简介：这份资源是B站Mosh老师SQL三小时入门课程的配套笔记，面向零基础或希望系统梳理SQL核心语法的开发者与数据分析初学者，帮助读者在短时间内建立对关系型数据库查询语言的完整认知。资源包为单个PDF文件，大小约2.43MB，内容以速查表形式组织，涵盖SQL基础知识、SELECT子句、WHERE子句、逻辑操作符、IN、BETWEEN、LIKE、REGEXP、IS NULL、ORDER BY、LIMIT以及内连接、外连接、USING、交叉连接、UNION、数据插入等核心语法模块，并配有简洁的代码示例与语法结构说明。目前已有976人学习下载，适合作为日常查阅手册或配合视频课程同步练习。读者可借助这份笔记快速掌握条件筛选、模式匹配、结果排序与多表关联等常用操作，形成可随时翻阅的SQL知识索引，提升查询编写与调试效率。
1. 到底什么是 SQL：从一张“点菜清单”说起
如果你完全没接触过数据库，听到 SQL 这个词可能会觉得它离自己很远。其实它就像你去餐厅点菜时写的那张单子——你不需要知道后厨怎么切菜、怎么开火，只需要用一套双方都认得的写法，告诉服务员“我要什么、不要什么、按什么顺序上”。SQL 就是人和数据库之间那套约定好的“点菜语言”，全称叫结构化查询语言，专门用来跟关系型数据库打交道。
它值得搞懂的原因很直接：今天几乎所有需要存数据的地方——手机里的通讯录、购物网站的订单、公司后台的客户名单——背后都站着一个数据库，而 SQL 就是打开这些数据的钥匙。不管底层用的是 MySQL、PostgreSQL 还是 SQL Server，核心的查询思路是相通的。这份课程笔记把 SQL 最常用的那部分语法浓缩成了一份速查表，从 SELECT 到 JOIN 再到插入数据，覆盖了日常写查询时八成以上的场景。搞懂它，你就有了跟数据对话的基本能力。
2. 为什么 SQL 长这样：从一句查询拆开看
2.1 一条语句的骨架：SELECT 和 FROM 到底在干什么
很多人第一次看到 SQL 语句会觉得它像英语句子，但又不太确定每个词的作用。拿最基础的一条来看：
SELECT * FROM customers WHERE state = 'CA' ORDER BY first_name LIMIT 3;这条语句的意思是：从 customers 这张表里，找出 state 等于 CA 的记录，按 first_name 排序，只返回前 3 条。SELECT 后面跟的是“你要哪些列”，星号代表全部列；FROM 后面跟的是“从哪张表拿”；WHERE 是筛选条件；ORDER BY 决定排序方式；LIMIT 控制返回条数。这五个部分基本构成了一条查询的完整骨架。
SQL 本身不区分大小写，SELECT 和 select 效果一样，但习惯上关键字用大写、表名和列名用小写，读起来更清楚。另外在 MySQL 里每条语句末尾必须加分号，这是告诉数据库“这句话说完了”。注释用两个短横线开头，写给自己或同事看的说明，数据库执行时会自动跳过。
2.2 筛选的层次：WHERE、逻辑操作符和那几个专用操作符
WHERE 是 SQL 里最常用的筛选工具，它支持一套比较操作符：大于、大于等于、小于、小于等于、等于、不等于。不等于有两种写法，<>和!=，效果一样。这些操作符可以单独用，也可以用逻辑操作符组合起来。
AND 要求两边条件同时成立，OR 只要一边成立就行，NOT 则是把条件反过来。比如你想找生日在 1990 年之后且积分超过 1000 的客户，就用 AND 把两个条件连起来；如果改成 OR，就变成“只要满足其中一个就算”。NOT 用得少一些，但在排除某些记录时很方便。
除了比较操作符，SQL 还提供了几个专用操作符来应对特定场景。IN 用来判断某个值是否在一组候选值里，比如state IN ('VA', 'NY', 'CA')就比写三个 OR 简洁得多。BETWEEN 用来判断一个值是否落在某个区间内，包含两端，比如points BETWEEN 100 AND 200。LIKE 专门做字符串的模式匹配，百分号代表任意多个字符，下划线代表恰好一个字符，所以first_name LIKE 'b%'就是找所有以 b 开头的名字。
REGEXP 比 LIKE 更强大，它支持正则表达式。^表示字符串开头，$表示结尾，竖线表示“或”，方括号表示字符集合。比如first_name REGEXP '^a'找以 a 开头的名字，REGEXP 'ey$|on$'找以 ey 或 on 结尾的名字，REGEXP 'b[ru]'找包含 b 后面跟着 r 或 u 的名字。这些操作符各有各的适用场景，LIKE 适合简单通配，REGEXP 适合复杂模式。
还有一个容易忽略但很重要的操作符是 IS NULL。数据库里的 NULL 表示“没有值”，它不等于空字符串，也不等于零。判断一个字段是不是 NULL 不能用等号，必须用IS NULL，比如WHERE phone IS NULL就是找没有填电话号码的客户。
2.3 排序、截断和去重：让结果按你要的样子出现
查出来的数据默认顺序是不确定的，如果你想让结果按某个规则排列，就得用 ORDER BY。它可以指定一列或多列，每列可以单独指定升序或降序。比如ORDER BY state, first_name DESC就是先按 state 升序排，state 相同的再按 first_name 降序排。升序是默认行为，可以省略 ASC 不写。
LIMIT 用来限制返回的条数。LIMIT 3就是只要前 3 条。它还有一种两个参数的写法，LIMIT 6, 3表示跳过前 6 条，然后取 3 条。这个在分页场景里很常见——比如每页显示 10 条，第二页就从第 11 条开始取。
DISTINCT 是 SELECT 子句里的一个修饰词，用来去掉重复值。比如SELECT DISTINCT state FROM customers返回的是 customers 表里出现过的所有不重复的 state 值。注意 DISTINCT 作用于整行，如果 SELECT 后面跟了多列，它会去掉多列组合完全相同的重复行。
SELECT 后面还可以跟表达式，不只是列名。比如SELECT points * 10 + 20 AS discount_factor就是把 points 列的值做算术运算后返回，AS 给这个计算结果起了个别名。运算顺序和普通数学一样：先算括号，再算乘除，最后算加减。
3. 数据不在一张表里怎么办：JOIN 和 UNION 的用法
3.1 内连接和外连接：到底“保留哪边的全部记录”
真实场景里，数据往往分散在多张表中。客户信息在 customers 表，订单信息在 orders 表，你想同时看到客户和他们的订单，就需要把两张表“接”起来。这个动作叫 JOIN。
最基本的 JOIN 是内连接，写成JOIN或者INNER JOIN都行。它只返回两张表中匹配得上的记录。比如：
SELECT * FROM customers c JOIN orders o ON c.customer_id = o.customer_id这里 c 和 o 是表的别名，用来简化后面列名的书写。ON 后面跟的是连接条件，意思是“customers 表的 customer_id 等于 orders 表的 customer_id”。只有两边都能对上的行才会出现在结果里。如果某个客户没有下过任何订单，他在内连接的结果里就不会出现。
外连接则不同。左外连接写成LEFT JOIN，它会保留左表的所有记录，右表没有匹配的就用 NULL 填充。比如把上面的 JOIN 改成 LEFT JOIN，结果就会包含所有客户，没下过订单的客户在订单相关列上显示 NULL。右外连接RIGHT JOIN反过来，保留右表的全部记录。实际工作中左连接用得最多，因为通常你想保留主表（比如客户表）的全部信息。
3.2 USING 和 CROSS JOIN：两种简化写法和一种特殊组合
如果两张表用来连接的列名完全一样，可以用 USING 来简化 ON 子句。比如JOIN orders o USING (customer_id)和JOIN orders o ON c.customer_id = o.customer_id效果一样，但写起来更短。前提是列名必须一模一样，差一个字母都不行。
CROSS JOIN 是另一种连接方式，它不需要连接条件，直接把左表的每一行和右表的每一行两两组合。比如 colors 表有 3 种颜色，sizes 表有 4 个尺寸，CROSS JOIN 之后就会得到 12 行，每种颜色和每个尺寸的组合都出现一次。这个在生成组合列表时有用，但要注意结果集增长很快，两张各 1000 行的表交叉连接就是一百万行。
3.3 UNION：把两个查询结果上下拼起来
JOIN 是横向扩展列，UNION 是纵向堆叠行。它把两个 SELECT 语句的结果合并成一个结果集。比如你想把 customers 表和 clients 表里的姓名和地址合并成一张列表：
SELECT name, address FROM customers UNION SELECT name, address FROM clientsUNION 要求两个查询返回的列数和对应列的数据类型一致。它默认会去掉完全重复的行，如果不想去重就用 UNION ALL。UNION 和 JOIN 解决的是完全不同的问题：JOIN 是把两张表的列拼在一起，UNION 是把两个结果集的行叠在一起。
4. 几个容易搞混的地方：别在这些概念上翻车
4.1 NULL 和空字符串、零不是一回事
初学者最容易踩的坑就是把 NULL 当成空字符串或者数字零。NULL 在数据库里表示“未知”或“不存在”，它和空字符串''是两个完全不同的东西。空字符串是一个长度为零的字符串，而 NULL 是根本没有值。同样，NULL 也不等于 0。判断一个字段是不是 NULL 必须用IS NULL或IS NOT NULL，不能用= NULL，因为 NULL 和任何值做比较（包括和 NULL 自己比较）结果都不是真。
4.2 WHERE 和 HAVING 不是随便换着用的
WHERE 和 HAVING 都是用来筛选的，但作用时机不同。WHERE 在数据分组之前筛选，HAVING 在分组之后筛选。如果你用了 GROUP BY 做聚合，想对聚合结果加条件，就必须用 HAVING。比如你想找订单总金额超过 1000 的客户，得先按客户分组求和，再用 HAVING 筛选。WHERE 里不能直接用聚合函数，这是硬性规则。
4.3 INNER JOIN 和 LEFT JOIN 的结果差异比想象中大
很多人觉得 JOIN 和 LEFT JOIN 差不多，只是写法不同。实际上当右表没有匹配记录时，INNER JOIN 会直接丢掉左表的这一行，而 LEFT JOIN 会保留它并用 NULL 填充右表的列。这个差异在统计场景里影响很大：如果你用 INNER JOIN 统计每个客户的订单数，没下过单的客户会直接消失；用 LEFT JOIN 才能让那些客户以计数为零的形式出现。
4.4 LIKE 和 REGEXP 的匹配范围不一样
LIKE 只支持两个通配符：百分号匹配任意多个字符，下划线匹配恰好一个字符。REGEXP 支持完整的正则表达式语法，能表达更复杂的模式。但要注意，LIKE 默认不区分大小写（取决于数据库配置），而 REGEXP 在某些数据库里默认区分大小写。另外 LIKE 的百分号是贪婪匹配，会尽可能多地匹配字符，而正则里的量词可以控制贪婪或非贪婪。简单模式用 LIKE 就够了，复杂模式再上 REGEXP。
4.5 LIMIT 6, 3 不是“从第 6 条到第 3 条”
LIMIT 的两个参数写法容易让人误解。LIMIT 6, 3的意思是“跳过前 6 条，然后取 3 条”，不是“取第 6 条到第 3 条”。第一个数字是偏移量，第二个数字是返回条数。偏移量从 0 开始算，所以LIMIT 0, 3和LIMIT 3效果一样，都是取前 3 条。分页的时候，第 n 页（每页 m 条）对应的写法是LIMIT (n-1)*m, m。
5. 什么时候该翻这份速查表：一个真实的使用场景
假设你刚接手一个项目，数据库里有 customers、orders、order_items 三张表。产品经理让你出一份报告：列出每个客户的姓名、订单总数、总消费金额，按消费金额从高到低排，只显示前 10 名。你打开这份速查表，思路会很清晰：先用 LEFT JOIN 把 customers 和 orders 连起来（保证没下过单的客户也在），再用 GROUP BY 按客户分组，用 COUNT 和 SUM 算订单数和总金额，然后用 ORDER BY 按总金额降序，最后 LIMIT 10 取前十。
SELECT c.first_name, COUNT(o.order_id) AS order_count, SUM(o.total) AS total_spent FROM customers c LEFT JOIN orders o ON c.customer_id = o.customer_id GROUP BY c.customer_id, c.first_name ORDER BY total_spent DESC LIMIT 10;这条查询里用到了速查表中的多个知识点：LEFT JOIN 保留所有客户，COUNT 和 SUM 做聚合，GROUP BY 分组，ORDER BY 排序，LIMIT 截断。如果你不知道 LEFT JOIN 和 INNER JOIN 的区别，很可能会用 INNER JOIN 导致没下过单的客户消失；如果你不知道 GROUP BY 之后要用 HAVING 而不是 WHERE，聚合条件就会写错。
但这份速查表也有它的边界。它覆盖的是 SQL 的核心语言构造，不是全部。比如窗口函数、存储过程、事务控制、索引优化这些进阶内容，速查表里没有涉及。如果你要做的是复杂的分析查询或者性能调优，这份笔记只能帮你打好基础，深入的部分还需要专门学习。另外不同数据库的语法有细微差别，比如 MySQL 的 LIMIT 在 SQL Server 里要写成 TOP 或 OFFSET FETCH，日期函数和字符串函数的写法也各不相同。速查表里的示例是基于 MySQL 的，换到别的数据库时需要留意兼容性。
我自己的习惯是：每次写稍微复杂一点的查询之前，先翻一遍这份速查表，确认 JOIN 的类型选对了、WHERE 和 HAVING 没搞混、NULL 处理没漏掉。这个动作花不了两分钟，但能省下大量调试时间。从那以后我每次写多表查询都强制走一遍这个检查流程，翻车次数明显少了。希望帮到你。
本文还有配套的精品资源，点击获取
