数据定义语言 - DDL

2024-06-22 08:38
文章标签 数据 ddl 定义语言

本文主要是介绍数据定义语言 - DDL,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

写在前面:博主是一只经过实战开发历练后投身培训事业的“小山猪”,昵称取自动画片《狮子王》中的“彭彭”,总是以乐观、积极的心态对待周边的事物。本人的技术路线从Java全栈工程师一路奔向大数据开发、数据挖掘领域,如今终有小成,愿将昔日所获与大家交流一二,希望对学习路上的你有所助益。同时,博主也想通过此次尝试打造一个完善的技术图书馆,任何与文章技术点有关的异常、错误、注意事项均会在末尾列出,欢迎大家通过各种方式提供素材。

  • 对于文章中出现的任何错误请大家批评指出,一定及时修改。
  • 有任何想要讨论和学习的问题可联系我:zhuyc@vip.163.com。
  • 发布文章的风格因专栏而异,均自成体系,不足之处请大家指正。

数据定义语言 - DDL

本文关键字:数据库、数据定义语言、DDL、数据库对象

文章目录

  • 数据定义语言 - DDL
    • 一、DDL介绍
    • 二、常见数据库对象
      • 1. 数据库
      • 2. 数据表
      • 3. 视图
      • 4. 索引
      • 5. 序列
      • 6. 触发器
      • 7. 函数
      • 8. 存储过程
      • 9. 用户
    • 三、CREATE
      • 1. 创建数据表
      • 2. 创建视图
      • 3. 创建索引
    • 四、DROP
      • 1. 删除数据表
      • 2. 删除视图
      • 3. 删除索引

之前我们已经了解了SQL语言的分类,可以划分为:DDL(数据定义语言)、DML(数据操纵语言)、DQL(数据查询语言)、DCL(数据控制语言)、TPL(事务处理语言)、CCL(指针控制语言),本文将介绍DDL。

一、DDL介绍

DDL的全称是Data Definition Language,即:数据定义语言。在使用数据库操作数据时,一定要通过已经存在的结构,我们称之为数据库中的对象,如最常见的数据表。那么DDL的作用就是在结构上去管理和调整这些数据库对象,通常不会关心某个具体的数据,比如在删除某一个结构时,其中的数据也会被一同删除。

二、常见数据库对象

在学习DDL之前,有必要先来了解一下常见的数据库对象,有必要说明的是:某些数据库会弱化甚至于完全去掉某些数据库对象,使用其他的方式来代替相应的功能,不能够一概而论,所以本文只会演示最通用的数据库对象(数据表、视图、索引)的操作方式,其他的一些数据库对象请大家继续关注具体的数据库专栏,会逐步更新。

1. 数据库

说到数据库这个对象(database,有些工具会标记为schema),会有些称呼上的冲突,为了区分我们用DBMS来代表数据库软件本身。有些数据库会以数据库实例-表空间的方式来进行管理。其实思路上大同小异,都是为了提高管理效率,对数据表的所属进行适当的划分。
如果把整个DBMS想象成一个工作的工厂,那么数据库就相当于其中的一个个厂房,数据表就是厂房里的一个个货仓,数据就是其中的货物,也就是说数据库对象的主要作用就是作为数据表的所属的,有了这样的归属关系,不同的数据库之间就可以相对独立,同时也可以跨库操作

2. 数据表

数据表(table)是最常见的用于数据存储和操作的结构,由行和列组成,与我们使用的Excel很像,区别是更加规范,需要预先定义结构之后才能使用。其中每一行代表一条数据,每一列代表一个数据维度。

3. 视图

视图(view)也被称为虚表,相当于记录了一些设定的查询语句,是基于已经存在的表才能够创建的。视图结构本身与表结构类似,修改数据也会导致对应的数据表中的数据被修改。

4. 索引

索引(index)建立在已存在的数据表的列上,有利于提高数据查询的速度,也可以起到数据约束的作用。

5. 序列

序列(sequence)是定义的一组数,主要用于生成自增主键,在某些DBMS中会被淡化(如MySQL),由数据库自行管理。在有些DBMS中可以自行定义(如Oracle),设定起始数据、增长步长等,可以结合触发器使用。

6. 触发器

触发器(trigger)相当于一个预定义的命令,可以定义在某些动作发生时(数据插入、更改、删除等)执行。

7. 函数

函数(function)用于辅助完成较为复杂,或有参数参与的操作,一般必须有return子句,可以当做表达式出现在select中。

8. 存储过程

存储过程(procedure)与函数的功能类似,在存储过程中不使用return语句,在调用方式上也略有不同。

9. 用户

用户(user)在数据库中的作用主要为了能够更加细致的划分权限,用户名和密码的使用也能提高安全性。

三、CREATE

CREATE可用于创建数据库对象,结合相应的关键字使用。

1. 创建数据表

创建数据表时主要需要声明:数据表名称、数据列名、数据列的类型。

CREATE TABLE `表名` (`列名` 列的类型,...`列名` 列的类型
)

2. 创建视图

创建视图时,需要指定视图名称,并且需要指定查询语句。

CREATE VIEW `视图名称` AS 查询语句

3. 创建索引

索引是作用在某一个数据表的列上的,不同的索引类型有不同的关键字,以普通索引为例。

CREATE INDEX `索引名称` ON 表名(列名,...)

四、DROP

使用DROP删除时会直接删除数据库对象的结构。

1. 删除数据表

删除数据表时,会连同删除已存储的数据。

DROP TABLE `表名`

2. 删除视图

DROP VIEW `视图名称`

3. 删除索引

DROP INDEX `索引名称` ON `表名`

扫描下方二维码,加入官方粉丝微信群,可以与我直接交流,还有更多福利哦~

在这里插入图片描述

这篇关于数据定义语言 - DDL的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1083794

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者