SQL-datautvinning ved bruk av OFFSET og FETCH

I denne bloggen vil vi diskutere og HENTE. Disse to – når de kombineres – er svært kraftige og kan hjelpe oss med våre SQL-datautvinningsoppgaver. Vi kan bruke disse to til å trekke ut data basert på våre krav eller behov.

Hensikten med OFFSET er å hoppe over de første radene du har nevnt i datasettet. På den annen side bruker vi FETCH for å begrense radene. De er begge alternativer for rekkefølge etter klausul . Husk at disse to ikke vil fungere hvis du ikke bruker ORDER BY-klausulen .

I dette eksemplet kan vi bruke bestilling etter ID eller bestilling etter navn . Etter det, når du bruker OFFSET 5 ROWS , hopper den over de første 5 radene. Når du kombinerer KUN FETCH NEXT 10 ROWS , vil den bare få de neste 10 dataene etter de 5 radene.

Men hvis vi ikke bruker kommandoen FETCH , vil den vise alle de andre radene bortsett fra de der vi brukte OFFSET .

SQL-datautvinning ved bruk av OFFSET og FETCH

Dette betyr at rad 6 til 15 vises i utdataene våre og ingenting annet.

SQL-datautvinning ved bruk av OFFSET og FETCH

Innholdsfortegnelse

Velge en tabell

Først, la oss åpne vår. I dette eksemplet har vi allerede en enkel tabell.

SQL-datautvinning ved bruk av OFFSET og FETCH

Deretter markerer du kommandoen for å laste tabellen.

SQL-datautvinning ved bruk av OFFSET og FETCH

Klikk deretter på Utfør .

SQL-datautvinning ved bruk av OFFSET og FETCH

Deretter vil du se tabellen i fanen Resultater .

SQL-datautvinning ved bruk av OFFSET og FETCH

Bruke OFFSET for SQL Data Extraction

I utdataene ser du at vi har ID og navn .

SQL-datautvinning ved bruk av OFFSET og FETCH

Hvis vi utfører kommandoen med " ORDER BY ID ", vil den sortere dataene på en stigende måte avhengig av ID-nummeret.

SQL-datautvinning ved bruk av OFFSET og FETCH

SQL-datautvinning ved bruk av OFFSET og FETCH

Vi kan også bruke kommandoen " ORDER BY ID DESC " for å sortere dataene på en synkende måte.

SQL-datautvinning ved bruk av OFFSET og FETCH

Men for dette eksempelet vil vi utføre kommandoen " ORDER BY ID ". La oss deretter hoppe over de første 10 radene i utdataene våre. Så vi skriver " OFFSET 10 ROWS ."

SQL-datautvinning ved bruk av OFFSET og FETCH

Etter det, la oss fremheve kommandoene vi skal utføre. Klikk deretter på Utfør .

SQL-datautvinning ved bruk av OFFSET og FETCH

Ved å sjekke utdataene i fanen Resultater , vil vi se at kommandoen vi brukte hoppet over de første 10 radene. Nå viser den bare dataene fra ID 11 .

SQL-datautvinning ved bruk av OFFSET og FETCH

Bruke FETCH for SQL Data Extraction

La oss nå bruke FETCH . I dette eksemplet vil vi bare HENTE 2 rader. Dette betyr at ID 11 og ID 12 vil være de eneste i utgangen.

Først, la oss skrive " HENT KUN NESTE 2 RADER ."

SQL-datautvinning ved bruk av OFFSET og FETCH

Deretter markerer vi kommandoene og klikker på Utfør .

SQL-datautvinning ved bruk av OFFSET og FETCH

Deretter vil du se at utgangen viser ID 11 og ID 12 bare i .

SQL-datautvinning ved bruk av OFFSET og FETCH

Du kan endre tillatelsen når som helst, avhengig av målet ditt. Du kan hoppe over de første 15 radene ved å skrive " OFFSET FIRST 10 ROWS ." Når den kombineres med FETCH , blir den kraftigere. Bortsett fra å bruke " ORDER BY ID ", kan du også bruke " ORDER BY NAME .

Konklusjon

For å avslutte det hele, har vi diskutert bruken av OFFSET og FETCH . Ved å bruke disse to enkle kommandoene, vil du kunne endre restriksjoner og kontrollere utdataene på hvilke rader du vil vises.

Hvis du ikke trenger de første 50 radene, trenger du ikke rulle nedover. I stedet kan du enkelt få det ved å bruke disse enkle, men kraftige kommandoene. OFFSET ogkan være enkelt. Men når de brukes sammen, blir de kraftige ettersom du har mer kontroll på dataene.

Hvis du vil vite mer om dette emnet og annet relatert innhold, kan du absolutt sjekke listen over relevante lenker nedenfor.

Beste ønsker,

Hafiz


Pipe In R: Koblingsfunksjoner med Dplyr

Pipe In R: Koblingsfunksjoner med Dplyr

I denne opplæringen lærer du hvordan du kobler funksjoner sammen ved å bruke dplyr-røroperatøren i programmeringsspråket R.

RANKX Deep Dive: A LuckyTemplates DAX-funksjon

RANKX Deep Dive: A LuckyTemplates DAX-funksjon

RANKX fra LuckyTemplates lar deg returnere rangeringen til et spesifikt tall i hver tabellrad som utgjør en del av en liste med tall.

Trekker ut LuckyTemplates-temaer og bilder fra PBIX

Trekker ut LuckyTemplates-temaer og bilder fra PBIX

Lær hvordan du demonterer en PBIX-fil for å trekke ut LuckyTemplates-temaer og bilder fra bakgrunnen og bruke den til å lage rapporten din!

Excel Formulas Cheat Sheet: Mellomveiledning

Excel Formulas Cheat Sheet: Mellomveiledning

Excel Formulas Cheat Sheet: Mellomveiledning

LuckyTemplates-kalendertabell: Hva er det og hvordan du bruker det

LuckyTemplates-kalendertabell: Hva er det og hvordan du bruker det

LuckyTemplates-kalendertabell: Hva er det og hvordan du bruker det

Python i LuckyTemplates: Hvordan installere og sette opp

Python i LuckyTemplates: Hvordan installere og sette opp

Lær hvordan du installerer programmeringsspråket Python i LuckyTemplates og hvordan du bruker verktøyene til å skrive koder og vise visuelle elementer.

Beregning av dynamiske fortjenestemarginer – enkel analyse av LuckyTemplates med DAX

Beregning av dynamiske fortjenestemarginer – enkel analyse av LuckyTemplates med DAX

Lær hvordan du beregner dynamiske fortjenestemarginer ved siden av LuckyTemplates og hvordan du kan få mer innsikt ved å grave dypere inn i resultatene.

Sortering av datotabellkolonner i LuckyTemplates

Sortering av datotabellkolonner i LuckyTemplates

Lær hvordan du sorterer feltene fra kolonner med utvidet datotabell på riktig måte. Dette er en god strategi å gjøre for vanskelige felt.

Finn dine beste produkter for hver region i LuckyTemplates ved å bruke DAX

Finn dine beste produkter for hver region i LuckyTemplates ved å bruke DAX

I denne artikkelen går jeg gjennom hvordan du kan finne de beste produktene dine per region ved å bruke DAX-beregninger i LuckyTemplates, inkludert TOPN- og CALCUATE-funksjonene.

Søppeldimensjon: Hva er det og hvorfor det er alt annet enn søppel

Søppeldimensjon: Hva er det og hvorfor det er alt annet enn søppel

Lær hvordan du bruker en søppeldimensjon for flagg med lav kardinalitet som du ønsker å inkludere i datamodellen din på en effektiv måte.