Java Web 开发学习Day2 数据库知识复习与整理(黑马程序员网课知识总结)

引言:

web开发调用流程

  • SQL(Structured Query Language,简称SQL):结构化查询语言,它是操作关系型数据库的编程语言,定义了一套操作关系型数据库的统一标准。
  • 程序员给数据库管理系统(DBMS)发送SQL语句,再由数据库管理系统操作数据库当中的数据。
  1. MySQL概述
  2. SQL语句(DDL、DML、DQL)
  3. 多表设计
  4. 多表查询
  5. 事务
  6.  索引

1.MySQL概述

1.1安装(省略)

1.2连接

MySQL服务器启动完毕后,然后再使用如下指令,来连接MySQL服务器:

mysql -u用户名 -p密码 [-h数据库服务器的IP地址 -P端口号]

  • -h 参数不加,默认连接的是本地 127.0.0.1 的MySQL服务器
  • -P 参数不加,默认连接的端口号是 3306

上述MySQL服务器我们是安装在本地的,这个仅仅是在我们学习阶段,在真实的企业开发中,MySQL数据库服务器是不会在我们本地安装的,是在公司的服务器上安装的,而服务器还需要放置在专门的IDC机房中的,IDC机房呢,就需要保证恒温、恒湿、恒压,而且还要保证网络、电源的可靠性(备用电源及网络)。

如果我们要想使用服务器上的这台MySQL服务器,就需要在我们的电脑上去远程连接这台MySQL 。 而服务器上安装的MySQL数据库呢,并不是你一个人在访问,我们项目组的其他开发人员也是需要访问这台MySQL的。

(还没学,后面写)

1.3数据模型

关系型数据库(RDBMS)

概念:建立在关系模型基础上,由多张相互连接的二维表组成的数据库。而所谓二维表,指的是由行和列组成的表,

二维表的优点:

  • 使用表存储数据,格式统一,便于维护
  • 使用SQL语言操作,标准统一,使用方便,可用于复杂查询

2.SQL语句

分类全称说明
DDLData Definition Language数据定义语言,用来定义数据库对象(数据库,表,字段)
DMLData Manipulation Language数据操作语言,用来对数据库表中的数据进行增删改
DQLData Query Language数据查询语言,用来查询数据库中表的记录
DCLData Control Language数据控制语言,用来创建数据库用户、控制数据库的访问权限

2.1 DDL(Data Definition Language)数据库定义语言

DDL中数据库的常见操作:查询、创建、使用、删除。

2.1.1查询

查询所有数据库:

show databases;

查询当前数据库;

select database();

2.1.2创建

创建数据库

create database [ if not exists ] 数据库名 [default charset utf8mb4];

注意:在同一个数据库服务器中,不能创建两个名称相同的数据库,否则将会报错。

可以使用if not exists来避免这个问题

2.1.3使用数据库

use 数据库名 (可通过该指令切换操作的数据库)

2.1.4删除数据库

drop database [ if exists ] 数据库名 ;

说明:上述语法中的database,也可以替换成 schema

2.1.5表操作

2.1.5.6 创建

语法

create table 表名( 字段1 字段1类型 [约束] [comment 字段1注释 ], 字段2 字段2类型 [约束] [comment 字段2注释 ], ...... 字段n 字段n类型 [约束] [comment 字段n注释 ] ) [ comment 表注释 ] ;

代码块

create table tb_user (

id int comment 'ID,唯一标识', # id是一行数据的唯一标识(不能重复)

username varchar(20) comment '用户名',

name varchar(10) comment '姓名', age int comment '年龄',

gender char(1) comment '性别' ) comment '用户表';

2.1.5.7约束
  • 概念:所谓约束就是作用在表中字段上的规则,用于限制存储在表中的数据。
  • 作用:就是来保证数据库当中数据的正确性、有效性和完整性。(后面的学习会验证这些)
  • 在MySQL数据库当中,提供了以下5种约束:
约束描述关键字
非空约束限制该字段值不能为nullnot null
唯一约束保证字段的所有数据都是唯一、不重复的unique
主键约束主键是一行数据的唯一标识,要求非空且唯一primary key
默认约束保存数据时,如果未指定该字段值,则采用默认值default
外键约束让两张表的数据建立连接,保证数据的一致性和完整性foreign key

id字段下存储的值,如果由我们自己来维护会比较麻烦(必须保证值的唯一性)。MySQL数据库为了解决这个问题,给我们提供了一个关键字:auto_increment(自动增长)

主键自增:auto_increment

  • 每次插入新的行记录时,数据库自动生成id字段(主键)下的值
  • 具有auto_increment的数据列是一个正数序列开始增长(从1开始自增)
2.1.5.8数据类型

1).数值类型

类型大小有符号(SIGNED)范围无符号(UNSIGNED)范围描述
TINYINT1byte(-128,127)(0,255)小整数值
SMALLINT2bytes(-32768,32767)(0,65535)大整数值
MEDIUMINT3bytes(-8388608,8388607)(0,16777215)大整数值
INT/INTEGER4bytes(-2147483648,2147483647)(0,4294967295)大整数值
BIGINT8bytes(-2^63,2^63-1)(0,2^64-1)极大整数值
FLOAT4bytes(-3.402823466 E+38,3.402823466351 E+38)0 和 (1.175494351 E-38,3.402823466 E+38)单精度浮点数值
DOUBLE8bytes(-1.7976931348623157 E+308,1.7976931348623157 E+308)0 和 (2.2250738585072014 E-308,1.7976931348623157 E+308)双精度浮点数值
DECIMAL依赖于M(精度)和D(标度)的值依赖于M(精度)和D(标度)的值小数值(精确定点数)

2). 字符串类型

类型大小描述
CHAR0-255 bytes定长字符串(需要指定长度)
VARCHAR0-65535 bytes变长字符串(需要指定长度)
TINYBLOB0-255 bytes不超过255个字符的二进制数据
TINYTEXT0-255 bytes短文本字符串
BLOB0-65 535 bytes二进制形式的长文本数据
TEXT0-65 535 bytes长文本数据
MEDIUMBLOB0-16 777 215 bytes二进制形式的中等长度文本数据
MEDIUMTEXT0-16 777 215 bytes中等长度文本数据
LONGBLOB0-4 294 967 295 bytes二进制形式的极大文本数据
LONGTEXT0-4 294 967 295 bytes极大文本数据

3). 日期时间类型

类型大小范围格式描述
DATE31000-01-01 至 9999-12-31YYYY-MM-DD日期值
TIME3-838:59:59 至 838:59:59HH:MM:SS时间值或持续时间
YEAR11901 至 2155YYYY年份值
DATETIME81000-01-01 00:00:00 至 9999-12-31 23:59:59YYYY-MM-DD HH:MM:SS混合日期和时间值
TIMESTAMP41970-01-01 00:00:01 至 2038-01-19 03:14:07YYYY-MM-DD HH:MM:SS混合日期和时间值,时间戳

2.3DML语句

Data Manipulation Language(数据操作语言),用来对数据库中表的数据记录进行增、删、改操作。

  • 添加数据(INSERT)
  • 修改数据(UPDATE)
  • 删除数据(DELETE)
2.3.1添加数据

向指定字段添加数据

insert into 表名 (字段名1, 字段名2) values (值1, 值2);

insert操作的注意事项:

  1. 插入数据时,指定的字段顺序需要与值的顺序是一一对应的。
  2. 字符串和日期型数据应该包含在引号中。
  3. 插入的数据大小,应该在字段的规定范围内。
2.3.2修改(update)

update 表名 set 字段名1 = 值1 , 字段名2 = 值2 , .... [where 条件] ;

  1. 修改语句的条件可以有,也可以没有,如果没有条件,则会修改整张表的所有数据。
  2. 在修改数据时,一般需要同时修改公共字段update_time,将其修改为当前操作时间。

2.3.4删除(delete)

delete from 表名 [where 条件] 

  • DELETE 语句的条件可以有,也可以没有,如果没有条件,则会删除整张表的所有数据。
  • DELETE 语句不能删除某一个字段的值(可以使用UPDATE,将该字段值置为NULL即可)。
  • 当进行删除全部数据操作时,会提示询问是否确认删除所有数据,直接点击Execute即可。

2.4DQL语句

Data Query Language(数据查询语言),用来查询数据库表中的记录。

查询关键字:SELECT

查询操作是所有SQL语句当中最为常见,也是最为重要的操作。在一个正常的业务系统中,查询操作的使用频次是要远高于增删改操作的。当我们打开某个网站或APP所看到的展示信息,都是通过从数据库中查询得到的,而在这个查询过程中,还会涉及到条件、排序、分页等操作。

语法结构

SELECT

    字段列表

FROM

    表名列表

WHERE

   条件列表

GROUP BY

   分组字段列表

HAVING

   分组后条件列表

ORDER BY

   排序字段列表

LIMIT

   分页参数

2.4.1基本查询

在基本查询的DQL语句中,不带任何的查询条件。

语法如下

  • 查询多个字段

 select 字段1, 字段2, 字段3 from 表名;

  • 查询所有字段(通配符)

 select * from 表名;

  • 设置别名

 select 字段1 [ as 别名1 ] , 字段2 [ as 别名2 ] from 表名;

  • 去除重复记录

 select distinct 字段列表 from 表名;

2.4.2条件查询

语法:

select 字段列表 from 表名 where 条件列表 ; -- 条件列表:意味着可以有多个条件

学习条件查询就是学习条件的构建方式,而在SQL语句当中构造条件的运算符分为两类:

  • 比较运算符
  • 逻辑运算符

常用的比较运算符如下:

比较运算符功能
>大于
>=大于等于
<小于
<=小于等于
=等于
<> 或 !=不等于
between ... and ...在某个范围之内(含最小、最大值)
in(...)在in之后的列表中的值,多选一
like 占位符模糊匹配(_匹配单个字符, %匹配任意个字符)
is null是null

常用的逻辑运算符如下:

逻辑运算符功能
and 或 &&并且 (多个条件同时成立)
or 或 ||或者 (多个条件任意一个成立)
not 或 !非 , 不是
2.4.3聚合函数

之前我们做的查询都是横向查询,就是根据条件一行一行的进行判断,而使用聚合函数查询就是纵向查询,它是对一列的值进行计算,然后返回一个结果值。(将一列数据作为一个整体,进行纵向计算)

常用聚合函数:

函数功能
count统计数量
max最大值
min最小值
avg平均值
sum求和

注意 : 聚合函数会忽略空值,对NULL值不作为统计。

  • count :按照列去统计有多少行数据。            在根据指定的列统计的时候,如果这一列中有null的行,该行不会被统计在其中。
  • sum :计算指定列的数值和,如果不是数值类型,那么计算结果为0
  • max :计算指定列的最大值
  • min :计算指定列的最小值
  • avg :计算指定列的平均值
2.4.4分组查询

分组: 按照某一列或者某几列,把相同的数据进行合并输出。

分组其实就是按列进行分类(指定列下相同的数据归为一类),然后可以对分类完的数据进行合并计算。

分组查询通常会使用聚合函数进行计算。

语法:

select 字段列表 from 表名 [where 条件] group by 分组字段名 [having 分组后过滤条件];

  • 分组之后,查询的字段一般为聚合函数和分组字段,查询其他字段无任何意义
  • 执行顺序:where > 聚合函数 > having

where与having区别(面试题)

  • 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。
2.4.5排查查询

排序在日常开发中是非常常见的一个操作,有升序排序,也有降序排序。

语法:

select 字段列表 from 表名 [where 条件列表] [group by 分组字段 ] order by 字段1 排序方式1 , 字段2 排序方式2 … ;

  • 排序方式:
    • ASC :升序(默认值)
    • DESC:降序

注意事项:如果是多字段排序,当第一个字段值相同时,才会根据第二个字段进行排序

2.4.6分页查询

分页操作在业务系统开发时,也是非常常见的一个功能,日常我们在网站中看到的各种各样的分页条,后台也都需要借助于数据库的分页操作。

分页查询语法:

select 字段列表 from 表名 limit 起始索引, 查询记录数 ;

  1. 起始索引从0开始。 计算公式 :起始索引 = (查询页码 - 1)* 每页显示记录数
  2. 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
  3. 如果查询的是第一页数据,起始索引可以省略,直接简写为 limit 条数

3.图形化工具

我使用的是DataGrip(Idea中集成了DataGrip,可以不用单独安装)

Read more

基于 Spring Boot 的 Web 三大核心交互案例精讲

基于 Spring Boot 的 Web 三大核心交互案例精讲

—知识点专栏——JavaEE专栏— 作为 Spring Boot 初学者,理解后端接口的编写和前端页面的交互至关重要。本文将通过三个经典的 Web 案例——表单提交、AJAX 登录与状态管理、以及 JSON 数据交互——带您掌握前后端联调的核心技巧和 Spring Boot 的关键注解。 1. 案例一:表单提交与参数绑定(计算求和) 本案例展示最基础、最传统的 Web 交互方式:HTML 表单提交。 1.1 后端代码:CalcController.java 使用 @RestController 简化接口编写,并通过方法参数接收表单数据。 packagecn.overthinker.springboot;importorg.springframework.web.bind.annotation.RequestMapping;importorg.springframework.

By Ne0inhk
【前端】Vue 组件开发中的枚举值验证:从一个Type属性错误说起

【前端】Vue 组件开发中的枚举值验证:从一个Type属性错误说起

🌹欢迎来到《小5讲堂》🌹 🌹这是《小程序》系列文章,每篇文章将以博主理解的角度展开讲解。🌹 🌹温馨提示:博主能力有限,理解水平有限,若有不对之处望指正!🌹 👨💻 作者简介 🏆 荣誉头衔:2024博客之星Top14 | ZEEKLOG博客专家 | 阿里云专家博主 🎤 经历:曾多次进行线下演讲,亦是 ZEEKLOG内容合伙人 以及 新星优秀导师 💡 信念:“帮助别人,成长自己!” 🚀 技术领域:深耕全栈,精通 .NET Core (C#)、Python、Java,熟悉主流数据库 🤝 欢迎交流:无论是基础概念还是进阶实战,都欢迎与我探讨! 目录 * 前言 * 解决过程 * 一、错误场景还原 * 1.1 错误发生的位置 * 1.2 常见的触发场景 * 二、深入理解 Vue

By Ne0inhk

【YOLOv8+CAA+HSFPN】频率检测识别算法改进与实现_1

1. YOLOv8+CAA+HSFPN频率检测识别算法改进与实现 1.1. 摘要 本文针对频率检测识别任务中的复杂环境挑战,提出了一种基于YOLOv8的改进算法,结合通道注意力机制(CAA)和高效特征金字塔网络(HSFPN)。通过在骨干网络中引入CAA模块增强特征表达能力,并在特征融合阶段采用HSFPN结构,有效提升了模型对不同频率特征的捕捉能力。实验表明,改进后的算法在频率检测任务中mAP提升了3.2%,推理速度提高了15%,为实时频率信号处理提供了新思路。 1.2. 引言 频率检测识别在通信、雷达、声呐等领域具有广泛应用。传统方法如FFT、小波变换等在复杂环境下表现不佳,而深度学习方法虽然取得了一定进展,但仍面临特征提取不充分、计算效率低等问题。YOLOv8作为最新的目标检测框架,其高效的C2f模块和SPPF结构为频率检测提供了新思路。本文通过引入通道注意力机制和改进特征金字塔网络,构建了YOLOv8+CAA+HSFPN模型,显著提升了频率检测性能。 1.3. 频率检测任务特点分析 频率检测任务与一般目标检测存在显著差异: 1. 信号特性:频率信号通常呈现周期

By Ne0inhk
读取创业项目的用户反馈数据,用感情分析算法,判断用户情绪(正面,反面,中性),输出反馈分析报告。

读取创业项目的用户反馈数据,用感情分析算法,判断用户情绪(正面,反面,中性),输出反馈分析报告。

这是将数据科学、人工智能与商业决策结合起来。下面我将为您提供一个完整的、基于Python的“创业项目用户反馈情绪分析”程序。   项目概览:SentimentScope - 用户反馈情绪分析器   核心功能:用户提供一个包含用户评论或反馈的文本文件,程序会自动分析每一条反馈的情绪倾向(正面、负面、中性),并生成一份包含统计数据和关键洞察的分析报告,帮助创业团队快速了解用户心声,指导产品迭代。   1. 实际应用场景与痛点   * 目标用户:创业公司创始人、产品经理、市场运营人员、客户成功团队。 * 场景描述:一家初创的AI写作工具公司,在App Store、社交媒体和客服渠道每天都会收到成百上千条用户反馈。团队希望了解用户对新功能“AI续写”的真实感受,但人工阅读所有评论是不现实的。 * 传统痛点:    1. 信息过载:反馈数据量巨大,人工分析效率极低,且容易遗漏关键信息。    2. 主观偏差:不同人员阅读同一批评论可能会得出不同的结论,缺乏客观标准。    3. 洞察滞后:等到人工总结出趋势时,可能已经错过了最佳的响应和调整时机。    4.

By Ne0inhk