1. 数据库操作-DQL
1.1 介绍
DQL英文全称是Data Query Language(数据查询语言)，用来查询数据库表中的记录。
查询关键字：SELECT
查询操作是所有SQL语句当中最为常见，也是最为重要的操作。在一个正常的业务系统中，查询操作的使用频次是要远高于增删改操作的。当我们打开某个网站或APP所看到的展示信息，都是通过从数据库中查询得到的，而在这个查询过程中，还会涉及到条件、排序、分页等操作。
1.2 语法
DQL查询语句，语法结构如下：
SELECT 字段列表 FROM 表名列表 WHERE 条件列表 GROUP BY 分组字段列表 HAVING 分组后条件列表 ORDER BY 排序字段列表 LIMIT 分页参数
1.3 基本查询
在基本查询的DQL语句中，不带任何的查询条件，语法如下：
- 查询多个字段
select 字段1, 字段2, 字段3 from 表名;
- 查询所有字段（通配符）
select * from 表名;
- 设置别名
select 字段1 [ as 别名1 ] , 字段2 [ as 别名2 ] from 表名;
- 去除重复记录
select distinct 字段列表 from 表名;
案例1：查询指定字段 name，entrydate并返回
案例2：查询返回所有字段
*号代表查询所有字段，在实际开发中尽量少用（不直观、影响效率）
案例3：查询所有员工的 name,entrydate，并起别名(姓名、入职日期)
案例4：查询已有的员工关联了哪几种职位(不要重复)。
1.4 条件查询
语法：
select 字段列表 from 表名 where 条件列表 ; -- 条件列表：意味着可以有多个条件
学习条件查询就是学习条件的构建方式，而在SQL语句当中构造条件的运算符分为两类：
- 比较运算符
- 逻辑运算符
常用的比较运算符如下:
| 比较运算符 | 功能 |
| > | 大于 |
| >= | 大于等于 |
| < | 小于 |
| <= | 小于等于 |
| = | 等于 |
| <> 或 != | 不等于 |
| between … and … | 在某个范围之内(含最小、最大值) |
| in(…) | 在in之后的列表中的值，多选一 |
| like 占位符 | 模糊匹配(_匹配单个字符, %匹配任意个字符) |
| is null | 是null |
常用的逻辑运算符如下:
| 逻辑运算符 | 功能 |
| and 或 && | 并且 (多个条件同时成立) |
| or 或 || | 或者 (多个条件任意一个成立) |
| not 或 ! | 非 , 不是 |
案例1：查询 姓名 为 杨逍 的员工
案例2：查询 id小于等于5 的员工信息
案例3：查询 没有分配职位 的员工信息
注意：查询为NULL的数据时，不能使用
= null
案例4：查询 有职位 的员工信息
案例5：查询 密码不等于 ‘123456’ 的员工信息
案例6：查询 入职日期 在 ‘2000-01-01’ (包含) 到 ‘2010-01-01’(包含) 之间的员工信息
案例7：查询 入职时间 在 ‘2000-01-01’ (包含) 到 ‘2010-01-01’(包含) 之间 且 性别为女 的员工信息
案例8：查询 职位是 2 (讲师), 3 (学工主管), 4 (教研主管) 的员工信息
案例9：查询 姓名 为两个字的员工信息
案例10：查询 姓 ‘张’ 的员工信息
1.5 聚合函数
之前我们做的查询都是横向查询，就是根据条件一行一行的进行判断，而使用聚合函数查询就是纵向查询，它是对一列的值进行计算，然后返回一个结果值。（将一列数据作为一个整体，进行纵向计算）。
语法：
select 聚合函数(字段列表) from 表名 ;
注意 : 聚合函数会忽略空值，对NULL值不作为统计。
常用聚合函数：
| 函数 | 功能 |
| count | 统计数量 |
| max | 最大值 |
| min | 最小值 |
| avg | 平均值 |
| sum | 求和 |
count ：按照列去统计有多少行数据。
- 在根据指定的列统计的时候，如果这一列中有null的行，该行不会被统计在其中。
sum ：计算指定列的数值和，如果不是数值类型，那么计算结果为0
max ：计算指定列的最大值
min ：计算指定列的最小值
avg ：计算指定列的平均值
案例1：统计该企业员工数量
# count(字段) select count(id) from tb_emp;-- 结果：29 select count(job) from tb_emp;-- 结果：28 （聚合函数对NULL值不做计算） # count(常量) select count(0) from tb_emp; select count('A') from tb_emp; # count(*) 推荐此写法（MySQL底层进行了优化） select count(*) from tb_emp;
案例2：统计该企业最早入职的员工
案例3：统计该企业最迟入职的员工
案例4：统计该企业员工 ID 的平均值
案例5：统计该企业员工的 ID 之和
1.6 分组查询
分组： 按照某一列或者某几列，把相同的数据进行合并输出。
分组其实就是按列进行分类(指定列下相同的数据归为一类)，然后可以对分类完的数据进行合并计算。
分组查询通常会使用聚合函数进行计算。
语法：
select 字段列表 from 表名 [where 条件] group by 分组字段名 [having 分组后过滤条件];
案例1：根据性别分组 , 统计男性和女性员工的数量
案例2：查询入职时间在 ‘2015-01-01’ (包含) 以前的员工 , 并对结果根据职位分组 , 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' -- 分组前条件 group by job -- 按照job字段分组 having count(*) >= 2; -- 分组后条件
注意事项:
• 分组之后，查询的字段一般为聚合函数和分组字段，查询其他字段无任何意义
• 执行顺序：where > 聚合函数 > having
where与having区别（面试题）
- 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。
- 判断条件不同：where不能对聚合函数进行判断，而having可以。
1.7 排序查询
排序在日常开发中是非常常见的一个操作，有升序排序，也有降序排序。
语法：
select 字段列表 from 表名 [where 条件列表] [group by 分组字段 ] order by 字段1 排序方式1 , 字段2 排序方式2 … ;
- 排序方式：
- ASC ：升序（默认值）
- DESC：降序
案例1：根据入职时间, 对员工进行升序排序
select id, username, password, name, gender, image, job, entrydate, create_time, update_time from tb_emp order by entrydate ASC; -- 按照entrydate字段下的数据进行升序排序 select id, username, password, name, gender, image, job, entrydate, create_time, update_time from tb_emp order by entrydate; -- 默认就是ASC（升序）
注意事项：如果是升序, 可以不指定排序方式ASC
案例2：根据入职时间，对员工进行降序排序
select id, username, password, name, gender, image, job, entrydate, create_time, update_time from tb_emp order by entrydate DESC; -- 按照entrydate字段下的数据进行降序排序
案例3：根据入职时间对公司的员工进行升序排序，入职时间相同，再按照更新时间进行降序排序
select id, username, password, name, gender, image, job, entrydate, create_time, update_time from tb_emp order by entrydate ASC , update_time DESC;
注意事项：如果是多字段排序，当第一个字段值相同时，才会根据第二个字段进行排序
1.8 分页查询
分页操作在业务系统开发时，也是非常常见的一个功能，日常我们在网站中看到的各种各样的分页条，后台也都需要借助于数据库的分页操作。
分页查询语法：
select 字段列表 from 表名 limit 起始索引, 查询记录数 ;
案例1：从起始索引0开始查询员工数据, 每页展示5条记录
select id, username, password, name, gender, image, job, entrydate, create_time, update_time from tb_emp limit 0 , 5; -- 从索引0开始，向后取5条记录
案例2：查询 第1页 员工数据, 每页展示5条记录
select id, username, password, name, gender, image, job, entrydate, create_time, update_time from tb_emp limit 5; -- 如果查询的是第1页数据，起始索引可以省略，直接简写为：limit 条数
案例3：查询 第2页 员工数据, 每页展示5条记录
select id, username, password, name, gender, image, job, entrydate, create_time, update_time from tb_emp limit 5 , 5; -- 从索引5开始，向后取5条记录
案例4：查询 第3页 员工数据, 每页展示5条记录
select id, username, password, name, gender, image, job, entrydate, create_time, update_time from tb_emp limit 10 , 5; -- 从索引10开始，向后取5条记录
注意事项:
- 起始索引从0开始。 计算公式 ： 起始索引 = （查询页码 - 1）* 每页显示记录数
- 分页查询是数据库的方言，不同的数据库有不同的实现，MySQL中是LIMIT
- 如果查询的是第一页数据，起始索引可以省略，直接简写为 limit 条数
1.9 案例
1.9.1 案例一
案例：根据需求完成员工管理的条件分页查询
分析：根据输入的条件，查询第1页数据
- 在员工管理的列表上方有一些查询条件：员工姓名、员工性别，员工入职时间(开始时间~结束时间)
- 姓名：张
- 性别：男
- 入职时间：2000-01-01 ~ 2015-12-31
- 除了查询条件外，在列表的下面还有一个分页条，这就涉及到了分页查询
- 查询第1页数据（每页显示10条数据）
- 基于查询的结果，按照修改时间进行降序排序
结论：条件查询 + 分页查询 + 排序查询
1.9.2 案例二
案例：根据需求完成员工信息的统计
分析：以上信息统计在开发中也叫图形报表(将统计好的数据以可视化的形式展示出来)
- 员工性别统计：以饼状图的形式展示出企业男性员人数和女性员工人数
- 只要查询出男性员工和女性员工各自有多少人就可以了
- 员工职位统计：以柱状图的形式展示各职位的在岗人数
- 只要查询出各个职位有多少人就可以了
员工性别统计：
-- if(条件表达式, true取值 , false取值) select if(gender=1,'男性员工','女性员工') AS 性别, count(*) AS 人数 from tb_emp group by gender;
if(表达式, tvalue, fvalue) ：当表达式为true时，取值tvalue；当表达式为false时，取值fvalue
员工职位统计：
-- case 表达式 when 值1 then 结果1 when 值2 then 结果2 ... else result end select (case job when 1 then '班主任' when 2 then '讲师' when 3 then '学工主管' when 4 then '教研主管' else '未分配职位' end) AS 职位 , count(*) AS 人数 from tb_emp group by job;
case 表达式 when 值1 then 结果1 [when 值2 then 结果2 …] [else result] end
2. 多表设计
关于单表的操作(单表的设计、单表的增删改查)我们就已经学习完了。接下来我们就要来学习多表的操作，首先来学习多表的设计。
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
2.1 一对多
员工表 - 部门表之间的关系：
一对多关系实现：在数据库表中多的一方，添加字段，来关联属于一这方的主键。
2.1.2 外键约束
问题
- 表结构创建完毕后，我们看到两张表的数据分别为：
现在员工表中有五个员工都归属于1号部门(学工部)，当删除了1号部门后，数据变为：
1号部门被删除了，但是依然还有5个员工是属于1号部门的。 此时：就出现数据的不完整、不一致了。
问题分析
目前上述的两张表(员工表、部门表)，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的。
问题解决
想解决上述的问题呢，我们就可以通过数据库中的 外键约束 来解决。
外键约束：让两张表的数据建立连接，保证数据的一致性和完整性。
对应的关键字：foreign key
外键约束的语法：
-- 创建表时指定 create table 表名( 字段名 数据类型, ... [constraint] [外键名称] foreign key (外键字段名) references 主表 (主表列名) ); -- 建完表后，添加外键 alter table 表名 add constraint 外键名称 foreign key(外键字段名) references 主表(主表列名);
那接下来，我们就为员工表的dept_id 建立外键约束，来关联部门表的主键。
方式1：通过SQL语句操作
-- 修改表： 添加外键约束 alter table tb_emp add constraint fk_dept_id foreign key (dept_id) references tb_dept(id);
方式2：图形化界面操作
当我们添加外键约束时，我们得保证当前数据库表中的数据是完整的。 所以，我们需要将之前删除掉的数据再添加回来。
当我们添加了外键之后，再删除ID为1的部门，就会发现，此时数据库报错了，不允许删除。
外键约束（foreign key）：保证了数据的完整性和一致性。
物理外键和逻辑外键
- 物理外键
- 概念：使用foreign key定义外键关联另外一张表。
- 缺点：
- 影响增、删、改的效率（需要检查外键关系）。
- 仅用于单节点数据库，不适用与分布式、集群场景。
- 容易引发数据库的死锁问题，消耗性能。
- 逻辑外键
- 概念：在业务层逻辑中，解决外键关联。
- 通过逻辑外键，就可以很方便的解决上述问题。
在现在的企业开发中，很少会使用物理外键，都是使用逻辑外键。 甚至在一些数据库开发规范中，会明确指出禁止使用物理外键 foreign key
2.2 一对一
一对一关系表在实际开发中应用起来比较简单，通常是用来做单表的拆分，也就是将一张大表拆分成两张小表，将大表中的一些基础字段放在一张表当中，将其他的字段放在另外一张表当中，以此来提高数据的操作效率。
一对一的应用场景： 用户表(基本信息+身份信息)
- 基本信息：用户的ID、姓名、性别、手机号、学历
- 身份信息：民族、生日、身份证号、身份证签发机关，身份证的有效期(开始时间、结束时间)
如果在业务系统当中，对用户的基本信息查询频率特别的高，但是对于用户的身份信息查询频率很低，此时出于提高查询效率的考虑，我就可以将这张大表拆分成两张小表，第一张表存放的是用户的基本信息，而第二张表存放的就是用户的身份信息。他们两者之间一对一的关系，一个用户只能对应一个身份证，而一个身份证也只能关联一个用户。
那么在数据库层面怎么去体现上述两者之间是一对一的关系呢？
其实一对一我们可以看成一种特殊的一对多。一对多我们是怎么设计表关系的？是不是在多的一方添加外键。同样我们也可以通过外键来体现一对一之间的关系，我们只需要在任意一方来添加一个外键就可以了。
一对一 ：在任意一方加入外键，关联另外一方的主键，并且设置外键为唯一的(UNIQUE)
2.3 多对多
多对多的关系在开发中属于也比较常见的。比如：学生和老师的关系，一个学生可以有多个授课老师，一个授课老师也可以有多个学生。在比如：学生和课程的关系，一个学生可以选修多门课程，一个课程也可以供多个学生选修。
案例：学生与课程的关系
- 关系：一个学生可以选修多门课程，一门课程也可以供多个学生选择
- 实现关系：建立第三张中间表，中间表至少包含两个外键，分别关联两方主键
后记
👉👉💕💕美好的一天，到此结束，下次继续努力！欲知后续，请看下回分解，写作不易，感谢大家的支持！！ 🌹🌹🌹
