（十三）JavaWeb后端开发——MySQL2

目录

1.DQL数据查询语言

1.1基本查询

1.2条件查询 where关键字

1.3分组查询

1.4排序查询

1.5分页查询

2.多表设计

3.多表查询——联查

4.多表查询——子查询​

5.MySQL 事务 

6.MySQL 索引

1.DQL数据查询语言

分为五大基本查询语法

1.1基本查询

-- 查询特定字段
select name,entrydate from tb_emp;
-- 查询所有字段
select * from tb_emp;
-- 查询所有员工的 name,entrydate，并起别名(姓名、入职日期)
select name '姓名',entrydate '入职日期' from tb_emp;
-- 查询已有的员工关联了哪几种职位(不要重复)
select distinct job from tb_emp;

1.2条件查询 where关键字

select * from tb_emp where name = '陈友谅';
select * from tb_emp where job is null;

 1.3分组查询

首先需要知道一个知识点：聚合函数，就是对某一列的数据所作的操作

select count(id) from tb_emp;
select count(job) from tb_emp;
-- 通配符*计算总数据量
select count(*) from tb_emp;
-- 统计最早入职的员工
select min(entrydate) from tb_emp;

例：先査询入职时间在'2015-01-01'(包含)以前的员工，并对结果根据职位（job）分组 ，获取员工数量大于等于2的职位

select job,count(*) from tb_emp where entrydate <= '2015-01-01' 
group by job having count(*) >= 2;

where与having区别：

1. 执行时机不同：where是分组之前进行过滤，不满足where条件，不参与分组；而having是分组之后对结果进行过滤。
2. 判断条件不同：where不能对聚合函数进行判断，而having可以

1.4排序查询

排序方式：ASC升序(默认值)、DESC降序

-- 默认升序
select * from tb_emp order by entrydate;
-- 降序
select * from tb_emp order by entrydate desc ;
-- 多个排序字段
select * from tb_emp order by entrydate， update_time desc;

1.5分页查询

-- 从 起始索引0 开始査询员工数据，每页展示5条记录
select * from tb_emp limit 0, 5;

2.多表设计

项目开发中，在进行数据库表结构设计时，会根据业务需求及业务模块之间的关系，分析并设计表结构，由于业务之间相互关联，所以各个表结构之间也存在着各种联系，基本上分为三种：

• 一对多(多对一)
• 多对多
• 一对一

但是目前上述的两张表，在数据库层面，并未建立关联，所以是无法保证数据的一致性和完整性，比如说我在部门表中把“教研部”删除，员工表中教研部的员工依然存在，这显然是不合理的，所以就需要“外键约束”

3.多表查询——联查

如果单纯执行下面的指令会出现问题——笛卡尔积

-- 多表查询
select * from tb_emp, tb_dept;

要解决这个问题只需要令员工的部门id = 部门主键id即可

select * from tb_emp, tb_dept where  tb_emp.dept_id = tb_dept.id;

左外连接完全包含左表数据，右外连接完全包含右表数据

4.多表查询——子查询

5.MySQL 事务 

-- 事务
-- 删除部门
delete from tb_dept where id = 3;
-- 删除部门下的员工
delete from tb_emp where dept_id = 3;

在上面的代码中，删除部门成功了，但是删除该部门下的员工失败了，就是因为这两个操作分属两个事务，解决办法是把这两个操作控制在一个事务内

-- 开启事务
start transaction ;
-- 删除部门
delete from tb_dept where id = 3;
-- 删除部门下的员工
delete from tb_emp where dept_id = 3;
-- 提交事务
commit ;
-- 回滚事务
rollback ;

6.MySQL 索引

使用普通的sql查询语言效率很低，比如在600w的数据量里查询数据往往需要十几秒的时间，索引能大幅提高查询效率

索引(index)是帮助数据库高效获取数据的数据结构（底层实现是二叉搜索树）

优点：

• 提高数据查询的效率，降低数据库的IO成本
• 通过索引列对数据进行排序，降低数据排序的成本，降低CPU消耗

缺点：

• 索引会占用存储空间，
• 索引大大提高了查询效率，同时却也降低了insert、update、delete的效率