MySQL个人学习

数据模型

在介绍 Mysql的数据模型之前，需要先了解一个概念：关系型数据库。

关系型数据库（RDBMS）

概念：建立在关系模型基础上，由多张相互连接的二维表组成的数据库。

而所谓二维表，指的是由行和列组成的表，如下图：

二维表的优点：

• 使用表存储数据，格式统一，便于维护
• 使用SQL语言操作，标准统一，使用方便，可用于复杂查询

MySQL、Oracle、DB2、SQLServer这些都是属于关系型数据库，里面都是基于二维表存储数据的。不是所有基于二维表存储数据的数据库，就是非关系型数据库（比如大家后面要学习的Redis，就属于非关系型数据库）。

数据模型

介绍完了关系型数据库之后，接下来我们再来看一看在Mysql数据库当中到底是如何来存储数据的，也就是Mysql 的数据模型。

MySQL是关系型数据库，是基于二维表进行数据存储的，具体的结构图下:

• 通过MySQL客户端连接数据库管理系统DBMS，然后通过DBMS操作数据库
• 使用MySQL客户端，向数据库管理系统发送一条SQL语句，由数据库管理系统根据SQL语句指令去操作数据库中的表结构及数据
• 一个数据库服务器中可以创建多个数据库，一个数据库中也可以包含多张表，而一张表中又可以包含多行记录。

在Mysql数据库服务器当中存储数据，你需要：

1. 先去创建数据库（可以创建多个数据库，之间是相互独立的）
2. 在数据库下再去创建数据表（一个数据库下可以创建多张表）
3. 再将数据存放在数据表中（一张表可以存储多行数据）

SQL语句

SQL：结构化查询语言。一门操作关系型数据库的编程语言，定义操作所有关系型数据库的统一标准。

SQL语句根据其功能被分为四大类：DDL、DML、DQL、DCL

数据库设计-DDL

数据库设计

我们在进行数据库设计，需要使用到刚才所介绍SQL分类中的DDL语句。

DDL英文全称是Data Definition Language(数据定义语言)，用来定义数据库对象(数据库、表)。

DDL中数据库的常见操作：查询、创建、使用、删除。

查询数据库

查询所有数据库：

show databases;

查询当前数据库：

select database();

我们要操作某一个数据库，必须要切换到对应的数据库中。通过指令：select database() ，就可以查询到当前所处的数据库

创建数据库

create database [ if not exists ] 数据库名;

注意：在同一个数据库服务器中，不能创建两个名称相同的数据库，否则将会报错。

• 可以使用if not exists来避免这个问题

-- 数据库不存在,则创建该数据库；如果存在则不创建
create database if not extists itcast; 

使用数据库

use 数据库名 ;

注：我们要操作某一个数据库下的表时，就需要通过该指令，切换到对应的数据库下，否则不能操作。

删除数据库

drop database [ if exists ] 数据库名 ;

注：如果删除一个不存在的数据库，将会报错。可以加上参数 if exists ，如果数据库存在，再执行删除，否则不执行删除。

说明：上述语法中的database，也可以替换成 schema

• 如：create schema db01;
• 如：show schemas;

表设计

学习完了DDL语句当中关于数据库的操作之后，接下来我们继续学习DDL语句当中关于表结构的操作。

关于表结构的操作也是包含四个部分：创建表、查询表、修改表、删除表。

创建表

create table  表名(
	字段1  字段1类型 [约束]  [comment  字段1注释 ],
	字段2  字段2类型 [约束]  [comment  字段2注释 ],
	......
	字段n  字段n类型 [约束]  [comment  字段n注释 ] 
) [ comment  表注释 ] ;

注意： [ ] 中的内容为可选参数； 最后一个字段后面没有逗号

案例：创建tb_user表

• 对应的结构如下：

• 建表语句：

create table tb_user (
    id int comment 'ID,唯一标识',   # id是一行数据的唯一标识（不能重复）
    username varchar(20) comment '用户名',
    name varchar(10) comment '姓名',
    age int comment '年龄',
    gender char(1) comment '性别'
) comment '用户表';

双击打开tb_user表结构，会发现里面没有数据：

添加数据：

此时我们再插入一条数据：

我们之前提到过：id字段是一行数据的唯一标识，不能有重复值。但是现在数据表中有两个相同的id值，这是为什么呢？

• 其实我们现在创建表结构的时候， id这个字段我们只加了一个备注信息说明它是一个唯一标识，但是在数据库层面呢，并没有去限制字段存储的数据。所以id这个字段没有起到唯一标识的作用。

想要限制字段所存储的数据，就需要用到数据库中的约束。

约束

概念：所谓约束就是作用在表中字段上的规则，用于限制存储在表中的数据。

作用：就是来保证数据库当中数据的正确性、有效性和完整性。（后面的学习会验证这些）

在MySQL数据库当中，提供了以下5种约束：

仍以刚才创建的tb_user表为例，在上述的表结构中:

• id 是一行数据的唯一标识
• username 用户名字段是非空且唯一的
• name 姓名字段是不允许存储空值的
• gender 性别字段是有默认值，默认为男

建表语句：

create table tb_user (
    id int primary key comment 'ID,唯一标识', 
    username varchar(20) not null unique comment '用户名',
    name varchar(10) not null comment '姓名',
    age int comment '年龄',
    gender char(1) default '男' comment '性别'
) comment '用户表';

数据表创建完成，接下来测试一下表中字段上的约束是否生效

大家有没有发现一个问题：id字段下存储的值，如果由我们自己来维护会比较麻烦(必须保证值的唯一性)。MySQL数据库为了解决这个问题，给我们提供了一个关键字：auto_increment（自动增长）

主键自增：auto_increment

• 每次插入新的行记录时，数据库自动生成id字段(主键)下的值
• 具有auto_increment的数据列是一个正数序列开始增长(从1开始自增)

create table tb_user (
    id int primary key auto_increment comment 'ID,唯一标识', #主键自动增长
    username varchar(20) not null unique comment '用户名',
    name varchar(10) not null comment '姓名',
    age int comment '年龄',
    gender char(1) default '男' comment '性别'
) comment '用户表';

在上面建表语句中，我们在指定字段的数据类型时，用到了int 、varchar、char，那么在MySQL中除了以上的数据类型，还有哪些常见的数据类型呢？ 接下来,我们就来详细介绍一下MySQL的数据类型。

MySQL中的数据类型有很多，主要分为三类：数值类型、字符串类型、日期时间类型。

数值类型

字符串类型

char 与 varchar 都可以描述字符串，char是定长字符串，指定长度多长，就占用多少个字符，和字段值的长度无关 。而varchar是变长字符串，指定的长度为最大占用长度 。相对来说，char的性能会更高些。

日期时间类型

查询

关于表结构的查询操作，工作中一般都是直接基于图形化界面操作。

查询当前数据库所有表

show tables;

查看指定表结构

desc 表名 ;#可以查看指定表的字段、字段的类型、是否可以为NULL、是否存在默认值等信息

查询指定表的建表语句

show create table 表名 ;

修改

关于表结构的修改操作，工作中一般都是直接基于图形化界面操作。

添加字段

alter table 表名 add  字段名  类型(长度)  [comment 注释]  [约束];

案例： 为tb_emp表添加字段qq，字段类型为 varchar(11)

alter table tb_emp add  qq  varchar(11) comment 'QQ号码';

图形化操作：添加字段

修改数据类型

alter table 表名 modify  字段名  新数据类型(长度);

alter table 表名 change  旧字段名  新字段名  类型(长度)  [comment 注释]  [约束];

案例：修改qq字段的字段类型，将其长度由11修改为13

alter table tb_emp modify qq varchar(13) comment 'QQ号码';

案例：修改qq字段名为 qq_num，字段类型varchar(13)

alter table tb_emp change qq qq_num varchar(13) comment 'QQ号码';

图形化操作：修改数据类型和字段名

删除字段

alter table 表名 drop 字段名;

案例：删除tb_emp表中的qq_num字段

alter table tb_emp drop qq_num;

图形化操作：删除字段

修改表名

rename table 表名 to  新表名;

案例：将当前的tb_emp表的表名修改为emp

rename table tb_emp to emp;

图形化操作：修改表名

删除

关于表结构的删除操作，工作中一般都是直接基于图形化界面操作。

drop  table [ if exists ]  表名;

if exists ：只有表名存在时才会删除该表，表名不存在，则不执行删除操作(如果不加该参数项，删除一张不存在的表，执行将会报错)。

案例：如果tb_emp表存在，则删除tb_emp表

drop table if exists tb_emp;  -- 在删除表时，表中的全部数据也会被删除。

图形化操作：删除表

数据库操作-DML

DML英文全称是Data Manipulation Language(数据操作语言)，用来对数据库中表的数据记录进行增、删、改操作。

• 添加数据（INSERT）
• 修改数据（UPDATE）
• 删除数据（DELETE）

增加(insert)

insert语法：

• 向指定字段添加数据

insert into 表名 (字段名1, 字段名2) values (值1, 值2);

• 全部字段添加数据

insert into 表名 values (值1, 值2, ...);

• 批量添加数据（指定字段）

insert into 表名 (字段名1, 字段名2) values (值1, 值2), (值1, 值2);

• 批量添加数据（全部字段）

insert into 表名 values (值1, 值2, ...), (值1, 值2, ...);

Insert操作的注意事项：

1. 插入数据时，指定的字段顺序需要与值的顺序是一一对应的。
2. 字符串和日期型数据应该包含在引号中。
3. 插入的数据大小，应该在字段的规定范围内。

修改(update)

update语法：

update 表名 set 字段名1 = 值1 , 字段名2 = 值2 , .... [where 条件] ;

注：修改语句的条件可以有，也可以没有，如果没有条件，则会修改整张表的所有数据。

删除(delete)

delete语法：

delete from 表名  [where  条件] ;

注：

• DELETE 语句的条件可以有，也可以没有，如果没有条件，则会删除整张表的所有数据。

• DELETE 语句不能删除某一个字段的值(可以使用UPDATE，将该字段值置为NULL即可)。

• 当进行删除全部数据操作时，会提示询问是否确认删除所有数据，直接点击Execute即可。

数据库操作-DQL

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。

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

我们今天会将上面的完整语法拆分为以下几个部分学习：

• 基本查询（不带任何条件）
• 条件查询（where）
• 分组查询（group by）
• 排序查询（order by）
• 分页查询（limit）

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
  • 别名中有特殊字符时，使用”或””包含

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;

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:

常用的逻辑运算符如下:

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：

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];

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。

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 … ;

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

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 ;

注意事项:

1. 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
2. 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
3. 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

多表设计

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

一对多

表设计

例如员工表 – 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。

外键约束

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。

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);

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。

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

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。

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。

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，并且设置外键为唯一的(UNIQUE)。

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

多表查询

多表查询：查询时从多张表中获取所需数据

• 单表查询的SQL语句：select 字段列表 from 表名;
• 那么要执行多表查询，只需要使用逗号分隔多张表即可，如： select 字段列表 from 表1, 表2

查询用户表和部门表中的数据：

select * from  tb_emp , tb_dept;

时,我们看到查询结果中包含了大量的结果集，总共85条记录，而这其实就是员工表所有的记录(17行)与部门表所有记录(5行)的所有组合情况，这种现象称之为笛卡尔积。

笛卡尔积：笛卡尔乘积是指在数学中，两个集合(A集合和B集合)的所有组合情况。

在SQL语句中，如何去除无效的笛卡尔积呢？只需要给多表查询加上连接查询的条件即可。

select * from tb_emp , tb_dept where tb_emp.dept_id = tb_dept.id ;

由于id为17的员工，没有dept_id字段值，所以在多表查询时，根据连接查询的条件并没有查询到。

多表查询可以分为：

• 连接查询
  • 内连接：相当于查询A、B交集部分数据

• 外连接
  • 左外连接：查询左表所有数据(包括两张表交集部分数据)
  • 右外连接：查询右表所有数据(包括两张表交集部分数据)
• 子查询

内连接

内连接查询：查询两表或多表中交集部分数据。

内连接从语法上可以分为：

• 隐式内连接
• 显式内连接

隐式内连接语法：

select  字段列表   from   表1 , 表2   where  条件 ... ;

显式内连接语法：

select  字段列表   from   表1  [ inner ]  join 表2  on  连接条件 ... ;

多表查询时给表起别名：

• tableA as 别名1 , tableB as 别名2 ;
• tableA 别名1 , tableB 别名2 ;

注：一旦为表起了别名，就不能再使用表名来指定对应的字段了，此时只能够使用别名来指定字段。

外连接

外连接分为两种：左外连接 和 右外连接。

左外连接语法结构：

select  字段列表   from   表1  left  [ outer ]  join 表2  on  连接条件 ... ;

左外连接相当于查询表1(左表)的所有数据，当然也包含表1和表2交集部分的数据。

右外连接语法结构：

select  字段列表   from   表1  right  [ outer ]  join 表2  on  连接条件 ... ;

右外连接相当于查询表2(右表)的所有数据，当然也包含表1和表2交集部分的数据。

注：

左外连接和右外连接是可以相互替换的，只需要调整连接查询时SQL语句中表的先后顺序就可以了。而我们在日常开发使用时，更偏向于左外连接。

子查询

SQL语句中嵌套select语句，称为嵌套查询，又称子查询。

SELECT  *  FROM   t1   WHERE  column1 =  ( SELECT  column1  FROM  t2 ... );

子查询外部的语句可以是insert / update / delete / select 的任何一个，最常见的是 select。

根据子查询结果的不同分为：

1. 标量子查询（子查询结果为单个值[一行一列]）
2. 列子查询（子查询结果为一列，但可以是多行）
3. 行子查询（子查询结果为一行，但可以是多列）
4. 表子查询（子查询结果为多行多列[相当于子查询结果是一张表]）

子查询可以书写的位置：

1. where之后
2. from之后
3. select之后

标量子查询

子查询返回的结果是单个值(数字、字符串、日期等)，最简单的形式，这种子查询称为标量子查询。

常用的操作符： = <> > >= < <=

案例1：查询”教研部”的所有员工信息

可以将需求分解为两步：

1. 查询 “教研部” 部门ID
2. 根据 “教研部” 部门ID，查询员工信息

-- 1.查询"教研部"部门ID
select id from tb_dept where name = '教研部';    #查询结果：2
-- 2.根据"教研部"部门ID, 查询员工信息
select * from tb_emp where dept_id = 2;

-- 合并出上两条SQL语句
select * from tb_emp where dept_id = (select id from tb_dept where name = '教研部');

列子查询

子查询返回的结果是一列(可以是多行)，这种子查询称为列子查询。

常用的操作符：

案例：查询”教研部”和”咨询部”的所有员工信息

分解为以下两步：

1. 查询 “销售部” 和 “市场部” 的部门ID
2. 根据部门ID, 查询员工信息

-- 1.查询"销售部"和"市场部"的部门ID
select id from tb_dept where name = '教研部' or name = '咨询部';    #查询结果：3,2
-- 2.根据部门ID, 查询员工信息
select * from tb_emp where dept_id in (3,2);

-- 合并以上两条SQL语句
select * from tb_emp where dept_id in (select id from tb_dept where name = '教研部' or name = '咨询部');

行子查询

子查询返回的结果是一行(可以是多列)，这种子查询称为行子查询。

常用的操作符：= 、<> 、IN 、NOT IN

案例：查询与”韦一笑”的入职日期及职位都相同的员工信息

可以拆解为两步进行：

1. 查询 “韦一笑” 的入职日期 及 职位
2. 查询与”韦一笑”的入职日期及职位相同的员工信息

-- 查询"韦一笑"的入职日期 及 职位
select entrydate , job from tb_emp where name = '韦一笑';  #查询结果： 2007-01-01 , 2
-- 查询与"韦一笑"的入职日期及职位相同的员工信息
select * from tb_emp where (entrydate,job) = ('2007-01-01',2);

-- 合并以上两条SQL语句
select * from tb_emp where (entrydate,job) = (select entrydate , job from tb_emp where name = '韦一笑');

表子查询

子查询返回的结果是多行多列，常作为临时表，这种子查询称为表子查询。

案例：查询入职日期是 “2006-01-01” 之后的员工信息 , 及其部门信息

分解为两步执行：

1. 查询入职日期是 “2006-01-01” 之后的员工信息
2. 基于查询到的员工信息，在查询对应的部门信息

select * from emp where entrydate > '2006-01-01';

select e.*, d.* from (select * from emp where entrydate > '2006-01-01') e left join dept d on e.dept_id = d.id ;

事务

场景：学工部整个部门解散了，该部门及部门下的员工都需要删除了。

• 操作：

-- 删除学工部
delete from dept where id = 1;  -- 删除成功

-- 删除学工部的员工
delete from emp where dept_id = 1; -- 删除失败（操作过程中出现错误：造成删除没有成功）

• 问题：如果删除部门成功了，而删除该部门的员工时失败了，此时就造成了数据的不一致。

要解决上述的问题，就需要通过数据库中的事务来解决。

介绍

在实际的业务开发中，有些业务操作要多次访问数据库。一个业务要发送多条SQL语句给数据库执行。需要将多次访问数据库的操作视为一个整体来执行，要么所有的SQL语句全部执行成功。如果其中有一条SQL语句失败，就进行事务的回滚，所有的SQL语句全部执行失败。

简而言之：事务是一组操作的集合，它是一个不可分割的工作单位。事务会把所有的操作作为一个整体一起向系统提交或撤销操作请求，即这些操作要么同时成功，要么同时失败。

事务作用：保证在一个事务中多次操作数据库表中数据时，要么全都成功,要么全都失败。

操作

MYSQL中有两种方式进行事务的操作：

1. 自动提交事务：即执行一条sql语句提交一次事务。（默认MySQL的事务是自动提交）
2. 手动提交事务：先开启，再提交

事务操作有关的SQL语句：

使用事务控制删除部门和删除该部门下的员工的操作：

-- 开启事务
start transaction ;

-- 删除学工部
delete from tb_dept where id = 1;

-- 删除学工部的员工
delete from tb_emp where dept_id = 1;

• 上述的这组SQL语句，如果如果执行成功，则提交事务

-- 提交事务 (成功时执行)
commit ;

• 上述的这组SQL语句，如果如果执行失败，则回滚事务

-- 回滚事务 (出错时执行)
rollback ;

四大特性

事务的四大特性简称为：ACID

• 原子性（Atomicity） ：原子性是指事务包装的一组sql是一个不可分割的工作单元，事务中的操作要么全部成功，要么全部失败。
• 一致性（Consistency）：一个事务完成之后数据都必须处于一致性状态。

如果事务成功的完成，那么数据库的所有变化将生效。

如果事务执行出现错误，那么数据库的所有变化将会被回滚(撤销)，返回到原始状态。

• 隔离性（Isolation）：多个用户并发的访问数据库时，一个用户的事务不能被其他用户的事务干扰，多个并发的事务之间要相互隔离。

一个事务的成功或者失败对于其他的事务是没有影响。

• 持久性（Durability）：一个事务一旦被提交或回滚，它对数据库的改变将是永久性的，哪怕数据库发生异常，重启之后数据亦然存在。

索引

介绍

索引(index)：是帮助数据库高效获取数据的数据结构 。

• 简单来讲，就是使用索引可以提高查询的效率。

测试没有使用索引的查询：

添加索引后查询：

-- 添加索引
create index idx_sku_sn on tb_sku (sn);  #在添加索引时，也需要消耗时间

-- 查询数据（使用了索引）
select * from tb_sku where sn = '100000003145008';

优点：

1. 提高数据查询的效率，降低数据库的IO成本。
2. 通过索引列对数据进行排序，降低数据排序的成本，降低CPU消耗。

缺点：

1. 索引会占用存储空间。
2. 索引大大提高了查询效率，同时却也降低了insert、update、delete的效率。

结构

MySQL数据库支持的索引结构有很多，如：Hash索引、B+Tree索引、Full-Text索引等。

我们平常所说的索引，如果没有特别指明，都是指默认的 B+Tree 结构组织的索引。

B+Tree结构：

• 每一个节点，可以存储多个key（有n个key，就有n个指针）
• 节点分为：叶子节点、非叶子节点
  • 叶子节点，就是最后一层子节点，所有的数据都存储在叶子节点上
  • 非叶子节点，不是树结构最下面的节点，用于索引数据，存储的的是：key+指针
• 为了提高范围查询效率，叶子节点形成了一个双向链表，便于数据的排序及区间范围查询

拓展：

非叶子节点都是由key+指针域组成的，一个key占8字节，一个指针占6字节，而一个节点总共容量是16KB，那么可以计算出一个节点可以存储的元素个数：16*1024字节 / (8+6)=1170个元素。

• 查看mysql索引节点大小：show global status like ‘innodb_page_size’; — 节点大小：16384

当根节点中可以存储1170个元素，那么根据每个元素的地址值又会找到下面的子节点，每个子节点也会存储1170个元素，那么第二层即第二次IO的时候就会找到数据大概是：1170*1170=135W。也就是说B+Tree数据结构中只需要经历两次磁盘IO就可以找到135W条数据。

对于第二层每个元素有指针，那么会找到第三层，第三层由key+数据组成，假设key+数据总大小是1KB，而每个节点一共能存储16KB，所以一个第三层一个节点大概可以存储16个元素(即16条记录)。那么结合第二层每个元素通过指针域找到第三层的节点，第二层一共是135W个元素，那么第三层总元素大小就是：135W*16结果就是2000W+的元素个数。

结合上述分析B+Tree有如下优点：

• 千万条数据，B+Tree可以控制在小于等于3的高度
• 所有的数据都存储在叶子节点上，并且底层已经实现了按照索引进行排序，还可以支持范围查询，叶子节点是一个双向链表，支持从小到大或者从大到小查找

思考：

采用二叉搜索树或者是红黑树来作为索引的结构有什么问题？

说明：

如果数据结构是红黑树，那么查询1000万条数据，根据计算树的高度大概是23左右，这样确实比之前的方式快了很多，但是如果高并发访问，那么一个用户有可能需要23次磁盘IO，那么100万用户，那么会造成效率极其低下。所以为了减少红黑树的高度，那么就得增加树的宽度，就是不再像红黑树一样每个节点只能保存一个数据，可以引入另外一种数据结构，一个节点可以保存多个数据，这样宽度就会增加从而降低树的高度。这种数据结构例如BTree就满足。

语法

创建索引

create  [ unique ]  index 索引名 on  表名 (字段名,... ) ;

案例：为tb_emp表的name字段建立一个索引

create index idx_emp_name on tb_emp(name);

另外，在创建表时，如果添加了主键和唯一约束，就会默认创建：主键索引、唯一约束

查看索引

show  index  from  表名;

案例：查询 tb_emp 表的索引信息

show  index  from  tb_emp;

删除索引

drop  index  索引名  on  表名;

案例：删除 tb_emp 表中name字段的索引

drop index idx_emp_name on tb_emp;

注意事项：

• 主键字段，在建表时，会自动创建主键索引
• 添加唯一约束时，数据库实际上会添加唯一索引