关系型数据库

---

简介

顾名思义，数据库就是“数据的仓库”。在互联网行业中，海量数据智能存储在数据库database当中。有人会问，为什么不存在Excel当中？因为Excel能存储的数据太少了。03Excel大概能存储60万行数据，10Excel则能存储100万行；然而对于互联网大数据来说，这样的存储能力还是不够。因此，商业公司只能用数据库来存储数据。

我们暂且可以把数据库，看做老中医的药房，数据就像是一个个小格子里面的药，你想取出当归、黄连的时候，打开格子拿药就可以了；也可以将数据库看做图书馆，用户可以根据图书的编号，找书、借书，而这个过程也需要经过图书馆管理系统的认知。

---

主流数据库

数据库市面上有上百种，不可能全部都掌握，会用常见的下面几种即可。

• 关系型数据库RDBMS：常见的有MySQL、SQL Sever、Oracle、SQLite3；
• 非关系型数据库No SQL：常见的有Redis、MongoDB；
• 配套软件：Navicat Premium 12可视化工具；

---

学习资料

• w3school的sql教程
• MySQL菜鸟教程
• 《MySQL数据库应用从入门到精通》
• SQL在线测试网站

---

相关软件

• 数据库可视化工具：Navicat
• SQLServer官方工具：Microsoft SQL Server Management Studio
• 数据库设计软件：PowerDesigner/PDMReader

---

SqlServer

-- 常用语句模板
-- 存储过程模板
-- ***************************************************************
-- Author:        YangSong
-- CreateDate:    
-- Description:   
-- Table:         
-- ****************************************************************
create procedure [dbo].[sp_proc_name] (  -- alter
	@v_date DATE
)
AS


---------------------------------------------------------------------------------
-- 建表语句模板
-- ***************************************************************
-- Author:        YangSong
-- CreateDate:    
-- Description:   
-- ****************************************************************
create table dbo.table_name (  -- alter
    col_name col_type  -- comments
    -- ...
)


---------------------------------------------------------------------------------
-- 视图语句模板
-- ***************************************************************
-- Author:        YangSong
-- CreateDate:    
-- Description:               
-- ****************************************************************
create view dbo.view_name as  -- alter
select ...


--------------------------------------------------------------------------------
-- 新建函数语句模板
-- ***************************************************************
-- Author:        YangSong
-- CreateDate:    
-- Description:   
-- ****************************************************************
create function dbo.[function_name] (  -- alter
    @parameter_1  [data_type]  -- 参数一
    , @parameter_2  [data_type]  -- 参数二
    -- ...
)
returns [data_type]  -- 函数返回值类型
as

begin
declare @result [data_type]
select
	@result = [...]

return @result
end


---------------------------------------------------------------------------------
-- 循环执行存储过程的脚本
declare @v_date date
set @v_date = '2018-01-01'
while @v_date < '2019-01-01'

begin
	exec sp_name @settle_date = @v_date
	set @v_date = dateadd(day, 1, @v_date)
end

-- SqlServer常用函数
dateadd(month, datediff(month, 0, getdate()), 0)  -- 获取本月月初日期
convert(varchar(7), getdate(), 23) + '-01'  -- 获取本月月初日期
select * into p_copy from t_origin  -- 复制原表的表结构及数据到新表（新表原来不存在）
select * into p_copy from t_origin where 1 = 0  -- 仅复制原表的表结构到新表（新表原来不存在）
insert into p_copy select * from t_origin  -- 仅复制原表的数据到新表（新表原来已存在）

-- 生成日期序列
select
    -- convert(varchar(100), dateadd(d, number, getdate() - 108), 23) as every_time  -- 日期序列开始时间
    cast((dateadd(d, number, getdate() - datediff(day, '2018-12-28', getdate()))) as date) every_time
into #t_date
from master..spt_values
where type = 'p'
    and number <= datediff(day, '2018-12-28', getdate())  -- 日期序列的总天数
order by 1 desc;

-- 开窗函数
-- cume_dist(): partition by将数据集分为很多分区，在每个分区之内，按column_c倒排序，在给每一行加上colume_c所占该分区的比例
cume_dist() over([partition by colume_a, colume_b] order by colume_c desc)

-- percent_rank(): partition by将数据集分为很多分区，在每个分区之内，按column_c倒排序，在给每一行加上colume_c的相对位置
percent_rank() over([partition by colume_a, colume_b] order by colume_c desc)

-- dense_rank(): partition by将数据集分为很多分区，在每个分区之内，按column_c倒排序，在给每一行加上colume_c的排名（可并列，没有间隙）
dense_rank() over([partition by colume_a, colume_b] order by colume_c desc)

-- rank(): partition by将数据集分为很多分区，在每个分区之内，按column_c倒排序，在给每一行加上colume_c的排名（可并列，有间隙）
rank() over([partition by colume_a, colume_b] order by colume_c desc)

-- first_value: partition by将数据集分为很多分区，在每个分区之内，按column_c倒排序，在给每一行返回scalar_expression表达式的第一个计算值
first_value(scalar_expression) over([partition by colume_a, colume_b] order by colume_c desc [rows_range_clause])

-- last_value: partition by将数据集分为很多分区，在每个分区之内，按column_c倒排序，在给每一行返回scalar_expression表达式的最后一个计算值
last_value(scalar_expression) over([partition by colume_a, colume_b] order by colume_c desc [rows_range_clause])

-- lag(): partition by将数据集分为很多分区，在每个分区之内，按column_c倒排序，在给每一行加上向前偏移offset行的return_value字段值
lag(return_value, offset, [, default]) over([partition by colume_a, colume_b] order by colume_c desc)

-- lead(): partition by将数据集分为很多分区，在每个分区之内，按column_c倒排序，在给每一行加上向后偏移offset行的return_value字段值
lead(return_value, offset, [, default]) over([partition by colume_a, colume_b] order by colume_c desc)

-- 将有序分区的行分配到指定数量的大致相等的组或桶中
ntile(buckets) over([partition by partition_expression, ...] order by sort_expression desc, ...)

-- row_number(): partition by将数据集分为很多分区，在每个分区之内，按column_c倒排序，再给每一行加上从1开始的序号
row_number() over([partition by colume_a, colume_b] order by colume_c desc)

---

MySQL

---

数据库设计

• 数据库表字段命名规范