SQL——SQL查询的基本结构

1、单关系查询

1)查询通式:

select 属性1,属性2,……
from
where P;(P是谓词)

尽管各子句必须以select、from、where的次序写出,但理解查询所代表的的最容易方式是运算的顺序来考察各子句:首先是from,然后是where,最后是select。

2)示例
# 查询表中所有属性
SELECT *FROM department;
# 查询表中的某些属性
SELECT dept_name FROM department;
SELECT dept_name,building FROM department;
SELECT budget FROM department;
# 想要去除重复时,可在select后加上distinct。
SELECT DISTINCT budget FROM department;
# where 子句允许我们选出那些在from子句的结果关系中满足特定谓词的元组
# (注:查询一个关系得到的结果是一个新的关系)
SELECT budget FROM department WHERE budget>=15;
3)结果截图
SELECT *FROM department;
SELECT dept_name FROM department;
SELECT dept_name,building FROM department;
SELECT budget FROM department;
SELECT DISTINCT budget FROM department
SELECT budget FROM department WHERE budget>=15

2、多关系查询

1)查询通式:

select 属性1,属性2,……
from 表1,表2,……
where P;(P是谓词)

2)示例:
SELECT department.dept_name,name,building
FROM department,instructor
WHERE department.dept_name = instructor.dept_name;

该示例的原理:
通过from子句定义了一个该子句中所列出关系上的笛卡尔积。它可以用集合理论来形式化地定义,但最好是通过迭代过程来理解,此过程可为from子句的结果产生关系元组。

         for each 元组1 in 关系1(表1)
              for each 元组2 in 关系2
                  ……
                  for each 元组t in 关系t
                  把元组1,元组2,……元组t连接成单个元组m
                  把元组m加到结果关系中

然后从结果关系中查询满足谓词P的元组

笛卡尔积:
例如:关系1和关系2如下:

name age salary
smith 34 7000
white 25 8000
name com favorite
smith unknow football
white unknow table ball

那么这两个关系的笛卡尔积如下(结果是新的关系):

name age salary name com favorite
smith 34 7000 smith unknow football
smith 34 7000 white unknow table ball
white 25 8000 smith unknow football
white 25 8000 white unknow table ball
3)结果:
关系表instructor
关系表department
查询结果表

3、自然连接运算(natural join)

1)定义:

它作用于两个关系,并产生一个关系作为结果。自然连接只考虑那些在两个关系模式中都出现的属性上取值相同的元组对。

例如:

name age salary
smith 34 7000
white 25 8000
name com favorite
smith unknow football
black unknow table ball

则结果为:

name age salary name com favorite
smith 34 7000 smith unknow football
2)通用形式:

select 属性1,……
from 关系1 natural join 关系2 …… natural join 关系t
where P

示例:

SELECT department.dept_name,name,building
FROM department NATURAL JOIN instructor;

结果是等价于(当且仅当department是instructor的参照):

SELECT department.dept_name,name,building
FROM department,instructor
WHERE department.dept_name = instructor.dept_name;

那么如何判断两个表之间的参照关系:
假设关系B中含有关系A的主码(属性),则B参照了A。这个属性在B上称作参照A的外码。关系B也称为外码依赖的参照关系,关系A称作外码的被参照关系。

十大经典排序算法

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,445评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,889评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,047评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,760评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,745评论 5 367
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,638评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,011评论 3 398
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,669评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,923评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,655评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,740评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,406评论 4 320
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,995评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,961评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,197评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,023评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,483评论 2 342

推荐阅读更多精彩内容