我们有两个新任务：任务3（删除无效数据）和任务4（多维度统计与占比计算）。需结合表结构逻辑设计SQL，确保数据操作安全且逻辑严谨。

任务3：删除单据明细表中“订单号不存在于单据抬头表”的数据（以id=4为例）

表结构关联：order_detail的order_no是外键，关联order_header的order_no。需先定位无效记录，再删除。

逻辑解释：

• 先通过NOT IN子查询找到order_header中不存在的order_no，再结合id=4条件定位到具体行删除。
• 若需批量删除所有无效记录（不限于id=4），可简化为：
  sql

  复制代码查看全部

任务4：查询2022-01-01至2022-03-01期间，每间收货店铺的商品订单数量汇总及占比

需求拆解：

1. 统计维度：收货店铺(gr_store_code)、商品编码(article_code)
2. 时间范围：order_date BETWEEN '2022-01-01' AND '2022-03-01'
3. 计算逻辑：
   • 商品订单数量：该店铺下该商品的订单数量总和（SUM(od.order_qty)）
   • 店铺总订单数量：该店铺下所有商品的订单数量总和（需先按店铺分组求和）
   • 占比：商品订单数量 / 店铺总订单数量

实现步骤（窗口函数优化）：
通过WITH子句先计算店铺总订单数量，再用窗口函数关联占比。

关键设计说明

1. 任务3防误删：通过id=4限定删除范围，避免全表扫描风险；实际场景中需结合业务逻辑（如是否有外键约束）调整。
2. 任务4窗口函数替代：用WITH子句拆分“店铺总数量”和“商品分店铺数量”，通过JOIN关联后计算占比，既保证数据关联性，又避免重复聚合。
3. 占比精度：用ROUND(..., 2)保留两位小数，*1.0确保除法为浮点运算（避免整数除法截断）。

若需简化任务4（不拆分子查询），也可通过关联子查询实现：

但此写法子查询重复执行，性能略逊于WITH子句，建议优先用窗口函数方案。

以上SQL覆盖任务3和任务4的核心逻辑，可根据实际数据库（如MySQL、PostgreSQL）的语法差异微调。