WHERE关键字
WHERE的作用
text
复制代码
FROM → WHERE → GROUP BY → HAVING → SELECT → ORDER BY
sql
复制代码
SELECT *
FROM employee
WHERE salary > 5000;
- 含义：先从表中筛选出 salary > 5000 的记录，再返回结果。
HAVING 关键字
HAVING 的作用
- HAVING 是在分组之后对聚合结果进行过滤。
- 示例：
sql
复制代码
SELECT dept, COUNT(*)
FROM employee
GROUP BY dept
HAVING COUNT(*) > 2;
执行逻辑：先按 dept 分组,计算每组 COUNT(*),再过滤 COUNT(*) > 2
WHERE 和 HAVING 的区别
- WHERE 和 HAVING 都是 SQL 中的过滤条件，但它们的作用阶段不同。
| 区别 |
WHERE |
HAVING |
| 作用阶段 |
分组前过滤 |
分组后过滤 |
| 是否可以使用聚合函数 |
不可以 |
可以 |
| 是否必须配合 GROUP BY |
不需要 |
一般需要 |
为什么 HAVING 需要和 GROUP BY 使用
- 因为 HAVING 的作用是过滤聚合结果，而聚合结果只有在分组之后才会产生。
- 常见的聚合函数：
sql
复制代码
count(*) sum() max() min() AVG()
text
复制代码
1 FROM 找到表
2 WHERE 过滤行数据
3 GROUP BY 分组
4 聚合函数计算
5 HAVING 过滤分组结果
6 SELECT
7 ORDER BY
- 因此 WHERE 过滤原始数据，HAVING 过滤聚合后的数据
什么时候用 WHERE，什么时候用 HAVING
- 原则：能用 WHERE 就不要用 HAVING。
- 原因：WHERE 在分组前过滤，数据量更少，效率更高。
- 举例：
sql
复制代码
SELECT dept, COUNT(*)
FROM employee
WHERE salary > 5000
GROUP BY dept
HAVING COUNT(*) > 2;
- WHERE 先过滤工资 > 5000 的员工
- GROUP BY 再分组
- HAVING 再过滤部门人数
MySQL 的索引
- 索引是 MySQL 中提升查询效率的核心工具，可以把它理解成书籍的目录------ 没有目录时找内容要逐页翻（全表扫描），有目录时能直接定位到目标页码（快速查询）。
索引的核心作用
- 加速查询：这是最核心的作用，避免全表扫描，直接定位符合条件的数据。
- 优化排序/分组：对需要 ORDER BY/GROUP BY 的字段建索引，可避免临时表排序，提升效率。
- 唯一约束：如主键索引、唯一索引，能保证字段值的唯一性（比如用户手机号不能重复）。
- 注意：索引会降低插入/更新/删除的效率（因为修改数据时要同步维护索引），所以不是索引越多越好，按需创建即可。
索引的分类
- 功能分类：主键索引、唯一索引、全文索引、普通索引
- 数据结构分类：b+树索引、哈希索引
- 存储位置分类：聚簇索引、非聚簇索引
| 索引类型 |
特点 |
适用场景 |
| 主键索引（PRIMARY KEY） |
唯一、非空，一张表只能有 1 个主键索引 |
表的唯一标识（如用户 ID） |
| 唯一索引（UNIQUE） |
唯一，但允许 NULL（多个 NULL 不冲突），一张表可创建多个 |
唯一标识字段（如手机号、邮箱） |
| 普通索引（INDEX） |
无唯一性约束，最常用 |
普通查询字段（如商品名称、分类） |
| 组合索引（复合索引） |
基于多个字段的索引，遵循最左前缀原则 |
多字段联合查询（如 WHERE 分类=1 AND 价格<100） |
| 全文索引（FULLTEXT） |
针对文本内容的模糊匹配优化（如文章内容搜索），仅支持 MyISAM/InnoDB（5.6+），适用于 CHAR、VARCHAR 和 TEXT 等字段。 |
长文本模糊查询（如 MATCH(content) AGAINST('关键词')） |
- 主键索引=唯一索引+非空。每个表只能有一个主键索引，但可以有多个唯一索引。
- 普通索引仅用于加速查询，不限制字段值的唯一性；适用于高频写入的字段、范围查询的字段。
- 唯一索引强制字段值的唯一性，插入或更新时会触发唯一性检查；适用于业务唯一性约束的字段、防止数据重复插入的字段。
索引的底层结构
- MySQL 中绝大多数索引（主键、唯一、普通、组合）的底层是B+树
- B+ 树特点：
- 所有数据都存在叶子节点，且叶子节点按顺序连成链表（方便范围查询，如 WHERE id BETWEEN 10 AND 20）；
- 非叶子节点只存索引值，不存数据，能让索引树更"矮胖"，减少磁盘 IO 次数。
- 对比哈希索引：
- 哈希索引（Memory 引擎支持）查询等值快，但不支持范围查询、排序，而B+树索引完全支持。
常见的索引失效场景
- 违反最左前缀原则：组合索引 (a,b,c)，查询时只用 b/c、或 b,c，索引失效（必须从最左的 a 开始用）。
- 字段做函数/运算：如 WHERE SUBSTR(phone,1,3)='138'、WHERE id+1=10，索引失效。
- 使用模糊查询前缀 %：WHERE name LIKE '%张三' 失效，WHERE name LIKE '张三%' 有效。
- 字段类型不匹配：如 phone 是 VARCHAR 类型，查询时写 WHERE phone=13800138000（数字），索引失效。
- 使用OR连接非索引字段：如 WHERE name='张三' OR age=20（age 无索引），索引失效。