|
1.sql中的表 就是一种 List(list(map))的数据结构
2.表就是数据
3.那么数据 有 3种功能：
1.数据作为 条件比较的 数据 （这时 数据只能是 单列的，这里也是 子查询的结果 如果是单列才可 将数据作为 比较的数据）
简单来说就是单列table
2.作 查询表 加在 from + 数据/ 增删改 table（这里 单列，多列都可以）
3.数据 作为 数据容量不变 只是 拆分了的 条件
4.sql的每一步都是 都是在 不断的 创建 虚拟表的 过程中的
包括表连接，过滤条件后的，…
5.创建临时表，可以是表连接，以及过滤，每一次过滤，都会生成一张临时虚拟table,还有 数据的拆分（即多个子数据，分组）
6.简单来说，我们写sql，就是在 表连接，以及 在过滤表，以及在拆分表（当然这过程，一直在形成新的临时表，新的临时表也可作表连接，和表过滤条件，和表拆分条件）
7.在简单点来说，由上面的 数据的功能类型分为大体的3种，而我们的 sql就是对 数据的操作，数据的连接，数据的过滤，形成新的数据，数据的拆分，然后新的数据又可以用来 连接 过滤 拆分，就是数据的 增多，和减少，以及拆分（容量不变，数据的个数变多）
8.所以任何操作 就是 数据的增加，和过滤，和拆分不变，也就是说 除了 数据连接（表连接），其他都是 数据过滤，和 数据拆分
9.数据 + 数据的变化过程 + 数据在这个过程中起到的3个作用，就是sql的体现
10.对于关键字来说，就是过滤关键字，连接关键字，以及拆分关键字 这三大类，考虑的时候以 这三大类来考虑即可
11.我们在分析 sql的过程（子查询不算，子查询就算一个sql过程，只是这个sql过程结束了的 数据，给 另一个 sql 的过程用，这也是 符合 上面说的 sql的本质 就是数据的变化过程，以及数据在这变化过程中体现的3种作用）
1 FROM 执行笛卡尔积（数据的连接，此时数据的作用是作为 from）
笛卡尔积(交叉联接），生成虚拟表VT1，获取不同数据源的数据集。
FROM子句执行顺序为从后往前、从右到左，FROM 子句中写在最
后的表(基础表 driving table)将被最先处理，即最后的表为驱动表，
当FROM 子句中包含多个表的情况下，我们需要选择数据最少的表作为基础表。
2 ON 应用ON过滤器(数据的过滤，此时数据的作用是作为 过滤条件)
对虚拟表VT1 应用ON筛选器，ON 中的逻辑表达式将应用到虚拟表 VT1中的各个行，
筛选出满足ON 逻辑表达式的行，生成虚拟表 VT2 。
3 JOIN 添加外部行(数据的连接，数据的作用是作为连接条件)
如果指定了OUTER JOIN保留表中未找到匹配的行将作为外部行添加到虚拟表 VT2，生成虚拟表 VT3。保留表如下：
LEFT OUTER JOIN把左表记为保留表
RIGHT OUTER JOIN把右表记为保留表
FULL OUTER JOIN把左右表都作为保留表
在虚拟表 VT2表的基础上添加保留表中被过滤条件过滤掉的数据，非保留表中的数据被赋予NULL值，最后生成虚拟表 VT3。
4 WHERE 应用WEHRE过滤器(数据的过滤，数据的作用是作过滤条件)
对虚拟表 VT3应用WHERE筛选器。根据指定的条件对数据进行筛选，并把满足的数据插入虚拟表 VT4。
由于数据还没有分组，因此现在还不能在WHERE过滤器中使用聚合函数对分组统计的过滤。
同时，由于还没有进行列的选取操作，因此在SELECT中使用列的别名也是不被允许的。
5 GROUP BY 分组（数据拆分，用作拆分条件）
按GROUP BY子句中的列/列表将虚拟表 VT4中的行唯一的值组合成为一组，生成虚拟表VT5。
如果应用了GROUP BY，那么后面的所有步骤都只能得到的虚拟表VT5的列或者是聚合函数（count、sum、avg等）。
原因在于最终的结果集中只为每个组包含一行。
同时，从这一步开始，后面的语句中都可以使用SELECT中的别名。
6 AGG_FUNC 计算聚合函数
计算 max 等聚合函数。SQL Aggregate 函数计算从列中取得的值，返回一个单一的值。常用的 Aggregate 函数包涵以下几种：
7 WITH 应用ROLLUP或CUBE
对虚拟表 VT5应用ROLLUP或CUBE选项，生成虚拟表 VT6。
CUBE 和 ROLLUP 区别如下：
CUBE 生成的结果数据集显示了所选列中值的所有组合的聚合。
ROLLUP 生成的结果数据集显示了所选列中值的某一层次结构的聚合。
8 HAVING 应用HAVING过滤器（数据的过滤，专对对 每个 子数据为基础 分别过滤）
对虚拟表VT6应用HAVING筛选器。根据指定的条件对数据进行筛选，并把满足的数据插入虚拟表VT7。
HAVING 语句在SQL中的主要作用与WHERE语句作用是相同的，但是HAVING是过滤聚合值，
在 SQL 中增加 HAVING 子句原因就是，WHERE 关键字无法与聚合函数一起使用，HAVING子句主要和GROUP BY子句配合使用。
9 SELECT 选出指定列
将虚拟表 VT7中的在SELECT中出现的列筛选出来，并对字段进行处理，计算SELECT子句中的表达式，产生虚拟表 VT8。
10 DISTINCT 行去重（过滤）
将重复的行从虚拟表 VT8中移除，产生虚拟表 VT9。DISTINCT用来删除重复行，只保留唯一的。
11 ORDER BY 排列(过滤)
将虚拟表 VT9中的行按ORDER BY 子句中的列/列表排序，生成游标 VC10 ，注意不是虚拟表。
因此使用 ORDER BY 子句查询不能应用于表达式。同时，ORDER BY子句的执行顺序为从左到右排序，是非常消耗资源的。
12 LIMIT/OFFSET 指定返回行（过滤）
从VC10的开始处选择指定数量行，生成虚拟表 VT11，并返回调用者。
12.分组的本质，就是数据的拆分，目的就是为了 统计大数据中，各个小数据的统计（分组后，就以 一个组为 一个数据这个数据就是 普通的数据，然后分组后，我们有多个 子数据，即每次操作都是以 子数据为基础的，例如全表也是一个组，我们每次操作都是以 这个组为基础的）
1.对分组来说，考虑每个子数据即可
2.分组后，数据字段只能用作 统计作用，因为组有多个，和组只有一个的不同
多个组，就得有多个组的 返回结果，都是mysql不支持，mysql的结果都只能是一个组的
3.分组 没有没有忽略 null的 只有 count(*)
4.每个组的查询结果 只有 1行，这样才能符合mysql的，主要是统计字段
5.多个组，也可以有 统一的结果，在 group by 字段1，.. 后加上 with rollup 或者 with cube
这样，在原来的 分组的结果集后面，还会加上对 多个组一起的一个统计结果行
13.distinct 过滤关键字细节
1.基本用法
distinct用于筛选唯一值，可以作用于单个列或者多个列。作用于单个列时有以下几个注意点：
1.distinct必须放在所有指定字段名之前，不允许
select <name1>, distinct <name2> from ...
2.distinct作用于多个列，结果按照指定的多个列的值得组合进行筛选
2.和count一起用
1.可以使用
select count(distinct name) from ....
2.因为count是不能统计多个字段的，因此下面的语句不能执行：
select count(distinct name1, name2) from ....
3.应该写成嵌套查询的形式：
select count(*) from (select distinct name1, name2 from...)
3.和order by一起用
1.distinct的执行顺序在order by 之前，因此两者同时出现时，先执行distinct产生只包含唯一值的临时表，再对临时表使用order by。
2.如果order by中的字段和distinct后面的字段名不相同，则语句会出错，因为结果只含有distinct后的唯一字段的值，应在distinct后的字段名中包含order by的字段。
14.连接查询 优于 子查询的原因
表关联 可以 利用到 2张表的索引（不是说的连接条件）
而子查询不行，只有在子查询，有外表 和 内表，只有一张表 用索引,先查的用索引，即内表先用，内表并不是说 （）里面的表，in() 里面的是内表因为先查，exsits() 不是内表是外表，因为后查询
15.关键字真正要讨论的就是过滤关键字，在不同的阶段，有不同的过滤关键字
16.in 要谨慎使用，in() 不多时，最好用 = or =
17.条件过滤关键字使用的时候，得考虑好选哪个，例如 子查询的结果集只有 一个，那么 用 = ，如果是 多个，那么 用 关键字 in
18.exist 和 in 的区别
简单来说，就是小表驱动大表，详细文章exist 和 in的使用和区别
|