SQL Server

Cú pháp T-SQL cơ bản

DDL, DML, kiểu dữ liệu, NULL handling, ràng buộc — nền tảng T-SQL cho SQL Server 2025.

1. Kiểu dữ liệu thường dùng

Numeric

Kiểu	Range	Storage	Khi nào dùng
`BIT`	0/1/NULL	1 byte (8 bits gom)	Boolean
`TINYINT`	0 → 255	1 byte	Status nhỏ
`SMALLINT`	-32K → 32K	2 bytes	Số nhỏ
`INT`	-2.1B → 2.1B	4 bytes	Mặc định cho ID
`BIGINT`	-9.2 × 10¹⁸ → ...	8 bytes	ID cực lớn, timestamp Unix
`DECIMAL(p, s)`	Chính xác	5-17 bytes	Tiền — `DECIMAL(18, 2)`
`FLOAT` / `REAL`	Xấp xỉ	4 hoặc 8 bytes	Khoa học

⭐ Câu hỏi phỏng vấn:"Khi lưu giá tiền, dùng FLOAT hay DECIMAL?" → DECIMAL. FLOAT là số gần đúng (0.1 + 0.2 = 0.30000000000000004), gây sai sót khi tính tiền.

Chuỗi

Kiểu	Đặc điểm
`CHAR(n)`	Cố định n ký tự, pad space. ASCII.
`VARCHAR(n)`	Biến đổi đến n. ASCII. Tốn ít space hơn CHAR khi data ngắn.
`NCHAR(n)`, `NVARCHAR(n)`	Unicode, dùng cho tiếng Việt, Nhật, Trung.
`VARCHAR(MAX)`, `NVARCHAR(MAX)`	Tới 2GB. Cho bài viết, JSON.

Quy tắc thực dụng (2025): mặc định NVARCHAR(n) cho mọi text user-input. SQL Server 2019+ hỗ trợ UTF-8 collation, có thể dùng VARCHAR(n) + UTF-8 cho tiết kiệm space — nhưng phức tạp, fresher nên cứ NVARCHAR.

Thời gian

Kiểu	Range	Chính xác	Storage
`DATE`	0001-01-01 → 9999-12-31	Ngày	3 bytes
`TIME`	00:00:00 → 23:59:59.9999999	100 ns	3-5 bytes
`DATETIME`	1753-01-01 → 9999-12-31	3.33 ms	8 bytes
`DATETIME2(7)`	0001 → 9999	100 ns	6-8 bytes
`DATETIMEOFFSET`	Có timezone	100 ns	8-10 bytes

⭐ Best practice 2025: dùng DATETIME2 thay cho DATETIME cũ (range rộng hơn, precision cao hơn, cùng size 8 bytes). Cần timezone thì DATETIMEOFFSET.

Kiểu mới SQL Server 2025

VECTOR — Lưu embedding cho AI/ML

SQL Server 2025 giới thiệu kiểu VECTOR native, cho phép lưu và tìm kiếm vector embedding ngay trong database — không cần extension như pgvector bên PostgreSQL.

-- Tạo bảng với cột VECTOR
CREATE TABLE Products (
    Id INT IDENTITY PRIMARY KEY,
    Name NVARCHAR(200),
    Description NVARCHAR(MAX),
    Embedding VECTOR(1536)  -- 1536 dimensions cho OpenAI text-embedding-3-small
);

-- Insert vector
INSERT INTO Products (Name, Embedding)
VALUES (N'Laptop', '[0.123, -0.456, 0.789, ...]');

-- Tính khoảng cách vector (cosine similarity)
DECLARE @query_embedding VECTOR(1536) = '[0.111, -0.222, 0.333, ...]';

SELECT TOP 5 Name,
    VECTOR_DISTANCE('cosine', Embedding, @query_embedding) AS Similarity
FROM Products
ORDER BY Similarity ASC;

DiskANN index cho vector search — SQL Server 2025 dùng thuật toán DiskANN (Microsoft Research) cho approximate nearest neighbor (ANN) search, nhanh hơn full scan hàng trăm lần trên dataset lớn:

-- Tạo vector index với DiskANN
CREATE VECTOR INDEX idx_products_embedding
ON Products (Embedding) WITH (DISTANCE_METRIC = 'cosine');

-- Tìm kiếm vector với index
DECLARE @query_embedding VECTOR(1536) = '[...]';

SELECT TOP 10 * FROM Products
ORDER BY VECTOR_SEARCH(Embedding, @query_embedding, 10);

Hạn chế hiện tại (SQL Server 2025): Sau khi tạo VECTOR INDEX, bảng trở thành read-only — không INSERT/UPDATE/DELETE được. Microsoft dự kiến sẽ fix trong CU (Cumulative Update) tiếp theo. Khi thiết kế hệ thống, cần tách bảng embedding riêng hoặc chấp nhận rebuild index định kỳ.

⭐ Câu hỏi phỏng vấn:"Làm sao để tìm kiếm ngữ nghĩa (semantic search) trong SQL Server?"

Trước 2025: dùng full-text search + FREETEXT, hoặc tự tính cosine similarity bằng T-SQL (chậm, không scale).
Từ 2025: dùng VECTOR + VECTOR_DISTANCE + VECTOR INDEX (DiskANN) — nhanh, chính xác, native trong engine.
Pattern điển hình: App gọi OpenAI / Azure OpenAI API để tạo embedding → lưu vào SQL Server → query bằng VECTOR_SEARCH.

JSON — Kiểu first-class

Trước SQL Server 2025, JSON được lưu dưới dạng NVARCHAR(MAX) + CHECK (ISJSON(col) = 1). Từ 2025, JSON là kiểu dữ liệu first-class:

-- Tạo bảng với cột JSON native
CREATE TABLE Orders (
    Id INT IDENTITY PRIMARY KEY,
    OrderData JSON,  -- first-class type, không còn là NVARCHAR nữa!
    CreatedAt DATETIME2 DEFAULT GETDATE(),
    INDEX idx_customer_id ON OrderData(json_path = '$.customer_id')
);

-- Insert JSON
INSERT INTO Orders (OrderData)
VALUES ('{"customer_id": 101, "total": 2500000, "status": "pending"}');

Hàm JSON mới trong SQL Server 2025:

-- JSON_ARRAYAGG — aggregate thành JSON array
SELECT JSON_ARRAYAGG(Name) FROM Products WHERE Category = N'Điện tử';
-- Kết quả: ["iPhone 15", "iPad Pro", "MacBook Air"]

-- JSON_OBJECTAGG — aggregate thành JSON object
SELECT JSON_OBJECTAGG(Id: Name) FROM Products;
-- Kết quả: {"1": "iPhone 15", "2": "iPad Pro", ...}

-- JSON_CONTAINS — kiểm tra giá trị tồn tại trong JSON
SELECT * FROM Orders WHERE JSON_CONTAINS(OrderData, 'completed', '$.status');

-- Sửa JSON tại chỗ (in-place modification)
UPDATE Orders SET OrderData.modify('append $.tags', '"urgent"');

⭐ Câu hỏi phỏng vấn:"SQL Server có hỗ trợ JSON không? So với MongoDB thì thế nào?"

SQL Server hỗ trợ JSON từ 2016 (OPENJSON, FOR JSON), nhưng lưu dưới dạng string.
Từ 2025: kiểu JSON native — validate tự động, index trực tiếp trên json path, sửa in-place với .modify().
Khác MongoDB: SQL Server là relational-first có JSON capability. MongoDB là document-first. Dùng SQL Server JSON khi cần hybrid: schema cố định cho phần lớn data + flexible JSON cho phần metadata/unstructured.

2. DDL — Data Definition Language

CREATE / DROP / ALTER TABLE

CREATE TABLE Products (
    Id INT IDENTITY PRIMARY KEY,
    Name NVARCHAR(200) NOT NULL,
    Price DECIMAL(18, 2) NOT NULL CHECK (Price >= 0),
    CategoryId INT NOT NULL,
    CreatedAt DATETIME2 NOT NULL DEFAULT SYSUTCDATETIME(),
    IsActive BIT NOT NULL DEFAULT 1,
    CONSTRAINT FK_Products_Category FOREIGN KEY (CategoryId)
        REFERENCES Categories(Id) ON DELETE NO ACTION
);

-- Thêm cột
ALTER TABLE Products ADD Description NVARCHAR(MAX) NULL;

-- Đổi kiểu
ALTER TABLE Products ALTER COLUMN Name NVARCHAR(300) NOT NULL;

-- Drop cột
ALTER TABLE Products DROP COLUMN Description;

-- Drop bảng (dropping cascading FK nếu cần xử lý trước)
DROP TABLE IF EXISTS Products;

Ràng buộc (Constraint)

CREATE TABLE Users (
    Id INT IDENTITY PRIMARY KEY,                       -- PRIMARY KEY
    Email NVARCHAR(150) NOT NULL UNIQUE,               -- UNIQUE
    Age INT CHECK (Age BETWEEN 0 AND 150),             -- CHECK
    Status NVARCHAR(20) NOT NULL DEFAULT 'Active',     -- DEFAULT
    CountryId INT NULL FOREIGN KEY REFERENCES Countries(Id) -- FK
);

⭐ Câu hỏi phỏng vấn:"Primary Key vs Unique Key khác gì?"

PK: không null, 1 cái / bảng, mặc định clustered index.
Unique: cho 1 null (SQL Server, khác chuẩn ANSI), nhiều cái / bảng, mặc định non-clustered.

Computed column

ALTER TABLE Products ADD
    PriceWithTax AS (Price * 1.10) PERSISTED;     -- PERSISTED = lưu vật lý, index được

3. DML — Data Manipulation

INSERT

-- Single row
INSERT INTO Products (Name, Price, CategoryId)
VALUES (N'Bàn phím cơ', 2500000, 1);

-- Multi-row
INSERT INTO Products (Name, Price, CategoryId)
VALUES
    (N'Chuột Logitech', 1500000, 1),
    (N'Tai nghe Sony',  3500000, 2);

-- INSERT từ SELECT
INSERT INTO ProductsBackup (Name, Price)
SELECT Name, Price FROM Products WHERE IsActive = 1;

-- Lấy ID vừa insert
INSERT INTO Products (Name, Price, CategoryId)
OUTPUT INSERTED.Id, INSERTED.Name
VALUES (N'iPhone 15', 25000000, 3);

⭐ Mệnh đề OUTPUT — đặc thù SQL Server, cực mạnh. Trả về row đã insert/update/delete trong cùng statement. Tương đương RETURNING của Postgres.

SELECT

-- Cơ bản
SELECT Id, Name, Price FROM Products WHERE Price > 1000000 ORDER BY Price DESC;

-- TOP + WITH TIES
SELECT TOP 5 WITH TIES Name, Price
FROM Products ORDER BY Price DESC;

-- DISTINCT
SELECT DISTINCT CategoryId FROM Products;

-- Pagination (SQL Server 2012+)
SELECT * FROM Products
ORDER BY Id
OFFSET 20 ROWS FETCH NEXT 10 ROWS ONLY;

UPDATE

-- Update có WHERE
UPDATE Products
SET Price = Price * 1.1, UpdatedAt = SYSUTCDATETIME()
WHERE CategoryId = 1;

-- UPDATE từ JOIN (đặc thù SQL Server — Postgres/MySQL syntax khác)
UPDATE p
SET p.CategoryName = c.Name
FROM Products p
JOIN Categories c ON c.Id = p.CategoryId;

Lỗi fresher kinh điển: quên WHERE trong UPDATE/DELETE → đè/xoá hết bảng. Trước khi chạy, luôn SELECT thử với cùng WHERE.

DELETE

DELETE FROM Products WHERE IsActive = 0;

-- TOP — xoá có giới hạn
DELETE TOP (1000) FROM AuditLogs WHERE CreatedAt < DATEADD(MONTH, -6, GETDATE());

TRUNCATE

TRUNCATE TABLE Logs;
-- Nhanh hơn DELETE (không log từng row, deallocate page).
-- KHÔNG dùng được nếu bảng được FK reference.

⭐ DELETE vs TRUNCATE vs DROP:

	DELETE	TRUNCATE	DROP
Loại	DML	DDL	DDL
WHERE	✅	❌	❌
Reset IDENTITY	❌	✅	N/A
Trigger	✅ chạy	❌	N/A
Tốc độ	Chậm	Nhanh	Nhanh nhất
Bảng sau khi chạy	✅ còn	✅ còn	❌ mất
Rollback trong tx	✅	✅ (SQL Server!)	✅

MERGE — Upsert atomic

MERGE INTO Products AS target
USING (VALUES
    (N'iPhone 15', 25000000, 3),
    (N'iPad Pro',  20000000, 3)
) AS src (Name, Price, CategoryId)
ON target.Name = src.Name
WHEN MATCHED THEN
    UPDATE SET Price = src.Price
WHEN NOT MATCHED THEN
    INSERT (Name, Price, CategoryId) VALUES (src.Name, src.Price, src.CategoryId)
OUTPUT $action, INSERTED.Id, INSERTED.Name;

Tranh cãi MERGE: historically có bug edge case. Nhiều DBA khuyên dùng tổ hợp IF EXISTS / UPDATE / INSERT thay vì MERGE. SQL Server 2022+ đã fix nhiều, nhưng kỹ thì test kỹ.

4. NULL handling

-- NULL không bằng gì, kể cả NULL khác
SELECT NULL = NULL;       -- không trả TRUE, trả UNKNOWN (NULL)

-- Phải dùng IS NULL / IS NOT NULL
SELECT * FROM Users WHERE Email IS NULL;
SELECT * FROM Users WHERE Email IS NOT NULL;

-- ISNULL / COALESCE — trả giá trị thay thế
SELECT Name, ISNULL(Email, 'no-email') AS Email FROM Users;

-- COALESCE chuẩn ANSI, nhận nhiều argument
SELECT Name, COALESCE(MobilePhone, HomePhone, 'no-phone') AS Phone FROM Users;

-- NULLIF — trả NULL nếu 2 giá trị bằng nhau (tránh chia 0)
SELECT a / NULLIF(b, 0) AS Result FROM Calc;

⭐ Câu hỏi PV:"COUNT(*) vs COUNT(col) khác gì?"

COUNT(*) đếm tất cả row.
COUNT(col) đếm row có col IS NOT NULL.
COUNT(DISTINCT col) đếm distinct non-null.

5. Function thường dùng

String

SELECT
    LEN(N'Hello'),                       -- 5
    LOWER(N'ABC'), UPPER(N'abc'),
    LEFT(N'Hello', 3),                   -- 'Hel'
    RIGHT(N'Hello', 2),                  -- 'lo'
    SUBSTRING(N'Hello', 2, 3),           -- 'ell'
    LTRIM(N'  abc  '), RTRIM(N'  abc  '), TRIM(N'  abc  '),
    REPLACE(N'abc', 'b', 'X'),           -- 'aXc'
    CONCAT(N'Hello', ' ', N'World'),
    STRING_AGG(Name, ', ')               -- aggregate, gộp string
        WITHIN GROUP (ORDER BY Name);

Date

SELECT
    SYSUTCDATETIME(),                    -- UTC, DATETIME2 — KHUYẾN NGHỊ
    GETUTCDATE(),                        -- UTC, DATETIME
    GETDATE(),                           -- Local server time
    DATEADD(DAY, 7, GETDATE()),          -- +7 ngày
    DATEDIFF(DAY, '2026-01-01', GETDATE()),  -- số ngày giữa
    DATEPART(YEAR, GETDATE()),           -- 2026
    YEAR(GETDATE()), MONTH(GETDATE()), DAY(GETDATE()),
    FORMAT(GETDATE(), 'yyyy-MM-dd HH:mm'),  -- chậm hơn CONVERT, đẹp hơn
    EOMONTH(GETDATE());                  -- last day of month

Conversion

SELECT
    CAST('123' AS INT),                  -- 123
    CONVERT(INT, '123'),                 -- 123
    TRY_CAST('abc' AS INT),              -- NULL (không throw)
    TRY_CONVERT(DATE, '2026-13-99'),     -- NULL (không throw)
    PARSE('2,500.00' AS DECIMAL(18, 2) USING 'en-US');

⭐ TRY_CAST / TRY_CONVERT dùng khi dữ liệu nguồn có thể lỗi format. Trả NULL thay vì raise error → tránh vỡ batch.

RegEx (SQL Server 2025)

SQL Server 2025 bổ sung native RegEx functions — trước đây chỉ có LIKE với pattern hạn chế, muốn RegEx phải dùng CLR integration:

-- Kiểm tra pattern trong WHERE
SELECT * FROM Users
WHERE REGEXP_LIKE(Email, '^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$');

-- Trích xuất substring theo pattern
SELECT REGEXP_SUBSTR(ContactInfo, '\d{3}-\d{3}-\d{4}') AS Phone FROM Contacts;

-- Thay thế theo pattern
SELECT REGEXP_REPLACE(SSN, '(\d{3})-(\d{2})-(\d{4})', '***-**-$3') AS MaskedSSN
FROM Users;

-- Đếm số lần khớp pattern
SELECT REGEXP_COUNT(SqlText, '\b(SELECT|INSERT|UPDATE|DELETE)\b', 'i') AS DMLCount
FROM AuditLogs;

-- Tách chuỗi thành bảng (nhiều delimiter)
SELECT * FROM REGEXP_SPLIT_TO_TABLE('a,b;c|d', '[,;|]');
-- Kết quả: 4 rows — 'a', 'b', 'c', 'd'

-- CHECK constraint với RegEx
ALTER TABLE Users ADD CONSTRAINT ck_email
CHECK (REGEXP_LIKE(Email, '^.+@.+\..+$'));

⭐ Câu hỏi phỏng vấn:"Làm sao validate email trong SQL Server?"

Trước 2025: CHECK (Email LIKE '%_@__%.__%') — sơ sài, dễ bỏ sót edge case.
Từ 2025: CHECK (REGEXP_LIKE(Email, '^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$')) — chuẩn RFC 5322 simplified.
Lưu ý: validation hoàn chỉnh nên làm ở tầng application. RegEx trong DB là lớp bảo vệ cuối cùng, tránh data bẩn lọt vào.

6. Variable & control flow trong T-SQL

DECLARE @Name NVARCHAR(50) = N'Alice';
DECLARE @Age INT;
SET @Age = 25;

IF @Age >= 18
    PRINT N'Adult';
ELSE
    PRINT N'Minor';

-- WHILE
DECLARE @i INT = 0;
WHILE @i < 5
BEGIN
    PRINT @i;
    SET @i += 1;
END

-- CASE — dùng cả trong SELECT
SELECT Name,
    CASE
        WHEN Price < 1000000 THEN N'Cheap'
        WHEN Price < 10000000 THEN N'Medium'
        ELSE N'Premium'
    END AS Tier
FROM Products;

7. Stored procedure & user-defined function

Stored Procedure

CREATE OR ALTER PROCEDURE GetUsersByCity
    @City NVARCHAR(50),
    @MinAge INT = 18
AS
BEGIN
    SET NOCOUNT ON;
    SELECT Id, Name, Age
    FROM Users
    WHERE City = @City AND Age >= @MinAge;
END
GO

EXEC GetUsersByCity @City = N'HCM', @MinAge = 21;

Scalar function

CREATE OR ALTER FUNCTION fn_FullName(@First NVARCHAR(50), @Last NVARCHAR(50))
RETURNS NVARCHAR(101)
AS BEGIN
    RETURN CONCAT(@First, ' ', @Last);
END
GO

SELECT dbo.fn_FullName(FirstName, LastName) FROM Users;

Tránh scalar UDF trong SELECT lớn — gây row-by-row execution, chậm. Dùng inline table-valued function (iTVF) thay:

CREATE FUNCTION fn_FullNameTbl(@First NVARCHAR(50), @Last NVARCHAR(50))
RETURNS TABLE
AS RETURN (SELECT CONCAT(@First, ' ', @Last) AS FullName);

8. sp_invoke_external_rest_endpoint — Gọi API từ T-SQL

SQL Server 2025 cho phép gọi HTTP REST API trực tiếp từ T-SQL thông qua stored procedure hệ thống sp_invoke_external_rest_endpoint. Đây là tính năng cực mạnh để tích hợp AI/ML và external service ngay trong database:

-- Gọi OpenAI API để tạo embedding ngay trong T-SQL
DECLARE @response NVARCHAR(MAX);

EXEC sp_invoke_external_rest_endpoint
    @url = 'https://api.openai.com/v1/embeddings',
    @method = 'POST',
    @headers = '{"Content-Type": "application/json", "Authorization": "Bearer <your-api-key>"}',
    @payload = '{"model": "text-embedding-3-small", "input": "describe this product"}',
    @response = @response OUTPUT;

-- Parse response để lấy embedding
SELECT JSON_VALUE(@response, '$.data[0].embedding') AS Embedding;

⭐ Câu hỏi phỏng vấn:"Làm sao tích hợp AI vào SQL Server?"

Pattern RAG đơn giản (2025): Dùng sp_invoke_external_rest_endpoint gọi OpenAI / Azure OpenAI để tạo embedding → lưu vào cột VECTOR → query bằng VECTOR_SEARCH + DiskANN index. Toàn bộ pipeline chạy trong T-SQL, không cần code C# / Python trung gian.
Lưu ý bảo mật: API key không nên hardcode trong script. Dùng DATABASE SCOPED CREDENTIAL hoặc Azure Key Vault để quản lý secret.

9. Các tính năng T-SQL mới khác (2022+)

GREATEST / LEAST (SQL Server 2022+)

-- Trả về giá trị lớn nhất / nhỏ nhất trong danh sách
SELECT GREATEST(10, 25, 7, 42) AS MaxValue;   -- 42
SELECT LEAST(10, 25, 7, 42) AS MinValue;      -- 7

-- Ứng dụng: lấy ngày gần nhất trong nhiều cột
SELECT Id, GREATEST(CreatedAt, UpdatedAt, DeletedAt) AS LastActivity
FROM AuditLog;

Trước đây phải dùng CASE WHEN a > b THEN a ELSE b END lồng nhau nhiều tầng — GREATEST/LEAST gọn và dễ đọc hơn nhiều.

STRING_SPLIT với vị trí (SQL Server 2022+)

-- Tham số thứ 3 (enable_ordinal = 1) để có thêm cột ordinal
SELECT value, ordinal
FROM STRING_SPLIT('apple,banana,cherry', ',', 1);
-- Kết quả: (apple, 1), (banana, 2), (cherry, 3)

DATE_BUCKET (SQL Server 2022+)

-- Gom nhóm theo khoảng thời gian cố định
SELECT
    DATE_BUCKET(MINUTE, 15, CreatedAt) AS Bucket,
    COUNT(*) AS OrderCount
FROM Orders
GROUP BY DATE_BUCKET(MINUTE, 15, CreatedAt)
ORDER BY Bucket;
-- Gom mỗi 15 phút: 08:00, 08:15, 08:30, 08:45, ...

GENERATE_SERIES (SQL Server 2022+)

-- Sinh chuỗi số liên tiếp
SELECT value FROM GENERATE_SERIES(1, 10);
-- 1, 2, 3, ..., 10

-- Ứng dụng: sinh calendar table
SELECT DATEADD(DAY, value, '2026-01-01') AS CalendarDate
FROM GENERATE_SERIES(0, 364);
-- 365 ngày của năm 2026

WINDOW clause (SQL Server 2022+)

-- Định nghĩa window một lần, dùng nhiều lần — tránh lặp code
SELECT Name, Category, Price,
    ROW_NUMBER() OVER w AS RowNum,
    AVG(Price) OVER w AS AvgByCategory,
    RANK() OVER w AS RankByPrice
FROM Products
WINDOW w AS (PARTITION BY Category ORDER BY Price DESC);

FIRST_VALUE / LAST_VALUE với IGNORE NULLS

-- Bỏ qua NULL khi lấy giá trị đầu/cuối trong window
SELECT Id, SensorReading,
    LAST_VALUE(SensorReading) IGNORE NULLS OVER (
        ORDER BY Id ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING
    ) AS LastNonNullReading
FROM SensorData;

IGNORE NULLS cực hữu ích cho bài toán fill-down: điền giá trị gần nhất không null vào các row null trong time-series data — trước đây phải viết subquery hoặc cursor phức tạp.

Tiếp theo: Truy vấn nâng cao — JOIN, subquery, window, CTE, transaction

Edit this pageorReport an issue

1. Giới thiệu và Cài đặt

SQL Server 2025 (17.x) — RDBMS của Microsoft với native vector + JSON + RegEx + Copilot. Hướng dẫn cài đặt bằng Docker, SSMS, Azure Data Studio.

3. Truy vấn nâng cao

JOIN, subquery, set operation, CTE recursive, window function, transaction, isolation level — gốc cho SQL Server.