MySQL(六)

一、视图

　　1、简介：视图就是通过查询得到虚拟表的实体化，保存于硬盘，下次或其他窗口也可以使用。

　　2、用途：若一份虚拟表需要重复使用，可以考虑使用视图来简化后续操作。

　　3、注意：

　　　　①视图虽然也是存于硬盘的表，但是该表只有表结构，没有表数据，上面显示的数据还是来自于查询目标的表。

　　　　②视图一般只用来再查询，最好不要修改里面的数据，以防影响原表。

　　　　③视图最好不要过多创建，以免增加维护难度。

　　4、基本语法：create view 视图名 as 查询语句

二、触发器

　　1、简介：触发器就是绑定某表的某项操作(增/删/改)之前或结束能自动触发定义好功能的机制，一般用于监控或记录日志等。

　　2、基本语法：create trigger 触发器名 before/after insert/update/delete on 表名 for each row begin 触发语句 end

　　3、delimiter：用于修改sql语句的默认结束符，如，delimiter $$---将默认结束符“；”改为了“$$”。

　　4、实例：

CREATE TABLE cmd (
    id INT PRIMARY KEY auto_increment,
    USER CHAR (32),
    priv CHAR (10),
    cmd CHAR (64),
    sub_time datetime, #提交时间
    success enum ('yes', 'no') #0代表执行失败
);

CREATE TABLE errlog (
    id INT PRIMARY KEY auto_increment,
    err_cmd CHAR (64),
    err_time datetime
);
"""
当cmd表中的记录succes字段是no那么就触发触发器的执行去errlog表中插入数据
NEW指代的就是一条条数据对象
"""
delimiter $$
create trigger tri_after_insert_cmd after insert on cmd 
for each row
begin
    if NEW.success = 'no' then
        insert into errlog(err_cmd,err_time) values(NEW.cmd,NEW.sub_time);
    end if;
end $$
delimiter ;

# 朝cmd表插入数据
INSERT INTO cmd (
    USER,
    priv,
    cmd,
    sub_time,
    success
)
VALUES
    ('jason','0755','ls -l /etc',NOW(),'yes'),
    ('jason','0755','cat /etc/passwd',NOW(),'no'),
    ('jason','0755','useradd xxx',NOW(),'no'),
    ('jason','0755','ps aux',NOW(),'yes');

# 删除触发器
drop trigger tri_after_insert_cmd;

三、事务

　　1、简介：事务就是把多条需要同时执行的sql语句绑定成组合的机制，组合中的sql语句要么同时成功，要么同时失败，以此确保数据操作的完整性。

　　2、特性：

　　　　①原子性：一个事务中的多条sql语句相互是无可分割的。

　　　　②一致性：一个事务中的多条sql语句必定是同时执行，同时成功或同时失败。

　　　　③隔离性：一个事务执行的过程中不会被其他事务干扰，类似于并发程序的互斥锁，并发事务对数据的操作也是互不干扰的。

　　　　④持久性：一个事务一旦执行成功，其执行结果会立即生效，硬盘上的数据则立刻被执行了相应的修改，这个操作是永久的，而非临时性的，且不可回撤。

　　3、rollback：回滚，事务开启后，无论已经执行了多少条sql语句，一旦遇到回滚，则立即回到事务开启前的状态。

　　4、commit：确认，确认之后则无法再使用回滚，相当于事务真正执行结束了。

　　3、基本语法：start transaction;sql语句1; sql语句2; rollback; sql语句3;sql语句4; commit

四、存储过程

　　1、简介：存储过程就是把一系列的sql语句整合成了一个存储过程名，调用这个存储过程即执行了这些sql语句，类似于自定义函数。

　　2、基本语法：

　　　　①定义存储过程：create procedure 存储过程名(形参1,形参2) begin sql语句1; sql语句2; end

　　　　②调用存储过程：call 存储过程名(实参1,实参2)

　　3、三种开发模式：

　　　　①数据库管理员提前编写好存储过程，应用程序员直接调用到应用程序代码中。

　　　　　　优点：节省了应用程序员编写存储过程的时间，提高了开发效率，用已封装好的存储过程执行复杂的sql语句，提高了执行效率。

　　　　　　缺点：因为存在不同部门之间的沟通问题，后续的可拓展性比较差。

　　　　②应用程序员自己根据开发需求直接编写存储过程。

　　　　　　优点：自己动手，丰衣足食，拓展性极佳。

　　　　　　缺点：编写存储过程比较繁琐，后期还需要自己优化，降低了开发效率。

　　　　③应用程序员基于别人已经写好的数据库框架直接套用，如ORM框架。

　　　　　　优点：不用自己编写存储过程，套用灵活性更高的框架，开发效率更高。

　　　　　　缺点：框架的语句有时有所局限，此时还需要回到上述两种途径解决。

　　　　④小结：当前的主流几乎不再用第一种，大多是以第三种为主，出现特殊情况再临时用第二种手动编写。

　　4、实例：

delimiter $$
create procedure p1(
    in m int,  # 只进不出  m不能返回出去
    in n int,
    out res int  # 该形参可以返回出去
)
begin
    select tname from teacher where tid>m and tid<n;
    set res=666;  # 将res变量修改 用来标识当前的存储过程代码确实执行了
end $$
delimiter ;

# 针对形参res 不能直接传数据 应该传一个变量名
# 定义变量
set @ret = 10;
# 查看变量对应的值
select @ret;

　　5、python中调用存储过程：

import pymysql


conn = pymysql.connect(
    host = '127.0.0.1',
    port = 3306,
    user = 'root',
    passwd = '123456',
    db = 'day48',
    charset = 'utf8',
    autocommit = True
)
cursor = conn.cursor(pymysql.cursors.DictCursor)
# 调用存储过程
cursor.callproc('p1',(1,5,10))
"""
@_p1_0=1
@_p1_1=5
@_p1_2=10
"""
# print(cursor.fetchall())
cursor.execute('select @_p1_2;')
print(cursor.fetchall())

五、函数

　　1、简介：函数就是内置的存储过程，类似于内置函数。

　　2、实例：

('jason','0755','ls -l /etc',NOW(),'yes')

CREATE TABLE blog (
    id INT PRIMARY KEY auto_increment,
    NAME CHAR (32),
    sub_time datetime
);

INSERT INTO blog (NAME, sub_time)
VALUES
    ('第1篇','2015-03-01 11:31:21'),
    ('第2篇','2015-03-11 16:31:21'),
    ('第3篇','2016-07-01 10:21:31'),
    ('第4篇','2016-07-22 09:23:21'),
    ('第5篇','2016-07-23 10:11:11'),
    ('第6篇','2016-07-25 11:21:31'),
    ('第7篇','2017-03-01 15:33:21'),
    ('第8篇','2017-03-01 17:32:21'),
    ('第9篇','2017-03-01 18:31:21');

select date_format(sub_time,'%Y-%m'),count(id) from blog group by date_format(sub_time,'%Y-%m');

六、流程控制

　　1、简介：语法比python要复杂。

　　2、实例：

# if判断
delimiter //
CREATE PROCEDURE proc_if ()
BEGIN
    declare i int default 0;
    if i = 1 THEN
        SELECT 1;
    ELSEIF i = 2 THEN
        SELECT 2;
    ELSE
        SELECT 7;
    END IF;
END //
delimiter ;
# while循环
delimiter //
CREATE PROCEDURE proc_while ()
BEGIN
    DECLARE num INT ;
    SET num = 0 ;
    WHILE num < 10 DO
        SELECT
            num ;
        SET num = num + 1 ;
    END WHILE ;

七、索引

　　1、简介：索引是数据存于硬盘中的标识，类似于书籍的目录，查询数据时，先通过查找索引定位好数据所在，之后再直接读取，以此可以提高IO效率，所以索引也就代表了数据的结构。

　　2、分类：索引也叫“键”，不同的“键”对应着不同的数据结构。

　　　　①primary key：主键结构，除了提升查询效率，还有唯一且非零的约束，并且一张表只能有一个主键。

　　　　②unique key：唯一键结构，除了提升查询效率，还有唯一的约束。

　　　　③index key：标识键结构，没有任何约束，只是用来提升查询效率。

　　3、作用：通过不断缩小数据查找范围达到最终结果，将无序查找变为了有序查找。

　　4、多索引并存：一张表中可以有多个索引，根据筛选条件匹配相应的索引。

　　5、索引的弊端：当表中有大量数据存在的前提下，创建索引的速度会很慢，创建完索引，虽然查询效率会大幅提升，但是由于需要有序写入，所以写入的效率会大幅降低。

　　6、小结：索引应该结合实际需求谨慎创建。

　　7、b+树：只有最下层的叶子节点存放的是真实数据，其他节点存放的都是虚拟数据，仅用来分区，树的层级越多，查询数据所需经历的步骤也就越多，基于此，因为一个磁盘的存储容量是有限的，将id字段作为索引，因为其是数字占用空间比较小，所以一个磁盘就能够存储多个id字段的索引，从而可以减少树的层数，进而减少查询步骤，也就提高了查询效率。

　　8、聚集索引：也就是primary key主键，innodb中只有两个文件，把索引并放在了ibd表中，而myisam中有三个文件，其中有一个专门存放索引的文件。

　　9、辅助索引：即unique key主键与index key标识键，查询数据的时候有时不会根据主键筛选，此时便无法使用主键的聚集索引，而使用其他字段的辅助索引，无论是聚集索引还是辅助索引，都是b+树的形式，区别在于，聚集索引的叶子节点就是目标数据，而辅助索引的叶子节点是主键的值，拿到主键的值之后还需要再基于聚集索引找到目标数据。

　　10、覆盖索引：使用辅助索引时，筛选条件即目标数据。

# 给name设置辅助索引
select name from user where name='jason';
# 非覆盖索引
select age from user where name='jason';

　　11、测试索引代码：

**准备**

```mysql
#1. 准备表
create table s1(
id int,
name varchar(20),
gender char(6),
email varchar(50)
);

#2. 创建存储过程，实现批量插入记录
delimiter $$ #声明存储过程的结束符号为$$
create procedure auto_insert1()
BEGIN
    declare i int default 1;
    while(i<3000000)do
        insert into s1 values(i,'jason','male',concat('jason',i,'@oldboy'));
        set i=i+1;
    end while;
END$$ #$$结束
delimiter ; #重新声明分号为结束符号

#3. 查看存储过程
show create procedure auto_insert1\G 

#4. 调用存储过程
call auto_insert1();
```

``` mysql 
# 表没有任何索引的情况下
select * from s1 where id=30000;
# 避免打印带来的时间损耗
select count(id) from s1 where id = 30000;
select count(id) from s1 where id = 1;

# 给id做一个主键
alter table s1 add primary key(id);  # 速度很慢

select count(id) from s1 where id = 1;  # 速度相较于未建索引之前两者差着数量级
select count(id) from s1 where name = 'jason'  # 速度仍然很慢


"""
范围问题
"""
# 并不是加了索引，以后查询的时候按照这个字段速度就一定快   
select count(id) from s1 where id > 1;  # 速度相较于id = 1慢了很多
select count(id) from s1 where id >1 and id < 3;
select count(id) from s1 where id > 1 and id < 10000;
select count(id) from s1 where id != 3;

alter table s1 drop primary key;  # 删除主键 单独再来研究name字段
select count(id) from s1 where name = 'jason';  # 又慢了

create index idx_name on s1(name);  # 给s1表的name字段创建索引
select count(id) from s1 where name = 'jason'  # 仍然很慢！！！
"""
再来看b+树的原理，数据需要区分度比较高，而我们这张表全是jason，根本无法区分
那这个树其实就建成了“一根棍子”
"""
select count(id) from s1 where name = 'xxx';  
# 这个会很快，我就是一根棍，第一个不匹配直接不需要再往下走了
select count(id) from s1 where name like 'xxx';
select count(id) from s1 where name like 'xxx%';
select count(id) from s1 where name like '%xxx';  # 慢 最左匹配特性

# 区分度低的字段不能建索引
drop index idx_name on s1;

# 给id字段建普通的索引
create index idx_id on s1(id);
select count(id) from s1 where id = 3;  # 快了
select count(id) from s1 where id*12 = 3;  # 慢了  索引的字段一定不要参与计算

drop index idx_id on s1;
select count(id) from s1 where name='jason' and gender = 'male' and id = 3 and email = 'xxx';
# 针对上面这种连续多个and的操作，mysql会从左到右先找区分度比较高的索引字段，先将整体范围降下来再去比较其他条件
create index idx_name on s1(name);
select count(id) from s1 where name='jason' and gender = 'male' and id = 3 and email = 'xxx';  # 并没有加速

drop index idx_name on s1;
# 给name，gender这种区分度不高的字段加上索引并不难加快查询速度

create index idx_id on s1(id);
select count(id) from s1 where name='jason' and gender = 'male' and id = 3 and email = 'xxx';  # 快了  先通过id已经讲数据快速锁定成了一条了
select count(id) from s1 where name='jason' and gender = 'male' and id > 3 and email = 'xxx';  # 慢了  基于id查出来的数据仍然很多，然后还要去比较其他字段

drop index idx_id on s1

create index idx_email on s1(email);
select count(id) from s1 where name='jason' and gender = 'male' and id > 3 and email = 'xxx';  # 快 通过email字段一剑封喉 
```

#### 联合索引

```mysql
select count(id) from s1 where name='jason' and gender = 'male' and id > 3 and email = 'xxx';  
# 如果上述四个字段区分度都很高，那给谁建都能加速查询
# 给email加然而不用email字段
select count(id) from s1 where name='jason' and gender = 'male' and id > 3; 
# 给name加然而不用name字段
select count(id) from s1 where gender = 'male' and id > 3; 
# 给gender加然而不用gender字段
select count(id) from s1 where id > 3; 

# 带来的问题是所有的字段都建了索引然而都没有用到，还需要花费四次建立的时间
create index idx_all on s1(email,name,gender,id);  # 最左匹配原则，区分度高的往左放
select count(id) from s1 where name='jason' and gender = 'male' and id > 3 and email = 'xxx';  # 速度变快
```