MySQL——事务(视图、触发器、存储过程、函数、索引)

pymysql补充

# 1.针对增删改 pymysql需要二次确认才能真正的操作数据
import pymysql

conn = pymysql.connect(
	host='127.0.0.1',
    port=3306,
    user='root',
    password='yumi_0405',
    db='day48',
    charset='utf8',
    autocommit=True # 让sql语句执行后自动提交
)
cursor = conn.cursor(cursor=pymysql.cursors.DictCursor)

# 增
sql = 'insert into user(name, password) values(%s,%s)'
# cursor.execute(sql,('yumi',123))
cursor.executemany(sql,[('yumi',123),('egon',123),('jason',123)])

# 改
sql = 'update user set password=%s where name=%s and password=%s'
cursor.execute(sql,(456,'yumi',123))

# 删
sql = 'delete from user where name=%s and password=%s'
cursor.execute(sql,('yumi',456))

# 但凡涉及到增删改操作，都需要二次确认来保存到数据库
# conn.commit() 提交sql语句的执行结果并保存到数据库

# 一次插入多条数据
cursor.executemany(sql,[('yumi',123),('egon',123),('jason',123)])

　　

视图（了解）

什么是视图

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

为什么要用视图

如果要频繁的操作一张虚拟表(拼表组成的)，你就可以制作成视图 后续直接操作

如何操作

# 固定语法
create view 表名 as 虚拟表的查询sql语句

# 具体操作
create view teacher2course as
select * from teacher INNER JOIN course
on teacher.tid = course.teacher_id
;

# 注意
    -- 1 创建视图在硬盘上只会有表结构 没有表数据(数据还是来自于之前的表)
    -- 2 视图一般只用来查询 里面的数据不要继续修改 可能会影响真正的表

　　

触发器（了解）

什么是触发器

​ 在满足对表数据进行增、删、改的情况下，自动触发的功能

为什么要用触发器

​ 使用触发器可以帮助我们实现监控、日志...

如何操作

​ 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

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 ;

# 向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;

　　

事务（掌握）

什么是事务

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

事务的作用

"""
保证了对数据操作的安全性
"""
eg:还钱的例子
    egon用银行卡给我的支付宝转账1000
    	1 将egon银行卡账户的数据减1000块
        2 将jason支付宝账户的数据加1000块
    
   	你在操作多条数据的时候可能会出现某几条操作不成功的情况 　

事务的四大特性

'''
ACID
原子性（Atomicity）:事务包含的所有操作要么全部成功，要么全部失败回滚
一致性（Consistency）:一个事务在执行之前和执行之后必须处于一致性
                     一致性跟原子性是密切相关的
隔离性（Isolation）:
	一个事务的执行不能被其他事务所干扰
	（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）
持久性（Durability）:
    一个事务一旦被提交，则对数据库中数据的修改是永久性的，
    接下来的其他操作或者故障不应该对其有任何的影响
'''

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
"""

　　

存储过程（了解）

存储过程就类似于python中的自定义函数

存储过程存放于MySQL服务端中

存储过程内包含了一系列可执行sql语句，可以直接通过调用存储过程来出发内部的sql语句

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();　

三种开发模式

# 第一种(sql语句全部写好，开发人员只需要调用就好)
"""
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(开发人员自己编写sql语句)
"""
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 (常用)
"""
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 $$
create procedure p1(
    in m int,  # 只能否够接收  m不能返回
    in n int,
    out res int  # 该形参可以返回
)
begin
	select tname from teacher where tid>m and tid<n;
    set res=666;  # 将res变量修改 用来标识当前的存储过程代码确实执行了
end $$
delimiter ;

# 针对形参res 不能直接传数据 应该传一个变量名
call p1(1,5,10)
'''
1414 - OUT or INOUT argument 3 for routine day48.p1 is not a variable or NEW pseudo-variable in BEFORE trigger
'''

# 定义变量
set @ret = 10;
# 查看变量对应的值
select @ret; # @ret=10
call p1(1,5,@ret);
select @ret; # @ret=666　

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 = 'yumi_0405',
    db = 'day48',
    charset = 'utf8',
    autocommit = True
)
cursor = conn.cursor(pymysql.cursors.DictCursor)
# 调用存储过程
cursor.callproc('p1',(1,5,10))
"""
pymysql模块底层已经将传入的1，5，10进行了转换所以能直接得出结果
@_p1_0=1
@_p1_1=5
@_p1_2=10
"""
# print(cursor.fetchall())
cursor.execute('select @_p1_2;')
print(cursor.fetchall()) # [{'@_p1_2':666}]

　　

内置函数（了解）

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' );

流程控制（了解）

# 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 ;　

索引理论（了解，日后再扩展）

什么是索引

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，就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)

索引虽然能加快查询速度但是也有缺点

• 当表中有大量数据存在的前提下 创建索引速度会很慢
• 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

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
"""

　　

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
"""

　　

辅助索引(unique,index)

• 查询数据的时候不可能一直使用到主键，也有可能会用到其他字段

• 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
​```

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！