Bases de Datos · BBD-103

SQL avanzado: ventanas, CTE y analítica

Funciones de ventana, expresiones comunes recursivas y consultas analíticas sobre PostgreSQL

Bajo demanda Avanzado 7 módulos · 30 clases

Formato asíncrono Desarrollo, Ingeniería / Industria, Empresa / PYME SQL, PostgreSQL, JupyterLab

DATOS JUPYTER

Lo que aprenderás

Calcular clasificaciones, acumulados y comparaciones entre filas con funciones de ventana
Definir particiones, orden y marcos de ventana controlando exactamente qué filas entran en el cálculo
Encadenar expresiones comunes de tabla para descomponer consultas analíticas extensas
Recorrer jerarquías y grafos con expresiones comunes recursivas evitando ciclos infinitos
Sustituir bucles de código de aplicación por una consulta conjunta y medir la diferencia
Producir subtotales y agregaciones múltiples con GROUPING SETS, ROLLUP y CUBE
Leer el plan de ejecución con EXPLAIN ANALYZE y decidir el índice que hace falta

Contenido del curso

7 módulos · 30 clases en vídeo · práctica guiada en cada módulo

Módulo 1 · Presentación y punto de partida 4 clases

Cuándo la consulta debe hacer el trabajo y cuándo la aplicación
El conjunto de datos de prácticas y su volumen
Entorno en JupyterLab contra PostgreSQL
Medir una consulta antes de optimizarla

Módulo 2 · Funciones de ventana 5 clases

Qué es una ventana y en qué se diferencia de GROUP BY
PARTITION BY y ORDER BY dentro de la ventana
Clasificaciones: ROW_NUMBER, RANK y DENSE_RANK
Acceso a otras filas con LAG y LEAD
Primer y último valor de una partición

Módulo 3 · Marcos de ventana 4 clases

Marcos por filas y por rango
Acumulados y medias móviles
Ventanas con nombre y reutilización
Errores frecuentes al definir el marco

Módulo 4 · Expresiones comunes de tabla 4 clases

Dividir una consulta larga en pasos legibles
Encadenar varias expresiones comunes
Materialización y su efecto en el plan
Expresiones comunes con modificación de datos

Módulo 5 · Recursividad 4 clases

Estructura de una expresión común recursiva
Recorrer jerarquías de organización o de materiales
Rutas en un grafo y detección de ciclos
Límites de profundidad y control de coste

Módulo 6 · Agregación avanzada 5 clases

GROUPING SETS para varias agrupaciones a la vez
ROLLUP y subtotales jerárquicos
CUBE y combinaciones completas
Agregados con filtro y agregados ordenados
Tablas dinámicas con expresiones condicionales

Módulo 7 · Rendimiento y caso práctico 4 clases

Leer un plan con EXPLAIN ANALYZE
Índices que ayudan a una consulta analítica
Comparación medida frente al bucle en la aplicación
Caso práctico: cuadro de mando resuelto solo con consultas

Requisitos

SQL sólido: uniones, agregaciones, subconsultas y modificación de datos
Comprender el modelo relacional y el papel de los índices
Basta con un navegador: se trabaja en JupyterLab contra una base PostgreSQL de prácticas

Descripción

Hay un patrón que se repite en muchos equipos: la consulta devuelve filas, la aplicación las recorre en un bucle, calcula acumulados o compara cada fila con la anterior, y el proceso tarda minutos. Ese trabajo casi siempre lo hace el motor mejor, en una sola pasada, con funciones de ventana que muchos desarrolladores no llegaron a aprender.

El curso trabaja sobre un conjunto de datos con volumen suficiente para que las diferencias se noten. Cada técnica se presenta resolviendo un caso analítico real, se compara con la solución equivalente en código de aplicación y se mide el resultado. Se cubren ventanas con sus marcos, expresiones comunes encadenadas y recursivas, agregaciones múltiples y lectura de planes con EXPLAIN ANALYZE.

El resultado es la capacidad de escribir consultas que sustituyen cientos de líneas de proceso y de justificar su coste con datos del plan de ejecución. Es directamente aplicable a informes de negocio, análisis de series temporales de proceso industrial y cuadros de mando, y enlaza con administración y rendimiento de PostgreSQL.

¿Para quién es este curso?

Perfiles de desarrollo que procesan datos en bucles de aplicación y quieren delegar el cálculo al motor
Ingeniería que analiza series temporales de proceso y necesita acumulados y comparaciones entre registros
Personas de empresa responsables de informes que hoy se elaboran a mano en hojas de cálculo