در SQL Server:

• COUNT(*) → تعداد همه ردیف‌ها را می‌شمارد (چه ستون NULL باشد چه نباشد).
• COUNT(ColumnName) → فقط ردیف‌هایی که مقدار آن ستون NULL نیست را می‌شمارد.

---

در باره DISTINCT

SELECT COUNT(DISTINCT City) FROM Customers;

• DISTINCT City
  یعنی فقط شهرهای یکتا (غیرتکراری) رو انتخاب کن.
  مثلا اگر جدول 100 مشتری داشته باشه ولی فقط 5 شهر مختلف داخلش باشه، خروجی DISTINCT = اون 5 شهر.
• COUNT(...)
  تعداد اون مقادیر یکتا رو می‌شماره.

2️⃣ کاربرد اصلی

این دستور زمانی استفاده میشه که بخوایم بدونیم یک ستون چند مقدار منحصر به‌فرد داره.

• تعداد شهرهای مختلف مشتری‌ها
• تعداد جنس‌های مختلف محصول‌ها
• تعداد کدهای یکتای سفارش

---

تابع Aggregate مثل AVG() نمی‌تواند مستقیماً در WHERE استفاده شود.

WHERE Salary > AVG(Salary) // wrong

---

در SQL Server برای دیدن لیست دیتابیس‌ها دو روش اصلی داریم

1.استفاده از DMV (Dynamic Management View):

SELECT * FROM sys.databases;

این کوئری اطلاعات کامل دیتابیس‌ها را می‌دهد (نام، حالت، مالک، تاریخ ایجاد و …).

2.استفاده از Stored Procedure سیستمی:

EXEC sp_databases;

این هم دیتابیس‌های موجود را لیست می‌کند (ساده‌تر و فقط نام‌ها + اندازه).

---

دستور برای تغییر مالکیت یک جدول

ALTER AUTHORIZATION 

مثال

ALTER AUTHORIZATION ON SCHEMA::Sales TO ManagerUser;

---

Computed Column چیست؟

• ستونی است که مقدارش از سایر ستون‌ها محاسبه می‌شود.
  مثال ساده:

CREATE TABLE Employees
(
    FirstName NVARCHAR(50),
    LastName NVARCHAR(50),
    FullName AS (FirstName + ' ' + LastName)  -- Computed Column
)

• FullName به‌صورت خودکار از دو ستون دیگر محاسبه می‌شود.

---

2️⃣ چرا SCHEMABINDING مهم است؟

• اگر بخواهی یک فانکشن را در Computed Column استفاده کنی، فانکشن نباید تغییر کند یا جدولی که به آن وابسته است تغییر کند.
• SCHEMABINDING یعنی: فانکشن به جداول و ستون‌های مرجعش «قفل» می‌شود و تغییر ساختار جداول مرتبط بدون حذف فانکشن امکان‌پذیر نیست.
• بدون SCHEMABINDING، SQL Server اجازه نمی‌دهد فانکشن روی ستون محاسبه شده استفاده شود، به خصوص اگر بخواهی ستون Persisted یا Index داشته باشد.

مثال Scalar Function برای Computed Column:

CREATE FUNCTION dbo.fn_FullName(@First NVARCHAR(50), @Last NVARCHAR(50))
RETURNS NVARCHAR(101)
WITH SCHEMABINDING
AS
BEGIN
    RETURN @First + ' ' + @Last
END;

CREATE TABLE Employees
(
    FirstName NVARCHAR(50),
    LastName NVARCHAR(50),
    FullName AS dbo.fn_FullName(FirstName, LastName) PERSISTED
)

• نکته: PERSISTED یعنی مقدار ستون محاسبه شده در دیتابیس ذخیره می‌شود و Index می‌تواند روی آن ساخته شود. برای این حالت، فانکشن باید SCHEMABINDING داشته باشد.

---

✅ Data Warehouse چیست؟

Data Warehouse (DW) یک سیستم متمرکز برای ذخیره و مدیریت داده‌ها به‌صورت تحلیلی است.

هدف اصلی: تجمیع داده‌ها از منابع مختلف برای تحلیل، گزارش‌گیری و تصمیم‌گیری استراتژیک، نه پردازش تراکنش‌های روزمره.

---

🔹 تفاوت با Database عملیاتی (OLTP)

ویژگی	OLTP (Operational DB)	Data Warehouse (DW)
هدف	پردازش تراکنش‌ها (Insert, Update, Delete)	تحلیل داده‌ها و گزارش‌گیری
ساختار	نرمال شده (3NF یا بیشتر)	معمولا Star Schema / Snowflake Schema
حجم داده	کم تا متوسط	بزرگ و حجیم (Gigabyte تا Terabyte)
تعداد Query	خیلی زیاد ولی کوتاه	کمتر ولی پیچیده و طولانی
به‌روزرسانی	روزانه، لحظه‌ای	معمولا ETL از منابع مختلف

---

🔹 معماری Data Warehouse

1. Source Systems
   • بانک‌های اطلاعاتی عملیاتی، فایل‌ها، APIها
2. ETL (Extract, Transform, Load)
   • استخراج داده‌ها از منابع، تبدیل به فرمت مناسب، بارگذاری در DW
3. Data Warehouse
   • جایی که داده‌ها به صورت تحلیلی و تاریخی ذخیره می‌شوند
4. Data Marts / BI Tools
   • گزارش‌ها، داشبوردها، OLAP Cubeها برای کاربران کسب‌وکار

---

🔹 مثال استادانه (با SQL Server)

فرض کن سه جدول عملیاتی داریم:

1. Orders (سفارش‌ها)
2. Customers (مشتریان)
3. Products (محصولات)

در OLTP: جداول به صورت 3NF هستند، تراکنش‌ها سریع و کوچک.

در Data Warehouse:

• طراحی می‌کنیم Star Schema:

Fact Table (OrdersFact)

| OrderID | CustomerID | ProductID | Quantity | Amount | OrderDateKey |

Dimension Tables (CustomersDim, ProductsDim, DateDim)

• تحلیل می‌کنیم:
  • مجموع فروش هر مشتری
  • فروش هر محصول در یک ماه
  • روند سالانه فروش

این طراحی Queryهای تحلیلی را سریع می‌کند و کاربران نیازی به دسترسی به جداول عملیاتی پیچیده ندارند.

---

🔹 نکات کلیدی استادانه

1. DW معمولا Read-Optimized است
   • یعنی بیشتر Query می‌زنیم و کمتر Update/Insert داریم
2. تاریخی و تحلیلی است
   • می‌توان تحلیل روندها، مقایسه سالانه و پیش‌بینی انجام داد
3. Schema متفاوت از OLTP
   • Star, Snowflake, Fact & Dimension Tables
4. ETL حیاتی است
   • کیفیت داده‌ها، پاک‌سازی و تطبیق داده‌ها برای تحلیل درست بسیار مهم است

---

COALESCE چیست؟

COALESCE یک تابع توالی بررسی NULL است و اولین مقداری که غیر NULL باشد را برمی‌گرداند.

به زبان ساده: وقتی چند ستون یا مقدار داریم، می‌خواهیم اولین مقدار واقعی (Not NULL) را برگردانیم.

---

🔹 سینتکس

COALESCE (expression1, expression2, ..., expression_n)

• SQL Server از چپ به راست مقادیر را بررسی می‌کند
• اولین مقداری که NULL نباشد را برمی‌گرداند
• اگر همه NULL باشند → نتیجه NULL می‌شود

---

🔹 مثال ساده

فرض کن جدول Employees داریم:

EmployeeID	FirstName	MiddleName	LastName
1	Ali	NULL	Khani
2	Sara	Maryam	Ahmadi
3	NULL	NULL	Rezaei

می‌خواهیم نام کامل را بسازیم و اگر FirstName NULL بود، از MiddleName استفاده کنیم:

SELECT EmployeeID,
       COALESCE(FirstName, MiddleName, 'No Name') AS DisplayName,
       LastName
FROM Employees;

نتیجه:

EmployeeID	DisplayName	LastName
1	Ali	Khani
2	Sara	Ahmadi
3	No Name	Rezaei

✅ نکته: COALESCE اولین مقدار غیر NULL را برمی‌گرداند.

---

🔹 تفاوت با ISNULL

ویژگی	ISNULL	COALESCE
تعداد پارامتر	فقط ۲	چند پارامتر
Standard SQL	نه	بله
رفتار نوع داده	نوع داده اول	تابع استاندارد SQL Server نوع داده را بر اساس بالاترین precedence انتخاب می‌کند

---

🔹 مثال پیشرفته (تحلیل Data)

فرض کن جدول Sales داریم:

SaleID	OnlineSale	StoreSale
1	100	NULL
2	NULL	250
3	NULL	NULL

می‌خواهیم مقدار فروش واقعی را برگردانیم:

SELECT SaleID, COALESCE(OnlineSale, StoreSale, 0) AS TotalSale
FROM Sales;

نتیجه:

SaleID	TotalSale
1	100
2	250
3	0

---

🔹 جمع‌بندی استادانه

• COALESCE = بررسی چند مقدار و برگرداندن اولین مقدار غیر NULL
• برای جایگزینی NULL، ساخت نام کامل، انتخاب مقدار پیش‌فرض و تحلیل داده بسیار کاربردی است
• استاندارد SQL است و در اکثر دیتابیس‌ها (SQL Server, Oracle, PostgreSQL) کار می‌کند

---

وقتی که ما داریم از group by استفاده میکنیم دقیقا چه چیز هایی رو میشه توی select اورد؟

وقتی از GROUP BY استفاده می‌کنی، داری به SQL می‌گی:

لطفاً داده‌ها رو بر اساس این ستون‌ها گروه‌بندی کن،
و برای هر گروه فقط یک سطر خروجی بساز.

---

🔸 قاعده طلایی (SQL Rule)

در SELECT فقط و فقط می‌تونی یکی از این دو نوع ستون رو بنویسی:

1. ✅ ستون‌هایی که در عبارت GROUP BY آورده‌ای.
2. ✅ ستون‌هایی که در داخل تابع تجمیعی (Aggregate Function) هستند.

---

🔹 مثال ساده

فرض کن جدول Orders اینه:

OrderID	CustomerID	Amount
1	101	200
2	101	500
3	102	300

---

✅ درست:

SELECT CustomerID, SUM(Amount)
FROM Orders
GROUP BY CustomerID;

اینجا:

• CustomerID در GROUP BY هست ✅
• Amount داخل تابع SUM() هست ✅
  بنابراین مجاز و درست.

---

❌ غلط:

SELECT CustomerID, OrderID, SUM(Amount)
FROM Orders
GROUP BY CustomerID;

اینجا:

• OrderID نه در GROUP BY هست ❌
• نه در تابعی مثل SUM یا MAX ❌
  SQL Server نمی‌فهمه برای هر CustomerID، کدوم OrderID رو انتخاب کنه → پس خطا میده.

---

🔹 Aggregate Functions که مجاز هستند:

تو SELECT در کنار GROUP BY می‌تونی از توابع تجمیعی مثل زیر استفاده کنی:

تابع	توضیح
SUM(column)	مجموع
COUNT(column)	تعداد ردیف‌ها
AVG(column)	میانگین
MIN(column)	کمترین مقدار
MAX(column)	بیشترین مقدار

---

🔹 مثال ترکیبی درست:

SELECT 
  CustomerID,
  COUNT(OrderID) AS OrdersCount,
  SUM(Amount) AS TotalSales,
  MAX(Amount) AS BiggestOrder
FROM Orders
GROUP BY CustomerID;

✅ همه چیز مطابق قاعده است:

• ستون CustomerID در GROUP BY آمده
• بقیه ستون‌ها فقط در توابع تجمیعی استفاده شده‌اند

---

🔹 نکته پیشرفته:

اگر بخوای ستونی رو بیاری که نه در GROUP BY هست نه aggregate،
باید مشخص کنی کدوم ردیف از گروه منظورت هست (مثلاً با ROW_NUMBER() یا join).

مثلاً:

SELECT CustomerID, OrderID, Amount
FROM (
  SELECT *,
         ROW_NUMBER() OVER (PARTITION BY CustomerID ORDER BY Amount DESC) AS rn
  FROM Orders
) AS O
WHERE rn = 1;

اینجا گفتی: “از هر Customer فقط سطری رو بیار که بالاترین مبلغ رو داره”.

---

🧠 جمع‌بندی:

نوع ستون	مجازه در SELECT با GROUP BY؟	مثال
در GROUP BY هست	✅	CustomerID
در تابع تجمیعی هست	✅	SUM(Amount)
در هیچ‌کدوم نیست	❌	OrderID
با window function انتخاب شده	✅ (در SQL مدرن)	ROW_NUMBER() OVER(…)