SQL từ cơ bản đến nâng cao
Trang chủ / Module 1
🧭 Module 1 / 16 · 3-4 giờ

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'.

PostgreSQLpsqlThứ tự thực thi
📌 Vì sao module này quan trọng

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.

NhómLàm gìLệnh tiêu biểu
DQL — QueryĐọc dữ liệuSELECT
DML — ManipulationThay đổi dữ liệuINSERT, UPDATE, DELETE, MERGE
DDL — DefinitionĐịnh nghĩa cấu trúcCREATE, ALTER, DROP, TRUNCATE
DCL — ControlPhân quyềnGRANT, REVOKE
TCL — TransactionĐiều khiển giao dịchBEGIN, 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).

💡 Vì sao chọn PostgreSQL cho khoá này?

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 psqlTác dụng
\dtLiệt kê bảng
\d ordersXem cấu trúc bảng: cột, kiểu, khoá, index, FK trỏ tới
\d+ ordersNhư trên + kích thước, storage
\x autoTự chuyển hiển thị dọc khi dòng quá rộng
\timing onIn thời gian chạy mỗi câu lệnh
\pset null NULLHiển thị NULL thay vì ô trống (rất nên bật khi học)
\eMở câu lệnh trước trong editor để sửa
\i file.sqlChạy file SQL
\qThoát

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).

❌ Lỗi thường gặp — Gõ lệnh psql rồi thêm dấu chấm phẩy

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)
BảngÝ nghĩaChú ý
customersKhách hàngcity có NULL; referred_by tự tham chiếu; khách 55–60 chưa từng mua
categoriesDanh mục dạng câyparent_id NULL = danh mục gốc
productsSản phẩmprice / cost kiểu numeric; is_active; attrs là JSONB
ordersĐơn hàngstatus: pending/paid/shipped/delivered/cancelled; shipped_at NULL khi chưa giao
order_itemsChi tiết đơn (n-n orders–products)PK ghép (order_id, product_id); unit_price là snapshot giá lúc mua; discount_pct
paymentsThanh toánChỉ có cho đơn paid/shipped/delivered; method: card/momo/cod
employeesNhân viên + cấp quản lýDùng cho window function và CTE đệ quy
inventoryTồn khoDùng cho bài transaction
eventsHành vi người dùngDùng cho funnel, retention, sessionization
loginsNgày đăng nhập của kháchDùng 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;
Kết quả
 so_khach
----------
       60
(1 row)
SELECT id, full_name, city, created_at FROM customers ORDER BY id LIMIT 5;
Kết quả
 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;
Kết quả
 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 đềViệc làmHệ quả cần nhớ
1FROM / JOINXác định và nối các bảng nguồnAlias bảng dùng được từ đây trở đi
2WHERELọc từng dòngChưa có alias cột của SELECT; không dùng được hàm tổng hợp
3GROUP BYGom nhómTừ đây dòng biến thành "nhóm"
4HAVINGLọc nhómDùng được SUM(), COUNT()
5SELECTTính biểu thức, đặt alias, chạy window functionAlias chỉ sinh ra ở bước này
6DISTINCTLoại trùng
7ORDER BYSắp xếpDùng được alias của SELECT
8LIMIT / OFFSETCắt kết quảChỉ 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;
Lỗi PostgreSQL trả về
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;
Kết quả
           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.

🧠 Cách chuyên gia — Đọc một câu SQL dài

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 trong SELECT một dòng khi dài.
  • Luôn đặt alias bảng ngắn có nghĩa (c cho customers, o cho 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;
Kết quả
  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)
❌ Lỗi thường gặp — Dùng SELECT * trong code thật
  • 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

Làm quen với dữ liệuDễ

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;
Kết quả
 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'.

Thứ tự thực thiDễ

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;
Kết quả
 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.

Câu hỏi grainTrung bình

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

✅ 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?'