SQL-dataudtrækning ved hjælp af OFFSET og FETCH

I denne blog vil vi diskutere og FETCH. Disse to – når de kombineres – er meget kraftfulde og kan hjælpe os med vores SQL-dataudtræksopgaver. Vi kan bruge disse to til at udtrække data baseret på vores krav eller behov.

Formålet med OFFSET er at springe de første rækker over, som du har nævnt i dit datasæt. På den anden side bruger vi FETCH til at begrænse rækkerne. De er begge muligheder for rækkefølge efter klausul . Husk, at disse to ikke virker, hvis du ikke bruger ORDER BY-klausulen .

I dette eksempel kan vi bruge ordre efter ID eller ordre efter navn . Når du derefter bruger OFFSET 5 ROWS , springer den de første 5 rækker over. Når du KUN kombinerer FETCH NEXT 10 ROWS , vil den kun få de næste 10 data efter de 5 rækker.

Men hvis vi ikke bruger kommandoen FETCH , vil den vise alle de andre rækker undtagen dem, hvor vi brugte OFFSET .

SQL-dataudtrækning ved hjælp af OFFSET og FETCH

Det betyder, at række 6 til 15 vises i vores output og intet andet.

SQL-dataudtrækning ved hjælp af OFFSET og FETCH

Indholdsfortegnelse

Valg af en tabel

Lad os først åbne vores. I dette eksempel har vi allerede en simpel tabel.

SQL-dataudtrækning ved hjælp af OFFSET og FETCH

Fremhæv derefter kommandoen for at indlæse tabellen.

SQL-dataudtrækning ved hjælp af OFFSET og FETCH

Klik derefter på Udfør .

SQL-dataudtrækning ved hjælp af OFFSET og FETCH

Så kan du se tabellen på fanen Resultater .

SQL-dataudtrækning ved hjælp af OFFSET og FETCH

Brug af OFFSET til SQL-dataekstraktion

I outputtet kan du se, at vi har ID og Navn .

SQL-dataudtrækning ved hjælp af OFFSET og FETCH

Hvis vi udfører kommandoen med " ORDER BY ID ", vil den sortere dataene på en stigende måde afhængigt af ID-nummeret.

SQL-dataudtrækning ved hjælp af OFFSET og FETCH

SQL-dataudtrækning ved hjælp af OFFSET og FETCH

Vi kan også bruge kommandoen " ORDER BY ID DESC " til at sortere dataene på en faldende måde.

SQL-dataudtrækning ved hjælp af OFFSET og FETCH

Men for dette eksempel vil vi udføre kommandoen " ORDER BY ID ". Lad os derefter springe de første 10 rækker over i vores output. Så vi skriver " OFFSET 10 ROWS ."

SQL-dataudtrækning ved hjælp af OFFSET og FETCH

Lad os derefter fremhæve de kommandoer, vi skal udføre. Klik derefter på Udfør .

SQL-dataudtrækning ved hjælp af OFFSET og FETCH

Når vi tjekker outputtet på fanen Resultater , vil vi se, at den kommando, vi brugte, sprang de første 10 rækker over. Nu viser den bare data fra ID 11 .

SQL-dataudtrækning ved hjælp af OFFSET og FETCH

Brug af FETCH til SQL-dataekstraktion

Lad os nu bruge FETCH . I dette eksempel vil vi kun HENTE 2 rækker. Dette betyder, at ID 11 og ID 12 vil være de eneste i outputtet.

Lad os først skrive " HENT KUN NÆSTE 2 RÆKKER ."

SQL-dataudtrækning ved hjælp af OFFSET og FETCH

Dernæst fremhæver vi kommandoerne og klikker på Udfør .

SQL-dataudtrækning ved hjælp af OFFSET og FETCH

Derefter vil du se, at outputtet kun viser ID 11 og ID 12 i .

SQL-dataudtrækning ved hjælp af OFFSET og FETCH

Du kan ændre tilladelsen når som helst, afhængigt af dit mål. Du kan springe de første 15 rækker over ved at skrive " OFFSET FIRST 10 ROWS ." Når det kombineres med FETCH , bliver det mere kraftfuldt. Udover at bruge " ORDER BY ID " kan du også bruge " ORDER BY NAME ."

Konklusion

For at afslutte det hele har vi diskuteret brugen af ​​OFFSET og FETCH . Ved at bruge disse to enkle kommandoer vil du være i stand til at ændre begrænsninger og kontrollere outputtet på hvilke rækker du vil vises.

Hvis du ikke har brug for de første 50 rækker, behøver du ikke scrolle ned. I stedet kan du nemt få det ved at bruge disse enkle, men kraftfulde kommandoer. OFFSET ogkan være simpelt. Men når de bruges sammen, bliver de kraftfulde, da du har mere kontrol over dataene.

Hvis du gerne vil vide mere om dette emne og andet relateret indhold, kan du helt sikkert tjekke listen over relevante links nedenfor.

Alt det bedste,

Hafiz


Pipe In R: Tilslutningsfunktioner med Dplyr

Pipe In R: Tilslutningsfunktioner med Dplyr

I denne øvelse lærer du, hvordan du kæder funktioner sammen ved hjælp af dplyr-røroperatoren i programmeringssproget R.

RANKX Deep Dive: A Lucky Templates DAX-funktion

RANKX Deep Dive: A Lucky Templates DAX-funktion

RANKX fra LuckyTemplates giver dig mulighed for at returnere rangeringen af ​​et specifikt tal i hver tabelrække, der udgør en del af en liste over tal.

Udpakning af LuckyTemplates-temaer og -billeder fra PBIX

Udpakning af LuckyTemplates-temaer og -billeder fra PBIX

Lær, hvordan du adskiller en PBIX-fil for at udtrække LuckyTemplates-temaer og -billeder fra baggrunden og bruge den til at oprette din rapport!

Excel Formler Snydeark: Mellemvejledning

Excel Formler Snydeark: Mellemvejledning

Excel Formler Snydeark: Mellemvejledning

LuckyTemplates kalendertabel: Hvad er det, og hvordan man bruger det

LuckyTemplates kalendertabel: Hvad er det, og hvordan man bruger det

LuckyTemplates kalendertabel: Hvad er det, og hvordan man bruger det

Python i LuckyTemplates: Sådan installeres og konfigureres

Python i LuckyTemplates: Sådan installeres og konfigureres

Lær, hvordan du installerer programmeringssproget Python i LuckyTemplates, og hvordan du bruger dets værktøjer til at skrive koder og vise billeder.

Beregning af dynamiske fortjenestemargener – nem analyse af LuckyTemplates med DAX

Beregning af dynamiske fortjenestemargener – nem analyse af LuckyTemplates med DAX

Lær, hvordan du beregner dynamiske fortjenstmargener ved siden af ​​LuckyTemplates, og hvordan du kan få mere indsigt ved at grave dybere ned i resultaterne.

Sortering af datotabelkolonner i LuckyTemplates

Sortering af datotabelkolonner i LuckyTemplates

Lær, hvordan du sorterer felterne fra kolonner med udvidet datotabel korrekt. Dette er en god strategi at gøre for vanskelige felter.

Find dine topprodukter for hver region i LuckyTemplates ved hjælp af DAX

Find dine topprodukter for hver region i LuckyTemplates ved hjælp af DAX

I denne artikel gennemgår jeg, hvordan du kan finde dine topprodukter pr. region ved hjælp af DAX-beregninger i LuckyTemplates, herunder funktionerne TOPN og CALCUATE.

Junk Dimension: Hvad er det, og hvorfor det er alt andet end junk

Junk Dimension: Hvad er det, og hvorfor det er alt andet end junk

Lær, hvordan du bruger en uønsket dimension til flag med lav kardinalitet, som du ønsker at inkorporere i din datamodel på en effektiv måde.