【2020Python修炼记】MySQL之 视图、触发器、事务、存储过程、函数

【目录】（其余均为了解知识）

一 视图

二 触发器

三 事务（掌握）

四 存储过程

五 函数

六 流程控制

七、索引理论

 

1、什么是视图

视图是一个虚拟表（非真实存在），其本质是【根据SQL语句获取动态的数据集，并为其命名】，用户使用时只需使用【名称】即可获取结果集，可以将该结果集当做表来使用。

即 视图就是通过查询得到一张虚拟表，然后保存下来，下次可以直接使用，其实视图也是表

2、为何要用视图

使用视图我们可以把查询过程中的临时表摘出来，用视图去实现，这样以后再想操作该临时表的数据时就无需重写复杂的sql了，直接去视图中查找即可。

但视图有明显地效率问题，并且视图是存放在数据库中的，如果我们程序中使用的 sql 过分依赖数据库中的视图，即强耦合，那就意味着扩展sql极为不便，因此并不推荐使用

3、如何使用视图

（1）临时表应用举例：

#两张有关系的表
mysql> select * from course;
+-----+--------+------------+
| cid | cname  | teacher_id |
+-----+--------+------------+
|   1 | 生物   |          1 |
|   2 | 物理   |          2 |
|   3 | 体育   |          3 |
|   4 | 美术   |          2 |
+-----+--------+------------+
4 rows in set (0.00 sec)

mysql> select * from teacher;
+-----+-----------------+
| tid | tname           |
+-----+-----------------+
|   1 | 张磊老师        |
|   2 | 李平老师        |
|   3 | 刘海燕老师      |
|   4 | 朱云海老师      |
|   5 | 李杰老师        |
+-----+-----------------+
5 rows in set (0.00 sec)

#查询李平老师教授的课程名
mysql> select cname from course where teacher_id = (select tid from teacher where tname="李平老师");
+--------+
| cname  |
+--------+
| 物理   |
| 美术   |
+--------+
2 rows in set (0.00 sec)

#子查询出临时表，作为teacher_id等判断依据
select tid from teacher where tname="李平老师"

（2）创建视图—— CREATE VIEW 视图名称 AS SQL语句

#语法：CREATE VIEW 视图名称 AS  SQL语句
create view teacher_view as select tid from teacher where tname="李平老师";

#于是查询李平老师教授的课程名的sql可以改写为
mysql> select cname from course where teacher_id = (select tid from teacher_view);
+--------+
| cname  |
+--------+
| 物理   |
| 美术   |
+--------+
2 rows in set (0.00 sec)

#！！！注意注意注意：
#1. 使用视图以后就无需每次都重写子查询的sql，但是这么效率并不高，还不如我们写子查询的效率高

#2. 而且有一个致命的问题：
视图是存放到数据库里的，如果我们程序中的sql过分依赖于数据库中存放的视图，那么意味着，一旦sql需要修改且涉及到视图的部分，则必须去数据库中进行修改，
而通常在公司中数据库有专门的DBA负责，你要想完成修改，必须付出大量的沟通成本DBA可能才会帮你完成修改，极其地不方便

（3）使用视图

#修改视图，原始表也跟着改
mysql> select * from course;
+-----+--------+------------+
| cid | cname  | teacher_id |
+-----+--------+------------+
|   1 | 生物   |          1 |
|   2 | 物理   |          2 |
|   3 | 体育   |          3 |
|   4 | 美术   |          2 |
+-----+--------+------------+
4 rows in set (0.00 sec)

mysql> create view course_view as select * from course; #创建表course的视图
Query OK, 0 rows affected (0.52 sec)

mysql> select * from course_view;
+-----+--------+------------+
| cid | cname  | teacher_id |
+-----+--------+------------+
|   1 | 生物   |          1 |
|   2 | 物理   |          2 |
|   3 | 体育   |          3 |
|   4 | 美术   |          2 |
+-----+--------+------------+
4 rows in set (0.00 sec)

mysql> update course_view set cname="xxx"; #更新视图中的数据
Query OK, 4 rows affected (0.04 sec)
Rows matched: 4  Changed: 4  Warnings: 0

mysql> insert into course_view values(5,"yyy",2); #往视图中插入数据
Query OK, 1 row affected (0.03 sec)

mysql> select * from course; #发现原始表的记录也跟着修改了
+-----+-------+------------+
| cid | cname | teacher_id |
+-----+-------+------------+
|   1 | xxx   |          1 |
|   2 | xxx   |          2 |
|   3 | xxx   |          3 |
|   4 | xxx   |          2 |
|   5 | yyy   |          2 |
+-----+-------+------------+
5 rows in set (0.00 sec)

注意：我们不应该修改视图中的记录，而且在涉及多个表的情况下是根本无法修改视图中的记录的。

（4）修改视图

 修改视图

语法：ALTER VIEW 视图名称 AS SQL语句
mysql> alter view teacher_view as select * from course where cid>3;
Query OK, 0 rows affected (0.04 sec)

mysql> select * from teacher_view;
+-----+-------+------------+
| cid | cname | teacher_id |
+-----+-------+------------+
|   4 | xxx   |          2 |
|   5 | yyy   |          2 |
+-----+-------+------------+
2 rows in set (0.00 sec)

 

（5）删除视图

语法：DROP VIEW 视图名称

DROP VIEW teacher_view

 

1、什么是触发器

使用触发器可以定制用户对表进行【增、删、改】操作时前后的行为，注意：没有查询

使用触发器可以帮助我们实现监控、日志...

触发器可以在六种情况下自动触发——增前 增后 删前 删后 改前 改后

2、基本语法结构

create trigger 触发器的名字  before/after insert/update/delete on 表名
for each row
begin
    sql语句
end

# 具体使用 针对触发器的名字 我们通常需要做到 见名知意


# 针对增
create trigger tri_before_insert_t1  before insert on t1
for each row
begin
    sql语句
end
create trigger tri_after_insert_t1  after insert on t1
for each row
begin
    sql语句
end
"""针对删除和修改 书写格式一致"""

ps:修改MySQL默认的语句结束符  只作用于当前窗口
    delimiter $$  将默认的结束符号由;改为$$
    delimiter ;
    

# 案例
CREATE TABLE cmd (
    id INT PRIMARY KEY auto_increment,
    USER CHAR (32),
    priv CHAR (10),
    cmd CHAR (64),
    sub_time datetime, #提交时间
    success enum ("yes", "no") #0代表执行失败
);

CREATE TABLE errlog (
    id INT PRIMARY KEY auto_increment,
    err_cmd CHAR (64),
    err_time datetime
);
"""
当cmd表中的记录succes字段是no那么就触发触发器的执行去errlog表中插入数据
NEW指代的就是一条条数据对象
"""
delimiter $$
create trigger tri_after_insert_cmd after insert on cmd 
for each row
begin
    if NEW.success = "no" then
        insert into errlog(err_cmd,err_time) values(NEW.cmd,NEW.sub_time);
    end if;
end $$
delimiter ;

# 朝cmd表插入数据
INSERT INTO cmd (
    USER,
    priv,
    cmd,
    sub_time,
    success
)
VALUES
    ("jason","0755","ls -l /etc",NOW(),"yes"),
    ("jason","0755","cat /etc/passwd",NOW(),"no"),
    ("jason","0755","useradd xxx",NOW(),"no"),
    ("jason","0755","ps aux",NOW(),"yes");

# 删除触发器
drop trigger tri_after_insert_cmd;

# 案例

# 插入前
CREATE TRIGGER tri_before_insert_tb1 BEFORE INSERT ON tb1 FOR EACH ROW
BEGIN
    ...
END

# 插入后
CREATE TRIGGER tri_after_insert_tb1 AFTER INSERT ON tb1 FOR EACH ROW
BEGIN
    ...
END

# 删除前
CREATE TRIGGER tri_before_delete_tb1 BEFORE DELETE ON tb1 FOR EACH ROW
BEGIN
    ...
END

# 删除后
CREATE TRIGGER tri_after_delete_tb1 AFTER DELETE ON tb1 FOR EACH ROW
BEGIN
    ...
END

# 更新前
CREATE TRIGGER tri_before_update_tb1 BEFORE UPDATE ON tb1 FOR EACH ROW
BEGIN
    ...
END

# 更新后
CREATE TRIGGER tri_after_update_tb1 AFTER UPDATE ON tb1 FOR EACH ROW
BEGIN
    ...
END

六种触发情况的基本语法

使用触发器：

触发器无法由用户直接调用，而知由于对表的【增/删/改】操作被动引发的。

删除触发器：

drop trigger tri_after_insert_cmd;

1、什么是事务

事务用于将某些操作的多个SQL作为原子性操作

（开启一个事务可以包含多条sql语句，这些sql语句要么同时成功，要么一个都别想成功 ，称之为事务的原子性），

一旦有某一个出现错误，即可回滚到原来的状态，从而保证数据库数据完整性。

2、事务的作用

【保证对数据操作的安全性】

例子：还钱

付钱方和收款方，存在多条操作；

在操作多条数据的时候，可能会出现某些操作不成功的情况

【事务的四大特性——ACID】

A：原子性 atomicity

一个事务是不可分割的单位，事务中包含的诸多操作，要么同时成功，要么同时失败

C：一致性 consistency

事务必须是使数据库从一个一致性的状态 变为另外一个 一致性的状态

一致性跟原子性是密切相关的

I：隔离性 isolation

一个事务的执行不能被其他事务干扰

（即 一个事务内部的操作以及使用的数据，对并发的其他事务是隔离的，并发执行的事务之间也是互不干扰的）

D：持久性 durability

也叫"永久性"。一个事务一旦提交成功执行成功，那么它对数据库中数据的修改应该是永久的，

接下来的其他操作或者故障不应该对其有任何的影响

3、如何使用事务

# 事务相关的关键字
# 1 开启事务
start transaction;

# 2 回滚(回到事务执行之前的状态)
rollback;

# 3 确认(确认之后就无法回滚了)
commit;

"""模拟转账功能"""
create table user(
    id int primary key auto_increment,
    name char(16),
    balance int
);
insert into user(name,balance) values
("jason",1000),
("egon",1000),
("tank",1000);


# 1 先开启事务
start transaction;
# 2 多条sql语句
update user set balance=900 where name="jason";
update user set balance=1010 where name="egon";
update user set balance=1090 where name="tank";

总结
当你想让多条sql语句保持一致性 要么同时成功要么同时失败
你就应该考虑使用事务

 

1、什么是存储过程

存储过程就类似于python中的自定义函数

它的内部包含了一系列可以执行的sql语句，存储过程存放于MySQL服务端中，

你可以直接通过调用存储过程触发内部sql语句的执行

2、基本使用

create procedure 存储过程的名字(形参1,形参2,...)
begin
    sql代码
end
# 调用
call 存储过程的名字();

 

3、三种开发模型

第一种基本不用。一般都是第三种，出现效率问题再动手写sql

【第一种】

应用程序:程序员写代码开发

MySQL:提前编写好存储过程，供应用程序调用

好处:开发效率提升了 执行效率也上去了

缺点:考虑到认为元素、跨部门沟通的问题 后续的存储过程的扩展性差

【第二种】

应用程序:程序员写代码开发之外 设计到数据库操作也自己动手写

优点:扩展性很高

缺点:
开发效率降低
编写sql语句太过繁琐 而且后续还需要考虑sql优化的问题

【第三种】

应用程序:只写程序代码 不写sql语句 基于别人写好的操作MySQL的python框架直接调用操作即可——如：ORM框架

优点:开发效率比上面两种情况都要高

缺点:语句的扩展性差 可能会出现效率低下的问题

4、存储过程的具体演示

delimiter $$
create procedure p1(
    in m int,  # 只进不出  m不能返回出去
    in n int,
    out res int  # 该形参可以返回出去
)
begin
    select tname from teacher where tid>m and tid<n;
    set res=666;  # 将res变量修改 用来标识当前的存储过程代码确实执行了
end $$
delimiter ;

# 针对形参res 不能直接传数据 应该传一个变量名
# 定义变量
set @ret = 10;
# 查看变量对应的值
select @ret;

 

5、在pymysql 模块中，如何调用存储过程

import pymysql


conn = pymysql.connect(
    host = "127.0.0.1",
    port = 3306,
    user = "root",
    passwd = "123456",
    db = "day48",
    charset = "utf8",
    autocommit = True
)
cursor = conn.cursor(pymysql.cursors.DictCursor)
# 调用存储过程
cursor.callproc("p1",(1,5,10))
"""
@_p1_0=1
@_p1_1=5
@_p1_2=10
"""
# print(cursor.fetchall())
cursor.execute("select @_p1_2;")
print(cursor.fetchall())

 

跟存储过程是有区别的，存储过程是自定义函数，函数就类似于是内置函数

("jason","0755","ls -l /etc",NOW(),"yes")

CREATE TABLE blog (
    id INT PRIMARY KEY auto_increment,
    NAME CHAR (32),
    sub_time datetime
);

INSERT INTO blog (NAME, sub_time)
VALUES
    ("第1篇","2015-03-01 11:31:21"),
    ("第2篇","2015-03-11 16:31:21"),
    ("第3篇","2016-07-01 10:21:31"),
    ("第4篇","2016-07-22 09:23:21"),
    ("第5篇","2016-07-23 10:11:11"),
    ("第6篇","2016-07-25 11:21:31"),
    ("第7篇","2017-03-01 15:33:21"),
    ("第8篇","2017-03-01 17:32:21"),
    ("第9篇","2017-03-01 18:31:21");

select date_format(sub_time,"%Y-%m"),count(id) from blog group by date_format(sub_time,"%Y-%m");

 

# if判断
delimiter //
CREATE PROCEDURE proc_if ()
BEGIN
    declare i int default 0;
    if i = 1 THEN
        SELECT 1;
    ELSEIF i = 2 THEN
        SELECT 2;
    ELSE
        SELECT 7;
    END IF;
END //
delimiter ;
# while循环
delimiter //
CREATE PROCEDURE proc_while ()
BEGIN
    DECLARE num INT ;
    SET num = 0 ;
    WHILE num < 10 DO
        SELECT
            num ;
        SET num = num + 1 ;
    END WHILE ;

 

1、索引

ps:数据都是存在与硬盘上的，查询数据不可避免的需要进行IO操作

索引:就是一种数据结构，类似于书的目录。意味着以后在查询数据的应该先找目录再找数据，而不是一页一页的翻书，从而提升查询速度降低IO操作

索引在MySQL中也叫“键”,是存储引擎用于快速查找记录的一种数据结构

• primary key

• unique key

• index key

注意foreign key不是用来加速查询用的，不在我们的而研究范围之内

上面的三种key，前面两种除了可以增加查询速度之外各自还具有约束条件，而最后一种index key没有任何的约束条件，只是用来帮助你快速查询数据

本质

通过不断的缩小想要的数据范围筛选出最终的结果，同时将随机事件(一页一页的翻)

变成顺序事件(先找目录、找数据)

也就是说有了索引机制，我们可以总是用一种固定的方式查找数据

一张表中可以有多个索引(多个目录)

索引虽然能够帮助你加快查询速度但是也有缺点。

1 当表中有大量数据存在的前提下 创建索引速度会很慢
2 在索引创建完毕之后 对表的查询性能会大幅度的提升 但是写的性能也会大幅度的降低
"""
索引不要随意的创建！！！

2、b+树

只有叶子节点存放的是真实的数据 其他节点存放的是虚拟数据 仅仅是用来指路的
树的层级越高查询数据所需要经历的步骤就越多(树有几层查询数据就需要几步)

一个磁盘块存储是有限制的
为什么建议你将id字段作为索引
占得空间少 一个磁盘块能够存储的数据多
那么久降低了树的高度 从而减少查询次数

3、聚集索引(primary key)

聚集索引指的就是主键
Innodb 只有两个文件 直接将主键存放在了idb表中
MyIsam 三个文件 单独将索引存在一个文件

 

4、辅助索引(unique,index)

查询数据的时候不可能一直使用到主键，也有可能会用到name,password等其他字段

那么这个时候你是没有办法利用聚集索引。这个时候你就可以根据情况给其他字段设置辅助索引(也是一个b+树）

叶子节点存放的是数据对应的主键值
先按照辅助索引拿到数据的主键值
之后还是需要去主键的聚集索引里面查询数据

 

5、覆盖索引

在辅助索引的叶子节点就已经拿到了需要的数据

# 给name设置辅助索引
select name from user where name="jason";
# 非覆盖索引
select age from user where name="jason";

6、测试索引是否有效的代码

**准备**

```mysql
#1. 准备表
create table s1(
id int,
name varchar(20),
gender char(6),
email varchar(50)
);

#2. 创建存储过程，实现批量插入记录
delimiter $$ #声明存储过程的结束符号为$$
create procedure auto_insert1()
BEGIN
    declare i int default 1;
    while(i<3000000)do
        insert into s1 values(i,"jason","male",concat("jason",i,"@oldboy"));
        set i=i+1;
    end while;
END$$ #$$结束
delimiter ; #重新声明分号为结束符号

#3. 查看存储过程
show create procedure auto_insert1G 

#4. 调用存储过程
call auto_insert1();
```

``` mysql 
# 表没有任何索引的情况下
select * from s1 where id=30000;
# 避免打印带来的时间损耗
select count(id) from s1 where id = 30000;
select count(id) from s1 where id = 1;

# 给id做一个主键
alter table s1 add primary key(id);  # 速度很慢

select count(id) from s1 where id = 1;  # 速度相较于未建索引之前两者差着数量级
select count(id) from s1 where name = "jason"  # 速度仍然很慢


"""
范围问题
"""
# 并不是加了索引，以后查询的时候按照这个字段速度就一定快   
select count(id) from s1 where id > 1;  # 速度相较于id = 1慢了很多
select count(id) from s1 where id >1 and id < 3;
select count(id) from s1 where id > 1 and id < 10000;
select count(id) from s1 where id != 3;

alter table s1 drop primary key;  # 删除主键 单独再来研究name字段
select count(id) from s1 where name = "jason";  # 又慢了

create index idx_name on s1(name);  # 给s1表的name字段创建索引
select count(id) from s1 where name = "jason"  # 仍然很慢！！！
"""
再来看b+树的原理，数据需要区分度比较高，而我们这张表全是jason，根本无法区分
那这个树其实就建成了“一根棍子”
"""
select count(id) from s1 where name = "xxx";  
# 这个会很快，我就是一根棍，第一个不匹配直接不需要再往下走了
select count(id) from s1 where name like "xxx";
select count(id) from s1 where name like "xxx%";
select count(id) from s1 where name like "%xxx";  # 慢 最左匹配特性

# 区分度低的字段不能建索引
drop index idx_name on s1;

# 给id字段建普通的索引
create index idx_id on s1(id);
select count(id) from s1 where id = 3;  # 快了
select count(id) from s1 where id*12 = 3;  # 慢了  索引的字段一定不要参与计算

drop index idx_id on s1;
select count(id) from s1 where name="jason" and gender = "male" and id = 3 and email = "xxx";
# 针对上面这种连续多个and的操作，mysql会从左到右先找区分度比较高的索引字段，先将整体范围降下来再去比较其他条件
create index idx_name on s1(name);
select count(id) from s1 where name="jason" and gender = "male" and id = 3 and email = "xxx";  # 并没有加速

drop index idx_name on s1;
# 给name，gender这种区分度不高的字段加上索引并不难加快查询速度

create index idx_id on s1(id);
select count(id) from s1 where name="jason" and gender = "male" and id = 3 and email = "xxx";  # 快了  先通过id已经讲数据快速锁定成了一条了
select count(id) from s1 where name="jason" and gender = "male" and id > 3 and email = "xxx";  # 慢了  基于id查出来的数据仍然很多，然后还要去比较其他字段

drop index idx_id on s1

create index idx_email on s1(email);
select count(id) from s1 where name="jason" and gender = "male" and id > 3 and email = "xxx";  # 快 通过email字段一剑封喉 
```

#### 联合索引

```mysql
select count(id) from s1 where name="jason" and gender = "male" and id > 3 and email = "xxx";  
# 如果上述四个字段区分度都很高，那给谁建都能加速查询
# 给email加然而不用email字段
select count(id) from s1 where name="jason" and gender = "male" and id > 3; 
# 给name加然而不用name字段
select count(id) from s1 where gender = "male" and id > 3; 
# 给gender加然而不用gender字段
select count(id) from s1 where id > 3; 

# 带来的问题是所有的字段都建了索引然而都没有用到，还需要花费四次建立的时间
create index idx_all on s1(email,name,gender,id);  # 最左匹配原则，区分度高的往左放
select count(id) from s1 where name="jason" and gender = "male" and id > 3 and email = "xxx";  # 速度变快
```

总结:上面这些操作，你感兴趣可以敲一敲，不感兴趣你就可以不用敲了，权当看个乐呵。理论掌握了就行了

慢查询日志

设定一个时间检测所有超出该时间的sql语句，然后针对性的进行优化

感兴趣就康康

 

 

参考阅读：

https://zhuanlan.zhihu.com/p/120227954