视图

create [or replace]#如果存在就替换 view    视图名字(#可防止标题栏字段) as (select name,salary from em);

alter view  视图名字 as (select name,salary from em);   等价于上面的 or replace

增删改查等同于 对于原表进行增删改查     视图只有结构无数据 类似变量

insert 视图名 （） values（）

delete from 视图名字 where。。

update  视图名 set   name=  where

select* from 视图名

 

drop view 视图名

 

触发器

delimiter //

create trigger   触发器名字after_delete_em   after delete on em for each row 

begin

select * from em;

end //

delimiter ;

不能对本表进行处理

 

 

事务

what：事务是逻辑上的一组操作，要么都成功，要么都失败

why：很多时候一个数据操作，不是一个sql语句就完成的，可能有很多个sql语句，如果部分sql执行成功而部分sql执行失败将导致数据错乱

eg：转账 => 转入转出均成功，才能认为操作成功

 

事务的使用：

start transaction; --开启事物,在这条语句之后的sql将处在同一事务,并不会立即修改数据库

commit;--提交事务,让这个事物中的sql立即执行数据的操作,

rollback;--回滚事务,取消这个事物,这个事物不会对数据库中的数据产生任何影响

 

事务的四大特性：

1.原子性：事务是一组不可分割的单位,要么同时成功,要么同时不成功

2.一致性：事物前后的数据完整性应该保持一致(数据库的完整性：如果数据库在某一时间点下，所有的数据都符合所有的约束，则称数据库为完整性的状态)

3.隔离性：事物的隔离性是指多个用户并发访问数据时，一个用户的事物不能被其它用户的事务所干扰，多个并发事务之间数据要相互隔离

4.持久性：持久性是指一个事物一旦被提交，它对数据的改变就是永久性的，接下来即使数据库发生故障也不应该对其有任何影响

 

事务的用户隔离级别:

数据库使用者可以控制数据库工作在哪个级别下,就可与防止不同的隔离性问题

read uncommitted --不做任何隔离,可能脏读,幻读

read committed --可以防止脏读,不能防止不可重复读,和幻读,

Repeatable read --可以防止脏读,不可重复读,不能防止幻读

Serializable --数据库运行在串行化实现,所有问题都没有,就是性能低

 

修改隔离级别:

select @@tx_isolation;--查询当前级别

set[session|global] transaction isolation level ....;修改级别

实例:

set global transaction isolation level Repeatable read;

注：修改后重新连接服务器生效

from pymysql.err import InternalError

sql = 'update account set money = money - 1000 where id = 1;'

sql2 = 'update account set moneys = money + 1000 where id = 2;' # money打错了导致执行失败

try:

    cursor.execute(sql)

    cursor.execute(sql2)

    conn.commit()

except InternalError:

    print("转账失败")

    conn.rollback()

 

存储过程

类似定义函数

set @res = null; # 定义空值变量, 用来接收存储过程的执行结果

delimiter //

create procedure userinfo(in b int, in l int, out res char(20))

begin

select * from emp limit b, l;

set res = 'success';

end //

delimiter ;

call user_info(2, 3, @res); # 调用存储过程, 传入相应的实参

select @res; # 查看存储过程的执行结果

 

 

存储过程的操作：

1.查看

select routine_name, routine_type from information_schema.routines where routine_schema='数据库名';

 

eg: select routine_name, routine_type from information_schema.routines where routine_schema='db2';

 

2.删除

drop procedure [if exists] 数据库名.存储过程名

'''

```

 

```mysql

delimiter //

create procedure send_money( out p_return_code char(20) )

begin

# 异常处理

    declare exit handler for sqlexception

    begin

        # error

        set p_return_code = '错误异常';

        rollback;

    end;

# exit 也可以换成continue 表示发送异常时继续执行

    declare exit handler for sqlwarning

    begin

        # warning

        set p_return_code = '警告异常';

        rollback;

    end;

 

    start transaction;

update account set money = money - 1000 where id = 1;

update account set money = moneys + 1000 where id = 2; # moneys字段导致异常

    commit;

 

    # success

    set p_return_code = '转账成功'; # 代表执行成功

end //

delimiter ;

 

 

 

- if语句的使用

 

```python

第一种 if:

"""

if 条件 then

语句;

end if;

"""

第二种 if elseif

"""

if 条件  then

语句1;

elseif 条件 then

语句2;

else 语句3;

end if;

"""

```

 

案例:编写过程 实现 输入一个整数type  范围 1 - 2 输出  type=1 or type=2 or type=other;

 

```mysql

delimiter //

create procedure showType(in type int,out result char(20))

begin

if type = 1 then

set result = "type = 1";

elseif type = 2 then

set result = "type = 2";

else

set result = "type = other";

end if;

end //

delimiter ;

 

set @res=null;

call showType(100, @res);

select @res;

```

 

- CASE 语句

 

 大体意思与Swtich一样的  你给我一个值 我对它进行选择 然后执行匹配上的语句

语法:

 

```a

create procedure caseTest(in type int)

begin

CASE type

when 1  then select "type = 1";

when 2  then select "type = 2";

else select "type = other";

end case;

end

```

 

- 定义变量

 

declare  变量名 类型 default 值;

例如: declare i int default 0;

 

- WHILE循环

 

```a

循环输出10次hello mysql

create procedure showHello()

begin

declare i int default 0;

while  i < 10 do

select "hello mysql";

set i  = i + 1;

end while;

end

```

 

- LOOP循环的

 

 没有条件 需要自己定义结束语句

语法:

 

```a

输出十次hello mysql;

create procedure showloop()

begin

declare i int default 0;

aloop: LOOP

select "hello loop";

set i = i + 1;

if i > 9 then leave aloop;

end if;

end LOOP aloop;

end

```

 

- REPEAT循环

 

```

#类似do while

#输出10次hello repeat

create procedure showRepeat()

begin

declare i int default 0;

repeat

select "hello repeat";

set i = i + 1;

until i > 9

end repeat;

end

 

#输出0-100之间的奇数

create procedure showjishu()

begin

declare i int default 0;

aloop: loop

set i = i + 1;

if i >= 101 then leave aloop; end if;

if i % 2 = 0 then iterate aloop; end if;

select i;

end loop aloop;

end

```

 

 

 

了解：函数 | 约束的添加与删除 | 数据库的导入导出 | 表的导入导出

 

索引

 

 

# 什么是索引 在关系数据库中，索引是一种单独的、物理的对数据库表中一列或多列的值进行排序的一种存储结构; 也称之为`key` 索引的作用相当于图书的目录，可以根据目录中的页码快速找到所需的内容。  # 为什么需要索引 思考:一个项目正常运行后,对数据库的操作中,哪些操作是最频繁的? 对数据库的写操作(增加 删除 修改)频繁吗? 对数据库的读操作(查询)频繁吗? 相比较下,对数据的读操作会更加频繁,比例在10:1左右,也就是说对数据库的查询操作是非常频繁的 随着时间的推移,表中的记录会越来越多,此时如果查询速度太慢的话对用户体验是非常不利的 索引是提升查询效率最有效的手段! 简单的说索引的就是用帮我们加快查询速度的

需要注意的是：在数据库中插入数据会引发索引的重建

# 小白的误区 既然索引如此神奇,那以后只要速度慢了就加索引, 这种想法是非常low的, 索引是不是越多越好,并且有了索引后还要考虑索引是否命中 加上索引后对数据的写操作速度会降低 # 索引的实现原理 ### 如何能实现加快查询的效果呢? 来看一个例子: 第一版的新华字典共800页,那时没有检字表,每个字的详细信息,随机的罗列在书中,一同学买回来查了一次,在也没用过,因为没有任何的数据结构,查字只能一页一页往后翻,反了两小时没翻着,只能放弃了! 后来出版社发现了这个问题,他们将书中所有字按照拼音音节顺序进行了排序,拼音首字母为a的排在最前,首字母为z的排在最后:  如此一来再不再需要一页一页的去查字了,而是先查看索引,找出字的拼音首字母到索引中进行对照,例如:找`搭`字其拼音首字母为d,所以直接找到D对应的索引目录,很快就能定位到要找的`搭`字在79页,查询速度得到数量级的提升!

需要注意的是,原来内容为800页现在因为多了索引数据,整体页数必然增加了

**数据库中的索引,实现思路与字典是一致的,需要一个独立的存储结构,专门存储索引数据** **本质上索引是通过不断的缩小查询范围来提高查询效率** ### 磁盘IO问题(了解) 数据库的数据最终存储到了硬盘上 机械硬盘由于设计原理,导致查找数据时需要有一个寻道时间与平均延迟时间,常规硬盘寻道为5ms,平均延迟按照每分钟7200转来计算,7200/60 = 120 ; 1000/120/2 = 4ms 总共为9ms,那么9毫秒对于cpu而言已经非常非常的长了,足够做很多运算操作,目前最新的处理器每秒能处理数万亿次运算,拿一个非常垃圾的处理器来举例子,假设处理器每秒处理5亿次计算,每毫秒是50万次运算,9ms可以进行450万次运算,数据库中成千上万的数据,每条数据9ms显然慢到不行! ### 操作系统预读取(了解) 考虑到磁盘IO是非常高昂的操作，计算机操作系统做了一些优化，**当一次IO时，不仅获取当前磁盘地址的数据，而且把相邻的数据也都读取到内存缓冲区内**，因为局部预读性原理告诉我们，当计算机访问一个地址的数据的时候，与其相邻的数据也会很快被访问到。每一次IO读取的数据我们称之为一页(page)。具体一页有多大数据跟操作系统有关，一般为4k或8k，也就是我们读取一页内的数据时候，实际上才发生了一次IO，这个理论对于索引的数据结构设计非常有帮助。 ### 索引数据结构剖析 在字典的例子中我们知道了,索引是独立于真实数据的一个存储结构,这个结构到底是什么样的?  索引最终的目的是要尽可能降低io次数,减少查找的次数,以最少的io找到需要的数据,此时B+树闪亮登场 光有数据结构还不行,还需要有对应的算法做支持,就是二分查找法 有了B+数据结构后查找数据的方式就不再是逐个的对比了,而是通过二分查找法来查找(**流程演示**) 另外,其实大多数文件系统都是使用B+是来完成的! #### 应该尽可能的将数据量小的字段作为索引 通过分析可以发现在上面的树中,查找一个任何一个数据都是3次IO操作, 但是这个3次并不是固定的,它取决于数结构的高度,目前是三层,如果要存储新的数据比99还大的数据时,发现叶子节点已经不够了必须在上面加一个子节点,由于树根只能有一个,所以整个数的高度会增加,一旦高度增加则 查找是IO次数也会增加,所以:

应该尽可能的将数据量小的字段作为索引,这样一个叶子节点能存储的数据就更多,从而降低树的高度; 例如:`name` 和`id`,应当将id设置为索引而不是name #### 最左匹配原则* 当b+树的数据项是复合的数据结构，比如(name,age,sex)的时候(多字段联合索引)，b+树会按照从左到右的顺序来建立搜索树，比如当(张三,20,F)这样的数据来检索的时候，b+树会优先比较name来确定下一步的所搜方向，如果name相同再依次比较age和sex，最后得到检索的数据；但当(20,F)这样的没有name的数据来的时候，b+树就不知道下一步该查哪个节点，因为建立搜索树的时候name就是第一个比较因子，必须要先根据name来搜索才能知道下一步去哪里查询。比如当(张三,F)这样的数据来检索时，b+树可以用name来指定搜索方向，但下一个字段age的缺失，所以只能把名字等于张三的数据都找到，然后再匹配性别是F的数据了， 这个是非常重要的性质，即索引的最左匹配特性。 #### 聚集索引* mysql官方文档原文: 插入了解 或折叠 MySQL为表把它的数据词典信息以.frm文件的形式存在数据库目录里，这对所有MySQL存储引擎都是真的。但 是每个InnoDB表在表空间内的InnoDB内部数据词典里有它自己的条目。当MySQL移除表或数据库，它不得不 删除.frm文件和InnoDB数据词典内的相应条目。这就是为什么你不能在数据库之间简单地移动.frm文件来移 动InnoDB表。 每个InnoDB表有专门索引，被称为clustered index，对行的数据被存于其中。如果你对你的表定义一 个PRIMARY KEY， 主键的索引是集束索引。 如果你没有为表定义PRIMARY KEY，MySQL拾取第一个仅有NOT NULL列的UNIQUE索引作为主键，并 且InnoDB把它当作集束索引来用。如果表中没有这样一个索引，InnoDB内部产生一个集束索引，其中 用InnoDB在这样一个表内指定给行的行ID来排序行。行ID是一个6字节的域，它在新行被插入的时候简单地增加。因此被行ID排序的行是物理地按照插入顺序排的。 通过集束索引访问一个行是较快的，因为行数据是在索引搜索引导的同一页面。如果表是巨大的，当对比于传 统解决方案，集束索引构架经常节约磁盘I/O。(在许多数据库，数据传统地被存在与索引记录不同的页)。 在InnoDB中，非集束索引里的记录(也称为第二索引)包含对行的主键值。InnoDB用这个 主键值来从集束索 引中搜索行。注意，如果主键是长的，第二索引使用更多空间。 简单总结: 聚焦索引的特点: ​ 叶子节点保存的就是完整的一行记录,如果设置了主键,主键就作为聚集索引, ​ 如果没有主键,则找第一个NOT NULL 且QUNIQUE的列作为聚集索引, ​ 如果也没有这样的列,innoDB会在表内自动产生一个聚集索引,它是自增的 #### 辅助索引* 除了聚集索引之外的索引都称之为辅助索引或第二索引,包括 `foreign key` 与 `unique` 辅助索引的特点: ​ 其叶子节点保存的是索引数据与所在行的主键值,InnoDB用这个 主键值来从聚集索引中搜查找数据 **覆盖索引** ​ 覆盖索引指的是需要的数据仅在辅助索引中就能找到: ```mysql #假设stu表的name字段是一个辅助索引 select name from stu where name = "jack"; ``` ​ 这样的话则不需要在查找聚集索引数据已经找到 **回表** ​ 如果要查找的数据在辅助索引中不存在,则需要回到聚集索引中查找,这种现象称之为回表 ```mysql # name字段是一个辅助索引 而sex字段不是索引 select sex from stu where name = "jack"; ``` ​ 需要从辅助索引中获取主键的值,在拿着主键值到聚集索引中找到sex的值 查询速度对比: 聚集索引 > 覆盖索引 > 非覆盖索引 # 正确使用索引 案例: 首先准备一张表数据量在百万级别 ```mysql create table usr(id int,name char(10),gender char(3),email char(30)); #准备数据 delimiter // create procedure addData(in num int) begin declare i int default 0; while i < num do insert into usr values(i,"jack","m",concat("xxxx",i,"@qq.com")); set i = i + 1; end while; end // delimiter ; #执行查询语句 观察查询时间 select count(*) from usr where id = 1; #1 row in set (3.85 sec) #时间在秒级别 比较慢 1. #添加主键 alter table usr add primary key(id); #再次查询 select count(*) from usr where id = 1; #1 row in set (0.00 sec) #基本在毫秒级就能完成 提升非常大 2. #当条件为范围查询时 select count(*) from usr where id > 1; #速度依然很慢 对于这种查询没有办法可以优化因为需要的数据就是那么多 #缩小查询范围 速度立马就快了 select count(*) from usr where id > 1 and id < 10; #当查询语句中匹配字段没有索引时 效率测试 select count(*) from usr where name = "jack"; #1 row in set (2.85 sec) # 速度慢 3. # 为name字段添加索引 create index name_index on usr(name); # 再次查询 select count(*) from usr where name = "jack"; #1 row in set (3.89 sec) # 速度反而降低了 为什么? #由于name字段的区分度非常低 完全无法区分 ,因为值都相同 这样一来B+树会没有任何的子节点,像一根竹竿每一都匹配相当于,有几条记录就有几次io ,所有要注意 区分度低的字段不应该建立索引,不能加速查询反而降低写入效率, #同理 性别字段也不应该建立索引,email字段更加适合建立索引 # 修改查询语句为 select count(*) from usr where name = "aaaaaaaaa"; #1 row in set (0.00 sec) 速度非常快因为在 树根位置就已经判断出树中没有这个数据 全部跳过了 # 模糊匹配时 select count(*) from usr where name like "xxx"; #快 select count(*) from usr where name like "xxx%"; #快 select count(*) from usr where name like "%xxx"; #慢 #由于索引是比较大小 会从左边开始匹配 很明显所有字符都能匹配% 所以全都匹配了一遍 4.索引字段不能参加运算 select count(*) from usr where id * 12 = 120; #速度非常慢原因在于 mysql需要取出所有列的id 进行运算之后才能判断是否成立 #解决方案 select count(*) from usr where id = 120/12; #速度提升了 因为在读取数据时 条件就一定固定了 相当于 select count(*) from usr where id = 10; #速度自然快了 5.有多个匹配条件时 索引的执行顺序 and 和 or #先看and #先删除所有的索引 alter table usr drop primary key; drop index name_index on usr; #测试 select count(*) from usr where name = "jack" and gender = "m" and id = 1 and email = "xxxx2@qq.com"; #1 row in set (1.34 sec) 时间在秒级 #为name字段添加索引 create index name_index on usr(name); #测试 select count(*) from usr where name = "jack" and gender = "m" and id = 1 and email = "xxxx2@qq.com"; #1 row in set (17.82 sec) 反而时间更长了 #为gender字段添加索引 create index gender_index on usr(gender); #测试 select count(*) from usr where name = "jack" and gender = "m" and id = 1 and email = "xxxx2@qq.com"; #1 row in set (16.83 sec) gender字段任然不具备区分度 #为id加上索引 alter table usr add primary key(id); #测试 select count(*) from usr where name = "jack" and gender = "m" and id = 1 and email = "xxxx1@qq.com"; #1 row in set (0.00 sec) id子弹区分度高 速度提升 #虽然三个字段都有索引 mysql并不是从左往右傻傻的去查 而是找出一个区分度高的字段优先匹配 #改为范围匹配 select count(*) from usr where name = "jack" and gender = "m" and id > 1 and email = "xxxx1@qq.com"; #速度变慢了 #删除id索引 为email建立索引 alter table usr drop primary key; create index email_index on usr(email); #测试 select count(*) from usr where name = "jack" and gender = "m" and id = 1 and email = "xxxx2@qq.com"; #1 row in set (0.00 sec) 速度非常快 #对于or条件 都是从左往右匹配 select count(*) from usr where name = "jackxxxx" or email = "xxxx0@qq.com"; #注意 必须or两边都有索引才会使用索引 6.多字段联合索引 为什么需要联合索引 案例: select count(*) from usr where name = "jack" and gender = "m" and id > 3 and email = "xxxx2@qq.com"; 假设所有字段都是区分度非常高的字段,那么除看id为谁添加索引都能够提升速度,但是如果sql语句中没有出现所以字段,那就无法加速查询,最简单的办法是为每个字段都加上索引,但是索引也是一种数据,会占用内存空间,并且降低写入效率 此处就可以使用联合索引, 联合索引最重要的是顺序 按照最左匹配原则 应该将区分度高的放在左边 区分度低的放到右边 #删除其他索引 drop index name_index on usr; drop index email_index on usr; #联合索引 create index mul_index on usr(email,name,gender,id); # 查询测试 select count(*) from usr where name = "xx" and id = 1 and email = "xx"; 只要语句中出现了最左侧的索引(email) 无论在前在后都能提升效率 drop index mul_index on usr; ```