use yourDBName
select count() as TableCount
from sysobjects
where type='u' and status>=0
在查询分析器中输入以上语句,可得到给定数据库中用户建立表的总数。
打开DataGrip
展开要 *** 作的数据库连接
展开要 *** 作的数据库
双击要 *** 作的数据库表
此时显示已有的表记录
右击空白处,选择Full-text Search
输入全文搜索条件,然后点击OK
此时显示表涉及搜索内容的条数,双击条数
此时显示符合条件的搜索结果
1、查询整个mysql数据库,整个库的大小;单位转换为MB。
select concat(round(sum(DATA_LENGTH/1024/1024),2),'MB') as data from information_schemaTABLES
2、查询mysql数据库,某个库的大小;
select concat(round(sum(DATA_LENGTH/1024/1024),2),'MB') as data
from information_schemaTABLES
where table_schema = 'testdb'
3、查看库中某个表的大小;
select concat(round(sum(DATA_LENGTH/1024/1024),2),'MB') as data
from information_schemaTABLES
where table_schema = 'testdb'
and table_name = 'test_a';
4、查看mysql库中,test开头的表,所有存储大小;
select concat(round(sum(DATA_LENGTH/1024/1024),2),'MB') as data
from information_schemaTABLES
where table_schema = 'testdb'
and table_name like 'test%';
直接在查询分析器运行即可:
declare @id int
declare @type character(2)
declare @pages
int
declare @dbname sysname
declare @dbsize dec(15,0)
declare @bytesperpage dec(15,0)
declare @pagesperMB dec(15,0)
create table #spt_space
(
objid int null,
rows int null,
reserved dec(15) null,
data dec(15) null,
indexp dec(15) null,
unused dec(15) null
)
set nocount on
-- Create a cursor to loop through the user tables
declare c_tables cursor for
select id
from sysobjects
where xtype = 'U'
open c_tables
fetch next from c_tables
into @id
while @@fetch_status = 0
begin
/ Code from sp_spaceused /
insert into #spt_space (objid, reserved)
select objid = @id, sum(reserved)
from sysindexes
where indid in (0, 1, 255)
and id = @id
select @pages = sum(dpages)
from sysindexes
where indid < 2
and id = @id
select @pages = @pages + isnull(sum(used), 0)
from sysindexes
where indid = 255
and id = @id
update #spt_space
set data = @pages
where objid = @id
/ index: sum(used) where indid in (0, 1, 255) - data /
update #spt_space
set indexp = (select sum(used)
from sysindexes
where indid in (0, 1, 255)
and id = @id)
- data
where objid = @id
/ unused: sum(reserved) - sum(used) where indid in (0, 1, 255) /
update #spt_space
set unused = reserved
- (select sum(used)
from sysindexes
where indid in (0, 1, 255)
and id = @id)
where objid = @id
update #spt_space
set rows = irows
from sysindexes i
where iindid < 2
and iid = @id
and objid = @id
fetch next from c_tables
into @id
end
select TableName = (select left(name,60) from sysobjects where id = objid),
Rows = convert(char(11), rows),
ReservedKB = ltrim(str(reserved dlow / 1024,15,0) + ' ' + 'KB'),
DataKB = ltrim(str(data dlow / 1024,15,0) + ' ' + 'KB'),
IndexSizeKB = ltrim(str(indexp dlow / 1024,15,0) + ' ' + 'KB'),
UnusedKB = ltrim(str(unused dlow / 1024,15,0) + ' ' + 'KB')
from #spt_space, masterdbospt_values d
where dnumber = 1
and dtype = 'E'
order by reserved desc
drop table #spt_space
close c_tables
deallocate c_tables
纬度数据库所描述的关系模式就是关系的描写关系模式,首先描绘与关系对应的两个维度的表结构,这些关系中都包含着一些属性,这些属性都来自于固定的领域,以及与域之间的映象关系。
关系是n个域的笛卡儿积的子集,组成关系的元组必须是笛卡儿积中使n目谓词为真的元组,所有有可能的关系必须满足非常完整并且基础的约束条件,而关系模式也要把这个约束条件描述出来。
在这其中关系模式和关系的区别就在于关系模式,主要就是描述一些数据结构的语句意思,而关系是一个数据的集合,是关系的值,是关系模式的一个关系实例。
数据库维度的基本概念:
1、多维数据集。多维数据集是联机分析处理(OLAP)中的主要对象,是一项可对数据仓库中的数据进行快速访问的技术。多维数据集是一个数据集合,通常从数据仓库的子集构造,并组织和汇总成一个由一组维度和度量值定义的多维结构。
2、xx(dimension)是多维数据集的结构性特性。它们是事实数据表中用来描述数据的分类的有组织层次结构(级别)。这些分类和级别描述了一些相似的成员集合,用户将基于这些成员集合进行分析。
3、度量值。在多维数据集中,度量值是一组值,这些值基于多维数据集的事实数据表中的一列,而且通常为数字。此外,度量值是所分析的多维数据集的中心值。
即,度量值是最终用户浏览多维数据集时重点查看的数字数据。您所选择的度量值取决于最终用户所请求的信息类型。一些常见的度量值有sales、cost、expenditures和productioncount等。
4、元数据。不同OLAP组件中的数据和应用程序的结构模型。元数据描述OLTP数据库中的表、数据仓库和数据集市中的多维数据集这类对象,还记录哪些应用程序引用不同的记录块。
5、级别。级别是维度层次结构的一个元素。级别描述了数据的层次结构,从数据的最高(汇总程度最大)级别直到最低(最详细)级别。
6、数据挖掘。数据挖掘使您得以定义包含分组和预测规则的模型,以便应用于关系数据库或多维OLAP数据集中的数据。之后,这些预测模型便可用于自动执行复杂的数据分析,以找出帮助识别新机会并选择有获胜把握的机会的趋势。
7、多维OLAP(MOLAP)。MOLAP存储模式使得分区的聚合和其源数据的复本以多维结构存储在分析服务器计算机上。根据分区聚合的百分比和设计,MOLAP存储模式为达到最快查询响应时间提供了潜在可能性。总而言之,MOLAP更加适合于频繁使用的多维数据集中的分区和对快速查询响应的需要。
8、关系OLAP(ROLAP)。ROLAP存储模式使得分区的聚合存储在关系数据库的表(在分区数据源中指定)中。但是,可为分区数据使用ROLAP存储模式,而不在关系数据库中创建聚合。
9、数据钻取。最终用户从常规多维数据集、虚拟多维数据集或连接多维数据集中选择单个单元,并从该单元的源数据中检索结果集以获得更详细的信息,这个 *** 作过程就是数据钻取。
10、数据挖掘模型。数据挖掘使您得以定义包含分组和预测规则的模型,以便应用于关系数据库或多维OLAP数据集中的数据。之后,这些预测模型便可用于自动执行复杂的数据分析,以找出帮助识别新机会并选择有获胜把握的机会的趋势。
MySQL数据查询开始慢的量级取决于多个因素,包括但不限于以下几点:
1 数据库大小:随着数据库大小的增加,查询开始慢的可能性也会增加。
2 数据库结构:如果数据库结构复杂,包含多个表、索引、视图等,查询开始慢的可能性也会增加。
3 查询语句复杂度:如果查询语句包含多个表连接、子查询、聚合函数等,查询开始慢的可能性也会增加。
4 数据库服务器配置:如果数据库服务器配置不足,例如内存、CPU等资源不足,查询开始慢的可能性也会增加。
一般来说,当数据库表的数据量达到数百万条或以上时,查询开始慢的可能性就会增加。但具体情况还需要根据实际情况进行评估。
以上就是关于请教各位前辈,sqlserver 如何统计指定数据库的表的数量全部的内容,包括:请教各位前辈,sqlserver 如何统计指定数据库的表的数量、Datagrip怎样查看各表数据量、mysql怎么查看数据库中表的大小等相关内容解答,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!
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)