SQL系统概念学习(一)

最近需要经常与数据库打交道,原本的增删改查已经忘记的差不多了。刚好手边有一本数据库系统概念,拿起来每天边学习,边记录。(第一次写笔记,发现也挺耗时的,但是印象更深,好习惯坚持下去~)

SQL语言分为以下几个部分:

  • 数据定义语言(DDL):提供定义关系模式、删除关系以及修改关系模式的命令。
  • 数据操纵语言(DML):增删改查的命令。
  • 完整性:定义完整性约束的命令。
  • 视图定义:SQL DDL包括定义视图的命令。
  • 事务控制:定义事务的开始和结束的命令。
  • 嵌入式SQL和动态SQL
  • 授权

摘自书上的内容,大概有个印象,脑容量较小,不可能面面俱到,选择自己适合自己的即可。完美主义者请忽略这句话,买本书,啃个透吧~

SQL标准支持的基本类型


  • char(n):固定长度为n的字符串。
  • varchar(n):可变长度的字符串,最大长度为n。
  • int:整数
  • smallint:小整数类型。(表示并没有用过。。。)
  • numeric(p,d):定点数。p位数字(再加上一个符号位,位数就是p+1),d位数字在小数点后面。
  • real, double precision:浮点数与双精度浮点数
  • float(n):精度至少为n位的浮点数

对于char来说,如果字符串长度比n小,会自动补空格,使其达到n的长度;varchar长度不足n,长度是多少就多少,并不会填补空格。

查询语句


1.单关系查询:可谓是最基础的查询了

select 属性名1 from 表名 where 条件

去重,加入关键字distinct

select distinct 属性名1 from 表名 where 条件

多属性查询,依次排开,用逗号分隔

select 属性名1, 属性名2, 属性名3 from 表名 where 条件

2.多关系查询:

select attr1, table1.attr2, attr3 
from table1, table2
where table1.attr2 = table2.attr2

在table1和table2中选取满足table1.attr2 = table2.attr2这个条件的元组,再从这些元组中去提取attr1、table1.attr2,、attr3 三个属性,构成一个新的关系,这个关系就是最后的查询结果。

SQL查询的流程也是大同小异:执行顺序from->where->select。

1.先是通过from定义一个所列出关系上的笛卡尔积,通过迭代去理解就是:
如果表1中有4条元组,表2中有5条元组,产生的笛卡尔积就是4 * 5 = 20条元组。
2.再根据where条件来从上面所得到的笛卡尔积中进行筛选,选取出满足条件的元组,构成新的关系。
3.最后筛选select列出的属性,组成最终的关系。

更名运算

很简单,就一个AS关键字,为属性或者关系起一个别名。

1.更改属性名

select 属性名 AS 新属性名 from 表名

2.更改关系名

select A.attr1, B.attr2
from table1 as A, table2 as B
where A.attr3 = B.attr3

select子句中之所以能够识别A、B表,运用上面的流程:from->where->select

3.更改关系名是另一个用处就是比较同一个关系中的元组。直接选择书上的例子来说吧。

select distinct T.name
from instructor as T, instructor as S
where T.salary > S.salary and S.dept_name = 'Biology'

找出满足下面条件的所有教师的姓名,他们比Biology系教师的最低工资要高。

模式匹配


说白了就是模糊查询。这书上一些专业术语,关系代表元组代表行,属性代表。就是个名字而已,理解就好~

  • %:匹配任意子串
//查找以"feng"结尾的元组的所有属性
//例如:xiaofeng、dafeng
select * from table where name like '%feng'
//查找中间有"ya"的元组的所有属性
//例如:xiaoyanan、xiaoyadong
select * from table where name like '%ya%'
  • _:匹配任意一个字符
//查找结尾为"feng",开头只有一位
//例如:afeng、2feng
select * from table where name like '_feng'
//查找前后各有一位,中间为"feng"
//例如:bfengc、3feng4
select * from table where name like '_feng_'
  • 转义字符:
    模式匹配的时候需要注意的地方
//查找'xiao%ming'开头的元组
select * from table where name like 'xiao\%ming%' escape '\'
//查找'xiao\ming'开头的元组
select * from table where name like 'xiao\\ming%' escape '\'

暂时就总结这些,后续学习继续跟进。都是些最基本的知识点,日常学习的总结,以免需要用的时候还需要到处找。也是自己发布的第一篇文章,如有错误希望大家指出,Fighting~

都是跟着书上的知识点来记录,并没有就一个知识点详细的记录,以后有时间再做详细总结。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,204评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,091评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,548评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,657评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,689评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,554评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,302评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,216评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,661评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,851评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,977评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,697评论 5 347
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,306评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,898评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,019评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,138评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,927评论 2 355

推荐阅读更多精彩内容