SQL语言基础练习---数据库server 2008(二)

2024-08-23 10:48

本文主要是介绍SQL语言基础练习---数据库server 2008(二),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!

--找出不同的商店信息的商店名字
Select DISTINCT store_name 
FROM Store_Information


--找出表中营业额大于1,000的商店名字


select stroe_name
FROM Store_Information
where Sale>1000


--找出表中营业额大于1,000或者在500和275之间的


select stroe_name
FROM Stroe_Information
where Sale>1000 
OR(Sale<500 AND Sale>275)




--在表中找出Los Angelse 或 San Diego的资料


select *
FROM Stroe_Information
Where stroe_name IN ('Los Angelse','San Diego')


--找出表中january 6,1999 及 january 10,1999之间的资料
select *
FROM Stroe_Information
WHERE DATE BETWEEN 'january 6,1999' AND 'january 10,1999'


--通配符的用法
select *
FROM Store_Information
--输出:AN两边都可以延展的字符
WHERE stroe_name LIKE '%AN%'
--或者:A和Z之间添加一个字符。
WHERE store_name LIKE 'A_Z'
--或者:在acc 之前添加字符
WHERE store_name LIKE '%acc'
--或者:在acc 之后添加字符
WHERE store_name LIKE 'acc%'
 
--排序
SELECT store_name, Sale,Date
FROM Store_Information
ORDER BY Sales DESC




--或者


SELECT store_name,Sale,Date
FROM Store_Information
ORDER BY 2 DESC


--函数


--SUM
select SUM(SALE)
FROM store_Information




--count


select count(store_name)
FROM store_Information
where store_name is not NULL


--或者


select count(DISTINCT store_name)
FROM Store_Information




--SUM和GROUP BY综合
select store_name,sum(sale)
FROM store_Information
GROUP BY store_name


--having
select store_name,SUM(sales)
FROM store_Information
Group BY store_name
having SUM(sales)>1500


--替换
select A1.store_name Store,SUM(A1.Sale)"Total Sales"
FROM Store_Information A1
Group BY A1.store_name


--表格链接


--内部链接(左联接)
select A1.region_name REGION,SUM(A2.Sale)Sales
--第一行取得是别名,如果没有去别名的话是
--select Geography.region_name,SUM(store_Information.Sales)Sales太复杂
From Geography A1,store_Information A2
where A1.store_name=A2.store_name
Group By A1.region_name


--外部链接
select A1.store_name,sum(A2.Sale)Sales
From Geography A1,store_Information A2
where A1.store_name=A2.store_name(+)
group BY A1.store_name





这篇关于SQL语言基础练习---数据库server 2008(二)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/1099172

相关文章

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明(认真看哦) AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证,则会调用 #attemptAuthentica

SQL中的外键约束

外键约束用于表示两张表中的指标连接关系。外键约束的作用主要有以下三点: 1.确保子表中的某个字段(外键)只能引用父表中的有效记录2.主表中的列被删除时,子表中的关联列也会被删除3.主表中的列更新时,子表中的关联元素也会被更新 子表中的元素指向主表 以下是一个外键约束的实例展示

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

如何去写一手好SQL

MySQL性能 最大数据量 抛开数据量和并发数,谈性能都是耍流氓。MySQL没有限制单表最大记录数,它取决于操作系统对文件大小的限制。 《阿里巴巴Java开发手册》提出单表行数超过500万行或者单表容量超过2GB,才推荐分库分表。性能由综合因素决定,抛开业务复杂度,影响程度依次是硬件配置、MySQL配置、数据表设计、索引优化。500万这个值仅供参考,并非铁律。 博主曾经操作过超过4亿行数据

性能分析之MySQL索引实战案例

文章目录 一、前言二、准备三、MySQL索引优化四、MySQL 索引知识回顾五、总结 一、前言 在上一讲性能工具之 JProfiler 简单登录案例分析实战中已经发现SQL没有建立索引问题,本文将一起从代码层去分析为什么没有建立索引? 开源ERP项目地址:https://gitee.com/jishenghua/JSH_ERP 二、准备 打开IDEA找到登录请求资源路径位置

MySQL数据库宕机,启动不起来,教你一招搞定!

作者介绍:老苏,10余年DBA工作运维经验,擅长Oracle、MySQL、PG、Mongodb数据库运维(如安装迁移,性能优化、故障应急处理等)公众号:老苏畅谈运维欢迎关注本人公众号,更多精彩与您分享。 MySQL数据库宕机,数据页损坏问题,启动不起来,该如何排查和解决,本文将为你说明具体的排查过程。 查看MySQL error日志 查看 MySQL error日志,排查哪个表(表空间

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

MySQL高性能优化规范

前言:      笔者最近上班途中突然想丰富下自己的数据库优化技能。于是在查阅了多篇文章后,总结出了这篇! 数据库命令规范 所有数据库对象名称必须使用小写字母并用下划线分割 所有数据库对象名称禁止使用mysql保留关键字(如果表名中包含关键字查询时,需要将其用单引号括起来) 数据库对象的命名要能做到见名识意,并且最后不要超过32个字符 临时库表必须以tmp_为前缀并以日期为后缀,备份

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验