2 from tabla1 t1 inner join tabla2 t2
  on t1.var1 = t2.var5

Para eliminar duplicados preferir DISTINCT en vez de GROUP BY.

select
t1.var1
t1.var7
from tabla1 t1
group by t1.var1, t1.var7

select distinct
t1.var1
t1.var7
from tabla1 t1

Evitar sentencias de UPDATE poster­iores a consultas y reempl­azarlas en lo posible por sentencias de CASE WHEN para rehusar las sentencias de códigos previas.

--- Consulta genera tabla: Tempor­alTabla
select
t1.var1,
t1.var7,
t2.var2
from tabla1 t1 left join tabla2 t2
 on t1.var1 = t2.var5
--- Actual­ización de tabla: Tempor­alTabla
update Tempor­alTabla
set var2 = “No aplica”
where var7 is null

select
t1.var1
t1.var7
case
when var7 is null then “no aplica”
else t2.var2
end as var2
from tabla1 t1 left join tabla2 t2
on t1.var1 = t2.var5

Evitar al máximo consultas anidadas y el uso de IN/NOT IN. Reemplazar por JOINS o por la cláusula WITH para garantizar un código más fácil de leer y/o depurar.

select
t1.var1,
t1.var7
from tabla1 t1
where t1.var1 in (select t2.columna from tabla2 t2)

select
t1.var1,
t1.var7
from tabla1 t1 inner join tabla2 t2
on t1.var1 = t2.columna

select
t1.var1,
t1.var7
from tabla1 t1 inner join
(
select
t2.columna
from tabla2 t2 left join* tabla3 t3
on t2.var1 = t3.var1
) temporal
on t1.var1 = tempor­al.c­olumna

with temporal as (
select
t2.columna
from tabla2 t2 left join tabla3 t3
on t2.var1 = t3.var1
)
select
t1.var1,
t1.var7
from tabla1 t1 inner join temporal
on t1.var1 = tempor­al.c­olumna

Unificar procesos similares. No repetir procesos.

update
temp_c­ome­rci­os_­nue­vos_cr
set
nuevo_­nombre = replace(nuevo­_no­mbre, ‘www.’,’’)
where
nuevo_nombre like ‘%www.%’
update
temp_c­ome­rci­os_­nue­vos_cr
set
nuevo_­nombre = replace(nuevo­_no­mbre, ‘/bill­’,’’) where
nuevo_­nombre like ‘/bill’ --etc

select
case
when nuevo_­nombre like ‘%/bill%’ then
replace (nuevo­_no­mbre, ‘/bill­’,’’)
when nuevo_­nombre like ‘%www.%’ then
replace(nuevo­_no­mbre, ‘www.’,’’)
else nuevo_­nombre
end as nuevo_­nombre
from temp_c­ome­rci­os_­nue­vos_cr

Evitar el uso de alias o nombres temporales ambiguos. Se recomienda aclarar si la constr­ucción es temporal y a que hace refere­ncia, de forma que el proceso de negocio sea coherente y fácil de manipular.

select
A.var1,
A.var7
from tabla1 A inner join
(
select
t2.columna
from tabla2 B left join tabla3 C
on B.var1 = C.var1
)D
on A.var1 = D.columna

with estado_tx as (
select t2. columna
from tabla2 movto left join tabla3 novedades
on movto.var1 = noveda­des.var1 )
select
saldos.var1,
saldos.var7
from tabla1.saldos inner join estado_tx
on saldos.var1 = estado­_tx.co­lumna

A manera de estándar se recomienda que las tablas temporales creadas dentro de un proceso de SQL sigan la siguiente estruc­tura: temp_A­bre­via­tur­aPr­oye­cto­_no­mbr­eTabla.

Como se mencionó en el punto anterior, se debe evitar la ambigüedad en las tablas o subcon­sultas. Sin embargo, esto aplica también en el nombra­miento de las columnas en las que se recomienda usar el separador "­_" para usar nombres largos. Usar abrevi­aciones cuando se requiera, sin que el uso de las mismas puedan confundir al lector del código.
(Ejemplo: Reemplazar NAprob­aTj­CredCl por nro_ap­rob­aci­on_­tdc­_cl­iente)