mysql这门课程难吗？

MySQL 作为当下最为流行的关系型数据库。体积小、速度快、总体拥有成本低、开放源码，是各企业开发首选数据库。由于普及性极高，自然是面试考核的重点内容。 最近几年面试进一步向深、向广，一方面在于 MySQL 在应用层面的确很强势，另一方面对 MySQL 的掌握程度直接决定了你在技术团队的地位，不管是普通开发还是首席架构、CTO 都能够从 MySQL 中汲取技术养料。 普通开发往往积累单点技术、比如 CRUD、锁类型、索引的数据结构…而对于技术骨干、架构师则往往需要对底层原理吃透，数据库事务 ACID 是如何实现的？何时命中索引、何时不能，为什么？分布式场景下数据库怎么优化才能保持高性能？ 说白了，知道怎么用是一方面，知道为什么则是更为稀缺的能力。就好比当年阿里从 Oracle 迁到 MySQL，要是没有像褚霸这种能直接修改源码的大牛，恐怕还得再推迟个两年。

库建立好之后基本不动,和我们接触最频繁的是表. 建表就是声明字段的过程!

选择合适的类型[速度快 减少硬盘占用]

存储空间，还是存储范围有区别？

答案： 两者本质完全一样 ，只是在一些特殊情况下两者显示有区别(只是在显示的时候补全0的位数不一样)

实验

*zerofill 零填充(本字段同时即自动带有unsigned属性,因为负数不能零填充)

如 数字2在固定宽度4时 零填充 即为0002

M值是一个整数(固定宽度值)，只有在字段有零填充zerofill属性时 规定M值才有意义！

M值只是 显示效果 ,不会影响实际数据值！

如M值为1,实际值255,一样会显示255

列可以声明默认值(推荐声明)

因为null无法和别的值比较

null = 0 返回null

null <>0 返回null

null只能用is或is not比较 null is null当然对的。

例子：

【浮点型】有误差，不稳定！定点数更精确。

实际测试数据

Float(M,D)

M精度(总位数,不包含点) 精度值M 影响 存储的 值的范围.

D标度(小数位) 小数点后有几位（mysql比较特殊，mssql/oracle都不能指定）

testcolumn float(5,2) unsigned 范围0到999.99

float(5,2)的范围-999.99到999.99

给float(5,2)这样的字段插入值在进位时有一些规矩:暂时没搞清楚，不是简单的四舍五入

插入值688.826实际是688.83 末尾6 进位

插入值688.825实际是688.83 末尾5 进位

插入值688.824实际是688.82 末尾4 舍去

插入值688.005实际是688.00

插入值688.015实际是688.01 末尾5 5前面是1 舍去

插入值688.025实际是688.02 末尾5 5前面是2 舍去

插入值688.035实际是688.03 末尾5 5前面是3 舍去

插入值688.045实际是688.04 末尾5 5前面是4 舍去

一般使用tinyint、char(1)、enum类型。

varchar(M)

M代表宽度 即可容纳的【字符数】 (并不是字节数) varchar占用的字节数与编码有关:

utf-8 一个汉字3字节　英文字母1字节

对于utf8mb4号称占用4字节但是并不绝对(在utf8可以覆盖到的范围则仍然占用3字节)

utf8mb4最有优势的应用场景:存储emoji表情

例子：

性能太差，不推荐

MySQL在5.6.4版本之后，TimeStamp和DateTime支持到微妙

一个例子：

以如下这张表为例

show privileges 命令可以查看全部权限

查询时从user->db->table_pirv->columns_pirv依次验证，如果通过则执行查询。

本课程涉及建表SQL

场景1：歌单按时间排序

场景2：统计云音乐创建歌单的用户

场景3-1：统计云音乐创建歌单的用户列表和每人创建歌单的数量。

场景3-2：统计云音乐创建歌单的用户列表和每人创建歌单的数量，并且只显示歌单数量排序大于等于2的用户

SQL进阶语法-like

场景4：查询一个月内创建歌单（从第6行开始显示10条记录）

场景5：对于未录入歌曲的歌单(trackcount = null)，输出结果时歌曲数返回0.

连接的作用是用一个SQL语句把多个表中相互关联的数据查出来

场景6：查询收藏“老男孩”歌单的用户列表

子查询：内层查询的结果作为外层的比较条件。一般子查询都可以转换成连接，推荐使用连接。

场景7：查询出没有用户收藏的歌单

场景8：老板想看创建和收藏歌单的所有用户，查询play_list和play_fav两表中所有的userid

实例还是上节中的那些表

场景1：查询每张专辑总的点播次数和每首歌的平均点播次数。

场景2：查询全部歌曲中的最大的播放次数和最小的播放次数。

场景2续：查询播放次数最多的歌曲

count(*) 和 count(1) 基本一样，没有明显的性能差异。

count(*) 和 count(song_name) 差别在于 count(song_name) 会除去song_name is null的情况

场景3：显示每张专辑的歌曲列表

实例：查询一个月内userid为1,3,5的用户创建的歌单

学生表：

用于更正成绩的触发器：

---