MySQL元数据

元数据获取

什么是元数据 : 除了表之外的 都是元数据 也称之为基表
比如 库表属性 状态信息 权限 等

视图模式:
自定义 :将一大串命令 指定成一个视图 类似别名
create view v_xxxx as 一下子命令 # 定义视图只在当前库中使用
select * from v_xxx; # 调用视图
drop view v_xxx # 删除视图库

元数据获取方法

方法一: show语句 系统封装好的基础查询功能 可实现大部分的元数据查询需求

方法二: information_schema视图库

系统自定义的元数据查询方法

select 可看大部分系统自带的

应用场景 数据库资产统计

例如 有多少库 表 数据库数据增长量 结构信息 变化等各种资产统计

用于做数据库资产统计的视图

tables 常用列为

desc information_schema.tables;

TABLE_SCHEMA    #  表所在的库 (库的名字)
TABLE_NAME      #  表名       (表的名字)
ENGINE          #  引擎           
TABLE_ROWS      #  表的行数
AVG_ROW_LENGTH  #  平均行长度    (行的长度)
INDEX_LENGTH    #  索引长度     (表的大小为 行数*长度+索引长度)
TABLE_COMMENT   #  表的注释
columns         #  表的所有信息

实际应用:

统计库里表的个数

USE information_schema;
select table_schema,count(table_name) 
from information_schema.tables 
group by table_schema;

统计不同存储引擎的表名

USE information_schema;
SELECT ENGINE,GROUP_CONCAT(table_name) 
FROM information_schema.tables 
GROUP BY ENGINE;

统计所有非系统表, 非innodb引擎的表名单

USE information_schema;
SELECT table_schema,table_name ,ENGINE 
FROM information_schema.tables
WHERE table_schema NOT IN ('mysql','information_schema','performance_schema','sys')
HAVING  ENGINE != 'innodb';

统计每个库总的数据量

数据量计算: 表的行数乘以行的长度

USE information_schema;
SELECT table_schema,SUM(table_rows * AVG_ROW_LENGTH + INDEX_LENGTH)/1024/1024 AS "total_mb"
FROM information_schema.tables
WHERE table_schema NOT IN ('sys','information_schema','mysql','performance_schema')
GROUP BY table_schema
ORDER BY total_mb DESC;

统计一个库的数据量

USE information_schema;
SELECT table_schema,SUM(table_rows * AVG_ROW_LENGTH)
FROM TABLES
WHERE table_schema='库名';

统计每个库下表的数据量

USE information_schema;
SELECT table_schema,table_name,SUM(table_rows * AVG_ROW_LENGTH)
FROM TABLES
WHERE table_schema NOT IN ('mysql','information_schema','performance_schema','sys')
GROUP BY table_name
ORDER BY table_schema;

统计一个表的数据量

USE information_schema;
SELECT table_schema,SUM(table_rows * AVG_ROW_LENGTH + INDEX_LENGTH)/1024/1024 
FROM information_schema.tables
WHERE table_name='表名';

统计school库下所有数据字典 表名,引擎,数据行,数据量,注释等

主要使用的是columns表内数据

USE information_schema;
SELECT  * FROM COLUMNS;
SELECT column_name,column_type,column_comment
FROM information_schema.COLUMNS
WHERE table_schema='school';

字符串拼接 CONCAT

3.1.1 模仿以下语句,生成数据库下单表的备份语句(不包含系统表),并保存至/BACKUP/sh/bak.sh

SELECT CONCAT("mysqldump -uroot -p123"," ",table_schema," " ,table_name," ",">/backup/",table_schema,"_",table_name,".sql")
FROM information_schema.TABLES
WHERE table_schema
NOT IN ('sys','information_schema','mysql','performance_schema')
INTO OUTFILE ‘/BACKUP/sh/bak.sh’;

备份的话需要在配置文件中添加参数 并重启数据库

/etc/my.cnf 
secure-file-priv
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