🗄️ SQL — 1974

⬅️ Atlas · 🗂️ Todas las fichas · 📚 Índice de clases

SQL es el lenguaje más usado del mundo por gente que no se considera programadora, el único de esta lista que no dice cómo hacer las cosas, y el que más tiempo lleva sin ser sustituido pese a que cada década alguien lo intenta. Cincuenta años después, sigue siendo la forma en que la humanidad le pregunta cosas a sus datos.

🎯 Por qué está en este programa

SQL es uno de los diez lenguajes del núcleo y el representante de la familia declarativa (Atlas), junto a Prolog y Datalog.

Está en el núcleo porque enseña el paradigma que ningún otro del curso enseña: describir el resultado y dejar que otro decida cómo obtenerlo (clase 118). Y porque es la frontera con los datos de casi cualquier sistema real (clase 170): quien programa cualquier cosa acaba escribiendo SQL.

📜 Historia

En 1970, Edgar F. Codd publicó en IBM A Relational Model of Data for Large Shared Data Banks. La idea era matemática: los datos son relaciones —conjuntos de tuplas— y se manipulan con un álgebra. Nada de punteros, nada de recorridos: conjuntos.

Era una idea incómoda. La industria estaba en lo jerárquico (IMS) y en lo navegacional (CODASYL), donde el programa recorría los datos a mano (clase 170), y el modelo relacional parecía lento y académico.

En 1974, Chamberlin y Boyce diseñaron SEQUEL —Structured English Query Language— como una forma legible de expresar el álgebra de Codd. Hubo que renombrarlo a SQL por un conflicto de marca con una empresa aeronáutica británica, y por eso muchas personas siguen pronunciándolo "sícuel".

System R, el prototipo de IBM, demostró lo que faltaba: que un optimizador automático podía elegir un plan tan bueno como el que escribiría una persona. Sin eso, el modelo relacional no habría ganado.

Larry Ellison leyó los artículos de IBM y sacó Oracle al mercado en 1979, antes que la propia IBM. El estándar llegó en 1986, y desde entonces cada revisión ha ido añadiendo: integridad referencial y transacciones (SQL-92), disparadores y objetos (SQL:1999), XML (2003), funciones de ventana (2003), MERGE (2008), tablas temporales (2011), JSON (2016) y grafos con MATCH (2023).

Y el intento de sustitución más serio —el movimiento NoSQL de 2009— acabó en un lugar instructivo: casi todas esas bases de datos añadieron después un lenguaje de consulta parecido a SQL, porque describir lo que se quiere resultó ser mejor que programar cómo obtenerlo.

🏭 Dónde vive hoy

• Bases de datos relacionales: PostgreSQL, MySQL/MariaDB, SQL Server, Oracle, SQLite —que está en todos los teléfonos y navegadores del mundo (clase 170)—, Db2.
• Almacenes analíticos: Snowflake, BigQuery, Redshift, ClickHouse, DuckDB.
• Motores de datos masivos: Spark SQL, Trino, Presto, Hive, Flink SQL.
• Bases NoSQL que volvieron: Cassandra (CQL), MongoDB (con su lenguaje de agregación y ahora SQL), Elasticsearch (ES|QL).
• Y en el flujo de datos moderno: dbt convirtió SQL en el lenguaje de la transformación analítica, con pruebas y control de versiones (clases 139 y 145).

🧠 Lo que enseña: declarar en vez de ordenar

La comparación que resume el paradigma:

SELECT cliente, SUM(importe) AS total
FROM pedidos
WHERE fecha >= '2026-01-01'
GROUP BY cliente
HAVING SUM(importe) > 10000
ORDER BY total DESC;

En ninguna parte se dice cómo. No se dice si usar un índice, si ordenar antes o después de agrupar, si hacerlo en paralelo o si leer la tabla entera. Eso lo decide el optimizador, con estadísticas de los datos, y puede elegir un plan distinto mañana si los datos cambian.

Y esa es la propiedad que la clase 118 quiere enseñar: el programa dice el qué y el sistema elige el cómo, lo que permite que el mismo programa mejore sin tocarlo.

Y las tres cosas de SQL que más se malinterpretan merecen estar aquí:

Uno, NULL no es un valor: es "no se sabe" (clase 100).

NULL = NULL        -- ni verdadero ni falso: NULL
WHERE x = NULL      -- nunca devuelve nada; hay que usar IS NULL
COUNT(*) vs COUNT(columna)   -- el segundo NO cuenta los NULL

Es lógica de tres valores, y es la causa número uno de resultados sorprendentes.

Dos, el orden lógico de evaluación no es el orden de escritura:

Se escribe:  SELECT … FROM … WHERE … GROUP BY … HAVING … ORDER BY
Se evalúa:   FROM → WHERE → GROUP BY → HAVING → SELECT → ORDER BY

Por eso no se puede usar en WHERE un alias definido en SELECT, y sí en ORDER BY.

Y tres, las transacciones y el aislamiento (clases 161 y 172): READ COMMITTED, REPEATABLE READ y SERIALIZABLE no son detalles de configuración — cambian qué anomalías puede ver el programa, y el nivel por defecto varía entre motores.

🔄 Lo que se ha modernizado

• Funciones de ventana (OVER (PARTITION BY … ORDER BY …)): agregados sin perder las filas. Probablemente la característica más infrautilizada del lenguaje.
• CTE y CTE recursivas (WITH RECURSIVE): consultas legibles y recorrido de jerarquías — que es Datalog dentro de SQL.
• JSON como tipo de primera clase (SQL:2016) con índices: la respuesta a NoSQL, dentro del modelo relacional (clase 159).
• MERGE, tablas temporales por sistema, GENERATED y restricciones más expresivas.
• GQL y MATCH (SQL:2023): consultas de grafos en el estándar (clase 099).
• Y el ecosistema alrededor: dbt trajo control de versiones, pruebas y documentación al SQL analítico (clases 139, 145 y 154) — es decir, convirtió el SQL en software.

⚙️ Cómo se ejecuta hoy

sqlite3 :memory: < main.sql          # el comando de la clase 041
psql -f consulta.sql                  # PostgreSQL
duckdb -c "SELECT * FROM 'datos.parquet'"   # analítica local, sin servidor

EXPLAIN ANALYZE SELECT …              # ← el comando más importante de esta ficha (clase 152)

EXPLAIN ANALYZE merece el subrayado: enseña el plan que el optimizador eligió y lo que costó de verdad. Es la única forma de saber por qué una consulta va lenta, y es la herramienta de la clase 152 aplicada al componente de datos.

🧪 El programa de la clase 041 en SQL

-- SQL es declarativo: no lee stdin como los lenguajes imperativos. En vez de
-- una variable que se asigna, se describe el cálculo sobre una tabla de valores.
-- Esta consulta demuestra la misma fórmula para los tres casos de casos.json.
WITH ventas(precio_unitario, cantidad, descuento) AS (
    VALUES (15000.0, 2, 0.10),
           (999.9, 3, 0.0),
           (5000.0, 0, 0.20)
)
SELECT printf('Total: %.2f', precio_unitario * cantidad * (1 - descuento)) AS resultado
FROM ventas;

Lo que hay que ver, y es lo más interesante de esta ficha.

• Este programa no puede tener la forma de los demás, y esa imposibilidad es el contenido. SQL no lee de la entrada estándar ni tiene variables que se asignan: se declara un conjunto de filas y se describe qué se quiere de él. La clase 040 llama a esto contrato adaptado, y declararlo es más honesto que fingir.
• WITH … AS (VALUES …) construye una tabla al vuelo. En el resto de las fichas, los tres valores son tres variables; aquí son tres filas, y la consulta se aplica a las tres a la vez.
• No hay bucle. Esa ausencia es el paradigma: la operación se define sobre el conjunto, y el motor decide si recorre, si paraleliza o si usa un índice.
• printf es de SQLite; en PostgreSQL sería to_char y en SQL Server FORMAT. El formateo es la parte menos estándar de SQL, y es un recordatorio útil de que "SQL" son varios dialectos con un núcleo común (clase 160).

📚 Fuentes y bibliografía

• Documentación de PostgreSQL — la mejor documentación de base de datos que existe, y sirve para aprender SQL aunque uses otro motor.
• Use The Index, Luke! — en español; explica índices y planes de ejecución mejor que ningún libro (clase 152).
• Modern SQL — qué hay en el estándar desde SQL-92 y qué motor lo implementa. Funciones de ventana y CTE, explicadas de verdad.
• Markus Winand, SQL Performance Explained — corto, denso y práctico.
• C. J. Date, SQL and Relational Theory, 3.ª ed., O'Reilly — la teoría, incluido el problema de NULL, por uno de los que estuvieron desde el principio.
• Edgar F. Codd, A Relational Model of Data for Large Shared Data Banks (1970) — el artículo original; se lee en veinte minutos y explica de dónde viene todo.

⏮️ Volver al Atlas · 🗂️ Todas las fichas · 🔗 Relacionadas: Prolog · Datalog · M/MUMPS · COBOL · PL/I