emp

今日内容 表与表之间建关系 外键　　一对多　　多对多　　一对一所有的信息都记录在一张表中所带来的问题 1.表的结构不清晰 2.浪费硬盘空间 3.表的扩展性极差(无法忽略的缺点) PS:类似于我们将所有的代码都写在用一个py文件内 确立表与表之间的关系,一定要换位思考(必须两方都考虑周全之后才能得出结论)以员工表和部门表为例: 先站在员工表看能否有多个员工对应一个部门 分析: 一个部门能否有多个员工 可以!!!(暂时只能确定员工单向多对一部门) 再站在部门表看能否有多个部门对应一个员工 分析: 一个员工能否属于多个部门 不可以!!!结论: 员工表和部门表之间仅仅是 单向的多对一 那么它们的表关系就是 "一对多" 表关系中没有多对一一说,只有一对多 ( 无论是多对一还是一对多都叫"一对多" ) 关于让两种表有代码层面上真正的关联,必须使用外键什么是外键? 让表与表有硬性层面上的关系foreign key 外键约束 1.在创建表的时候 必须先创建被关联表 2.插入数据的时候 也必须先插入被关联表的数据 # 建表 create table dep( id int primary key auto_increment, dep_name varchar(32), dep_desc varchar(128) ); create table emp( id int primary key

注 ： dual 是一个虚拟表，用来构成select的语法规则，它实际是不存在的 一：单行函数 •字符串处理函数：UPPER(),LOWER() ,INITCAP(),LENGTH(),SUBSTR(),REPLACE(); •数值处理函数：ROUND()，TRUNC(),MOD()； •日期处理函数:ADD_MONTHS(),MONTHS_BETWEEN(),LAST_DAY(),NEXT_DAY(); •转换函数：TO_DATE()，TO_CHAR(),TO_NUMBER(); •通用函数：NVL(),DECODE()。 1.字符串处理函数 （1）.转大小写函数： •转大写函数：UPPER（字符串 | 列）; •转小写函数：LOWER（字符串| 列）； SELECT LOWER (ename) FROM 表名 ; //查询表里员工姓名，姓名小写显示 SELECT * FROM 表名 WHERE ename= UPPER ('inputName'); //查询输入的员工姓名，转大写 （2）.获取字符串长度： •长度函数：数字 LENGTH(字符串 | 列); SELECT * FROM emp WHERE LENGTH (ename) = 5 ; //查询所有姓名长度为5的雇员信息 （3）.字符串截取； SUBSTR（汉译：字符串的子串，就是截取呀） •截取函数：字符串

---视图 ---视图的概念：视图就是提供一个查询的窗口，所有数据来自于原表。 ---查询语句创建表 create table emp as select * from scott.emp; select * from emp; ---创建视图【必须有dba权限】 create view v_emp as select ename, job from emp; ---查询视图 select * from v_emp; ---修改视图[不推荐] update v_emp set job='CLERK' where ename='ALLEN'; commit; ---创建只读视图 create view v_emp1 as select ename, job from emp with read only; ---视图的作用？ ---第一：视图可以屏蔽掉一些敏感字段。 ---第二：保证总部和分部数据及时统一。 ---索引 --索引的概念：索引就是在表的列上构建一个二叉树 ----达到大幅度提高查询效率的目的，但是索引会影响增删改的效率。 ---单列索引 ---创建单列索引 create index idx_ename on emp(ename); ---单列索引触发规则，条件必须是索引列中的原始值。 ---单行函数，模糊查询，都会影响索引的触发。 select * from emp

hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。 Metastore （hive元数据） Hive将元数据存储在数据库中，比如mysql ,derby.Hive中的元数据包括表的名称，表的列和分区及其属性，表的数据所在的目录 Hive数据存储在HDFS，大部分的查询、计算由mapreduce完成 Hive数据仓库于数据库的异同 (1）由于Hive采用了SQL的查询语言HQL，因此很容易将Hive理解为数据库。其实从结构上来看，Hive和数据库除了拥有类似的查询语言， 再无类似之处。 （2）数据存储位置。 hdfs raw local fs （3）数据格式。 分隔符 （4）数据更新。hive读多写少。Hive中不支持对数据的改写和添加，所有的数据都是在加载的时候中确定好的。 INSERT INTO … VALUES添加数据，使用UPDATE … SET修改数据 不支持的 HDFS 一次写入多次读取 （5） 执行。hive通过MapReduce来实现的 而数据库通常有自己的执行引擎。 （6）执行延迟。由于没有索引，需要扫描整个表，因此延迟较高。另外一个导致Hive执行延迟高的因素是MapReduce框架 （7）可扩展性 （8）数据规模。 hive几种基本表类型

目录 单表查询 完整的查询语句语法 简单查询 where关键字 group by 分组查询 order by 排序 Limit 限制显示的记录数 单表查询 完整的查询语句语法 # []为可选项 select [distinct] *|字段名|四则运算|聚合函数 from 表名 [where 条件] [group by 字段] [having 条件] [order by 条件] [limit m,n] 控制从哪里开始显示以及显示几条 以上就是书写顺序，必须按照这个顺序来书写sql语句。书写顺序并不代表执行顺序 简单查询 1.distinct是可选项，用于去除重复记录 2.as 是用来取别名，取别名as可以省略 3.可以对字段的数据进行四则运算 4.concat()字符串连接，concat_ws()可以指定连接符连接字符串 # 准备数据 create table stu(id int primary key auto_increment,name char(10),math float,english float); insert into stu(name,math,english) values("赵云",90,30),("小乔",90,60),("大乔",10,70),("李清照",100,100),("铁拐李",20,55),("小李子",20,55),("李四",59,98)

外键 前戏之一对多关系 # 定义一张部门员工表 id name gender dep_name dep_desc 1 jason male 教学部 教书育人 2 egon male 外交部 漂泊游荡 3 tank male 教学部 教书育人 4 kevin male 教学部 教书育人 5 owen female 技术部 技术能力有限部门 """ 把所有数据都存放于一张表的弊端 1.组织结构不清晰 2.浪费硬盘空间 3.扩展性极差 """ # 上述的弊端产生原因类似于把代码全部写在一个py文件中，你应该怎么做？>>>解耦合！将上述一张表拆成员工和部门两张表！ # 分析表数据之间的关系：多个用户对应一个部门，一个部门对应多个用户。禁止一个用户对应多个部门 # 如何查找表与表之间的关系 ''' 以员工和部门表为例。查找表关系需要做到换位思考(站在两边去找表关系) 先站在员工表: 找员工表的多条数据能否对应部门表的一条数据 翻译: 多个员工能否属于一个部门 可以！之后不能直接下结论，还需要站在部门表的角度再确认关系 再站在部门表: 找部门表的多条数据能否对应员工表的一条数据 翻译: 多个部门能否有同一个员工 不可以！ 只有站在两边表的角度都分析过了，才能够下结论 员工表单向多对一部门表 ''' 一对多(Foreign Key) # 如何查找表与表之间的关系 """ 老师与课程表 1

一、表的概念与分类 　　主要通过外键关键字：pirmary key 来建立连系 1、表与表之间的关系可以分为三种：一对多，多对多，一对一的关系 　　建立表关系的原因？: 2、 针对数据量大的情况下讨论 　　1：表的结构不清晰（一张表中涵盖多种数据） 　　2：浪费硬盘空间（有重复的数据） 　　3：表的扩展性极差（不便于增加，修改，删除等操作） 二、表与表的关系：一对多 例如：一个公司的员工和部门之间的连系，把员工和部门分别抽离出来分析 　　（1）先站在员工表看能否有多个员工对应一个部门>>>一个部门能否有多个员工（可以） 　　（2）再站在部门表看能否有多个部门对应一个员工>>>一个员工能否属于多个部门(不可以) 结论：员工表和部门表之间的关系是“一对多”的关系（一对多或者多对一） 根据id索引来寻找匹配的内容先通过列表的形式，把一张完整的表切分出来，分析它们之间的关系多对一还是多对多就可以看出情况，换位思考！ foreign key:外键约束 　　1、创建表的时候，必须先创建被关联的表 　　2、插入数据的时候，也必须先插入被关联表的数据（先后顺序不能颠倒，不然会报错！） 代码如下： 　　建表： # 先建被关联的表 create table dep( id int primary key auto_increment, dep_name varcher(32), dep_desc

前言： 前面几篇文章为大家介绍了DML以及DDL语句的使用方法，本篇文章将主要讲述常用的查询语法。其实MySQL官网给出了多个示例数据库供大家实用查询，下面我们以最常用的员工示例数据库为准，详细介绍各自常用的查询语法。 1.员工示例数据库导入 官方文档员工示例数据库介绍及下载链接： https://dev.mysql.com/doc/employee/en/employees-installation.html 同样的，为了方便大家，我这里将员工库的数据库备份分享给大家，大家也可以下载我这份数据，然后再解压导入进你们本地库就可以了。 链接: https://pan.baidu.com/s/13s1OH-3DepN-rpejys76Ww 密码: 2xqx 下载解压后，直接导入即可，如链接失效可后台联系我。 如果你导入完成，就可以看到下面这6张表了，这就是我们接下来练习查询语法要用的表哦。 为了让大家对示例数据库更了解，这里给出此数据库各表之间的关系图： 简单介绍下这6张表： departments ：部门表，记录的是9个部门的部门编号和部门名称。 dept_emp ：部门员工表，记录各部门员工数据，员工id和部门id，起始时间和结束时间（注：9999-01-01的意思就是仍在该部门就职）。 dept_manager ：部门经理表，同第二张表结构差不多，记录每个部门的每个经理的任职时期

说明：语句中说到的“表”，以及表中有哪些“列”自行脑补......重要的是理解概念，能看懂语句代表的含义就可以了~ DQL-数据查询语句： 1.* 表示所有列 SELECT * FROM emp; 2.指定查询的列 SELECT ename,job,sal FROM emp; 3.可以在查询语句中对数据进行运算 SELECT ename,job,sal, 12*sal FROM emp; -- 对于数字类型的数据可以进行数学运算：+ - * / -- 对于日期类型的数据可以进行加减运算，表示加上或者减去天数 SELECT ename,hiredate, hiredate+30 FROM emp; -- 对于字符类型不能做数学运算 -- 空值参与运算得到的结果也为空 SELECT ename,job,sal,comm,12*(sal+ comm ) FROM emp; 4.别名 /* 列名 别名 列名 AS 别名 列名 "别名" 如果别名中保护特殊字符（空格）或者区分大小写时，使用双引号 在sql'语句中只有定义别名时才会出现双引号，其他任何地方都不会再出现双引号 */ SELECT ename mingzi,job zhiwei FROM emp; SELECT ename AS mingzi,job AS zhiwei FROM emp; SELECT ename "ming

0、数据库基础介绍 数据库管理系统　　DBMS(data base management system )，包括Oracle，mysql，SQLserver，MongoDB,db2等 数据库/仓库　　　 DB SQL　　　　　　　结构化查询语言 Mysql　　　　　　一种数据库软件，使用sql语言管理数据 数据库中事务的四大特性（ACID）：原子性（Atomicity）；一致性（Consistency）；隔离性（Isolation）；⑷ 持久性（Durability） SQL语句分类： 1、DQL：数据查询语句，select　　　　　　　　 （Data Query Language） 2、DML：数据操作语句，insert/delete/update　　（Data Manipulation Language） 3、DDL：数据库定义语句，create/drop/alter　　 （Data Denifition Language） 4、TCL：事务控制语言，commit/rollback　　　　（Trasactional Control Language） 5、DCL: 数据控制语言，grant ,revoke　　　　　（Data Control Language） 创建数据库： create database bjpowernode; 导入数据库脚本 数据库脚本：以