mySQL高级语法

视图
1. 问题
对于复杂的查询，往往是有多个数据表进行关联查询而得到，如果数据库因为需求等原因发生了改变，为了保证查询出来的数据与之前相同，则需要在多个地方进行修改，维护起来非常麻烦

解决办法：定义视图

1. 视图是什么
   通俗的讲，视图就是一条SELECT语句执行后返回的结果集。所以我们在创建视图的时候，主要的工作就落在创建这条SQL查询语句上。

视图是对若干张基本表的引用，一张虚表，查询语句执行的结果，不存储具体的数据（基本表数据发生了改变，视图也会跟着改变）；

方便操作，特别是查询操作，减少复杂的SQL语句，增强可读性；

1. 定义视图
   建议以v_开头

create view 视图名称 as select语句;
4. 查看视图
查看表会将所有的视图也列出来

show tables;
5. 使用视图
视图的用途就是查询

select * from v_stu_score;
6. 删除视图
drop view 视图名称;
例：
drop view v_stu_sco;
7. 视图demo
8.
9.
10.
11. 8. 视图的作用
提高了重用性，就像一个函数
对数据库重构，却不影响程序的运行
提高了安全性能，可以对不同的用户
让数据更加清晰
事务
1. 为什么要有事务
事务广泛的运用于订单系统、银行系统等多种场景

例如：

A用户和B用户是银行的储户，现在A要给B转账500元，那么需要做以下几件事：

检查A的账户余额>500元；
A 账户中扣除500元;
B 账户中增加500元;
正常的流程走下来，A账户扣了500，B账户加了500，皆大欢喜。

那如果A账户扣了钱之后，系统出故障了呢？A白白损失了500，而B也没有收到本该属于他的500。

以上的案例中，隐藏着一个前提条件：A扣钱和B加钱，要么同时成功，要么同时失败。事务的需求就在于此

所谓事务,它是一个操作序列，这些操作要么都执行，要么都不执行，它是一个不可分割的工作单位。

例如，银行转帐工作：从一个帐号扣款并使另一个帐号增款，这两个操作要么都执行，要么都不执行。所以，应该把他们看成一个事务。事务是数据库维护数据一致性的单位，在每个事务结束时，都能保持数据一致性

事务四大特性(简称ACID)
原子性(Atomicity)
一致性(Consistency)
隔离性(Isolation)
持久性(Durability)
以下内容出自《高性能MySQL》第三版，了解事务的ACID及四种隔离级有助于我们更好的理解事务运作。

下面举一个银行应用是解释事务必要性的一个经典例子。假如一个银行的数据库有两张表：支票表（checking）和储蓄表（savings）。现在要从用户Jane的支票账户转移200美元到她的储蓄账户，那么至少需要三个步骤：

检查支票账户的余额高于或者等于200美元。
从支票账户余额中减去200美元。
在储蓄帐户余额中增加200美元。
上述三个步骤的操作必须打包在一个事务中，任何一个步骤失败，则必须回滚所有的步骤。

可以用START TRANSACTION语句开始一个事务，然后要么使用COMMIT提交将修改的数据持久保存，要么使用ROLLBACK撤销所有的修改。事务SQL的样本如下：

start transaction;
select balance from checking where customer_id = 10233276;
update checking set balance = balance - 200.00 where customer_id = 10233276;
update savings set balance = balance + 200.00 where customer_id = 10233276;
commit;
一个很好的事务处理系统，必须具备这些标准特性：

原子性（atomicity）
一个事务必须被视为一个不可分割的最小工作单元，整个事务中的所有操作要么全部提交成功，要么全部失败回滚，对于一个事务来说，不可能只执行其中的一部分操作，这就是事务的原子性

一致性（consistency）
数据库总是从一个一致性的状态转换到另一个一致性的状态。（在前面的例子中，一致性确保了，即使在执行第三、四条语句之间时系统崩溃，支票账户中也不会损失200美元，因为事务最终没有提交，所以事务中所做的修改也不会保存到数据库中。）

隔离性（isolation）
通常来说，一个事务所做的修改在最终提交以前，对其他事务是不可见的。（在前面的例子中，当执行完第三条语句、第四条语句还未开始时，此时有另外的一个账户汇总程序开始运行，则其看到支票帐户的余额并没有被减去200美元。）

持久性（durability）
一旦事务提交，则其所做的修改会永久保存到数据库。（此时即使系统崩溃，修改的数据也不会丢失。）

事务命令
表的引擎类型必须是innodb类型才可以使用事务，这是mysql表的默认引擎

查看表的创建语句，可以看到engine=innodb
– 选择数据库
use jing_dong;

– 查看goods表
show create table goods;

开启事务，命令如下：
开启事务后执行修改命令，变更会维护到本地缓存中，而不维护到物理表中
begin;
或者
start transaction;
提交事务，命令如下
将缓存中的数据变更维护到物理表中
commit;
回滚事务，命令如下：
放弃缓存中变更的数据
rollback;
注意
修改数据的命令会自动的触发事务，包括insert、update、delete
而在SQL语句中有手动开启事务的原因是：可以进行多次数据的修改，如果成功一起成功，否则一起会滚到之前的数据

提交
为了演示效果，需要打开两个终端窗口，使用同一个数据库，操作同一张表（用到之前的jing_dong数据，可以回到mysql第3天中查看）
step1：连接
终端1：查询商品分类信息
select * from goods_cates;
step2：增加数据
终端2：开启事务，插入数据
begin;
insert into goods_cates(name) values(‘小霸王游戏机’);
终端2：查询数据，此时有新增的数据
select * from goods_cates;
step3：查询
终端1：查询数据，发现并没有新增的数据
select * from goods_cates;
step4：提交
终端2：完成提交
commit;
step5：查询
终端1：查询，发现有新增的数据
select * from goods_cates;

回滚
为了演示效果，需要打开两个终端窗口，使用同一个数据库，操作同一张表
step1：连接
终端1
select * from goods_cates;
step2：增加数据
终端2：开启事务，插入数据
begin;
insert into goods_cates(name) values(‘小霸王游戏机’);
终端2：查询数据，此时有新增的数据
select * from goods_cates;
step3：查询
终端1：查询数据，发现并没有新增的数据
select * from goods_cates;
step4：回滚
终端2：完成回滚
rollback;
step5：查询
终端1：查询数据，发现没有新增的数据
select * from goods_cates;

索引
1. 思考
在图书馆中是如何找到一本书的？

一般的应用系统对比数据库的读写比例在10:1左右(即有10次查询操作时有1次写的操作)，

而且插入操作和更新操作很少出现性能问题，

遇到最多、最容易出问题还是一些复杂的查询操作，所以查询语句的优化显然是重中之重

1. 解决办法
   当数据库中数据量很大时，查找数据会变得很慢

优化方案：索引

1. 索引是什么
   索引是一种特殊的文件(InnoDB数据表上的索引是表空间的一个组成部分)，它们包含着对数据表里所有记录的引用指针。

更通俗的说，数据库索引好比是一本书前面的目录，能加快数据库的查询速度

1. 索引目的
   索引的目的在于提高查询效率，可以类比字典，如果要查“mysql”这个单词，我们肯定需要定位到m字母，然后从下往下找到y字母，再找到剩下的sql。如果没有索引，那么你可能需要把所有单词看一遍才能找到你想要的，如果我想找到m开头的单词呢？或者ze开头的单词呢？是不是觉得如果没有索引，这个事情根本无法完成？

2. 索引原理
   除了词典，生活中随处可见索引的例子，如火车站的车次表、图书的目录等。它们的原理都是一样的，通过不断的缩小想要获得数据的范围来筛选出最终想要的结果，同时把随机的事件变成顺序的事件，也就是我们总是通过同一种查找方式来锁定数据。

数据库也是一样，但显然要复杂许多，因为不仅面临着等值查询，还有范围查询(>、<、between、in)、模糊查询(like)、并集查询(or)等等。数据库应该选择怎么样的方式来应对所有的问题呢？我们回想字典的例子，能不能把数据分成段，然后分段查询呢？最简单的如果1000条数据，1到100分成第一段，101到200分成第二段，201到300分成第三段……这样查第250条数据，只要找第三段就可以了，一下子去除了90%的无效数据。

1. 索引的使用
   查看索引
   show index from 表名;
   创建索引
   如果指定字段是字符串，需要指定长度，建议长度与定义字段时的长度一致
   字段类型如果不是字符串，可以不填写长度部分
   create index 索引名称 on 表名(字段名称(长度))
   删除索引：
   drop index 索引名称 on 表名;
2. 索引demo
   7.1. 创建测试表testindex
   create table test_index(title varchar(10));
   7.2 使用python程序（ipython也可以）通过pymsql模块 向表中加入十万条数据
   from pymysql import connect

def main():
# 创建Connection连接
conn = connect(host=’localhost’,port=3306,database=’jing_dong’,user=’root’,password=’mysql’,charset=’utf8’)
# 获得Cursor对象
cursor = conn.cursor()
# 插入10万次数据
for i in range(100000):
cursor.execute(“insert into test_index values(‘ha-%d’)” % i)
# 提交数据
conn.commit()

if name == “main“:
main()
7.3. 查询
开启运行时间监测：
set profiling=1;
查找第1万条数据ha-99999
select * from test_index where title=’ha-99999’;
查看执行的时间：
show profiles;
为表title_index的title列创建索引：
create index title_index on test_index(title(10));
执行查询语句：
select * from test_index where title=’ha-99999’;
再次查看执行的时间
show profiles;
8. 注意：
要注意的是，建立太多的索引将会影响更新和插入的速度，因为它需要同样更新每个索引文件。对于一个经常需要更新和插入的表格，就没有必要为一个很少使用的where字句单独建立索引了，对于比较小的表，排序的开销不会很大，也没有必要建立另外的索引。

建立索引会占用磁盘空间