【Sql Server】创建临时表和遍历临时表以及判断临时表是否存在

本文涉及的产品
云数据库 RDS SQL Server,独享型 2核4GB
简介: 在实际项目开发中,临时表的作用还是很大的特别是在处理一些复杂逻辑的时候,临时表就发挥很大作用,比如:将旧系统表数据迁移到新系统新数据里,就需要中间表来进行更新,临时表就是最佳选择
作者:小5聊基础
简介:一只喜欢全栈方向的程序员,欢迎咨询,尽绵薄之力答疑解惑
编程原则:Write Less Do More

【定义变量方法】
1)关键词 - declare,变量名需要加上@符号前缀

2)变量的赋值使用set关键词

3)定义字符串、整型,如下

declare @id int
declare @name varchar(50)

set @id=1
set @name='张三'

【判断临时表是否存在】
1)临时表的定义的特点就是在名称前加#井号符号
2)加一个#井号变量局部变量,加两个#属于全局变量
3)object_id,判断临时表对象是否存在,如下

if object_id('tempdb..#my_table_temp') is not null begin
    print('存在')
end
else begin
    print('不存在')
end

image.png

【创建临时表】
1)可以先判断是否存在,存在先删除再创建临时表
drop table #my_temp_table
2)创建临时表和创建普通表一样
create table #my_temp_table(字段名 数据类型,...)
3)临时表还有直接创建时赋值
select * into #my_temp_table from 目标表

image.png

【遍历临时表】
1)这里用一个简单的方式,通过top 1配合删除以及exists方式

2)代码语句如下

declare @type_guid varchar(50)
while exists(select type_guid from #my_table_temp) begin
    select top 1 @type_guid=type_guid from #my_table_temp
    delete #my_table_temp where type_guid=@type_guid
end

image.png

相关实践学习
使用SQL语句管理索引
本次实验主要介绍如何在RDS-SQLServer数据库中,使用SQL语句管理索引。
SQL Server on Linux入门教程
SQL Server数据库一直只提供Windows下的版本。2016年微软宣布推出可运行在Linux系统下的SQL Server数据库,该版本目前还是早期预览版本。本课程主要介绍SQLServer On Linux的基本知识。 相关的阿里云产品:云数据库RDS SQL Server版 RDS SQL Server不仅拥有高可用架构和任意时间点的数据恢复功能,强力支撑各种企业应用,同时也包含了微软的License费用,减少额外支出。 了解产品详情: https://www.aliyun.com/product/rds/sqlserver
相关文章
|
2天前
|
SQL 安全 数据库
SQL Server 备份和还原
SQL Server 备份和还原
|
2天前
|
SQL 存储 安全
SQL Server 权限管理
SQL Server 权限管理
|
2天前
|
存储 SQL
SQL Server 存储过程 触发器 事务处理
SQL Server 存储过程 触发器 事务处理
|
2天前
|
SQL 自然语言处理 搜索推荐
SQL Server 索引和视图
SQL Server 索引和视图
|
2天前
|
SQL 数据库
Sql server 表管理(创建 修改 删除)
Sql server 表管理(创建 修改 删除)
|
7天前
|
SQL 机器学习/深度学习 数据采集
数据分享|SQL Server、Visual Studio、tableau对信贷风险数据ETL分析、数据立方体构建可视化
数据分享|SQL Server、Visual Studio、tableau对信贷风险数据ETL分析、数据立方体构建可视化
|
9天前
|
SQL 数据采集 数据挖掘
SQL Server仓储物流公司visual studio发货数据仓库设计
SQL Server仓储物流公司visual studio发货数据仓库设计
|
9天前
|
SQL 机器学习/深度学习 算法
SQL SERVER ANALYSIS SERVICES决策树、聚类、关联规则挖掘分析电商购物网站的用户行为数据
SQL SERVER ANALYSIS SERVICES决策树、聚类、关联规则挖掘分析电商购物网站的用户行为数据