Nền tảng, môi trường và bộ dữ liệu ShopViet
Hiểu SQL thực sự là gì, dựng môi trường PostgreSQL, nạp dữ liệu mẫu và nắm thứ tự thực thi logic của một câu SELECT — chìa khoá để không còn bị 'lỗi khó hiểu'.
Phần lớn lỗi SQL của người mới không nằm ở cú pháp mà ở mô hình tư duy: nghĩ SQL chạy từ trên xuống
như một đoạn code, trong khi nó là ngôn ngữ khai báo với thứ tự thực thi riêng. Nắm thứ tự đó, bạn sẽ hiểu ngay
vì sao không dùng được alias trong WHERE, vì sao HAVING tồn tại, và vì sao LIMIT không
đảm bảo thứ tự. Module này cũng cho bạn một sân tập thật (ShopViet) dùng xuyên suốt khoá.
🎯 Mục tiêu học tập
- Giải thích SQL là ngôn ngữ khai báo, phân biệt các nhóm lệnh DQL/DML/DDL/DCL/TCL
- Cài PostgreSQL (hoặc Docker), nạp shopviet.sql và dùng thành thạo các lệnh psql cơ bản
- Đọc được ERD của ShopViet: biết bảng nào nối với bảng nào và các 'bẫy dữ liệu' cố ý cài sẵn
- Thuộc thứ tự thực thi logic FROM → WHERE → GROUP BY → HAVING → SELECT → ORDER BY → LIMIT
- Hình thành thói quen viết SQL sạch: định dạng, đặt tên, không SELECT * trong code thật
SQL là gì — và vì sao nó khác mọi ngôn ngữ bạn đã học
SQL (Structured Query Language) là ngôn ngữ để nói chuyện với hệ quản trị cơ sở dữ liệu quan hệ (RDBMS) như PostgreSQL, MySQL, SQL Server, Oracle, SQLite. Khác với Python/JS (imperative — bạn chỉ từng bước làm), SQL là declarative: bạn mô tả kết quả mong muốn, còn bộ tối ưu (query planner) tự chọn cách lấy dữ liệu — quét toàn bảng hay dùng index, join bằng thuật toán nào, theo thứ tự nào.
Hệ quả quan trọng: hai câu SQL khác nhau nhưng cùng ý nghĩa có thể cho cùng kết quả với tốc độ chênh nhau hàng trăm lần,
và cách bạn suy nghĩ về bảng — như một tập hợp (set) các dòng, không phải vòng lặp — quyết định bạn viết
SQL tốt hay dở. Nếu bạn thấy mình muốn viết for each row, gần như chắc chắn có cách làm theo tập hợp tốt hơn.
| Nhóm | Làm gì | Lệnh tiêu biểu |
|---|---|---|
| DQL — Query | Đọc dữ liệu | SELECT |
| DML — Manipulation | Thay đổi dữ liệu | INSERT, UPDATE, DELETE, MERGE |
| DDL — Definition | Định nghĩa cấu trúc | CREATE, ALTER, DROP, TRUNCATE |
| DCL — Control | Phân quyền | GRANT, REVOKE |
| TCL — Transaction | Điều khiển giao dịch | BEGIN, COMMIT, ROLLBACK |
Mô hình quan hệ gồm: bảng (table = tập các dòng cùng cấu trúc), dòng (row/record), cột (column, có kiểu dữ liệu), khoá chính (primary key — định danh duy nhất một dòng) và khoá ngoại (foreign key — trỏ sang khoá chính bảng khác, đảm bảo toàn vẹn tham chiếu).
PostgreSQL là RDBMS mã nguồn mở tuân thủ chuẩn SQL tốt nhất, có đủ window function, CTE đệ quy, JSONB,
EXPLAIN chi tiết, DDL trong transaction. Học trên PostgreSQL, 90% kiến thức chuyển sang MySQL/SQL Server/Oracle gần như nguyên vẹn;
phần khác biệt (như LIMIT vs TOP) sẽ được ghi chú khi gặp.
Dựng môi trường trong 10 phút
Có hai cách. Cách A — Docker (sạch nhất, xoá là hết):
docker run -d --name pg-learn -e POSTGRES_PASSWORD=pw -p 5432:5432 postgres:16
docker exec -it pg-learn createdb -U postgres shop
# đưa file dữ liệu vào container rồi nạp
docker cp shopviet.sql pg-learn:/shopviet.sql
docker exec -it pg-learn psql -U postgres -d shop -f /shopviet.sql
Cách B — cài trực tiếp (Windows: bộ cài EDB; macOS: brew install postgresql@16; Ubuntu:
sudo apt install postgresql), sau đó:
createdb shop
psql -d shop -f shopviet.sql
psql -d shop # vào giao diện dòng lệnh
Muốn giao diện đồ hoạ: DBeaver (miễn phí, đa DB), pgAdmin hoặc extension PostgreSQL của VS Code.
Dù dùng gì, hãy tập làm quen với psql — nó có mặt trên mọi server và là công cụ chuyên gia dùng khi SSH vào production.
| Lệnh psql | Tác dụng |
|---|---|
\dt | Liệt kê bảng |
\d orders | Xem cấu trúc bảng: cột, kiểu, khoá, index, FK trỏ tới |
\d+ orders | Như trên + kích thước, storage |
\x auto | Tự chuyển hiển thị dọc khi dòng quá rộng |
\timing on | In thời gian chạy mỗi câu lệnh |
\pset null NULL | Hiển thị NULL thay vì ô trống (rất nên bật khi học) |
\e | Mở câu lệnh trước trong editor để sửa |
\i file.sql | Chạy file SQL |
\q | Thoát |
Mẹo: tạo file ~/.psqlrc chứa \pset null NULL, \timing on, \x auto để mọi phiên làm việc đều có sẵn.
Đặt múi giờ cho phiên: SET timezone = 'Asia/Ho_Chi_Minh'; (khoá này mặc định dùng múi giờ này).
Các lệnh bắt đầu bằng \ (như \dt) là lệnh của client psql, không phải SQL — không cần ;.
Ngược lại, câu SQL thật mà quên ; khiến psql cứ chờ dòng tiếp theo (prompt đổi thành shop-#). Gõ ; để chạy, hoặc \r để xoá bộ đệm.
Bản đồ dữ liệu ShopViet
Cả khoá học dùng chung một cửa hàng online giả lập: 60 khách hàng, 400 đơn, 1.000 dòng chi tiết đơn, 320 thanh toán, 3.000 sự kiện hành vi, 2.036 lượt đăng nhập. Dữ liệu sinh theo công thức (không ngẫu nhiên) nên kết quả trong bài trùng khít với máy bạn.
customers ──< orders ──< order_items >── products >── categories
│ (referred_by) │ │ │ (parent_id → cây danh mục)
└─ tự tham chiếu └──< payments └── inventory (1-1)
employees (manager_id → tự tham chiếu: cây nhân sự)
events (customer_id → customers: hành vi view/add_to_cart/checkout/purchase)
logins (customer_id → customers: ngày đăng nhập, cho bài chuỗi ngày liên tiếp)
| Bảng | Ý nghĩa | Chú ý |
|---|---|---|
customers | Khách hàng | city có NULL; referred_by tự tham chiếu; khách 55–60 chưa từng mua |
categories | Danh mục dạng cây | parent_id NULL = danh mục gốc |
products | Sản phẩm | price / cost kiểu numeric; is_active; attrs là JSONB |
orders | Đơn hàng | status: pending/paid/shipped/delivered/cancelled; shipped_at NULL khi chưa giao |
order_items | Chi tiết đơn (n-n orders–products) | PK ghép (order_id, product_id); unit_price là snapshot giá lúc mua; discount_pct |
payments | Thanh toán | Chỉ có cho đơn paid/shipped/delivered; method: card/momo/cod |
employees | Nhân viên + cấp quản lý | Dùng cho window function và CTE đệ quy |
inventory | Tồn kho | Dùng cho bài transaction |
events | Hành vi người dùng | Dùng cho funnel, retention, sessionization |
logins | Ngày đăng nhập của khách | Dùng cho bài gaps & islands (chuỗi ngày liên tiếp) |
Hãy chạy thử những câu đầu tiên để làm quen với dữ liệu:
SELECT count(*) AS so_khach FROM customers; so_khach
----------
60
(1 row)SELECT id, full_name, city, created_at FROM customers ORDER BY id LIMIT 5; id | full_name | city | created_at
----+-----------------+-----------+------------------------
1 | Trần Quốc Dũng | TP.HCM | 2024-01-04 09:00:00+07
2 | Lê Ngọc Lan | Đà Nẵng | 2024-01-07 09:00:00+07
3 | Phạm Đức Phúc | Cần Thơ | 2024-01-10 09:00:00+07
4 | Hoàng Minh Châu | Hải Phòng | 2024-01-13 09:00:00+07
5 | Vũ Gia Huy | Hà Nội | 2024-01-16 09:00:00+07
(5 rows)SELECT id, sku, name, price, is_active FROM products ORDER BY id LIMIT 5; id | sku | name | price | is_active
----+--------+------------------------+-------------+-----------
1 | PH-001 | Điện thoại Aurora X1 | 12990000.00 | t
2 | PH-002 | Điện thoại Aurora Lite | 6490000.00 | t
3 | PH-003 | Điện thoại Nova Pro | 18990000.00 | t
4 | LT-001 | Laptop Zenbook 14 | 22500000.00 | t
5 | LT-002 | Laptop Zenbook 16 Pro | 34900000.00 | t
(5 rows)
Đây là những bẫy dữ liệu cố ý mà đời thực nào cũng có và các module sau sẽ khai thác: NULL ở
city, sản phẩm ngừng bán (is_active = false), khách chưa từng mua hàng, đơn bị huỷ, đơn có giảm giá.
Thứ tự thực thi logic — tấm bản đồ quan trọng nhất
Bạn viết SELECT trước, nhưng database xử lý nó gần như cuối cùng. Đây là thứ tự logic
(planner có thể sắp xếp lại vật lý miễn kết quả giống hệt):
| # | Mệnh đề | Việc làm | Hệ quả cần nhớ |
|---|---|---|---|
| 1 | FROM / JOIN | Xác định và nối các bảng nguồn | Alias bảng dùng được từ đây trở đi |
| 2 | WHERE | Lọc từng dòng | Chưa có alias cột của SELECT; không dùng được hàm tổng hợp |
| 3 | GROUP BY | Gom nhóm | Từ đây dòng biến thành "nhóm" |
| 4 | HAVING | Lọc nhóm | Dùng được SUM(), COUNT() |
| 5 | SELECT | Tính biểu thức, đặt alias, chạy window function | Alias chỉ sinh ra ở bước này |
| 6 | DISTINCT | Loại trùng | |
| 7 | ORDER BY | Sắp xếp | Dùng được alias của SELECT |
| 8 | LIMIT / OFFSET | Cắt kết quả | Chỉ có nghĩa khi đã có ORDER BY |
Hãy kiểm chứng bằng chính lỗi phổ biến nhất của người mới — dùng alias trong WHERE:
SELECT name, price * 0.9 AS gia_giam
FROM products
WHERE gia_giam < 1000000;ERROR: column "gia_giam" does not exist
LINE 3: WHERE gia_giam < 1000000;
^
PostgreSQL báo "column does not exist" vì lúc WHERE chạy (bước 2), alias gia_giam (bước 5) chưa tồn tại.
Cách sửa: lặp lại biểu thức, hoặc bọc trong subquery/CTE (module 6–7):
SELECT name, price * 0.9 AS gia_giam
FROM products
WHERE price * 0.9 < 1000000
ORDER BY gia_giam; name | gia_giam
--------------------------+------------
Cáp USB-C 1m | 108000.000
Áo thun basic | 179100.000
Chuột không dây | 315000.000
Áo sơ mi công sở | 359100.000
Quạt đứng cũ (ngừng bán) | 405000.000
Sạc nhanh 65W | 441000.000
Bộ dao nhà bếp 6 món | 531000.000
Áo khoác gió | 621000.000
Máy xay sinh tố | 801000.000
(9 rows)
Ngược lại ORDER BY gia_giam chạy được vì ORDER BY nằm sau SELECT.
Khi gặp câu truy vấn 80 dòng của đồng nghiệp, đừng đọc từ trên xuống. Hãy đọc theo thứ tự thực thi:
nhìn FROM/JOIN trước (dữ liệu từ đâu, nối thế nào), rồi WHERE (lọc gì), GROUP BY (hạt dữ liệu — mỗi dòng kết quả đại diện cho cái gì),
cuối cùng mới đến SELECT. Câu hỏi đầu tiên luôn là: "một dòng kết quả đại diện cho cái gì?" (grain). Sai grain là nguồn gốc của hầu hết kết quả sai.
Thói quen viết SQL sạch ngay từ ngày đầu
- Từ khoá viết HOA, tên bảng/cột viết thường
snake_case; mỗi mệnh đề chính xuống một dòng; mỗi cột trongSELECTmột dòng khi dài. - Luôn đặt alias bảng ngắn có nghĩa (
ccho customers,ocho orders) và tiền tố cột bằng alias khi có JOIN — tránh lỗi "column reference is ambiguous" và giúp người đọc biết cột thuộc bảng nào. - Liệt kê cột tường minh thay vì
SELECT *trong code ứng dụng (lý do ở phần lỗi thường gặp bên dưới). - Chú thích bằng
--cho các điều kiện nghiệp vụ không hiển nhiên ("đơn huỷ không tính doanh thu"). - Dấu nháy:
'chuỗi'(nháy đơn) cho giá trị;"tên_cột"(nháy kép) chỉ cho tên định danh đặc biệt. Đừng đặt tên có hoa/thường lẫn lộn hay có dấu cách để khỏi phải nháy kép mãi.
-- Doanh thu gộp theo danh mục (đã loại đơn huỷ)
SELECT cat.name AS danh_muc,
sum(oi.qty * oi.unit_price) AS doanh_thu
FROM order_items oi
JOIN orders o ON o.id = oi.order_id
JOIN products p ON p.id = oi.product_id
JOIN categories cat ON cat.id = p.category_id
WHERE o.status <> 'cancelled'
GROUP BY cat.name
ORDER BY doanh_thu DESC
LIMIT 5; danh_muc | doanh_thu
------------+---------------
Laptop | 8297100000.00
Điện thoại | 2831600000.00
Nhà bếp | 432780000.00
Gia dụng | 352700000.00
Phụ kiện | 199010000.00
(5 rows)- Thêm cột mới vào bảng (ví dụ cột ảnh 5MB, cột nhạy cảm
password_hash) → mọi truy vấn*bỗng kéo thêm dữ liệu, chậm hơn và có thể lộ dữ liệu ra API. - Mất cơ hội dùng index-only scan (module 11) vì buộc phải đọc cả dòng.
- Code ứng dụng map theo thứ tự cột sẽ vỡ khi thứ tự cột đổi.
SELECT * chỉ hợp lý khi khám phá dữ liệu trong psql.
🏋️ Bài tập thực hành
Dùng \d hoặc truy vấn information_schema.columns để liệt kê tên và kiểu dữ liệu các cột của bảng orders. Sau đó cho biết: cột nào cho phép NULL?
Xem lời giải & giải thích
SELECT column_name, data_type, is_nullable
FROM information_schema.columns
WHERE table_name = 'orders'
ORDER BY ordinal_position; column_name | data_type | is_nullable
-------------+--------------------------+-------------
id | integer | NO
customer_id | integer | NO
status | text | NO
ordered_at | timestamp with time zone | NO
shipped_at | timestamp with time zone | YES
(5 rows)Chỉ shipped_at cho phép NULL vì đơn chưa giao thì chưa có thời điểm giao. Đây là ví dụ NULL mang đúng ý nghĩa 'chưa biết/chưa xảy ra'.
Câu SELECT id, price AS p FROM products WHERE p > 1000000 ORDER BY p; sẽ lỗi ở đâu? Sửa lại cho chạy đúng.
Xem lời giải & giải thích
SELECT id, price AS p
FROM products
WHERE price > 1000000
ORDER BY p; id | p
----+-------------
14 | 1290000.00
15 | 1590000.00
7 | 1890000.00
16 | 2290000.00
2 | 6490000.00
19 | 7490000.00
6 | 11900000.00
1 | 12990000.00
3 | 18990000.00
4 | 22500000.00
5 | 34900000.00
(11 rows)Lỗi nằm ở WHERE p (alias chưa tồn tại). ORDER BY p thì hợp lệ.
Với mỗi truy vấn sau, hãy nói 'một dòng kết quả đại diện cho cái gì' (grain): (a) SELECT * FROM orders; (b) SELECT customer_id, count(*) FROM orders GROUP BY customer_id; (c) SELECT o.id, oi.product_id FROM orders o JOIN order_items oi ON oi.order_id = o.id.
Xem lời giải & giải thích
(a) một đơn hàng; (b) một khách hàng (có đơn); (c) một dòng sản phẩm trong đơn — số dòng nhiều hơn số đơn. Việc xác định grain trước khi viết là kỹ năng quan trọng nhất của người làm dữ liệu; module 5 sẽ cho thấy nó gây ra lỗi 'doanh thu bị nhân đôi' kinh điển ra sao.
📚 Tài nguyên học tập
-
PostgreSQL Tutorial (chính thức)Phần hướng dẫn nhập môn ngắn gọn, chính xácDocs
-
psql — Meta-commandsToàn bộ lệnh \ của psqlDocs
-
DBeaver CommunityCông cụ GUI đa cơ sở dữ liệu miễn phíCông cụ
✅ Tự đánh giá hoàn thành
- Đã cài PostgreSQL và nạp shopviet.sql; SELECT count(*) FROM orders trả về 400
- Dùng được \dt, \d tên_bảng, \timing, \pset null trong psql
- Thuộc lòng thứ tự thực thi logic và giải thích được vì sao alias không dùng được trong WHERE
- Trước khi viết mỗi truy vấn, tự trả lời câu hỏi 'một dòng kết quả đại diện cho cái gì?'