常用sql语句总结

野性酷女 2022-01-22 11:53 467阅读 0赞

##### 常用sql语句总结 #####

本文总结了常用的SQL语句，尤其适合在面试前复习你的SQL知识。你可以尝试文中的例子，温习下你很久以前在数据库系统课程上学到的知识。

配置样例数据库  
为了演示每个命令的用法，我们将使用一个样例数据库。生成该数据库的脚本可以从Google网盘下载：

DLL.sql: https://drive.google.com/file/d/0B_oq3-doZhC-ME1lUlR3a3pYRU0/view
    
    InsertStatements.sql: https://drive.google.com/file/d/0B_oq3-doZhC-TV9ud1JubkVDaXM/view

如不便访问Google网盘，可以在论智公众号（ID: jqr\_AI）留言sql recap获取。

下载文件后，输入以下命令进入MySQL控制台（假设你已经装好了MySQL或MariaDB）。

`mysql -u root -p`  
mysql会提示你输入密码，输入安装配置MySQL服务时设置的密码即可。

输入如下命令生成样例数据库：

CREATE DATABASE university;
    USE university;
    SOURCE <DLL.sql文件路径>;
    SOURCE <InsertStatements.sql文件路径>;

好了，现在让我们开始温习SQL语句吧。

数据库

1.  查看现有数据库

`SHOW DATABASES;`  
2. 新建数据库

`CREATE DATABASE <数据库名>;`  
3. 选择数据库

`USE <数据库名>;`  
4. 从.sql文件引入SQL语句

`SOURCE <.sql文件路径>;`  
5. 删除数据库

`DROP DATABASE <数据库名>;`

表  
6. 查看当前数据库中的表

`SHOW TABLES;`

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70]7. 创建新表

CREATE TABLE <表名> (
        <列名1> <列类型1>,
        <列名2> <列类型2>,
        <列名3> <列类型3>,
        PRIMARY KEY (<列名1>),
        FOREIGN KEY (<列名2>) REFERENCES <表名2>(<列名2>)
    );

主键（PRIMARY KEY）用来标识一条记录（一行），所以每条记录的主键值必须是唯一的。主键可以定义在多列上，这称为联合主键（composite primary key）。

如果我们把表视作具有某种结构的数组（例如，C语言中的struct），那么外键（FOREIGN KEY）可以视作指针。

例子：

CREATE TABLE instructor (
        ID CHAR(5),
        name VARCHAR(20) NOT NULL,
        dept_name VARCHAR(20),
        salary NUMERIC(8,2), 
        PRIMARY KEY (ID),
        FOREIGN KEY (dept_name) REFERENCES department(dept_name));

在上面的例子中，我们创建了一个教员（instructor）表，该表的主键是ID，外键是教员所在的部门名称（dept\_name），关联部门（department）表。此外，教员表还包括姓名（name）、薪水（salary）。其中，姓名有约束NOT NULL，表示姓名这一项不能为空。

1.  概述表中的列

使用如下语句查看表中的列的基本信息：

`DESCRIBE <表名>;`  
下图显示了一些例子：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 1]9. 在表中插入新纪录

INSERT INTO <表名> (<列名1>, <列名2>, <列名3>, …)
        VALUES (<值1>, <值2>, <值3>, …);

也可以省略列名（依序在所有列上插入新值）：

INSERT INTO <表名>
        VALUES (<值1>, <值2>, <值3>, …);

1.  在表中更新记录

UPDATE <表名>
        SET <列名1> = <值1>, <列名2> = <值2>, ...
        WHERE <条件>;

1.  清空表

DELETE FROM <表名>;

1.  删除表

DROP TABLE <表名>;

##### 查询 #####

###### 13. SELECT ######

SELECT语句可以从表中选择数据：

SELECT <列名1>, <列名2>, …
        FROM <表名>;

以下语句选择所有内容：

SELECT * FROM <表名>;

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 2]  
选中部门（department）表和课程（course）表中的所有内容  
14. SELECT DISTINCT

SELECT DISTINCT过滤掉了重复的值：

SELECT DISTINCT <列名1>, <列名2>, …
        FROM <表名>;

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 3]  
15. WHERE

我们之前在更新记录时已经用到了WHERE关键字，用来指明条件。这里我们稍微详细一点地介绍下WHERE。

WHERE的条件通常是：

比较文本（text）

比较数字（numbers）

AND、OR、NOT等逻辑运算

让我们来看一些例子：

SELECT * FROM course WHERE dept_name='Comp. Sci.';
    SELECT * FROM course WHERE credits>3;
    SELECT * FROM course WHERE dept_name='Comp. Sci.' AND credits>3;

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 4]

1.  GROUP BY

GROUP BY语句可以分组结果，常用于COUNT、MAX、MIN、SUM、AVG等聚合函数（aggregate functions）。

SELECT <列名1>, <列名2>, …
        FROM <表名>
        GROUP BY <列名>;

让我们来看一个例子，列出每个部门的课程数量：

SELECT COUNT(course_id), dept_name 
         FROM course 
         GROUP BY dept_name;

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 5]

1.  HAVING

乍看起来，HAVING和WHERE很像：

SELECT <列名1>, <列名2>, …
        FROM <表名>
        GROUP BY <列名x>
        HAVING <条件>;

那么，HAVING和WHERE有什么不同呢？让我们先来看一个例子，列出开了不止一门课程的部门开设的课程数：

SELECT COUNT(course_id), dept_name 
        FROM course 
        GROUP BY dept_name 
        HAVING COUNT(course_id)>1;

这里HAVING不能换成WHERE，因为WHERE直接针对行操作，且在GROUP BY之前运行（即先通过WHERE筛选行，之后再将筛选出的行通过GROUP BY分组）。假设SQL中不存在HAVING语句，那么我们只能先新建一张表，将COUNT(course\_id)作为新表的列，然后在新表上再通过WHERE进行筛选（当然，实际上SQL提供了派生表、CTE等机制，并不用真的手工建新表）。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 6]

1.  ORDER BY

ORDER BY可以对结果进行排序，在没有明确指定ASC（升序）或DESC（降序）的情况下，默认按升序排列。

SELECT <列名1>, <列名2>, …
    FROM <表名>
    ORDER BY <列名1>, <列名2>, …, ASC|DESC;

例子：

SELECT * FROM course ORDER BY credits;
    SELECT * FROM course ORDER BY credits DESC;

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 7]  
19. BETWEEN

BETWEEN语句用于指定区间。

SELECT <列名1>, <列名2>, …
        FROM <表名>
        WHERE <列名x> BETWEEN <值1> AND <值2>;

其中“值”可能是数字，文本，乃至日期等。

例如，列出薪资在50000和100000之间的教员：

SELECT * FROM instructor 
        WHERE salary BETWEEN 50000 AND 100000;

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 8]  
20. LIKE

LIKE用于匹配文本中的特定模式。

SELECT <列名1>, <列名2>, …
        FROM <表名>
        WHERE <列名x> LIKE <模式>;

模式中可以使用以下两个通配符：

% （零个、一个或多个字符）

\_ （单个字符）

例子：列出课程名中包含“to”的课程，以及课程ID以“CS-”开头的课程。

SELECT * FROM course WHERE title LIKE '%to%';
    SELECT * FROM course WHERE course_id LIKE 'CS-___';

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 9]  
21. IN

IN语句表示值属于某个集合。

SELECT <列名1>, <列名2>, …
        FROM <表名>
        WHERE <列名n> IN (<值1>, <值2>, …);

例子：列出计算机科学、物理、电子工程部门的学生。

SELECT * FROM student 
        WHERE dept_name IN ('Comp. Sci.', 'Physics', 'Elec. Eng.');

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 10]  
22. JOIN

JOIN用来组合两张以上表中的值。下图展示了JOIN的三种类型：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 11]

SELECT <列名1>, <列名2>, …
    
        FROM <表名1>
        JOIN <表名2>
        ON <表名1.列名x> = <表名2.列名x>

让我们来看三个例子，分别对应三种JOIN的类型。

第一个例子，列出课程时包含开设课程的部门详情：

SELECT * FROM course 
        JOIN department 
        ON course.dept_name=department.dept_name;

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 12]  
第二个例子，列出所有具有前置课程的课程的详情：

SELECT prereq.course_id, title, dept_name, credits, prereq_id 
        FROM prereq 
        LEFT OUTER JOIN course 
        ON prereq.course_id=course.course_id;

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 13]  
最后一个例子，列出所有课程的详情，不管是否具有前置课程：

SELECT course.course_id, title, dept_name, credits, prereq_id 
        FROM prereq 
        RIGHT OUTER JOIN course 
        ON prereq.course_id=course.course_id;

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 14]  
23. 视图

视图（view）是虚拟的SQL表。它包含行和列，和一般的SQL表格很类似。视图总是显示数据库中的最新数据。

CREATE VIEW

创建视图：

CREATE VIEW <视图名> AS
        SELECT <列名1>, <列名2>, …
        FROM <表名>
        WHERE <条件>;
    DROP VIEW

删除视图：

DROP VIEW <视图名>;

例如，创建3学分的课程视图：

CREATE VIEW my_view AS
        SELECT * FROM course
        WHERE credits=3;

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 15]  
24. 聚合函数

我们之前已经提到聚合函数，这里列出最常用的一些聚合函数：

COUNT(列名) 返回行数

SUM(列名) 返回指定列的值之和

AVG(列名) 返回指定列的平均值

MIN(列名) 返回指定列的最小值

MAX(列名) 返回指定列的最大值

1.  嵌套子查询

在SQL请求中，可以嵌套SELECT-FROM-WHERE表达式，称为嵌套子查询（nested subqueries）。

例如，查找2009年秋、2010年春都开的课程：

SELECT DISTINCT course_id 
        FROM section 
        WHERE semester = ‘Fall’ AND year= 2009 AND course_id IN (
            SELECT course_id 
                FROM section 
                WHERE semester = ‘Spring’ AND year= 2010
        );

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 16]

原文地址：[https://towardsdatascience.com/sql-cheat-sheet-for-interviews-6e5981fa797b][https_towardsdatascience.com_sql-cheat-sheet-for-interviews-6e5981fa797b]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70]: /images/20220122/5fb62777a964436b909299dcf190a16a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 1]: /images/20220122/26fe1f3850d54648b0fd4a2417897d1e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 2]: /images/20220122/1042d24dd04e4d2f92d58106f64a3f01.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 3]: /images/20220122/2711d535cf5040d38c36417228bb917e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 4]: /images/20220122/a25270fc66bb4fdb89f7d8b0dcfaf753.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 5]: /images/20220122/b96400e20e2148ad9e69563e1102b0f4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 6]: /images/20220122/ef54af92fc0343b1b573ec06178c58be.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 7]: /images/20220122/e7fd5f7df9c545168036f5f305d65796.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 8]: /images/20220122/6279929e3499489c8c6d908016b2142a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 9]: /images/20220122/83431411210a4b7ea97c5151169bdbcb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 10]: /images/20220122/70d77ee044d44b8c8187d0848306715c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 11]: /images/20220122/7db1bfa39fb44664b8030777f3aa3b1c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 12]: /images/20220122/68786788da8a47699bdc17f44b19498d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 13]: /images/20220122/1553a27580754873b31086528f879e26.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 14]: /images/20220122/0604652a42aa4c79b4885aff8941ca5e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 15]: /images/20220122/2548b38f57794ea69bee145a95f7773e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI1OTM0NDAx_size_16_color_FFFFFF_t_70 16]: /images/20220122/dc4bffb0341243b29c1522822479c8bc.png
[https_towardsdatascience.com_sql-cheat-sheet-for-interviews-6e5981fa797b]: https://towardsdatascience.com/sql-cheat-sheet-for-interviews-6e5981fa797b