AI 助理
备案控制台
开发者社区 数据库 文章 正文

【MySQL 数据库】1、MySQL 的 DDL、DML、DQL 语句

2024-03-01 315
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
RDS MySQL Serverless 基础系列，0.5-2RCU 50GB
推荐场景：
学生管理系统数据库设计 搭建个人博客
云原生数据库 PolarDB MySQL 版，通用型 2核8GB 50GB
云原生数据库 PolarDB PostgreSQL 版，标准版 2核4GB 50GB
简介： 【MySQL 数据库】1、MySQL 的 DDL、DML、DQL 语句


一、MySQL 应该掌握哪些知识点 ？

🎄 (1) MySQL 基础篇（初级工程师）

  • ① MySQL 基础概念
  • ② SQL 语句
  • ③ 函数
  • ④ 约束
  • ⑤ 多表查询
  • ⑥ 事务

🎄 (2) MySQL 进阶篇（中级工程师）

  • ① 存储引擎
  • ② 索引
  • ③ SQL 优化
  • ④ 视图、存储过程、触发器
  • ⑤ 锁
  • ⑥ InnoDB 核心
  • ⑦ MySQL 管理

🎄 (3) 运维篇（高级工程师）

  • ① 日志
  • ② 主从复制
  • ③ 分库分表
  • ④ 读写分离

二、数据库相关概念

✏️ 数据库：存储数据的仓库（仓库中的数据是被有组织的存储的）【Database】

✏️ 数据库管理系统：操纵和管理数据库的大型软件【Database Management System】

✏️ SQL：操纵关系型数据库的编程语言（定义了一套操纵关系型数据库的同一标准）【Structured Query Language】

三、主流关系型数据库管理系统

📝 Oracle（非开源）

📝 MySQL（社区版是开源的）

📝 Sql Server（微软研发）

📝 PostgreSQL

📝 IBM Db2

📝 SQLite（安卓使用）

四、关系型数据库

🎄 关系型数据库（RDBMS）：由多张相互关联的二维表组成的数据库

五、SQL 语句的分类

📌 ① DDL（Data Definition Language）

数据定义语言【用于定义数据库、表、字段 …】

📌 ② DML（Data Manipulation Language）

数据操作语言【用于对数据库表中的数据进行增、删、改】

📌 ③ DQL（Data Query Language）

数据查询语言【用于查询数据库中表的记录】

📌 ④ DCL（Data Control Language）

数据控制语言【用于创建数据库用户、控制数据库的访问权限】

六、DDL

🎄 Data Definition Language：数据定义语言

(1) 数据库操作

查询：

🎼 ① 查询所有数据库：

SHOW DATABASES;

🎼 ② 查询当前数据库

SELECT DATABASE();

🎼 ③ 创建数据库

CREATE DATABASE [IF NOT EXISTS] db_name;

IF NOT EXISTS 表示 只有当数据库不存在的时候才创建，避免了下图的错误

CREATE DATABASE IF NOT EXISTS db_name DEFAULT CHARSET = utf8mb4

✏️ utf8mb4 字符集可存储 4 个字节的数据（可存储表情包）

✏️ utf8 字符集只能存储 3 个字节的数据

✏️ 推荐使用 utf8mb4

📌 DEFAULT CHARSET 用于设置数据的字符集

🎼 ④ 删除数据库

DROP DATABASE [IF EXISTS] db_name

📌 IF EXISTS 只有存在才删除

🎼 ⑤ 使用数据库

USE db_name

(2) 表操作

🎄 ① 查询当前数据库的所有表

SHOW TABLES

🎄 ② 查询表结构

DESC table_name

🎄 ③ 查询指定表的建表语句

SHOW CREATE TABLE table_name

🎄 ④ 创建表

CREATE TABLE `student` (
  `id` INT(11) DEFAULT NULL COMMENT '编号',
  `name` VARCHAR(20) DEFAULT NULL COMMENT '姓名',
  `age` TINYINT(4) DEFAULT NULL COMMENT '年龄',
  `gender` CHAR(1) DEFAULT NULL COMMENT '性别'
) ENGINE=INNODB DEFAULT CHARSET=utf8mb4 COMMENT='这是学生表'
  • ① 使用 VARCHAR 类型必须指定长度
  • ② 最后一个字段的后面不要加 ,【加了会报错】

(3) 字段的数据类型

🎄 数据库表的数据类型有三种：

① 数值类型

DECIMAL 数据类型的精度和标度：

eg：25.689 的精度是 5

eg：25.689 的标度是 3

🎄 age：tinyint unsigned

  • unsigned【年龄不会有负数】

🎄 score：总分100分，最多出现一位小数

  • score double(4,1)
  • 分数有可能是：100.1【所以是4】
  • 只会有一位小数【所以是1】

② 字符串类型

  • 【变长字符串】varchar(10)：最多只能存储10个字符，会根据实际情况指定占用的空间【性能比 char 差】
  • 【定长字符串】char(10)：最多只能存储10个字符，当存储的是1个字符的时候也是占用10字符的空间，为使用的字符用空格补位【性能比 varchar 好】

【姓名 name】用 varchar 类型比较好

【性别 gender】用 char 类型比较好

📝 varchar(n)：n 表示的是最大字符数【占用的空间不固定，但占用的最大空间是固定的】

📝 char(n)：n 表示的是总字符数【占用的空间是固定的】

③ 日期时间类型

(4) 创建员工表

CREATE TABLE employer   (
  id INT UNSIGNED COMMENT '编号',
  `work_no` VARCHAR(10) COMMENT '工号',
  `name` VARCHAR(10) COMMENT '姓名',
   age TINYINT(3) UNSIGNED COMMENT '年龄' ,
    `gender` CHAR(1) COMMENT '性别',
     id_number CHAR(18) COMMENT '身份证号',
     entry_date DATE COMMENT '入职时间'
) COMMENT '员工表'

(5) 修改表结构

📌 ① 往表中新增字段

为 employer 表新增【昵称】字段, 字段名为 nickname，类型为 varchar(20)

ALTER TABLE employer ADD nickname VARCHAR(20) COMMENT '昵称';

📌 ② 修改表中的字段

  • 修改字段的数据类型

把 employer 表中 id 字段的数据类型修改为 BIGINT, 也无符号

ALTER TABLE employer MODIFY id BIGINT UNSIGNED;
  • 修改字段名和数据类型

修改 employer 表中 nickname 字段的字段名为 username，类型是 varchar(30)

ALTER TABLE employer CHANGE nickname username VARCHAR(30) COMMENT '用户名'

📌 ③ 删除表中的字段

删除 employer 表中的 age 字段

ALTER TABLE employer DROP age

📌 ④ 修改表名

把 employer 表的表名修改为 staff

ALTER TABLE employer RENAME TO staff

(6) 删除某一张表

删除数据库中的表名为 emp 的表，如果存在的话

DROP TABLE IF EXISTS emp

删除指定表，并重新创建表（类似删除表中的全部数据）

七、DML

DELETE FROM table_name
TRUNCATE table_name

八、DQL

(1) 员工表

create table emp (
  id int comment '编号',
  workno varchar(10) comment '工号',
  name varchar(10) comment '姓名',
  gender char(1) comment '性别',
  age tinyint unsigned comment '年龄',
  idcard char(18) comment '身份证号',
  workaddress varchar(50) comment '工作地址',
  entrydate varchar(33) comment '入职时间'
)comment '员工表';
INSERT INTO emp (id, workno, name, gender, age, idcard, workaddress, entrydate)
VALUES (1, '00001', '柳岩666', '女', 20, '123456789012345678', '北京', '2000-01-
01');
INSERT INTO emp (id, workno, name, gender, age, idcard, workaddress, entrydate)
VALUES (2, '00002', '张无忌', '男', 18, '123456789012345670', '北京', '2005-09-
01');
INSERT INTO emp (id, workno, name, gender, age, idcard, workaddress, entrydate)
VALUES (3, '00003', '韦一笑', '男', 38, '123456789712345670', '上海', '2005-08-
01');
INSERT INTO emp (id, workno, name, gender, age, idcard, workaddress, entrydate)
VALUES (4, '00004', '赵敏', '女', 18, '123456757123845670', '北京', '2009-12-01');
INSERT INTO emp (id, workno, name, gender, age, idcard, workaddress, entrydate)
VALUES (5, '00005', '小昭', '女', 16, '123456769012345678', '上海', '2007-07-01');
INSERT INTO emp (id, workno, name, gender, age, idcard, workaddress, entrydate)
VALUES (6, '00006', '杨逍', '男', 28, '12345678931234567X', '北京', '2006-01-01');
INSERT INTO emp (id, workno, name, gender, age, idcard, workaddress, entrydate)
VALUES (7, '00007', '范瑶', '男', 40, '123456789212345670', '北京', '2005-05-01');
INSERT INTO emp (id, workno, name, gender, age, idcard, workaddress, entrydate)
VALUES (8, '00008', '黛绮丝', '女', 38, '123456157123645670', '天津', '2015-05-
01');
INSERT INTO emp (id, workno, name, gender, age, idcard, workaddress, entrydate)
VALUES (9, '00009', '范凉凉', '女', 45, '123156789012345678', '北京', '2010-04-
01');
INSERT INTO emp (id, workno, name, gender, age, idcard, workaddress, entrydate)
VALUES (10, '00010', '陈友谅', '男', 53, '123456789012345670', '上海', '2011-01-
01');
INSERT INTO emp (id, workno, name, gender, age, idcard, workaddress, entrydate)
VALUES (11, '00011', '张士诚', '男', 55, '123567897123465670', '江苏', '2015-05-
01');
INSERT INTO emp (id, workno, name, gender, age, idcard, workaddress, entrydate)
VALUES (12, '00012', '常遇春', '男', 32, '123446757152345670', '北京', '2004-02-
01');
INSERT INTO emp (id, workno, name, gender, age, idcard, workaddress, entrydate)
VALUES (13, '00013', '张三丰', '男', 88, '123656789012345678', '江苏', '2020-11-
01');
INSERT INTO emp (id, workno, name, gender, age, idcard, workaddress, entrydate)
VALUES (14, '00014', '灭绝', '女', 65, '123456719012345670', '西安', '2019-05-
01');
INSERT INTO emp (id, workno, name, gender, age, idcard, workaddress, entrydate)
VALUES (15, '00015', '胡青牛', '男', 70, '12345674971234567X', '西安', '2018-04-
01');
INSERT INTO emp (id, workno, name, gender, age, idcard, workaddress, entrydate)
VALUES (16, '00016', '周芷若', '女', 18, null, '北京', '2012-06-01');

(2) distinct、as

distinct: 去除查询结果的重复项

(3) where

查询没有身份证号的员工信息

select * from emp where idcard is null;

查询有身份证号的员工信息

select * from emp where idcard is not null;

查询年龄不等于88岁的员工信息

select * from emp where age != 88;
select * from emp where age <> 88;

查询年龄在 15 到 20 岁的员工信息（包含15和20岁）

select * from emp where age between 15 and 20;
select * from emp where age >= 15 && age <= 20;
select * from emp where age >= 15 and age <= 20;

查询年龄是 18、20 或 40 的员工信息

select * from emp where age = 18 or age = 20 or age = 40;
select * from emp where age in (18, 20, 40);

查询姓名为两个字的员工信息

select * from emp where name like '__' # 两个下划线

查询身份证号最后一位为 x 的员工信息

select * from emp where idcard like '%x';

(4) 聚合函数

1、统计员工数量

select count(*) 'employeeNum' from emp;
select count(id) as '员工数量' from emp;

2、统计员工平均年龄

select avg(age) '平均年龄' from emp;

3、统计员工最大年龄

select max(age) '最大年龄' from emp;

4、统计员工最小年龄

select min(age) '最小年龄' from emp;

5、统计西安地区员工的年龄之和

select sum(age) '年龄和' from emp where workaddress = '西安';

(5) group by、where 和 having 区别

分组（GROUP BY）一般要结合聚合函数一起使用。

1、根据性别分组，统计男性员工和女性员工的数量

SELECT
  gender,
  count( gender ) '人数'
FROM
  emp 
GROUP BY
  gender;

2、根据性别分组，统计男性员工和女性员工的平均年龄

SELECT
  gender,
  avg( age ) '平均年龄' 
FROM
  emp 
GROUP BY
  gender

3、查询年龄小于45岁的员工，并根据工作地址分组，获取员工数量大于等于3的工作地址

SELECT
  count( * ) '人数',
  workaddress 
FROM
  emp 
WHERE
  age < 45 GROUP BY workaddress HAVING count( * ) >= 3;

(6) order by

1、根据年龄对公司的员工进行升序排序

select name, age from emp order by age asc;
select name, age from emp order by age;

2、根据入职时间，对员工进行降序排序

SELECT
  * 
FROM
  emp 
ORDER BY
  entrydate DESC;

3、根据年龄对公司的员工进行升序排序 , 年龄相同 , 再按照入职时间进行降序排序

SELECT
  * 
FROM
  emp 
ORDER BY
  age,
  entrydate DESC;

(7) 分页查询

1、查询第1页员工数据, 每页展示10条记录

select * from emp limit 0, 10;
select * from emp limit 10;

2、查询第2页员工数据, 每页展示10条记录

select * from emp limit 10, 10;

(8) exercise

select * from emp where age >= 20 && age <= 23;
select * from emp where age >= 20 and age <= 23;
select * from emp where age between 20 and 23;
select * from emp where age in (20, 21, 22, 23);
select * from emp where age = 20 or age = 21 or age = 22 or age = 23;

SELECT
  * 
FROM
  emp 
WHERE
  gender = '男' 
  AND age BETWEEN 20 
  AND 40 
  AND `name` LIKE '___';

SELECT
  gender,
  count( * ) 
FROM
  emp 
WHERE
  age < 60 
GROUP BY
  gender;

SELECT
  `name`,
  age,
  entrydate 
FROM
  emp 
WHERE
  age <= 35 
ORDER BY
  age,
  entrydate DESC;

SELECT
  * 
FROM
  emp 
WHERE
  gender = '男' 
  AND age BETWEEN 20 
  AND 40 
ORDER BY
  age,
  entrydate 
  LIMIT 5;

(9) DQL 语句的执行顺序

文章标签：
云数据库 RDS MySQL 版
云原生数据库 PolarDB
SQL
关系型数据库
数据库
MySQL
存储
关键词：
数据库mysql
云数据库 RDS MySQL 版数据库
云数据库 RDS MySQL 版ddl
数据库ddl
云数据库 RDS MySQL 版dml dql
相关实践学习
如何快速连接云数据库RDS MySQL
本场景介绍如何通过阿里云数据管理服务DMS快速连接云数据库RDS MySQL，然后进行数据表的CRUD操作。
全面了解阿里云能为你做什么
阿里云在全球各地部署高效节能的绿色数据中心，利用清洁计算为万物互联的新世界提供源源不断的能源动力，目前开服的区域包括中国（华北、华东、华南、香港）、新加坡、美国（美东、美西）、欧洲、中东、澳大利亚、日本。目前阿里云的产品涵盖弹性计算、数据库、存储与CDN、分析与搜索、云通信、网络、管理与监控、应用服务、互联网中间件、移动服务、视频服务等。通过本课程，来了解阿里云能够为你的业务带来哪些帮助 &nbsp; &nbsp; 相关的阿里云产品：云服务器ECS 云服务器 ECS（Elastic Compute Service）是一种弹性可伸缩的计算服务，助您降低 IT 成本，提升运维效率，使您更专注于核心业务创新。产品详情: https://www.aliyun.com/product/ecs
张思睿ZGQ
目录
相关文章
Bluening
|
2月前
|
SQL 关系型数据库 MySQL
菜鸟之路Day30一一MySQL之DML&DQL
本文介绍了MySQL中DML（数据操作语言）和DQL（数据查询语言）的核心用法。DML主要包括插入（insert）、更新（update）和删除（delete）语句，通过具体示例演示了如何对表数据进行增删改操作。DQL则聚焦于数据查询，涵盖基本查询、条件查询、聚合函数、分组查询、排序查询和分页查询等内容。文章通过丰富的SQL语句实例，帮助读者掌握如何高效查询和操作数据库中的数据，适合初学者学习和实践。
Bluening
89 12
小华同学ai
|
3月前
|
SQL 人工智能 数据可视化
16.1k star! 只需要DDL就能一键生成数据库关系图！开源神器ChartDB让你的数据结构"看得见"
ChartDB是一款开源的数据库可视化神器，通过一句智能查询就能自动生成专业的数据库关系图。无需安装客户端、不用暴露数据库密码，打开网页就能完成从数据建模到迁移的全流程操作，堪称开发者的"数据库透视镜"。
小华同学ai
539 67
IvanCodes
|
1月前
|
SQL 存储 关系型数据库
一、数据库和表的基本操作 DDL
在使用 MySQL 做项目或写业务逻辑时，离不开对数据库和数据表的基本操作。我们这次从创建数据库讲起，一步步带你掌握如何新建表、查看表结构、修改字段、重命名、删除等常用命令。每一个知识点都有示例代码可直接上手，还准备了一套完整的动手练习，帮助你把概念变成熟练技能。如果你刚入门 SQL，或者想系统梳理一遍 DDL 基础，这篇会是不错的起点。
IvanCodes
118 0
肾透侧视攻城狮
|
8月前
|
SQL NoSQL 关系型数据库
2024Mysql And Redis基础与进阶操作系列（5）作者——LJS[含MySQL DQL基本查询:select；简单、排序、分组、聚合、分组、分页等详解步骤及常见报错问题所对应的解决方法]
MySQL DQL基本查询:select;简单、排序、分组、聚合、分组、分页、INSERT INTO SELECT / FROM查询结合精例等详解步骤及常见报错问题所对应的解决方法
肾透侧视攻城狮
236 5
肾透侧视攻城狮
|
8月前
|
SQL 关系型数据库 MySQL
2024Mysql And Redis基础与进阶操作系列（2）作者——LJS[含MySQL登录；DDL；DML；举例说明；编码等详解步骤及常见报错问题对应的解决方法]
MySQL登录；DDL；DML;举例说明；编码等详解步骤及常见报错问题对应的解决方法
肾透侧视攻城狮
151 2
龙大吉
|
11月前
|
SQL 存储 关系型数据库
"MySQL增列必锁表？揭秘InnoDB在线DDL，让你的数据库操作飞一般，性能无忧！"
【8月更文挑战第11天】在数据库领域，MySQL凭借其稳定高效的表现深受开发者喜爱。对于是否会在给数据表添加列时锁表的问题，MySQL的行为受版本、存储引擎等因素影响。从5.6版起，InnoDB支持在线DDL，可在改动表结构时保持表的可访问性，避免长时间锁表。而MyISAM等则需锁表完成操作。例如，在使用InnoDB的表上运行`ALTER TABLE users ADD COLUMN email VARCHAR(255);`时，通常不会完全锁表。虽然在线DDL提高了灵活性，但复杂操作或大表变更仍可能暂时影响性能。因此，进行结构变更前应评估其影响并择机执行。
龙大吉
175 6
蓝易云
|
11月前
|
SQL 关系型数据库 MySQL
MySQL】-DQL（基本、条件、分组、排序、分页）详细版
通过这些查询方法，你可以高效地检索、分析和组织MySQL数据库中的数据，以满足各种应用需求。实践中，理解这些SQL语句的基础知识以及它们如何组合起来进行复杂的数据操作是至关重要的。
蓝易云
115 1
大数据文摘
|
26天前
|
人工智能 运维 关系型数据库
数据库运维：mysql 数据库迁移方法-mysqldump
本文介绍了MySQL数据库迁移的方法与技巧，重点探讨了数据量大小对迁移方式的影响。对于10GB以下的小型数据库，推荐使用mysqldump进行逻辑导出和source导入；10GB以上可考虑mydumper与myloader工具；100GB以上则建议物理迁移。文中还提供了统计数据库及表空间大小的SQL语句，并讲解了如何使用mysqldump导出存储过程、函数和数据结构。通过结合实际应用场景选择合适的工具与方法，可实现高效的数据迁移。
大数据文摘
205 1
青云交（Java大数据AI云计算Python）
|
2月前
|
负载均衡 算法 关系型数据库
大数据大厂之MySQL数据库课程设计：揭秘MySQL集群架构负载均衡核心算法：从理论到Java代码实战，让你的数据库性能飙升！
本文聚焦 MySQL 集群架构中的负载均衡算法，阐述其重要性。详细介绍轮询、加权轮询、最少连接、加权最少连接、随机、源地址哈希等常用算法，分析各自优缺点及适用场景。并提供 Java 语言代码实现示例，助力直观理解。文章结构清晰，语言通俗易懂，对理解和应用负载均衡算法具有实用价值和参考价值。
青云交（Java大数据AI云计算Python）
216 14
大数据大厂之MySQL数据库课程设计：揭秘MySQL集群架构负载均衡核心算法：从理论到Java代码实战，让你的数据库性能飙升！
游客kufrkwrbkmpsa
|
4月前
|
关系型数据库 MySQL Java
【YashanDB知识库】原生mysql驱动配置连接崖山数据库
【YashanDB知识库】原生mysql驱动配置连接崖山数据库
游客kufrkwrbkmpsa
140 0
【YashanDB知识库】原生mysql驱动配置连接崖山数据库

热门文章

最新文章

  • 1
    Super MySQL｜揭秘PolarDB全异步执行架构，高并发场景性能利器
  • 2
    【赵渝强老师】使用select...into outfile语句备份MySQL
  • 3
    【赵渝强老师】使用mysqldump备份MySQL
  • 4
    MySQL报错：未知系统变量'tx_isolation'及隔离级别查询
  • 5
    【赵渝强老师】使用mydumper备份MySQL
  • 6
    数据库运维：mysql 数据库迁移方法-mysqldump
  • 7
    GitHub 热门！MindsDB 破解 AI + 数据库瓶颈，究竟有什么惊艳亮点？只需 SQL 即可实现智能预测
  • 8
    客户说｜知乎基于阿里云PolarDB，实现最大数据库集群云原生升级
  • 9
    MySQL数据库上云迁移
  • 10
    如何在PostgreSQL中调试plpgsql存储过程(pldebugger, pldbgapi)
  • 1
    【计算机三级数据库技术】第2章 信息系统需求分析完整知识体系--附思维导图
    221
  • 2
    【计算机三级数据库技术】第1章 数据库应用系统生命周期下知识体系--附思维导图
    174
  • 3
    在Python中使用sqlalchemy来操作数据库的几个小总结
    172
  • 4
    数据库规范化和非规范化有什么区别
    352
  • 5
    数据库规范化的类型及其重要性
    120
  • 6
    基于SqlSugar的开发框架循序渐进介绍（27）-- 基于MongoDB的数据库操作整合
    272
  • 7
    全解MySQL终章：这份爆肝30W字的数据库宝典赠与有缘的你！
    871
  • 8
    (二十)MySQL特性篇：2022年的我们，必须要懂的那些数据库新技术！
    389
  • 9
    关系型数据库SQL server数据操纵语言 (DML)
    244
  • 10
    关系型数据库SQL server 数据查询语言 (DQL)
    126

    • 相关课程

    更多
  • 数据库的前世今生
  • 数据库核心概念
  • 从传统数据库到云数据库演进
  • 数据库常见问题排查
  • 数据库及SQL/MySQL基础
  • 高校精品课-西安交通大学 -数据库理论与技术

    • 相关电子书

    更多
  • 阿里云&信通院《Serverless数据库技术研究报告》
  • DTCC 2022大会集锦《云原生一站式数据库技术与实践》
  • 阿里云瑶池数据库精要2022版

    • 相关实验场景

    更多
  • 使用DAS实现数据库SQL优化
  • 自建数据库迁移到云数据库
  • PolarDB for AI：在数据库中通过SQL实现AI能力
  • 云原生HTAP数据库，让你的交易和分析一库搞定
  • 快速体验PolarDB开源数据库
  • SQLServer数据库的创建

    • 推荐镜像

    更多
  • mysql
    • 下一篇
    就是要你懂负载均衡--lvs和转发模式