SQL查询分析器中的窗口主要有哪些它们的作用分别是什么

左边的对象浏览器窗口、典型的树状数据库对象窗口、可以通过使用鼠标快捷的对数据库的对象进行一系列 *** 作。

右边的SQL语句执行窗口、空白文本形式窗口、可以通过编写SQL语句对数据库对象进行 *** 作、上面是你写语句的地方、下面是 *** 作结果显示窗口、显示语句执行结果及提示信息

数据库中树形图的用法的用法你知道吗？下面我就跟你们详细介绍下数据库中树形图的用法的用法，希望对你们有用。

数据库中树形图的用法的用法如下：

树形图用于显示按照树形结构进行组织的数据，其用途比较广泛，如计算机中的文件系统(Windows中的资源管理器)、企业或公司的组成结构等。我们知道在Windows下VB、PB、Delphi等工具提供了一个功能很强的树型控件TreeView，利用Treeview控件可以方便地开发树形图。然而在网页上实现树形图就不那么容易了，现在在aspnet中利用微软提供的Internet Explorer WebControls它使得网页上的树形图开发与在Windows下一样的方便，一样的功能强大，甚至更灵活。

本文介绍用Internet Explorer WebControls开发树形图的方法，由于树形图结构较复杂，使用起来常不知如何下手。笔者结合最近刚为公司用ASPNET编写的应用程序管理器这一具体实例，详细阐述在ASPNET下如何将Internet Explorer WebControls的使用与数据库联系起来，实现数据分任意多层显示，方便地进行增加、修改、删除、移动 *** 作。笔者希望通过对该实例的阐述，达到抛砖引玉的效果，与各位同仁相互交流，共同进步。

Internet Explorer WebControls不在VSNET的标准Server Control中，要到微软的站点上下载，下载地址是：

>

一、数据库通常分为层次式数据库、网络式数据库和关系式数据库三种。而不同的数据库是按不同的数据结构来联系和组织的。

二、所谓数据结构是指数据的组织形式或数据之间的联系。

三、数据结构又分为数据的逻辑结构和数据的物理结构。

数据的逻辑结构是从逻辑的角度(即数据间的联系和组织方式)来观察数据，分析数据，与数据的存储位置无关；

数据的物理结构是指数据在计算机中存放的结构，即数据的逻辑结构在计算机中的实现形式，所以物理结构也被称为存储结构。

四、层次结构模型实质上是一种有根结点的定向有序树(在数学中"树"被定义为一个无回的连通图)。

五、数据库(Database)是按照数据结构来组织、存储和管理数据的建立在计算机存储设备上的仓库。简单来说是本身可视为电子化的文件柜——存储电子文件的处所，用户可以对文件中的数据进行新增、截取、更新、删除等 *** 作。

树形结构统一使用下面的测试表与测试数据

CREATE TABLE test_tree (

test_id INT,

pid INT,

test_val VARCHAR(10),

PRIMARY KEY (test_id)

);

INSERT INTO test_tree VALUES(1, NULL, 'NET');

INSERT INTO test_tree VALUES(2, 1, 'C#');

INSERT INTO test_tree VALUES(3, 1, 'J#');

INSERT INTO test_tree VALUES(4, 1, 'ASPNET');

INSERT INTO test_tree VALUES(5, 1, 'VBNET');

INSERT INTO test_tree VALUES(6, NULL, 'J2EE');

INSERT INTO test_tree VALUES(7, 6, 'EJB');

INSERT INTO test_tree VALUES(8, 6, 'Servlet');

INSERT INTO test_tree VALUES(9, 6, 'JSP');

INSERT INTO test_tree VALUES(10, NULL, 'Database');

INSERT INTO test_tree VALUES(11, 10, 'DB2');

INSERT INTO test_tree VALUES(12, 10, 'MySQL');

INSERT INTO test_tree VALUES(13, 10, 'Oracle');

INSERT INTO test_tree VALUES(14, 10, 'SQL Server');

INSERT INTO test_tree VALUES(15, 13, 'PL/SQL');

INSERT INTO test_tree VALUES(16, 15, 'Function');

INSERT INTO test_tree VALUES(17, 15, 'Procedure');

INSERT INTO test_tree VALUES(18, 15, 'Package');

INSERT INTO test_tree VALUES(19, 15, 'Cursor');

INSERT INTO test_tree VALUES(20, 14, 'T-SQL');

Oracle

使用 START WITH CONNECT BY

语句实现树状查询

SQL> ed

Wrote file afiedtbuf

1 SELECT

2 LPAD(' ', 2(LEVEL-1)) || test_val AS test_val

3 FROM

4 test_tree

5 START WITH

6 test_id IN (1, 6, 10)

7 CONNECT BY PRIOR test_id = pid

SQL> /

TEST_VAL

-----------------------------------------------------------

NET

C#

J#

ASPNET

VBNET

J2EE

EJB

Servlet

JSP

Database

DB2

TEST_VAL

-----------------------------------------------------------

MySQL

Oracle

PL/SQL

Function

Procedure

Package

Cursor

SQL Server

T-SQL

20 rows selected

SQL Server

使用 Common Table Expression (CTE) 来实现 递归调用。

1> WITH StepCTE

2> AS

3> (

4> SELECT

5> test_id,

6> pid,

7> test_val,

8> 1 as Lev

9> FROM

10> test_tree

11> WHERE

12> test_id IN (1,6,10)

13> UNION ALL

14> SELECT

15> Ttest_id,

16> Tpid,

17> Ttest_val,

18> CTELev + 1

19> FROM

20> test_tree T INNER JOIN StepCTE CTE

21> ON Tpid = CTEtest_id

22> )

23> SELECT

24> test_id, pid, test_val, Lev

25> FROM StepCTE;

26> go

test_id pid test_val Lev

----------- ----------- ---------- -----------

1 NULL NET 1

6 NULL J2EE 1

10 NULL Database 1

11 10 DB2 2

12 10 MySQL 2

13 10 Oracle 2

14 10 SQL Server 2

20 14 T-SQL 3

15 13 PL/SQL 3

16 15 Function 4

17 15 Procedure 4

18 15 Package 4

19 15 Cursor 4

7 6 EJB 2

8 6 Servlet 2

9 6 JSP 2

2 1 C# 2

3 1 J# 2

4 1 ASPNET 2

5 1 VBNET 2

(20 行受影响)

sql一般就是指mysql或sqlserver，但既然是面试，多半是考你sql语句吧，但所有的数据库sql语句几乎大同小异，没什么特指，一般会其中一种的话，其他的基本都没什么问题。

所以综上所述，练习一下mysql或者sqlserver就可以了，跟记录条数没多大关系。

先从数据结构的角度来答

题主应该知道B-树和B树最重要的一个区别就是B树只有叶节点存放数据，其余节点用来索引，而B-树是每个索引节点都会有Data域

这就决定了B树更适合用来存储外部数据，也就是所谓的磁盘数据

从Mysql（Inoodb）的角度来看，B树是用来充当索引的，一般来说索引非常大，尤其是关系性数据库这种数据量大的索引能达到亿级别，所以为了减少内存的占用，索引也会被存储在磁盘上

那么Mysql如何衡量查询效率呢？磁盘IO次数，B-树（B类树）的特定就是每层节点数目非常多，层数很少，目的就是为了就少磁盘IO次数，当查询数据的时候，最好的情况就是很快找到目标索引，然后读取数据，使用B树就能很好的完成这个目的，但是B-树的每个节点都有data域（指针），这无疑增大了节点大小，说白了增加了磁盘IO次数（磁盘IO一次读出的数据量大小是固定的，单个数据变大，每次读出的就少，IO次数增多，一次IO多耗时啊！），而B树除了叶子节点其它节点并不存储数据，节点小，磁盘IO次数就少

这是优点之一

另一个优点是什么，B树所有的Data域在叶子节点，一般来说都会进行一个优化，就是将所有的叶子节点用指针串起来

这样遍历叶子节点就能获得全部数据，这样就能进行区间访问啦

至于MongoDB为什么使用B-树而不是B树，可以从它的设计角度来考虑，它并不是传统的关系性数据库，而是以Json格式作为存储的nosql，目的就是高性能，高可用，易扩展

首先它摆脱了关系模型，上面所述的优点2需求就没那么强烈了，其次Mysql由于使用B树，数据都在叶节点上，每次查询都需要访问到叶节点，而MongoDB使用B-树，所有节点都有Data域，只要找到指定索引就可以进行访问，无疑单次查询平均快于Mysql（但侧面来看Mysql至少平均查询耗时差不多）

总体来说，Mysql选用B树和MongoDB选用B-树还是以自己的需求来选择的

数据库通常分为：

层次式数据库、网络式数据库和关系式数据库三种。

而不同的数据库是按不同的数据结构来联系和组织的。

数据库有类型之分，是根据数据模型划分的。目前成熟地应用在数据库系统中的数据模型有：层次模型、网壮模型和关系模型。

一、层次模型：

层次模型是用树结构表示记录类型及其联系的。

树结构的基本特点是：

1、有且仅有一个结点无父结点；

2、其它结点有且有一个父结点。

在层次模型中，树的结点是记录型。上一层记录型和下一层记录型的联系是1:n的。

层次模型就象下面我们给出的一棵倒立的树。

注意：在层次式数据库中查找记录，必须指定存取路径。这种关系模型不支持m:n联系。

二、网状模型：

网状模型中结点间的联系不受层次限制，可以任意发生联系，所以她的结构是结点的连通图。

网状模型结构的特点是：

1、有一个以上结点无父结点；

2、至少有一个结点有多于一个父结点。

注意：虽然网状模型能反映各种复杂的关系，但网状模型在具体实现上，只支持1:n联系，对

于m:n联系可将其转化为1:n联系。

三、关系模型：

关系模型的本质就是用若干个二维表来表示实体及其联系。

关系是通过关系名和属性名定义的。一个关系可形式化表示为：

R(A1，A2，A3，…，Ai，…)

其中：R为关系名，Ai为关系的属性名。

目前常用的数据库管理系统有：

ACCESS、SQL Server、 Oracle、MySQL、FoxPro和Sybase等。

ACCESS 是美国Microsoft公司于1994年推出的微机数据库管理系统它具有界面友好、易学易用、开发简单、接口灵活等特点,是典型的新一代桌面数据库管理系统。

Oracle公司是全球最大的信息管理软件及服务供应商，成立于1977年，总部位于美国加州 Redwood shore。Oracle提供的完整的电子商务产品和服务包括： 用于建立和交付基于Web的Internet平台； 综合、全面的具有Internet能力的商业应用； 强大的专业服务，帮助用户实施电子商务战略，以及设计、定制和实施各种电子商务解决方案

SQL是英文Structured Query Language的缩写，意思为结构化查询语言。SQL语言的主要功能就是同各种数据库建立联系，进行沟通。按照ANSI(美国国家标准协会)的规定，SQL被作为关系型数据库管理系统的标准语言。SQL语句可以用来执行各种各样的 *** 作，例如更新数据库中的数据，从数据库中提取数据等。目前，绝大多数流行的是关系型数据库管理系统。

内容来源网络，仅供参考！

树状结构的数据保存在数据库中的常用方法有一下两种：

1、邻接表(adjacency list model)

2、预排序遍历树算法(modified preorder tree traversal algorithm)

用一下的例子讨论这两种方法的差异：

现有一棵树如下：

邻接表模式：

这种模式我们经常用到，很多的教程和书中也介绍过。我们通过给每个节点增加一个属性 parent 来表示这个节点的父节点从而将整个树状结构通过平面的表描述出来。根据这个原则，例子中的数据可以转化成如下的表:

我们看到 Pear 是Green的一个子节点，Green是Fruit的一个子节点。而根节点'Food'没有父节点。 为了简单地描述这个问题， 这个例子中只用了name来表示一个记录。 在实际的数据库中，你需要用数字的id来标示每个节点，数据库的表结构大概应该像这样：id, parent_id, name, description。

以下是代码：

<php

// $parent is the parent of the children we want to see

// $level is increased when we go deeper into the tree,

// used to display a nice indented tree

function display_children($parent, $level)

{

// 获得一个 父节点 $parent 的所有子节点

$result = mysql_query('SELECT name FROM tree '

'WHERE parent="'$parent'";');

// 显示每个子节点

while ($row = mysql_fetch_array($result))

{

// 缩进显示节点名称

echo str_repeat(' ',$level)$row['name']"n";

//再次调用这个函数显示子节点的子节点

display_children($row['name'], $level+1);

}

}

>

对整个结构的根节点（Food）使用这个函数就可以打印出整个多级树结构，由于Food是根节点它的父节点是空的，所以这样调用: display_children('',0)。将显示整个树的内容：

Food

Fruit

Red

Cherry

Yellow

Banana

Meat

Beef

Pork

如果你只想显示整个结构中的一部分，比如说水果部分，就可以这样调用：display_children('Fruit',0);

几乎使用同样的方法我们可以知道从根节点到任意节点的路径。比如 Cherry 的路径是　"Food >; Fruit >; Red"。 为了得到这样的一个路径我们需要从最深的一级"Cherry"开始， 查询得到它的父节点"Red"把它添加到路径中， 然后我们再查询Red的父节点并把它也添加到路径中，以此类推直到最高层的"Food"

以下是代码：

<php

// $node 是那个最深的节点

function get_path($node)

{

// 查询这个节点的父节点

$result = mysql_query('SELECT parent FROM tree '

'WHERE name="'$node'";');

$row = mysql_fetch_array($result);

// 用一个数组保存路径

$path = array();

// 如果不是根节点则继续向上查询

// (根节点没有父节点)

if ($row['parent']!='')

{

// the last part of the path to $node, is the name

// of the parent of $node

$path[] = $row['parent'];

// we should add the path to the parent of this node

// to the path

$path = array_merge(get_path($row['parent']), $path);

}

// return the path

return $path;

}

>

如果对"Cherry"使用这个函数：print_r(get_path('Cherry'))，就会得到这样的一个数组了：

Array

(

[0] =>; Food

[1] =>; Fruit

[2] =>; Red

)

接下来如何把它打印成你希望的格式，就是你的事情了。

缺点：

这种方法很简单，容易理解，好上手。但是也有一些缺点。主要是因为运行速度很慢，由于得到每个节点都需要进行数据库查询，数据量大的时候要进行很多查询才能完成一个树。另外由于要进行递归运算，递归的每一级都需要占用一些内存所以在空间利用上效率也比较低。

预排序遍历树算法

现在让我们看一看另外一种不使用递归计算，更加快速的方法，这就是预排序遍历树算法(modified preorder tree traversal algorithm) 这种方法大家可能接触的比较少，初次使用也不像上面的方法容易理解，但是由于这种方法不使用递归查询算法，有更高的查询效率。

我们首先将多级数据按照下面的方式画在纸上，在根节点Food的左侧写上 1 然后沿着这个树继续向下 在 Fruit 的左侧写上 2 然后继续前进，沿着整个树的边缘给每一个节点都标上左侧和右侧的数字。最后一个数字是标在Food 右侧的 18。 在下面的这张图中你可以看到整个标好了数字的多级结构。（没有看懂？用你的手指指着数字从1数到18就明白怎么回事了。还不明白，再数一遍，注意移动你的手指）。

这些数字标明了各个节点之间的关系，"Red"的号是3和6，它是 "Food" 1-18 的子孙节点。 同样，我们可以看到 所有左值大于2和右值小于11的节点 都是"Fruit" 2-11 的子孙节点

这样整个树状结构可以通过左右值来存储到数据库中。继续之前，我们看一看下面整理过的数据表。

注意：由于"left"和"right"在 SQL中有特殊的意义，所以我们需要用"lft"和"rgt"来表示左右字段。 另外这种结构中不再需要"parent"字段来表示树状结构。也就是 说下面这样的表结构就足够了。

SELECT FROM tree WHERE lft BETWEEN 2 AND 11;

看到了吧，只要一个查询就可以得到所有这些节点。为了能够像上面的递归函数那样显示整个树状结构，我们还需要对这样的查询进行排序。用节点的左值进行排序：

SELECT FROM tree WHERE lft BETWEEN 2 AND 11 ORDER BY lft ASC;

那么某个节点到底有多少子孙节点呢？很简单，子孙总数=(右值-左值-1)/2

descendants = (right – left - 1) / 2 ，如果不是很清楚这个公式，那就去翻下书，我们在上数据结构写的很清楚！

添加同一层次的节点的方法如下：

LOCK TABLE nested_category WRITE;

SELECT @myRight := rgt FROM nested_category WHERE name = 'Cherry';

UPDATE nested_category SET rgt = rgt + 2 WHERE rgt > @myRight;

UPDATE nested_category SET lft = lft + 2 WHERE lft > @myRight;

INSERT INTO nested_category(name, lft, rgt) VALUES('Strawberry', @myRight + 1, @myRight + 2);

UNLOCK TABLES;

添加树的子节点的方法如下：

LOCK TABLE nested_category WRITE;

SELECT @myLeft := lft FROM nested_category WHERE name = 'Beef';

UPDATE nested_category SET rgt = rgt + 2 WHERE rgt > @myLeft;

UPDATE nested_category SET lft = lft + 2 WHERE lft > @myLeft;

INSERT INTO nested_category(name, lft, rgt) VALUES('charqui', @myLeft + 1, @myLeft + 2);

UNLOCK TABLES;

每次插入节点之后都可以用以下SQL进行查看验证：

SELECT CONCAT( REPEAT( ' ', (COUNT(parentname) - 1) ), nodename) AS name

FROM nested_category AS node,

nested_category AS parent

WHERE nodelft BETWEEN parentlft AND parentrgt

GROUP BY nodename

ORDER BY nodelft;

删除节点的方法，稍微有点麻烦是有个中间变量,如下：

LOCK TABLE nested_category WRITE;

SELECT @myLeft := lft, @myRight := rgt, @myWidth := rgt - lft + 1

FROM nested_category WHERE name = 'Cherry';

DELETE FROM nested_category WHERE lft BETWEEN @myLeft AND @myRight;

UPDATE nested_category SET rgt = rgt - @myWidth WHERE rgt > @myRight;

UPDATE nested_category SET lft = lft - @myWidth WHERE lft > @myRight;

UNLOCK TABLES;

这种方式就是有点难的理解，但是适合数据量很大规模使用，查看所有的结构只需要两条SQL语句就可以了，在添加节点和删除节点的时候略显麻烦，不过相对于效率来说还是值得的。

以上就是关于SQL查询分析器中的窗口主要有哪些它们的作用分别是什么全部的内容，包括:SQL查询分析器中的窗口主要有哪些它们的作用分别是什么、数据库中树形图的用法、数据库分为哪几类等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！