数据库学习

数据库引擎

MySQL中的数据用各种不同的存储机制、索引技巧、锁定水平等存储在文件中的技术或功能称为数据库引擎。
MyISAM

索引和实际数据是分开的。不过索引指向实际的数据，这种索引也就是非聚合索引。但是它没有提供对数据库事务的支持，也不支持表级锁，写操作需要锁定整个表，效率便会低一些。

Innodb
数据域存储的就是表中的数据，（累了，，，下次接着写完）
特点就是支持事务和外键。

数据库隔离级别：

Read Uncommitted（读取未提交内容）

在该隔离级别，所有事务都可以看到其他未提交事务的执行结果。本隔离级别很少用于实际应用，因为它的性能也不比其他级别好多少。读取未提交的数据，也被称之为脏读（Dirty Read）。

Read Committed（读取提交内容）

这种隔离级别 也支持所谓的不可重复读（Nonrepeatable Read）

Repeatable Read（可重读）

这是MySQL的默认事务隔离级别，它确保同一事务的多个实例在并发读取数据时，会看到同样的数据行。不过理论上，这会导致另一个棘手的问题：幻读 （Phantom Read）。简单的说，幻读指当用户读取某一范围的数据行时，另一个事务又在该范围内插入了新行，当用户再读取该范围的数据行时，会发现有新的“幻影” 行。InnoDB和Falcon存储引擎通过多版本并发控制（MVCC，Multiversion Concurrency Control）机制解决了该问题。

串行化

联合索引

在Mysql建立多列索引（联合索引）有最左前缀的原则，即最左优先。
如果我们建立了一个2列的联合索引(col1,col2),实际上已经建立了两个联合索引(col1)、(col1,col2）;
如果有一个3列索引(col1,col2,col3)，实际上已经建立了三个联合索引(col1)、(col1,col2)、(col1,col2,col3)。

查看表中字段

插入数据

查询最新记录

查询平均时间、
根据最新时间排序

插入一条

创建带有主键的表

创建双主键，带有外键的表

选择，投影和连接

选择

投影

模糊查询like

为了查询不确定字段，需要进行模糊查询

'%a'     //以a结尾的数据
'a%'     //以a开头的数据
'%a%'    //含有a的数据
'_a_'    //三位且中间字母是a的
'_a'     //两位且结尾字母是a的
'a_'     //两位且开头字母是a的

limit的用法

连接（后续完善的）

之前以为用外键就算是连接了，而且用的是where去连接的，经过学习，发现应该是join和on

这个是内连接，还有左右连接

根据专业分组统计人数

使用having

order排个序

python链接mysql

方法一：直连

	user = 'mysql_root'
    password = ''
    host = '192.168.20.xx'
    port = 13306
    dbname = 'test'
    conn = pymysql.connect(host=host, user=user, password=password, db=dbname, port=port, charset='utf8')
    cursor = conn.cursor()
    # country province city wgs_lon wgs_lat
    sql = 'select * from city where country like "%%" or province like "%%"'
    # sql = 'select * from city where city=""'
    cursor.execute(sql)
    data = cursor.fetchone()
    # data = cursor.fetchall()

方法二：sqlalchemy
在这里有个坑，模糊查询时一个百分号会报错，需要两个百分号

	user = 'mysql_root'
    password = ''
    host = '192.168.20.xx'
    port = 13306
    dbname = 'test'
    engine = create_engine('mysql+pymysql://{}:{}@{}:{}/{}'.format(user, password, host, port, dbname), encoding='gbk')
    print('连接成功')
    sql = 'select * from city where city like "%%xx" limit 1'
    df1 = pd.read_sql_query(sql, engine)
    print(df1)

MongoDB

数据库
collection
document
就这三个概念
第一步获取Collection
第二步输入filter
此处还可以用一些函数，比如

collection.find().skip(pageindex * 10).limit(10);
skip是跳过多少行
limit是要前多少行

collection.count()
计数，很明显

collection.find().sort(new Document("_id", -1)) .limit(5)
按id排序，查前五个
因为id是mongo自己根据时间戳生成的，所以有大小

com.mongodb.client.model.Filters这个是用来写过滤规则的

这里的eq就是匹配等于
Bson filter = Filters.eq("_id", new ObjectId(updateId));