本文主要是介绍python入门教程13-06 （python语法入门之视图、触发器、事务、存储过程、函数），对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

本章主要讲解视图、触发器、事务、存储过程、函数的认识以及如何运用这些功能，还有在使用中遇到的问题如何规避，下面我们一起来看看吧！

视图

1、什么是视图

视图就是通过查询得到一张虚拟表，然后保存下来，下次直接使用就可以

2、为什么要用视图

如果要频繁使用一张虚拟表，可以不用重复查询

3、如何使用使用视图

createviewteacher2courseasselect*fromteacherinnerjoincourseonteacher.tid=course.teacher_id

强调

1、在硬盘中，视图只有表结构文件，没有表数据文件

2、视图通常用于查询，尽量不要修改视图的数据

删除视图

dropviewteacher2course;

记住：开发过程中不会去使用视图，因为视图是mysql的功能，如果项目里面大量的使用到了视图，意味着后期想要扩张某个功能的时候这个功能恰巧又需要对视图进行修改，意味着需要先在mysql这边将视图修改，然后再去应用程序中修改对应的sql语句，这就涉及到了跨部门沟通的问题，所以通常不会使用视图，而是通过重新修改sql语句来扩展功能

触发器

在满足对某张表数据的增、删、改的情况下，自动触发的功能称之为触发器

为何要用触发器

触发器专门针对我们对某一张表数据增insert、删delete、改update的行为，这类行为一旦执行

就会触发触发器的执行，即自动运行另外一段sql代码

创建触发器语法

针对插入

createtriggertri_after_insert_t1afterinserton表名foreachrow

begin

sql代码

end

createtriggertri_before_insert_t2before

inserton表名foreachrow

begin

sql代码

end

针对删除

createtriggertri_after_delete_t1afterdeleteon表名foreachrow

begin

sql代码

end

createtriggertri_before_delete_t2beforedeleteon表名foreachrow

begin

sql代码

end

针对修改

createtriggertri_after_update_t1afterupdateon表名foreachrow

begin

sql代码

end

createtriggertri_before_update_t2beforeupdateon表名foreachrow

begin

sql代码

end

案例

createtablecmd(

idintprimarykeyauto_increment,

userchar(32),

privchar(10),

cmdchar(64),

sub_time datetime,#提交时间

successenum(‘yes’,‘no’)

);

CREATETABLEerrlog (

idINTPRIMARYKEYauto_increment,

err_cmdCHAR(64),

err_time datetime

);

delimiter KaTeX parse error: Expected 'EOF', got '#' at position 1: #̲ 将mysql默认的结束符由；…

createtriggertri_before_insert_cmdbeforeinsertoncmdforeachrow

begin

ifNEW.success ='no’then# 新纪录都会被mysql封装成NEW对象

insertintoerrlog(err_cmd,err_time)values(NEW.cmd,NEW.sub_time);

endif;

end$$

delimiter ;# 结束之后记得再改回来，不然后面结束符就都是$$了

往表cmd中插入记录，触发触发器，根据if的条件决定是否插入错误日志

insertintocmd(

user,

priv,

cmd,

sub_time,

success

)

values

(‘egon’,‘0755’,‘ls -l /etc’,NOW(),‘yes’),

(‘egon’,‘0755’,‘cat /etc/passwd’,NOW(),‘no’),

(‘egon’,‘0755’,‘useradd xxx’,NOW(),‘no’),

(‘egon’,‘0755’,‘ps aux’,NOW(),‘yes’);

查询errlog表记录

select*fromerrlog;

删除触发器

droptriggertri_after_insert_cmd;

事务

什么是事务

开启一个事务可以包含一些sql语句，这些sql语句要么同时成功要么一个都别想成功，称之为事务的原子性

事务的作用

保证了对数据操作的数据安全性

事务具有四个属性

原子性、一致性、隔离性、持久性，这四个属性通常称为ACID特性

原子性（atomicity）：一个事务是一个不可分割的工作单位，事务中包括的诸操作要么都做，要么都不做

一致性（consistency）：事务必须是使数据库一个一致性状态变到另一个一致性状态，一致性与原子性是密切相关的

隔离性（isolation）：一个事务的执行不能被其他事务干扰，即一个事务内部的操作及使用的数据对并发的其他事务是隔离的，并发执行的各个事务之间不能互相干扰

持久性（durability）：持久性也称之为永久性，指一个事务一旦提交，它对数据库中数据的改变就应该是永久性的，接下来的其他操作或故障不应该对其有任何影响

如何用

createtableuser(

idintprimarykeyauto_increment,

namechar(32),

balanceint

);

insertintouser(name,balance)values

(‘wsb’,1000),

(‘lucas’,1000),

(‘mjj’,1000);

修改数据之前先开启事务操作

starttransaction;

修改操作

updateusersetbalance=900wherename=‘wsb’;# 买支付100

updateusersetbalance=1010wherename=‘egon’;#中介拿走10元

updateusersetbalance=1090wherename=‘ysb’;#卖家拿到90元

回滚到上一个状态

rollback;

开启事务之后，只要没有执行commit操作，数据其实都没有真正刷到硬盘

commit;# 提交之后，自动关闭事务

“”“开启事务检测操作是否完整，不完整主动回滚到上一个状态，如果完整就应该执行commit操作”""

站在python代码的角度，应该实现的伪代码逻辑

try:

update user set balance=900 where name='wsb'; #买支付100元

update user set balance=1010 where name='egon'; #中介拿走10元

update user set balance=1090 where name='ysb'; #卖家拿到90元

except 异常：

rollback;

else:

commit;

存储过程

存储过程包含了一系列可执行的sql语句，存储过程存放于mysql中，通过调用它的名字可以执行其内部的一堆sql

存储过程在哪个库下面创建就只能在哪个库下面使用

三种开发模型

第一种

“”"

应用程序：只需要开发应用程序的逻辑

mysql:编写好存储过程，以供应用程序调用

优点：开发效率，执行效率都高

缺点：考虑到人为因素、跨部门沟通等问题，会导致扩展性差

“”"

第二种

“”"

应用程序：除了开发应用程序的逻辑，还需要编写原生sql

优点：比方式1，扩展性高(非技术性的)

缺点：

1、开发效率，执行效率都不如方式1

2、编写原生sql太过于复杂，而且需要考虑到sql语句的优化问题

“”"

第三种

“”"

应用程序：开发应用程序的逻辑，不需要编写原生sql，基于别人编写好的框架来处理数据，ORM

优点：不用再编写纯生sql，这意味着开发效率比方式2高，同时兼容方式2扩展性高的好处

缺点：执行效率连方式2都比不过

“”"

创建存储过程

delimiter $$

createprocedurep1(

inmint,# in表示这个参数必须只能是传入不能被返回出去

innint,

outresint# out表示这个参数可以被返回出去，还有一个inout跟out没什么区别，即可以传入也可以被返回出去

)

begin

selecttnamefromteacherwheretid > mandtid < n;

setres=0;

end$$

delimiter ;

如何用存储过程

1、直接在mysql中调用

set@res=10# res的值是用来判断存储过程是否被执行成功的依据，所以需要先定义一个变量@res存储10

callp1(2,4,10);# 报错

callp1(2,4,@res);

查看结果

select@res;# 执行成功，@res变量值发生了变化

2、在python程序中调用

pymysql链接mysql

产生的游标cursor.callproc(‘p1’,(2,4,10))# 内部原理：@_p1_0=2,@_p1_1=4,@_p1_2=10;

cursor.execute(‘select @_p1_2;’)

3、存储过程与事务使用举例（了解）

delimiter //

createPROCEDUREp5(

outp_return_codetinyint)

begin

declareexithandlerforsqlexception# 声明

begin

– ERROR

setp_return_code =1;

rollback;

end;

declareexithandlerforsqlwarning

begin

– WARNING

setp_return_code =2;

rollback;

end;

starttransaction;

updateusersetbalance=900whereid=1;

updateusersetbalance=1010whereid=2;

updateusersetbalance=1090whereid=3;

commit;

– success

setp_return_code=0;# 0代表执行成功

end//

delimiter ;

函数

注意与存储过程的区别，mysql内置的函数只能在sql语句中使用！

CREATETABLEblog (

idINTPRIMARYKEYauto_increment,

NAMECHAR(32),

sub_time datetime

);

INSERTINTOblog (NAME, sub_time)

VALUES

(‘第1篇’,‘2015-03-01 11:31:21’),

(‘第2篇’,‘2015-03-11 16:31:21’),

(‘第3篇’,‘2016-07-01 10:21:31’),

(‘第4篇’,‘2016-07-22 09:23:21’),

(‘第5篇’,‘2016-07-23 10:11:11’),

(‘第6篇’,‘2016-07-25 11:21:31’),

(‘第7篇’,‘2017-03-01 15:33:21’),

(‘第8篇’,‘2017-03-01 17:32:21’),

(‘第9篇’,‘2017-03-01 18:31:21’);

selectdate_format(sub_time,’%Y-%m’),count(id)frombloggroupbydate_format(sub_time,’%Y-%m’);

流量控制

if条件语句

delimiter //

createprocedurepro_if()

begin

declareiintdefault0;

if i = 1 then

select1;

elseif i = 2 then

select2;

else

select7;

endif;

end//

delimiter ;

while循环

delimiter //

createprocedurepro_while()

begin

declarenumint;

setnum=0;

while num < 10do

select

num;

setnum=num+1;

endwhile;

end//

delimiter ;

索引与慢查询优化

知识回顾：数据都是存在硬盘上的，那查询数据不可避免的需要进行io操作

索引在mysql中也叫键，是存储引擎用于快速找到记录的一种数据结构

primary key

unique key

index key

注意foreign key 不是用来加速查询用的，不在我们研究范围之内，上面三种key前两种除了有加速查询的效果之外还有额外的约束条件（primary key：非空且唯一，unique key：唯一），而index key没有任何约束条件只会帮你加速查询

本质：通过不断的缩小想要获取数据的范围来筛选出最终想要的结果，同时把随机的事件变成顺序的事件，也就是说，有了这种索引机制，我们可以总是用同一种查找方式来锁定数据

索引的影响：

在表中有大量数据的前提下，创建索引速度会很慢

在索引创建完毕后，对表的查询性能会大幅度提升，但是写的性能会降低

只有叶子结点存放真实数据，根和树枝结点存的仅仅是虚拟数据

查询次数由树的层级决定，层级越低次数越少

一个磁盘块儿的大小是一定的，那也就意味着能存放的数据量是一定的，要保证树的层级最低，一个磁盘存放占用空间比较小的数据就可以了

需知：通过主键id字段建立索引能够降低树的层级高度

聚集索引（primary key）

聚集索引其实指的就是表的主键，innodb引擎规定一张表中必须要有主键

myisam在建表的时候对应到硬盘有三个文件

innodb在建表的时候对应到硬盘有两个文件，frm文件只存放表结构，不可能放索引，所以innodb的索引跟数据都放在idb表数据中

特点：叶子结点放的一条条完整的记录

辅助索引（unique,index）

辅助索引:查询数据的时候不可能都是用id作为筛选条件，也可能会用name，password等字段信息，那么这个时候就无法利用到聚集索引的加速查询效果。就需要给其他字段建立索引，这些索引就叫辅助索引

特点：叶子结点存放的是辅助索引字段对应的那条记录的主键的值(比如:按照name字段创建索引，那么叶子节点存放的是:{name对应的值:name所在的那条记录的主键值})

select name from user where name=‘lucas’;

上述语句叫非覆盖索引,虽然查询的时候命中了索引字段name，但是要查的是age字段，所以还需要利用主键才去查找

测试索引

准备

#1. 准备表

createtables1(

idint,

namevarchar(20),

genderchar(6),

emailvarchar(50)

);

#2. 创建存储过程，实现批量插入记录

delimiter KaTeX parse error: Expected 'EOF', got '#' at position 1: #̲声明存储过程的结束符号为

createprocedureauto_insert1()

BEGIN

declareiintdefault1;

while(i<3000000)do

insertintos1values(i,‘jason’,‘male’,concat(‘jason’,i,’@oldboy’));

seti=i+1;

endwhile;

ENDKaTeX parse error: Expected 'EOF', got '#' at position 1: #̲结束

delimiter ;#重新声明 分号为结束符号

#3. 查看存储过程

showcreateprocedureauto_insert1\G

#4. 调用存储过程

callauto_insert1();

表没有任何索引的情况下

select*froms1whereid=30000;

避免打印带来的时间损耗

selectcount(id)froms1whereid=30000;

selectcount(id)froms1whereid=1;

给id做一个主键

altertables1addprimarykey(id);# 速度很慢

selectcount(id)froms1whereid=1;# 速度相较于未建索引之前两者差着数量级

selectcount(id)froms1wherename=‘jason’# 速度仍然很慢

“”"

范围问题

“”"

并不是加了索引，以后查询的时候按照这个字段速度就一定快

selectcount(id)froms1whereid>1;# 速度相较于id = 1慢了很多

selectcount(id)froms1whereid>1andid<3;

selectcount(id)froms1whereid>1andid<10000;

selectcount(id)froms1whereid!=3;

altertables1dropprimarykey;# 删除主键 单独再来研究name字段

selectcount(id)froms1wherename=‘jason’;# 又慢了

createindexidx_nameons1(name);# 给s1表的name字段创建索引

selectcount(id)froms1wherename=‘jason’# 仍然很慢！！！

“”"

再来看b+树的原理，数据需要区分度比较高，而我们这张表全是jason，根本无法区分

那这个树其实就建成了“一根棍子”

“”"

selectcount(id)froms1wherename=‘xxx’;

这个会很快，我就是一根棍，第一个不匹配直接不需要再往下走了

selectcount(id)froms1wherenamelike’xxx’;

selectcount(id)froms1wherenamelike’xxx%’;

selectcount(id)froms1wherenamelike’%xxx’;# 慢 最左匹配特性

区分度低的字段不能建索引

dropindexidx_nameons1;

给id字段建普通的索引

createindexidx_idons1(id);

selectcount(id)froms1whereid=3;# 快了

selectcount(id)froms1whereid*12=3;# 慢了 索引的字段一定不要参与计算

dropindexidx_idons1;

selectcount(id)froms1wherename='jason’andgender ='male’andid=3andemail =‘xxx’;

针对上面这种连续多个and的操作，mysql会从左到右先找区分度比较高的索引字段，先将整体范围降下来再去比较其他条件

createindexidx_nameons1(name);

selectcount(id)froms1wherename='jason’andgender ='male’andid=3andemail =‘xxx’;# 并没有加速

dropindexidx_nameons1;

给name，gender这种区分度不高的字段加上索引并不难加快查询速度

createindexidx_idons1(id);

selectcount(id)froms1wherename='jason’andgender ='male’andid=3andemail =‘xxx’;# 快了 先通过id已经讲数据快速锁定成了一条了

selectcount(id)froms1wherename='jason’andgender ='male’andid>3andemail =‘xxx’;# 慢了 基于id查出来的数据仍然很多，然后还要去比较其他字段

dropindexidx_idons1

createindexidx_emailons1(email);

selectcount(id)froms1wherename='jason’andgender ='male’andid>3andemail =‘xxx’;# 快 通过email字段一剑封喉

联合索引

selectcount(id)froms1wherename='jason’andgender ='male’andid>3andemail =‘xxx’;

如果上述四个字段区分度都很高，那给谁建都能加速查询

给email加然而不用email字段

selectcount(id)froms1wherename='jason’andgender ='male’andid>3;

给name加然而不用name字段

selectcount(id)froms1wheregender ='male’andid>3;

给gender加然而不用gender字段

selectcount(id)froms1whereid>3;

带来的问题是所有的字段都建了索引然而都没有用到，还需要花费四次建立的时间

createindexidx_allons1(email,name,gender,id);# 最左匹配原则，区分度高的往左放

selectcount(id)froms1wherename='jason’andgender ='male’andid>3andemail =‘xxx’;#

这篇关于python入门教程13-06 （python语法入门之视图、触发器、事务、存储过程、函数）的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！