day49——视图、触发器、事务...

今日内容

视图
触发器
事务
存储过程
内置函数
流程控制
索引理论

除了事务需要掌握，其他了解即可

一、视图

什么是视图

试图就是将查询得到的虚拟表保存下来，后期需要重复操作的表的时候直接使用试图即可，试图的本质也是表。

如何操作

固定语法：

create view 表名 as 虚拟表查询sql语句

具体操作：

create veiw teacher2course as 
select  * from teacher inner join course
on teahcer.tid=course.theacher_id;

注意：

1）创建视图在硬盘上只会有表结构文件，而没有表数据文件(真正的数据还是来源于之前的表)

2）创建视图一般是用来查询，里面的数据最好不要进行修改，如果修改原来的表的数据也会跟着改变，会影响原来的表。
视图的使用频率

视图的使用频率不高，几乎不怎么用，因为视图创建多了，表不好维护。

二、触发器

什么是触发器

满足对表进行增、删、该、查的情况下，自动触发的功能
作用

使用触发器能帮助我们实现监控，记录日志...
触发器触发的六种情况

增前增后改前改后删前删后（查询不考虑）

基本语法

伪代码：

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

ps:触发器的名字应见名知意

具体使用

# 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;

针对修改和删除，书写格式和增一致

三、事务

何为事务

包含多个sql语句的操作序列，这些sql语句要么都执行，要么都不执行。
事务的作用

保证数据操作的安全性

例：

用户A支付宝转给用户B100元，用户A账号上减掉100元，这个时候网络出现问题，用户B的账号上并没有加100元，转账出错；将用户A减钱和用户B加钱做成事务，只有在A减钱且B加钱的时候，转账才能成功，否则两者都不执行，避免出错。
事务的四大特性ACID

1）原子性A（Atomicity）：

事务为一个不可分割的整体，包含多个操作，要么同时成功，要么同时失败。

2）一致性C（consistency）：

事务必须是数据库从一个一致性的状态变为另一个一致性的状态，一致性和原子性密切相关。

3）隔离性I（Isolation）：

每个事件的执行都不受其他事件的影响

（即一个事务内部的操作及使用到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相不干扰的）

4）持久性（Durability）D：

持久性也叫永久性，即事务一但提交成功那么永久有效，接下来的其他操作或者故障对其都不会有任何的影响。

如何用事务

关键字：

# 开启事务
start tansaction
# 回滚 （回到事务执行之前的状态）
rollback
# 确认 （确认后无法回滚）
commit

事务模拟转账：

# 创建表用于存储用户和对应金额
create table user(
id int primary key auto_increment,
name char (16),
balance int);

# 插入数据（用户名、余额）
insert into user(name,balance) values
('jason',1000),
('egon',1000),
('tank',1000);


# 开启事务
start transaction;

# 事务所包含的多条语句
update user set balance=900 where name='jason';
update user set balance=1010 where name='egon';
update user set balance=1100 where name='tank';

# 确认
commit;

# 验证
select balance from user;
'''
+---------+
| balance |
+---------+
|     900 |
|    1010 |
|    1100 |'''

总结

当你向让多条sql语句保持一致性时，即它们同时成功或者同时失败，就可以使用事务，事务可以保证操作数据的安全。

四、存储过程

存储过程好比与python的自定义函数，存储过程内部包含了一系列可以执行的sql语句（函数体代码），存储过程存放在MySQL服务端中（函数存放在名称空间中），可以直接调用存储过程触发内部的sql语句的执行（函数加括号调用），并且创建存储过程时可以指定形参（定义函数指定形参）。

基本使用：

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

# 调用
call 存储过程的名字();

三种开发模型

1）第一种

应用程序：程序员写代码开发

MySQL：提前写好存储过程，供应用程序使用

好处：开发效率提高了，执行效率也提高了

缺点：考虑到人为因素，跨部门沟通的问题，后续的存储过程的扩展性差

2）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

3）第二种

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 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

存储过程具体演示

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

pymysql 模块中调用存储过程

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())

五、函数

上面提到存储过程类似于自定义函数，那么MySQL中的函数即相当于python中内置函数

#('jason','0755','ls -l /etc',NOW(),'yes')  Now为函数

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');

六、流程控制

# 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 pro_while ()
begin
	declare num int;
	set num =0;
	while num<10 do
		select
        	num;
         set num = num+1;
    end while;
delimiter ;

七、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是用于表与表之间建立关系的，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！！！

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
	那么就降低了树的高度 从而减少查询次数
"""

聚集索引（主键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
"""

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
"""

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';

测试索引是否有效

**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
```

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！