Day4学习--MySQL高级

分页查询

limit关键字
起始索引从0开始
分页查询是数据库的方言，不同的数据库有不同的实现，MySQL中是limit
如果起始索引为0，起始索引可以省略，直接简写为limit 10

sql 复制代码

--  =================== 分页查询 ======================
-- 1. 从起始索引0开始查询员工数据, 每页展示5条记录
select * from emp limit 5;

-- 2. 查询 第1页 员工数据, 每页展示5条记录
select * from emp limit 0, 5;

-- 3. 查询 第2页 员工数据, 每页展示5条记录
select * from emp limit 5, 5;

-- 4. 查询 第3页 员工数据, 每页展示5条记录
select * from emp limit 10, 5;

-- 页码
-- 起始索引 = 页码 - 1 * 每页展示记录数

聚合函数与分组查询

聚合函数：将一列数据作为一个整体，进行纵向计算。

sql 复制代码

--  =================== DQL: 分组查询 ======================
-- 聚合函数
-- 注意：所有的聚合函数不参与null值统计
-- 1. 统计该企业员工数量
-- count(字段)：最后考虑
select count(job) from emp;

-- count(*)：优先推荐
select count(*) from emp;

-- count(常量)：推荐
select count(1) from emp;

-- 2. 统计该企业员工的平均薪资
select avg(salary) from emp;

-- 3. 统计该企业员工的最低薪资
select min(salary) from emp;

-- 4. 统计该企业员工的最高薪资
select max(salary) from emp;

-- 5. 统计该企业每月要给员工发放的薪资总额(薪资之和)
select sum(salary) from emp;

where与having的区别：
- 执行时机不同：where是分组之前进行过滤，不满足where条件，不参与分组；而having是分组之后对结果进行过滤。
- 判断条件不同：where不能对聚合函数进行判断，而having可以。

sql 复制代码

-- 分组
-- 分组之后，select后的字段列表不能随意书写，能写的一般是分组字段和聚合函数
-- 1. 根据性别分组 , 统计男性和女性员工的数量
select gender, count(*) from emp group by gender;

-- 2. 先查询入职时间在 '2015-01-01' (包含) 以前的员工 , 并对结果根据职位分组 , 获取员工数量大于等于2的职位
select job,count(*) from emp where entry_date <= '2015-01-01' group by job having count(*) >= 2;

业务表设计

我模拟了企业中常见的"部门-员工"一对多关系，设计原则强调"外键关联"与"范式规范"。部门表 t_dept 作为主表，包含 id 和 dept_name；员工表 t_emp 作为从表，通过 dept_id 字段关联部门表的主键。这种设计不仅消除了数据冗余，还通过外键约束保证了数据的完整性。

sql 复制代码

-- 部门表（主表）
CREATE TABLE t_dept (
    id INT PRIMARY KEY AUTO_INCREMENT COMMENT '部门ID',
    dept_name VARCHAR(50) NOT NULL COMMENT '部门名称'
) COMMENT '部门表';

-- 员工表（从表，通过dept_id建立一对多关系）
CREATE TABLE t_emp (
    id INT PRIMARY KEY AUTO_INCREMENT COMMENT '员工ID',
    emp_name VARCHAR(50) NOT NULL COMMENT '姓名',
    age INT COMMENT '年龄',
    salary DECIMAL(10, 2) COMMENT '薪资',
    dept_id INT COMMENT '所属部门ID',
    FOREIGN KEY (dept_id) REFERENCES t_dept(id) ON DELETE SET NULL
) COMMENT '员工表';

-- 避坑指南：排序字段若为字符串，需转换为数值类型，否则"100"会排在"20"前面
SELECT id, emp_name, age_str FROM t_emp ORDER BY CAST(age_str AS UNSIGNED) DESC;

-- 聚合分组实战：统计每个部门的平均薪资，且只保留平均薪资高于8000的部门
SELECT 
    d.dept_name, 
    COUNT(e.id) AS emp_count, 
    AVG(e.salary) AS avg_salary
FROM t_emp e
JOIN t_dept d ON e.dept_id = d.id
GROUP BY d.dept_name
HAVING AVG(e.salary) > 8000;

索引

索引相当于数据库表的目录，可以大幅提升查询的速度，减少全表的扫描，优化查询性能

sql 复制代码

-- 1. 创建普通索引
CREATE INDEX idx_emp_deptid ON t_emp(dept_id);

-- 2. 创建唯一索引
CREATE UNIQUE INDEX idx_dept_name ON t_dept(dept_name);

-- 3. 查看表索引
SHOW INDEX FROM t_emp;

-- 4. 删除索引
DROP INDEX idx_emp_deptid ON t_emp;

联表查询和索引优化实战案例

sql 复制代码

-- 左连接实战：查询所有部门及员工信息，无员工的部门也要显示
SELECT 
    d.dept_name, 
    e.emp_name, 
    e.salary
FROM t_dept d
LEFT JOIN t_emp e ON d.id = e.dept_id;

-- 索引创建与验证
-- 创建覆盖索引，优化按用户统计订单金额的查询
CREATE INDEX idx_user_amount ON orders(user_id, amount);

-- 使用EXPLAIN分析执行计划，观察key_len是否命中联合索引
EXPLAIN SELECT * FROM t_emp WHERE emp_name = '张三' AND age = 25;
-- 输出中 key_len 应包含 name 和 age 两部分的长度，表示索引全部生效

-- 批量操作优化：避免在代码中循环单条插入，使用批量INSERT减少网络交互
INSERT INTO t_emp (emp_name, dept_id, salary) VALUES 
('李四', 1, 9000.00),
('王五', 2, 8500.00),
('赵六', 1, 9200.00);

SQL优化基础

查询优化

避免使用**SELECT * **，按需查询所需字段，减少数据的传输
如果分页时要求的数据量比较大，建议使用主键id去优化，避免偏移量过大造成性能损失
避免在索引列上进行函数运算或类型转换（如 WHERE YEAR(create_time) = 2026 会导致索引失效，应改为范围查询）
在多表查询时，务必先在 WHERE 子句中对大表进行条件筛选，缩小数据集后再进行 JOIN 操作，避免将大量无用数据卷入关联计算

联表和分组查询优化

联表查询优先使用主键或索引
在进行 JOIN 操作时，应确保数据量小的表作为驱动表（写在 JOIN 左侧或 FROM 后），数据量大的表作为被驱动表。这样能减少外层循环的次数，降低匹配开销。其次是"先过滤再关联"。

模糊查询优化

模糊查询 LIKE 的前缀不能为 %（如 LIKE '%张' 无法走索引）

深分页场景

坚决摒弃大偏移量的 LIMIT，转而使用主键游标法