SQL 单表操作全解

SQL 单表操作全解

本文所有语法和实例，均基于开发最常用的users用户表，表结构完全符合生产规范，后续所有操作均围绕此表展开：

CREATE TABLE IF NOT EXISTS users (
  id INT UNSIGNED NOT NULL AUTO_INCREMENT COMMENT '用户ID，主键',
  username VARCHAR(50) NOT NULL COMMENT '用户名',
  email VARCHAR(100) DEFAULT '' COMMENT '用户邮箱',
  password CHAR(32) NOT NULL COMMENT '加密密码',
  age TINYINT UNSIGNED DEFAULT 0 COMMENT '年龄',
  city VARCHAR(20) DEFAULT '' COMMENT '所在城市',
  gender TINYINT DEFAULT 0 COMMENT '性别：0-未知，1-男，2-女',
  is_delete TINYINT NOT NULL DEFAULT 0 COMMENT '是否删除：0-未删除，1-已删除（逻辑删除）',
  create_time DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
  update_time DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
  -- 单表索引（后续优化章节详解）
  PRIMARY KEY (id),
  UNIQUE KEY uk_username (username),
  KEY idx_city_age (city, age),
  KEY idx_create_time (create_time)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='用户表';

单表操作的本质，就是对一张二维表的两个维度的精准控制，以及基于筛选结果的附加加工：

1. 列维度（垂直筛选） ：通过SELECT控制要查询的字段，只提取需要的列；
2. 行维度（水平筛选） ：通过WHERE控制要查询的记录，只过滤符合条件的行；
3. 结果加工：对筛选后的结果做排序、分页、去重等格式化处理；
4. 数据计算：对筛选后的结果做聚合、分组、统计等数值计算；
5. 数据操纵：对表中的数据进行新增、更新、删除操作。

列维度筛选：SELECT 语法全解

SELECT是单表操作的入口，核心作用是精准提取需要的字段 ，生产环境有一条铁律：严禁使用SELECT *查询全字段，仅查询业务需要的列，避免敏感字段泄露、性能损耗和表结构变更带来的业务报错。

基础指定字段查询

-- 语法：SELECT 字段1, 字段2, 字段3 FROM 表名;

-- 实例：查询用户的非敏感基础信息（忽略密码等敏感字段）
SELECT id, username, email, age, city FROM users;

字段别名：AS

用于简化字段名、解决字段重名、自定义返回列名，提升结果可读性，别名支持中文（生产建议用英文）。

-- 语法：SELECT 字段 AS 别名 FROM 表名;

-- 实例：给字段起业务别名
SELECT 
  id AS user_id,
  username AS user_name,
  email AS user_email,
  age AS user_age
FROM users;

去重查询：DISTINCT

用于剔除查询结果中的重复行，核心规则：DISTINCT对查询的所有字段组合去重，而非单个字段。

-- 语法：SELECT DISTINCT 字段1, 字段2 FROM 表名;

-- 实例1：查询表中所有不重复的城市（单字段去重）
SELECT DISTINCT city FROM users;

-- 实例2：查询城市+年龄的不重复组合（多字段组合去重）
SELECT DISTINCT city, age FROM users;

常量列与计算列

用于给结果补充固定值，或对字段做简单的数值计算，无需修改表结构即可实现业务需求。

-- 实例1：补充常量列，给所有用户标记固定的用户类型
SELECT 
  id,
  username,
  '正式用户' AS user_type -- 常量列，所有行均为该固定值
FROM users;

-- 实例2：计算列，对数值字段做简单计算
SELECT 
  id,
  username,
  age,
  age + 1 AS next_year_age, -- 计算用户明年的年龄
  2026 - age AS birth_year   -- 计算用户出生年份
FROM users;

行维度筛选：WHERE 语法全解

WHERE是单表精准查询的核心，作用是按条件过滤符合业务规则的行，避免全表扫描，是开发中使用频率最高的语法之一。

常用条件运算符

运算符类型	具体运算符	作用说明	开发高频度
比较运算符	=、>、<、>=、<=、!=/<>	数值、字符串、日期的等值 / 不等值比较	★★★★★
逻辑运算符	AND、OR、NOT	多条件组合，AND优先级高于OR，可用括号调整优先级	★★★★★
范围运算符	BETWEEN ... AND ...、IN	区间匹配、集合匹配	★★★★☆
模糊匹配	LIKE	模糊查询，%匹配任意字符，_匹配单个字符	★★★★☆
空值判断	IS NULL、IS NOT NULL	空值判断，NULL 不能用=/!=判断	★★★★☆

-- 1. 基础等值查询：查询指定ID的用户
SELECT id, username, email FROM users WHERE id = 100;

-- 2. 多条件组合查询：查询北京的成年、未删除的男性用户
-- 注意：AND优先级高于OR，复杂条件必须用括号明确执行顺序
SELECT id, username, age, city FROM users 
WHERE age >= 18 
  AND city = '北京' 
  AND gender = 1 
  AND is_delete = 0;

-- 3. 范围查询：查询年龄在18-30岁之间的用户
SELECT id, username, age FROM users 
WHERE age BETWEEN 18 AND 30;

-- 4. 集合匹配：查询北上广深四个城市的用户
SELECT id, username, city FROM users 
WHERE city IN ('北京', '上海', '广州', '深圳');

-- 5. 模糊查询：查询姓张的用户（前缀匹配，可命中索引）
SELECT id, username FROM users 
WHERE username LIKE '张%';

-- 6. 模糊查询：查询用户名包含「三」的用户（中缀匹配，无法命中索引，大表慎用）
SELECT id, username FROM users 
WHERE username LIKE '%三%';

-- 7. 空值判断：查询未填写邮箱的用户
SELECT id, username FROM users 
WHERE email IS NULL OR email = '';

-- 8. 取反查询：查询除北京之外的用户
SELECT id, username, city FROM users 
WHERE NOT city = '北京';

必避坑

1. NULL值判断必须用IS NULL/IS NOT NULL ，NULL = ''、NULL = NULL的结果均为UNKNOWN，不会匹配到任何行；
2. AND优先级高于OR ，例如WHERE a=1 OR b=2 AND c=3，实际执行逻辑是a=1 OR (b=2 AND c=3)，如需调整顺序，必须用括号包裹；
3. 模糊查询%xxx%中缀匹配无法命中索引，大表查询会触发全表扫描，生产环境慎用。

结果集加工：排序、分页、去重

对SELECT + WHERE筛选后的结果，做格式化处理，满足业务的展示、分页、排序需求，是列表类接口的必用语法。

排序：ORDER BY

用于对结果集按指定字段排序，ASC为升序（默认值，可省略），DESC为降序，支持多字段组合排序。

-- 语法：SELECT 字段 FROM 表名 [WHERE 条件] ORDER BY 字段1 ASC/DESC, 字段2 ASC/DESC;

-- 实例1：按用户创建时间倒序，查询最新注册的用户
SELECT id, username, create_time FROM users 
WHERE is_delete = 0
ORDER BY create_time DESC;

-- 实例2：多字段排序：先按城市升序，同城市内按年龄降序
SELECT id, username, city, age FROM users 
WHERE is_delete = 0
ORDER BY city ASC, age DESC;

分页：LIMIT

用于限制返回的行数，避免一次性查询全表海量数据导致内存溢出，是后台列表、前端分页接口的核心语法。

-- 语法：LIMIT 偏移量, 每页条数； 偏移量计算公式：(页码-1) * 每页条数
SELECT 字段 FROM 表名 [WHERE 条件] [ORDER BY 排序] LIMIT 偏移量, 条数;

-- 实例：用户列表第2页，每页10条数据，按注册时间倒序
SELECT id, username, city, create_time FROM users 
WHERE is_delete = 0
ORDER BY create_time DESC
LIMIT 10, 10; -- 第2页：(2-1)*10=10，偏移量10，取10条

-- 简化语法：查询前10条数据，无需偏移量
SELECT id, username FROM users LIMIT 10;

分页优化提示

大表深分页（如LIMIT 100000, 10）性能极差，优化方案：用主键过滤替代偏移量，示例：

-- 优化前：深分页，需扫描100010行数据
SELECT id, username FROM users ORDER BY id DESC LIMIT 100000, 10;

-- 优化后：主键过滤，仅扫描10行数据
SELECT id, username FROM users WHERE id < 100000 ORDER BY id DESC LIMIT 10;

单表聚合与分组统计

用于对筛选后的结果做数值计算、分组统计，是报表、数据看板、业务统计类需求的核心语法。

常用聚合函数

聚合函数会对多行数据做计算，最终返回单个结果，聚合函数会自动忽略NULL值的行。

函数	核心作用	开发高频度
COUNT(*)	统计结果集的总行数，包含NULL值行、空值行	★★★★★
COUNT(字段)	统计指定字段非空的行数，排除NULL值行	★★★★☆
SUM(字段)	对数值字段求和，非数值字段返回 0	★★★★☆
AVG(字段)	对数值字段求平均值，排除NULL值行	★★★★☆
MAX(字段)	求字段的最大值，支持数值、日期、字符串	★★★★☆
MIN(字段)	求字段的最小值，支持数值、日期、字符串	★★★★☆

-- 实例1：统计平台总用户数（未删除）
SELECT COUNT(*) AS total_user FROM users WHERE is_delete = 0;

-- 实例2：统计北京用户的平均年龄、最大年龄、最小年龄
SELECT 
  AVG(age) AS avg_age,
  MAX(age) AS max_age,
  MIN(age) AS min_age
FROM users
WHERE city = '北京' AND is_delete = 0;

-- 实例3：统计已填写邮箱的用户数量
SELECT COUNT(email) AS email_user_count FROM users WHERE email IS NOT NULL AND email != '';

分组统计：GROUP BY

将结果集按指定字段分组，对每个分组单独做聚合计算，实现「分维度统计」的业务需求。

MySQL 5.7+ 默认开启ONLY_FULL_GROUP_BY模式，SELECT后的非聚合字段，必须全部出现在GROUP BY的分组字段中，否则会直接报错。

-- 语法
SELECT 分组字段, 聚合函数 FROM 表名 
[WHERE 行过滤条件]
GROUP BY 分组字段
[ORDER BY 排序];

-- 实例1：统计每个城市的用户数量，按用户数倒序
SELECT 
  city,
  COUNT(*) AS user_count
FROM users
WHERE is_delete = 0
GROUP BY city
ORDER BY user_count DESC;

-- 实例2：多字段分组：统计每个城市+性别的用户数量
SELECT 
  city,
  gender,
  COUNT(*) AS user_count
FROM users
WHERE is_delete = 0
GROUP BY city, gender
ORDER BY city ASC;

分组过滤：HAVING

用于对GROUP BY分组后的结果做过滤，是新手最容易和WHERE搞混的语法，核心区别如下：

特性	WHERE	HAVING
执行时机	分组前执行，先过滤行，再分组	分组后执行，先分组聚合，再过滤组
聚合函数	不支持，不能在 WHERE 中使用聚合函数	支持，核心作用就是过滤聚合结果
作用对象	表中的行，按行过滤	分组后的结果集，按组过滤

-- 语法
SELECT 分组字段, 聚合函数 FROM 表名 
[WHERE 行过滤条件]
GROUP BY 分组字段
HAVING 分组后过滤条件
[ORDER BY 排序];

-- 实例：统计每个城市的用户数，仅保留用户数大于100的城市，按用户数倒序
SELECT 
  city,
  COUNT(*) AS user_count
FROM users
WHERE is_delete = 0 -- 先过滤掉已删除的用户（行过滤）
GROUP BY city
HAVING user_count > 100 -- 再过滤掉用户数不足100的城市（组过滤）
ORDER BY user_count DESC;

-- 实例2：统计平均年龄大于25岁的城市
SELECT 
  city,
  AVG(age) AS avg_age
FROM users
WHERE is_delete = 0
GROUP BY city
HAVING avg_age > 25;

单表查询完整执行顺序

理解执行顺序，就能彻底搞懂WHERE和HAVING的区别，单表查询的完整执行顺序如下：

FROM 表名 → 确定要操作的表
WHERE 行过滤条件 → 过滤符合条件的行
GROUP BY 分组字段 → 对过滤后的行进行分组
聚合函数计算 → 对每个分组做聚合计算
HAVING 分组过滤条件 → 对分组后的结果做过滤
SELECT 字段/别名 → 提取最终要返回的列
ORDER BY 排序 → 对最终结果排序
LIMIT 分页 → 限制返回的行数

单表数据操纵：增删改（INSERT/UPDATE/DELETE）

核心是对单表中的数据进行写入、修改、删除操作，生产环境有严格的使用规范，必须重点关注。

新增数据：INSERT

单行插入

生产环境必须指定插入的字段，避免表结构变更（如新增字段）导致插入报错。

-- 语法
INSERT INTO 表名(字段1, 字段2, 字段3) 
VALUES(值1, 值2, 值3);

-- 实例：新增单个用户
INSERT INTO users(username, email, password, age, city, gender)
VALUES('张三', 'zhangsan@example.com', 'e10adc3949ba59abbe56e057f20f883e', 25, '北京', 1);

批量插入（高性能推荐）

一次性插入多条数据，远高于循环单行插入的性能，减少数据库 IO 次数，是批量导入数据的首选。

-- 语法
INSERT INTO 表名(字段1, 字段2, 字段3)
VALUES(值1, 值2, 值3), (值4, 值5, 值6), (值7, 值8, 值9);

-- 实例：批量新增3个用户
INSERT INTO users(username, email, password, age, city, gender)
VALUES
('李四', 'lisi@example.com', 'e10adc3949ba59abbe56e057f20f883e', 28, '上海', 1),
('王五', 'wangwu@example.com', 'e10adc3949ba59abbe56e057f20f883e', 22, '广州', 2),
('赵六', 'zhaoliu@example.com', 'e10adc3949ba59abbe56e057f20f883e', 30, '深圳', 1);

幂等插入：INSERT IGNORE

插入时如果唯一键（如 username、id）重复，不会报错，直接忽略本次插入，避免重复插入导致的业务异常。

-- 实例：用户名重复则忽略，不报错
INSERT IGNORE INTO users(username, email, password, age)
VALUES('张三', 'zhangsan_new@example.com', 'e10adc3949ba59abbe56e057f20f883e', 26);

插入或更新：ON DUPLICATE KEY UPDATE

开发高频语法，插入时如果唯一键重复，则执行更新操作；不重复则执行插入，完美实现「有则更新，无则新增」的业务需求。

-- 实例：用户存在则更新邮箱和年龄，不存在则新增
INSERT INTO users(id, username, email, password, age)
VALUES(1, '张三', 'zhangsan_update@example.com', 'e10adc3949ba59abbe56e057f20f883e', 26)
ON DUPLICATE KEY UPDATE 
email = VALUES(email), 
age = VALUES(age),
update_time = NOW();

更新数据：UPDATE

1. UPDATE 必须加 WHERE 条件，严禁无 WHERE 的全表更新；
2. 执行更新前，先用SELECT语句确认 WHERE 条件匹配的行数，避免误更新；
3. 大表批量更新必须拆分，避免长事务锁表。

-- 语法
UPDATE 表名 SET 字段1=值1, 字段2=值2 [WHERE 条件];

-- 实例1：更新指定ID用户的邮箱和年龄
UPDATE users 
SET email = 'zhangsan_new@example.com', age = 26, update_time = NOW()
WHERE id = 1;

-- 实例2：批量更新：将北京的未成年用户的性别重置为0（未知）
UPDATE users 
SET gender = 0, update_time = NOW()
WHERE city = '北京' AND age < 18;

删除数据：DELETE & 逻辑删除

1. DELETE 必须加 WHERE 条件，严禁无 WHERE 的全表删除；
2. 执行删除前，先用SELECT语句确认 WHERE 条件匹配的行数，避免误删；
3. 生产环境优先使用逻辑删除，而非物理删除，避免数据无法恢复。

物理删除：DELETE

直接从表中删除数据，删除后无法直接恢复。

-- 语法
DELETE FROM 表名 [WHERE 条件];

-- 实例：删除指定ID的用户
DELETE FROM users WHERE id = 100;

逻辑删除（生产推荐）

不实际删除数据，而是通过is_delete字段标记数据为已删除状态，查询时过滤掉已删除的数据，保证数据可追溯、可恢复，是互联网业务的通用规范。

-- 实例：逻辑删除指定ID的用户（更新is_delete字段为1）
UPDATE users SET is_delete = 1, update_time = NOW() WHERE id = 1;

-- 业务查询时，固定过滤is_delete=0，只查询未删除的数据
SELECT id, username FROM users WHERE is_delete = 0 AND id = 1;

清空全表：TRUNCATE

TRUNCATE TABLE users;

TRUNCATE与DELETE的核心区别：

特性	DELETE	TRUNCATE
条件过滤	支持 WHERE	不支持，直接清空全表
事务回滚	支持	不支持
自增主键	不重置	重置为初始值
执行效率	大表慢（逐行记录日志）	大表极快
触发器	会触发	不会触发

---

单表操作性能核心：索引优化

单表查询的性能瓶颈，99% 都来自于索引使用不当，这里聚焦单表场景下的索引核心知识，完全贴合单表操作的优化需求。

单表常用索引类型

索引类型	核心作用	单表适用场景
主键索引	基于主键创建，唯一、非空，一张表只能有一个	主键 id 查询，精准定位单行数据
普通索引	最基础的索引，仅提升查询速度	WHERE、ORDER BY、GROUP BY 后的高频查询字段
唯一索引	保证字段值唯一，查询性能极高	用户名、邮箱等唯一标识字段
联合索引	基于多个字段创建的索引，性能最优	多字段组合查询的场景，如WHERE city=? AND age=?

单表索引基础操作

-- 1. 创建普通索引
CREATE INDEX idx_age ON users(age);

-- 2. 创建唯一索引
CREATE UNIQUE INDEX uk_email ON users(email);

-- 3. 创建联合索引（高区分度字段放最左侧）
CREATE INDEX idx_city_age_gender ON users(city, age, gender);

-- 4. 查看表中所有索引
SHOW INDEX FROM users;

-- 5. 删除索引
DROP INDEX idx_age ON users;

单表场景索引生效核心规则

1. 最左前缀原则 ：联合索引会按创建时的字段顺序，从左到右依次匹配，遇到范围查询会停止匹配。例如联合索引idx_city_age_gender(city, age, gender)：

   • ✅ 生效：WHERE city='北京'、WHERE city='北京' AND age=25、WHERE city='北京' AND age=25 AND gender=1
   • ❌ 失效：WHERE age=25、WHERE gender=1、WHERE city LIKE '北%' AND age=25

2. ORDER BY/GROUP BY的字段尽量匹配索引，避免文件排序，提升性能；

3. 精准查询优先使用主键索引、唯一索引，性能远高于普通索引。

单表查询高频索引失效场景

1. 索引字段使用函数、表达式计算：WHERE YEAR(create_time) = 2026
2. 索引字段发生隐式类型转换：WHERE phone = 13800138000（phone 是 VARCHAR 类型）
3. 模糊查询以%开头：WHERE username LIKE '%三'
4. 使用NOT、!=、<>反向查询（优化器评估全表扫描更快时，会放弃索引）
5. OR连接非索引字段：WHERE username='张三' OR age=25（age 无索引）
6. 使用IS NOT NULL对低区分度字段查询

单表索引最佳实践

1. 优先为WHERE、ORDER BY、GROUP BY后的字段创建索引；
2. 联合索引优先把高区分度字段放在最左侧（如 username、city，区分度远高于 gender、is_delete）；
3. 单表索引数量控制在 5 个以内，避免过多索引影响增删改性能；
4. 小表（数据量 < 1000 行）无需创建索引，全表扫描比索引查询更快；
5. 避免创建冗余索引，如已有联合索引idx_city_age(city,age)，无需再为 city 单独建索引；
6. 上线前必须用EXPLAIN查看 SQL 执行计划，确认索引是否生效。

单表操作规范

查询规范

-   严禁使用`SELECT *`，必须指定业务需要的字段；
-   大表查询必须加 WHERE 条件，严禁无过滤的全表查询；
-   避免使用`SELECT COUNT(*) FROM 大表`统计总行数，可使用统计表替代；
-   禁用`SELECT ... FOR UPDATE`行锁操作，除非强一致性场景，且必须控制锁范围。

增删改规范

-   `UPDATE`、`DELETE`必须加 WHERE 条件，执行前先用 SELECT 确认条件；
-   生产环境优先使用逻辑删除，而非物理删除；
-   大表批量操作必须拆分，避免长事务锁表，如批量删除 10 万条数据，分 10 次每次删除 1 万条；
-   严禁在循环中执行单条 INSERT/UPDATE，必须使用批量操作。

语法规范

-   避免在 WHERE 条件中对索引字段做函数计算、类型转换；
-   多条件组合时，用括号明确执行优先级，避免 AND/OR 优先级混乱；
-   NULL 值判断必须用 IS NULL/IS NOT NULL，禁止用 =/!= 判断 NULL；
-   GROUP BY 语句严格遵守`ONLY_FULL_GROUP_BY`规则，非聚合字段必须出现在 GROUP BY 中。