SQL点滴14—编辑数据

简介: 原文:SQL点滴14—编辑数据数据库中的数据编辑是我们遇到的最频繁的工作,这一个随笔中我来总结一下最常用的数据编辑。    select into 经常遇到一种情况是,我们希望创建一个新表,表中的数据来源于原有的一个表;原有一个表,但是这个表中的数据已经很混乱,我们希望把这些数据备份出来,然后把原有的表中的数据清除,重新导入;在这些情况下我们可以使用select into语句。
原文: SQL点滴14—编辑数据

数据库中的数据编辑是我们遇到的最频繁的工作,这一个随笔中我来总结一下最常用的数据编辑。

  

select into

经常遇到一种情况是,我们希望创建一个新表,表中的数据来源于原有的一个表;原有一个表,但是这个表中的数据已经很混乱,我们希望把这些数据备份出来,然后把原有的表中的数据清除,重新导入;在这些情况下我们可以使用select into语句。

如果当前用户拥有建表权限,在select语句使用关键字into可以在数据库中创建新的 表。这个语句只需要把into new_table_name加到选择出的列名之后,from关键字之前,当然数据可以来源于一个或多个表中。需要说明的是在新表中只包含select字句中查询的到的数据,没有任何键,约束,关系。下面实例:

 
 
select top ( 10 ) *
into new_intervalwaitssample
from IntervalWaitsSample
select * from new_intervalwaitssample

这个语句就将IntervalWaitsSample表中的前10行数据放在一个新建的表new_intervalwaitssample中。

   

insert into select

现在已经有这个新表了,如果我们想再从原表IntervalWaitsSample中选择一些数据插入到这个新表中呢,这时候就需要使用insert into select语句了,下面实例:

 
 
insert into new_intervalwaitssample
select * from IntervalWaitsSample where wait_type = ' ASSEMBLY_LOAD '

这个语句就将原表IntervalWaitsSample中的所有wait_type='ASSEMBLY_LOAD'的数据插入到新表中了。

  

insert into select union

现在如果我们有一些已知的数据想把这些数据一次性写入到目标表里面,应该怎么办呢,这时候union语句就很有用了,可以使用insert into select union语句,注意这个语句和insert into select很相似,差别就在于后面的select语句使用了union把多个select连接起来。

 
 
insert into select value11 , value12 , value13

union select value21 , value22 , value23

union select value31 , value32 , value33

… …

下面是实例:

 
 
insert into new_intervalwaitssample
select ' ASYNC_NETWORK_IO ' , ' 2011-05-09 16:50:00.973 ' , ' 0.00 ' union
select ' ASYNC_NETWORK_IO ' , ' 2011-05-09 17:00:00.020 ' , ' 0.00 ' union
select ' ASYNC_NETWORK_IO ' , ' 2011-05-09 17:15:00.123 ' , ' 0.00 ' union
select ' ASYNC_NETWORK_IO ' , ' 2011-05-09 17:25:00.190 ' , ' 0.00 '

  

使用表值构造函数

我们还可以直接使用表值构造函数,这个更加简单直接,代码如下:

 
 
insert into new_intervalwaitssample
values
(
' ASYNC_NETWORK_IO ' , ' 2011-05-09 16:50:00.973 ' , ' 0.00 ' ),
(
' ASYNC_NETWORK_IO ' , ' 2011-05-09 17:00:00.020 ' , ' 0.00 ' ),
(
' ASYNC_NETWORK_IO ' , ' 2011-05-09 17:15:00.123 ' , ' 0.00 ' ),
(
' ASYNC_NETWORK_IO ' , ' 2011-05-09 17:25:00.190 ' , ' 0.00 ' )

  

从表中“剪切”数据

还有一种情况,假设我们想从一个表中的数据删除几条数据,然后把这些删除的数据放到另外一个表中。这个动作就像使用剪切,粘贴一样。不过这种情况要注意,他只能从用户表中剪切数据,不能从视图中剪切数据。它的语法如下

 
 
Delete sourcetable
output deleted.value1,deleted.value2,deleted.value3
into targettable
from targettable where … …

下面是实例

 
 
delete WaitStats
output
deleted.dt,
deleted.wait_type,
deleted.waiting_tasks_count,
deleted.wait_time_ms,
deleted.max_wait_time_ms,
deleted.signal_wait_time_ms
into new_waitestats
where WaitStats.wait_type = ' ABR '

要注意的是这里有一个很少见的关键字deleted,它是当前要删除的表的别名,这个有点像类中的this关键字。

  

可见即可得的编辑

如果我们是应用程序开发,我相信大多数人还是更愿意使用SQL Server Management Studio中的图像化界面来操作数据,毕竟提供了这么多强大的功能,为什么不用呢。记得我曾经提到过Oracle中可以直接修改sql语句选择得到的数据,当时质问Microsoft SQL Server为何没有提供这样强大的功能。呵呵,今天发现SQL Server还是提供了这样的功能。不过这种修改只能是单独一个表,如果在这个查询语句中有内连接之类的估计就不行了。废话不说,上图:

  1. 点击要修改的表右击选择Edit top 200 rows
  2. 当打开编辑界面的时候,SQL server上面会多出一个标签img_4a4b704ddaa1db2a12e12491450df7c1.png ,鼠标滑到这个标签上,再滑到Panel上,再滑到SQL上,点击SQL,或者在编辑界面右击也能看到。如图1
    img_8a405b31d3a2c96d8667441140129881.png
    图1
    这时候在上面的文字区就可以编写自己想要修改的数据的查询语句如下列:
     
       
    SELECT TOP ( 1000 ) dt, wait_type, waiting_tasks_count, wait_time_ms, max_wait_time_ms, signal_wait_time_ms
    FROM new_waitestats
    WHERE (wait_type = ' ABR ' )
  3. 这里我们想要修改wait_type=’ABR’的数据,点击查询按钮 ,在下面的表格内就可以看到所有符合条件的数据,这时候就可以修改这些数据了,注意改好之后按回车键才会写到数据库里面。这样做是不是很偷懒呢呵呵,不用写update语句,直接在里面修改。

  

使用编辑器复制粘贴数据

 还有一种情况可以使用编辑器代替上面的insert into select语句, 如果两个表的字段完全一样,我们从一个表中查询得到数据,然后复制到另外一个表中。

  1. 首先点击数据行的开头,选中整行,然后点击copy如图2
    img_c9f95373612949c1decf7fe6a6b19df5.png
  2. 然后右击想要插入数据的第二个表,鼠标拖动滚动条到最后,直到显示一行全部都是空值的一行,然后右击paste,按回车键,这样一条数据就插入进去了。如图3
    img_3e66a92081720e9cfec14d0a0372fa64.png

这些都是在平时工作中见到的,觉得很有意思在这里记录下来。这些雕虫小技对于数据库技术大牛来时不值得一提,还望大牛们看到了不要笑我班门弄斧啊。

目录
相关文章
|
SQL 人工智能 JSON
Flink 2.1 SQL:解锁实时数据与AI集成,实现可扩展流处理
简介:本文整理自阿里云高级技术专家李麟在Flink Forward Asia 2025新加坡站的分享,介绍了Flink 2.1 SQL在实时数据处理与AI融合方面的关键进展,包括AI函数集成、Join优化及未来发展方向,助力构建高效实时AI管道。
1325 43
|
12月前
|
SQL 人工智能 JSON
Flink 2.1 SQL:解锁实时数据与AI集成,实现可扩展流处理
本文整理自阿里云的高级技术专家、Apache Flink PMC 成员李麟老师在 Flink Forward Asia 2025 新加坡[1]站 —— 实时 AI 专场中的分享。将带来关于 Flink 2.1 版本中 SQL 在实时数据处理和 AI 方面进展的话题。
670 0
Flink 2.1 SQL:解锁实时数据与AI集成,实现可扩展流处理
|
SQL 自然语言处理 数据库
【Azure Developer】分享两段Python代码处理表格(CSV格式)数据 : 根据每列的内容生成SQL语句
本文介绍了使用Python Pandas处理数据收集任务中格式不统一的问题。针对两种情况:服务名对应多人拥有状态(1/0表示),以及服务名与人名重复列的情况,分别采用双层for循环和字典数据结构实现数据转换,最终生成Name对应的Services列表(逗号分隔)。此方法高效解决大量数据的人工处理难题,减少错误并提升效率。文中附带代码示例及执行结果截图,便于理解和实践。
391 5
|
SQL 数据挖掘 关系型数据库
【SQL 周周练】一千条数据需要做一天,怎么用 SQL 处理电表数据(如何动态构造自然月)
题目来自于某位发帖人在某 Excel 论坛的求助,他需要将电表缴费数据按照缴费区间拆开后再按月份汇总。当时用手工处理数据,自称一千条数据就需要处理一天。我将这个问题转化为 SQL 题目。
554 12
|
SQL 关系型数据库 MySQL
SQL如何对不同表的数据进行更新
本文介绍了如何将表A的Col1数据更新到表B的Col1中,分别提供了Microsoft SQL和MySQL的实现方法,并探讨了多表合并后更新的优化方式,如使用MERGE语句提升效率。适用于数据库数据同步与批量更新场景。
|
SQL 数据采集 资源调度
【SQL 周周练】爬取短视频发现数据缺失,如何用 SQL 填充
爬虫爬取抖音和快手的短视频数据时,如果遇到数据缺失的情况,如何使用 SQL 语句完成数据的补全。
611 5
|
SQL DataWorks 数据管理
SQL血缘分析实战!数据人必会的3大救命场景
1. 开源工具:Apache Atlas(元数据管理)、Spline(血缘追踪) 2. 企业级方案:阿里DataWorks血缘分析、腾讯云CDW血缘引擎 3. 自研技巧:在ETL脚本中植入版本水印,用注释记录业务逻辑变更 📌 重点总结:
|
SQL 关系型数据库 MySQL
基于SQL Server / MySQL进行百万条数据过滤优化方案
对百万级别数据进行高效过滤查询,需要综合使用索引、查询优化、表分区、统计信息和视图等技术手段。通过合理的数据库设计和查询优化,可以显著提升查询性能,确保系统的高效稳定运行。
944 9