主键:primary key 唯一键:unique 非空:not null 缺省:default 外键:foreign key
常见的外键约束关键字有：cascade、restrict、no action和set default和set null，其中，
MySQL 大表数据添加新字段 有时候我们在测试环境给一个表添加字段,但是在线上环境添加一个字段,却极其的慢。原因是线上的数据库一般会存有大量的数据(百万级,千万级),基本的添加字段方式在线上数据库已经不太合适了。 > alter table user add column flag tinyint(1) default 0; 基本添加方式,大量数据的表不推荐。执行加字段操作就会锁表，这个过程可能需要很长时间甚至导致服务崩溃。 解决方案 扩展新表方案 创建一个新表user_ext(id,user_id,f
通常情况下，当访问某张表的时候，读取者首先必须获取该表的锁，如果有写入操作到达，那么写入者一直等待读取者完成操作（查询开始之后就不能中断，因此允许读取者完成操作）。当读取者完成对表的操作的时候，锁就会被解除。如果写入者正在等待的时候，另一个读取操作到达了，该读取操作也会被阻塞（block），因为默认的调度策略是写入者优先于读取者。当第一个读取者完成操作并解放锁后，写入者开始操作，并且直到该写入者完成操作，第二个读取者才开始操作。因此：要提高MySQL的更新/插入效率，应首先考虑降低锁的竞争，减少写操作的等待时间。 （本专题在后面会讨论表设计的优化）本篇，要讲的优化是增删改。
其中：外键名为定义的外键约束的名称，一个表中不能有相同名称的外键；字段名表示子表被外健约束的字段名；主表名即被子表外键所依赖的表的名称；主键列表示主表中定义的主键列或者列组合。
维表关联系列目录: 一、维表服务与Flink异步IO 二、Mysql维表关联：全量加载 三、Hbase维表关联：LRU策略 四、Redis维表关联：实时查询 五、kafka维表关联：广播方式 六、自定义异步查询
Hive可以管理HDFS中的数据，可以通过SQL语句可以实现与MapReduce类似的同能，因为Hive底层的实现就是通过调度MapReduce来实现的，只是进行了包装，对用户不可见。 Hive对HDFS的支持只是在HDFS中创建了几层目录，正真的数据存在在MySql中，MYSQL中保存了Hive的表定义，用户不必关系MySQL中的定义，该层对用户不可见。Hive中的库在HDFS中对应一层目录，表在HDFS中亦对应一层目录，如果在对应的表目录下放置与表定义相匹配的数据，即可通过Hive实现对数据的可视化及查询等功能 综上所述，Hive实现了对HDFS的管理，通过MySQL实现了对HDFS数据的维度管理 Hive基本功能及概念 database table 外部表，内部表，分区表 Hive安装 1. MySql的安装（密码修改，远程用户登陆权限修改） 2. Hive安装获取，修改配置文件(HADOOP_HOME的修改，MySQL的修改) 3. 启动HDFS和YARN(MapReduce)，启动Hive Hive基本语法： 1. 创建库：create database dbname 2. 创建表：create table tbname Hive操作： 1. Hive 命令行交互式 2. 运行HiveServer2服务，客户端 beeline 访问交互式运行 3. Beeline 脚本化运行 3.1 直接在 命令行模式下 输入脚本命令执行(比较繁琐，容易出错，不好归档) 3.2 单独保存SQL 命令到 文件，如etl.sql ，然后通过Beeline命令执行脚本 数据导入： 1. 本地数据导入到 Hive表 load data local inpath "" into table .. 2. HDFS导入数据到 Hive表 load data inpath "" into table .. 3. 直接在Hive表目录创建数据 Hive表类型： 1. 内部表: create table 表数据在表目录下，对表的删除会导致表目录下的数据丢失，需要定义表数据的分隔符。 2. 外部表: create external table 表目录下挂载表数据，表数据存储在其他HDFS目录上，需要定义表数据的分隔符。 3. 分区表：与创建内部表相同，需要定义分区字段及表数据的分隔符。在导入数据时需要分区字段，然后会在表目录下会按照分区字段自动生成分区表，同样也是按照目录来管理，每个分区都是单独目录，目录下挂载数据文件。 4. CTAS建表 HQL 1. 单行操作：array，contain等 2. 聚合操作：(max,count,sum)等 3. 内连接，外连接（左外，右外，全外） 4. 分组聚合 groupby 5. 查询 : 基本查询，条件查询，关联查询 6. 子查询： 当前数据源来源于 另个数据执行的结果，即当前 table 为临时数据结果 7. 内置函数: 转换, 字符串, 函数 转换：字符与整形，字符与时间， 字符串：切割，合并， 函数：contain，max/min，sum， 8. 复合类型 map（key，value）指定字符分隔符与KV分隔符 array（value）指定字符分隔符 struct(name,value) 指定字符分割与nv分隔符 9. 窗口分析函数 10. Hive对Json的支持
今天突然发现原来mysql也是可以一条sql删除多表数据的，下面来分析一下 多表删除其实思路还是比较简单的，首先条件就是多个表（一般就两个表，织梦的文章信息存在3个表里，删除起来很麻烦）有关联 其次，删除条件一般都是由关联的这一行组成的，也可能不是，没有关系，我们先写一个试试：
格式： constraint <外键名> foreign key 字段名[，字段名2，…] references <主表名> 主键列1 [，主键列2，…]
本次因为服务架构重构，表优化、重构，带来的任务就是需要从原来的mysql数据库中，读取原表数据（部分存在多张关联查询）然后通过调用API的服务方式灌入新的数据库表中（包含mysql、mongodb）。
向刚才做的这两个操作(插入一个没有部门的员工和删除一个带有员工的部门)，这种情况都是不应该发生的。
Postgresql和MySQL还是有很多不同的。就比如授权来说。当下有个业务场景，我们的报表数据库需要根据业务划分不同的db，然后创建对应的user。
当我们业务数据库表中的数据越来越多，如果你也和我遇到了以下类似场景，那让我们一起来解决这个问题
MySQL优化一般是需要索引优化、查询优化、库表结构优化三驾马车齐头并进。 本章节开始讲查询优化。 一、为什么查询速度会慢 可以把查询当作一个任务，它由一系列子任务组成，每个子任务都会消耗一定的时间。如果要优化查询，实际上是优化其子任务，要么消除其中一些子任务，要么减少子任务的执行次数，要么让子任务运行得更快。 MySQL在执行查询的时候有哪些子任务，这个是有一定的方法进行剖析的，具体方法下回单独拿一个章节来分析。 通常来说，查询的生命周期大致可以按照顺序来看：从客户端，到服务端，然后在服务器上进行解
Online DDL是从mysql5.6版本后引入的新功能，可以实现在线DDL操作不锁表。但是MySQL5.6的Online DDL不是真正的Online DDL，针对部分操作还是有局限性。 5.6之前的DDL处理方式： 1、创建临时表 2、将原表加S锁（只能读，不能DML） 3、将原表数据导入临时表 3、删除原表 4、把临时表重命名成新表 这种情况会对表加一个S锁，其他用户只能访问，不能执行DML操作，如果数据量越大，锁时间越长，对业务影响也越长。 5.6之后的DDL处理方式： innodb_online
3、设置值的唯一性（不允许重复数据，可以为空，但只能有一个空，否则就会被视为重复）
mysql 中 SELECT 命令类似于其他编程语言的 print 或 write，可用来显示字符串、数字、数学表达式的结果等
DELETE删除多表数据，怎样才能同时删除多个关联表的数据呢？这里做了深入的解释：
2.1 数据库结构优化的目的 减少数据冗余 尽量避免数据维护中出现更新,插入和删除异常 插入异常 如果表中的某个实体随着另一个实体而存在 先看一个表结构 为学号,课程名
随着业务的发展，用户对系统需求变得越来越多，这就要求系统能够快速更新迭代以满足业务需求，通常系统版本发布时，都要先执行数据库的DDL变更，包括创建表、添加字段、添加索引、修改字段属性等。
本文分享 sequelize 的项目实践经验，如果你还不了解 sequelize，可以先看文档
阿里妹导读：用户只需在前端简单配置下指标，系统即可自动生成大宽表，让用户查询到他所需要的实时数据，数据源支持跨库并支持多种目标介质。这样的数据全局实时可视化如何实现？本文从需求分析开始，分享自动生成SQL功能开发中运用到的设计模式和数据结构算法设计。
mysql> create table tb1(id int not null default 2,num int not null); # 创建tb1表并约束
外键其实很好理解，简单的说就是两张表建立一个连接关系。这里我们那主表A和副表B举例，我A表中有用户信息，B表中有用户订单信息。要是数据完整对应起来，肯定是需要把两张表关联起来，我们因此会在B表中村一个A表的字段，常见的我们存的是A表的主键ID外键。
在MySQL 8.0.18中，增加了Hash Join新功能，它适用于未创建索引的字段，做等值关联查询。在之前的版本里，如果连接的字段没有创建索引，查询速度会是非常慢的，优化器会采用BNL（块嵌套）算法。
表中现有约 50 亿条数据，只保留 2023-10-01 以后的数据（约占总量的 1/10），其它删除。
SQL结构化查询语言(Structured Query Language)，一种特殊目的的编程语言，是一种数据库查询和程序设计语言，用于存取数据以及查询、更新和管理关系数据库系统。
本栏目Java开发岗高频面试题主要出自以下各技术栈：Java基础知识、集合容器、并发编程、JVM、Spring全家桶、MyBatis等ORMapping框架、MySQL数据库、Redis缓存、RabbitMQ消息队列、Linux操作技巧等。
索引虽然是个可以提高查询效率的好东西，但是吗世间万物自然有好有坏，索引有索引的好处，自然就会有其不完美的地方，建立索引之后，MySQL除了维护数据文件之外自然又多了一份维护索引文件的任务，如果数据频繁的变动，维护两份索引文件的MySQL自然是有些招架不住。反馈的效率自然就会慢于没有索引的时候，索引文件自然是要有它落盘的地方，所以就要占用空间喽，虽然硬盘不贵但是这些都是要加进项目的预算哦。所以我们就要了解一下索引的特性才能有效地趋利避坏。
3、所有表必须使用Innodb存储引擎 没有特殊要求（即Innodb无法满足的功能如：列存储，存储空间数据等）的情况下，所有表必须使用Innodb存储引擎（mysql5.5之前默认使用Myisam，5.6以后默认的为Innodb）。 Innodb 支持事务，支持行级锁，更好的恢复性，高并发下性能更好。 4、每个Innodb表必须有个主键 Innodb是一种索引组织表：数据的存储的逻辑顺序和索引的顺序是相同的。每个表都可以有多个索引，但是表的存储顺序只能有一种。 Innodb是按照主键索引的顺序来组织表的
MySQL索引的建立对于MySQL的高效运行是很重要的，索引可以大大提高MySQL的检索速度。
在访问数据库时，应该只请求需要的行和列。请求多余的行和列会消耗MySql服务器的CPU和内存资源，并增加网络开销。 例如在处理分页时，应该使用LIMIT限制MySql只返回一页的数据，而不是向应用程序返回全部数据后，再由应用程序过滤不需要的行。 当一行数据被多次使用时可以考虑将数据行缓存起来，避免每次使用都要到MySql查询。 避免使用SELECT *这种方式进行查询，应该只返回需要的列。
原文链接：http://enmotech.com/web/detail/1/577/1.html
今年4月份，MySQL突然直接从8.0.5跳过多个版本号到8.0.11，直接宣布8.0.11 GA，告诉大家说，这个版本已经可以到线上用了。
比如name字段中要让其用户名不重复，这就需要添加约束。或者必须注册的时候需要添加邮箱等
所谓的数据操作语言是指DML，这仅仅只是中英直译而已，具体是指我们对数据表进行增删改查的操作，主要涉及insert,delete,update,select几个关键命令，同时，我们还会结合一些其它的命令进行操作筛选、汇总等。下面我们依次对这些sql脚本操作进行学习。 1.增加数据操作insert
INSERT INTO 表名 (字段名1, 字段名2, ...) VALUES (值1, 值2, ...);
1、父表必须已经存在于数据库中，或者是当前正在创建的表。如果是后一种情况，则父表与子表是同一个表，这样的表称为自参照表，这种结构称为自参照。 2、必须为父表定义主键。 3、主键不能包含空值，但允许在外键中出现空值。也就是说，只要外键的每个非空值出现在指定的主键中，这个外键的内容就是正确的。 4、外键中列的数目必须和父表的主键中列的数目相同。 5、外键中列的数据类型必须和父表主键中对应列的数据类型相同。说这么多比较笼统，还是看看例子吧。
比如，存储字符串“101”，对于char(10)，表示你存储的字符将占10个字节（包括7个空字符），在数据库中它是以空格占位的，而同样的varchar2(10)则只占用3个字节的长度，10只是最大值，当你存储的字符小于10时，按实际长度存储。
可以看到possible_keys、key、key_len的值均为NULL，说明这条SQL在product_comment 表上是没有可用的索引的，取出9593行过滤度为1%
到maven仓库查看适用的mysql驱动，5.7的没有，8.0兼容5.7的，所以选择8.0的驱动
mysql只支持一种join算法：Nested-Loop Join（嵌套循环连接），但Nested-Loop Join有三种变种：
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
云直播
对象存储
