[代码重构](master): 视图

2022年11月11日16:57:16

database/mysql/MYSQL必知必会.md

@@ -426,7 +426,358 @@ mysql> SELECT COUNT(*) FROM demo.mytransdisk;
     间不会受到影响。除此之外，临时表会在连接结束的时候自动删除，不会占用磁盘空间。
   - 当然，临时表也有不足，比如会挤占空间。在使用临时表的时候，要从简化查询和挤占资源两个方面综合考虑，既不能过度加重系统的负担，同时又能够通过存储中间结果，最大限度地简化查询。
 
-## 2.
+## 2. 进阶
+
+### 2.1 视图：如何简化查询？
+- 视图是一种虚拟表，我们可以把一段查询语句作为视图存储在数据库中，在需要的时候，可以把视图看做一个表，对里面的数据进行查询。
+- 让查询变得简单，而且，**视图没有实际存储数据，还避免了数据存储过程中可能产生的冗余，提高了存储的效率**。
+- 视图的创建及其好处
+- 创建视图的语法结构：
+```sql
+CREATE [OR REPLACE]
+VIEW 视图名称 [(字段列表)]
+AS 查询语句
+```
+- 现在，假设我们要查询一下商品的每日销售明细，这就要从销售流水表（demo.trans）和 商品信息表（demo.goodsmaster）中获取到销售数据和对应的商品信息数据。
+- 销售流水表包含流水单号、商品编号、销售数量、销售金额和交易时间等信息：
+- ![销售流水表](pic/销售流水表.png)
+- 商品信息表包含商品编号、条码、名称和售价等信息：
+- ![商品信息表](pic/视图商品信息表.png)
+- 在不使用视图的情况下，我们可以通过对销售流水表和商品信息表进行关联查询，得到每天商品销售统计的结果，包括销售日期、商品名称、每天销售数量的合计和每天销售金额
+  的合计，如下所示：
+```sql
+mysql> SELECT
+-> a.transdate,
+-> a.itemnumber,
+-> b.goodsname,
+-> SUM(a.quantity) AS quantity, -- 统计销售数量
+-> SUM(a.salesvalue) AS salesvalue -- 统计销售金额
+-> FROM
+-> demo.trans AS a
+-> LEFT JOIN -- 连接查询
+-> demo.goodsmaster AS b ON (a.itemnumber = b.itemnumber)
+-> GROUP BY a.transdate , a.itemnumber;
++---------------------+------------+-----------+----------+------------+
+| transdate | itemnumber | goodsname | quantity | salesvalue |
++---------------------+------------+-----------+----------+------------+
+| 2020-12-01 00:00:00 | 1 | 本 | 1.000 | 89.00 |
+| 2020-12-01 00:00:00 | 2 | 笔 | 1.000 | 5.00 |
+| 2020-12-02 00:00:00 | 3 | 胶水 | 2.000 | 20.00 |
++---------------------+------------+-----------+----------+------------+
+3 rows in set (0.00 sec)
+```
+- 在实际项目中，我们发现，每日商品销售查询使用的频次很高，而且经常需要以这个查询的结果为基础，进行更进一步的统计。
+- 举个例子，超市经营者要查一下“每天商品的销售数量和当天库存数量的对比”，如果用一个 SQL 语句查询，就会比较复杂。历史库存表（demo.inventoryhist）如下所示：
+- ![视图历史库存表](pic/视图历史库存表.png)
+- 接下来我们的查询步骤会使用到子查询和派生表，很容易理解，你知道含义就行了。
+  - 子查询：就是嵌套在另一个查询中的查询。
+  - 派生表：如果我们在查询中把子查询的结果作为一个表来使用，这个表就是派生表。
+- 这个查询的具体步骤是：
+  - 通过子查询获得单品销售统计的查询结果；
+  - 把第一步中的查询结果作为一个派生表，跟历史库存表进行连接，查询获得包括销售日期、商品名称、销售数量和历史库存数量在内的最终结果。
+```sql
+mysql> SELECT
+-> a.transdate,
+-> a.itemnumber,
+-> a.goodsname,
+-> a.quantity, -- 获取单品销售数量
+-> b.invquantity -- 获取历史库存数量
+-> FROM
+  -> (SELECT -- 子查询，统计单品销售
+  -> a.transdate,
+  -> a.itemnumber,
+  -> b.goodsname,
+  -> SUM(a.quantity) AS quantity,
+  -> SUM(a.salesvalue) AS salesvalue
+  -> FROM
+  -> demo.trans AS a
+  -> LEFT JOIN demo.goodsmaster AS b ON (a.itemnumber = b.itemnumber)
+  -> GROUP BY a.transdate , a.itemnumber
+  -> ) AS a -- 派生表，与历史库存进行连接
+  -> LEFT JOIN
+  -> demo.inventoryhist AS b
+  -> ON (a.transdate = b.invdate
+         -> AND a.itemnumber = b.itemnumber);
++---------------------+------------+-----------+----------+-------------+
+| transdate | itemnumber | goodsname | quantity | invquantity |
++---------------------+------------+-----------+----------+-------------+
+| 2020-12-01 00:00:00 | 1 | 本 | 1.000 | 100.000 |
+| 2020-12-01 00:00:00 | 2 | 笔 | 1.000 | 99.000 |
+| 2020-12-02 00:00:00 | 3 | 胶水 | 2.000 | 200.000 |
++---------------------+------------+-----------+----------+-------------+
+3 rows in set (0.00 sec)
+```
+- 可以看到，这个查询语句是比较复杂的，可读性和可维护性都比较差。那该怎么办呢？其实，针对这种情况，我们就可以使用视图。
+- 我们可以把商品的每日销售统计查询做成一个视图，存储在数据库里，代码如下所示：
+```sql
+mysql> CREATE VIEW demo.trans_goodsmaster AS -- 创建视图
+-> SELECT
+-> a.transdate,
+-> a.itemnumber,
+-> b.goodsname, -- 从商品信息表中获取名称
+-> SUM(a.quantity) AS quantity, -- 统计销售数量
+-> SUM(a.salesvalue) AS salesvalue -- 统计销售金额
+-> FROM
+-> demo.trans AS a
+-> LEFT JOIN
+-> demo.goodsmaster AS b ON (a.itemnumber = b.itemnumber) -- 与商品信息表关联
+-> GROUP BY a.transdate , a.itemnumber; -- 按照销售日期和商品编号分组
+Query OK, 0 rows affected (0.01 sec)
+```
+- 这样一来，我们每次需要查询每日商品销售数据的时候，就可以直接查询视图，不需要再写一个复杂的关联查询语句了。
+- 我们来试试用一个查询语句直接从视图中进行查询：
+```sql
+mysql> SELECT * -- 直接查询
+-> FROM demo.trans_goodsmaster; -- 视图
++---------------------+------------+-----------+----------+------------+
+| transdate | itemnumber | goodsname | quantity | salesvalue |
++---------------------+------------+-----------+----------+------------+
+| 2020-12-01 00:00:00 | 1 | 本 | 1.000 | 89.00 |
+| 2020-12-01 00:00:00 | 2 | 笔 | 1.000 | 5.00 |
+| 2020-12-02 00:00:00 | 3 | 胶水 | 2.000 | 20.00 |
++---------------------+------------+-----------+----------+------------+
+3 rows in set (0.01 sec)
+```
+- 结果显示，这两种查询方式得到的结果是一样的。
+- 如果我们要进一步查询“每日单品销售的数量与当日的库存数量的对比”，就可以把刚刚定义的视图作为一个数据表来使用。我们把它跟历史库存表连接起来，来获取销售数量和
+  历史库存数量。
+```sql
+mysql> SELECT
+-> a.transdate, -- 从视图中获取销售日期
+-> a.itemnumber, -- 从视图中获取商品编号
+-> a.goodsname, -- 从视图中获取商品名称
+-> a.quantity, -- 从视图中获取销售数量
+-> b.invquantity -- 从历史库存表中获取历史库存数量
+-> FROM
+-> demo.trans_goodsmaster AS a -- 视图
+-> LEFT JOIN
+-> demo.inventoryhist AS b ON (a.transdate = b.invdate
+-> AND a.itemnumber = b.itemnumber); -- 直接连接库存历史表
++---------------------+------------+-----------+----------+-------------+
+| transdate | itemnumber | goodsname | quantity | invquantity |
++---------------------+------------+-----------+----------+-------------+
+| 2020-12-01 00:00:00 | 1 | 本 | 1.000 | 100.000 |
+| 2020-12-01 00:00:00 | 2 | 笔 | 1.000 | 99.000 |
+| 2020-12-02 00:00:00 | 3 | 胶水 | 2.000 | 200.000 |
++---------------------+------------+-----------+----------+-------------+
+3 rows in set (0.00 sec)
+```
+- 结果显示，这里的查询结果和我们刚刚使用派生表的查询结果是一样的。但是，使用视图的查询语句明显简单多了，可读性更好，也更容易维护。
+- 如何操作视图和视图中的数据？
+  - 创建完了视图，我们还经常需要对视图进行一些操作，比如修改、查看和删除视图。
+- 如何操作视图？
+  - 修改、查看、删除视图的操作比较简单，你只要掌握具体的语法就行了。
+- 修改视图的语法如下所示：
+```sql
+ALTER VIEW 视图名
+AS 查询语句;
+```
+- 查看视图的语法是：
+```sql
+查看视图：
+DESCRIBE 视图名；
+```
+- 删除视图要使用 DROP 关键词，具体方法如下：
+```sql
+删除视图：
+DROP VIEW 视图名;
+```
+- 如何操作视图中的数据？
+- 视图本身是一个虚拟表，所以，对视图中的数据进行插入、修改和删除操作，实际都是通过对实际数据表的操作来实现的。
+
+- 在视图中插入数据
+- 借用刚刚的视图 demo.view_goodsmaster 来给你解释下。假设商品信息表中的规格字段（specification）被删除了，当我们尝试用 INSERT INTO 语句向视图中插入一条记录
+  的时候，就会提示错误了：
+```sql
+mysql> INSERT INTO demo.view_goodsmaster
+-> (itemnumber,barcode,goodsname,salesprice)
+-> VALUES
+-> (5,'0005','测试',100);
+ERROR 1471 (HY000): The target table view_goodsmaster of the INSERT is not ins ...
+```
+- 这是因为，**只有视图中的字段跟实际数据表中的字段完全一样，MySQL 才允许通过视图插入数据**。刚刚的视图中包含了实际数据表所没有的字段“specification”，所以在插入
+  数据时，系统就会提示错误。
+- 为了解决这个问题，我们来修改一下视图，让它只包含实际数据表中有的字段，也就是商品编号、条码、名称和售价。代码如下：
+```sql
+mysql> ALTER VIEW demo.view_goodsmaster
+-> AS
+-> SELECT itemnumber,barcode,goodsname,salesprice -- 只包含实际表中存在的字段
+-> FROM demo.goodsmaster
+-> WHERE salesprice > 50;
+Query OK, 0 rows affected (0.01 sec)
+```
+- 对视图进行修改之后，我们重新尝试向视图中插入一条记录：
+```sql
+mysql> INSERT INTO demo.view_goodsmaster
+-> (itemnumber,barcode,goodsname,salesprice)
+-> VALUES
+-> (5,'0005','测试',100);
+Query OK, 1 row affected (0.02 sec)
+```
+- 结果显示，插入成功了。
+- 实际数据表中的数据情况
+```sql
+mysql> SELECT *
+-> FROM demo.goodsmaster;
++------------+---------+-----------+------------+
+| itemnumber | barcode | goodsname | salesprice |
++------------+---------+-----------+------------+
+| 1 | 0001 | 本 | 89.00 |
+| 2 | 0002 | 笔 | 5.00 |
+| 3 | 0003 | 胶水 | 10.00 |
+| 5 | 0005 | 测试 | 100.00 | -- 通过视图插入的数据
++------------+---------+-----------+------------+
+4 rows in set (0.00 sec)
+```
+- 可以看到，实际数据表 demo.goodsmaster 中，也已经包含通过视图插入的商品编号是 5 的商品数据了。
+
+- **删除视图中的数据**
+- 我们可以通过 DELETE 语句，删除视图中的数据：
+```sql
+mysql> DELETE FROM demo.view_goodsmaster -- 直接在视图中删除数据
+-> WHERE itemnumber = 5;
+Query OK, 1 row affected (0.02 sec)
+```
+- 现在我们来查看视图和实际数据表的内容，会发现商品编号是 5 的商品都已经被删除了。
+```sql
+mysql> SELECT *
+-> FROM demo.view_goodsmaster;
++------------+---------+-----------+------------+
+| itemnumber | barcode | goodsname | salesprice |
++------------+---------+-----------+------------+
+| 1 | 0001 | 本 | 89.00 | -- 视图中已经没有商品编号是5的商品
++------------+---------+-----------+------------+
+1 row in set (0.00 sec)
+mysql> SELECT *
+-> FROM demo.goodsmaster;
++------------+---------+-----------+------------+
+| itemnumber | barcode | goodsname | salesprice |
++------------+---------+-----------+------------+
+| 1 | 0001 | 本 | 89.00 |
+| 2 | 0002 | 笔 | 5.00 |
+| 3 | 0003 | 胶水 | 10.00 | -- 实际表中也已经没有商品编号是5的
++------------+---------+-----------+------------+
+3 rows in set (0.00 sec)
+```
+- 修改视图中的数据
+- 我们可以通过 UPDATE 语句对视图中的数据进行修改：
+```sql
+mysql> UPDATE demo.view_goodsmaster -- 更新视图中的数据
+-> SET salesprice = 100
+-> WHERE itemnumber = 1;
+Query OK, 1 row affected (0.01 sec)
+Rows matched: 1 Changed: 1 Warnings: 0
+```
+- 结果显示，更新成功了。现在我们来查看一下视图和实际数据表，代码如下所示：
+```sql
+mysql> SELECT *
+-> FROM demo.view_goodsmaster;
++------------+---------+-----------+------------+
+| itemnumber | barcode | goodsname | salesprice |
++------------+---------+-----------+------------+
+| 1 | 0001 | 本 | 100.00 | -- 视图中的售价改过了
++------------+---------+-----------+------------+
+1 row in set (0.01 sec)
+mysql> SELECT *
+-> FROM demo.goodsmaster;
++------------+---------+-----------+------------+
+| itemnumber | barcode | goodsname | salesprice |
++------------+---------+-----------+------------+
+| 1 | 0001 | 本 | 100.00 | -- 实际数据表中的售价也改过了
+| 2 | 0002 | 笔 | 5.00 |
+| 3 | 0003 | 胶水 | 10.00 |
++------------+---------+-----------+------------+
+3 rows in set (0.00 sec)
+```
+- 可以发现，视图和原来的数据表都已经改过来了。
+- 需要注意的是，**我不建议你对视图的数据进行更新操作**，因为 MySQL 允许用比较复杂的 SQL 查询语句来创建视图（比如 SQL 查询语句中使用了分组和聚合函数，或者是 UION
+  和 DISTINCT 关键字），所以，要通过对这个结果集的更新来更新实际数据表，有可能不被允许，因为 MySQL 没办法精确定位实际数据表中的记录。就比如刚刚讲到的那个“每
+  日销售统计查询”视图就没办法更改，因为创建视图的 SQL 语句是一个包含了分组函数（GROUP BY）的查询。
+- 视图有哪些优缺点？
+- 到这里，视图的操作我就讲完了，现在我们把视线拔高一点，来看看视图都有哪些优缺点。只有全面掌握视图的特点，我们才能充分享受它的高效，避免踩坑。
+- 视图的优点。
+  - 第一，因为我们可以把视图看成一张表来进行查询，所以在使用视图的时候，我们不用考虑视图本身是如何获取数据的，里面有什么逻辑，包括了多少个表，有哪些关联操作，而
+    是可以直接使用这样一来，实际上就把查询模块化了，查询变得更加简单，提高了开发和维护的效率。所以，你可以把那些经常会用到的查询和复杂查询的子查询定义成视图，
+    存储到数据库中，这样可以为你以后的使用提供方便。
+  - 第二，视图跟实际数据表不一样，它存储的是查询语句。所以，在使用的时候，我们要通过定义视图的查询语句来获取结果集。而视图本身不存储数据，不占用数据存储的资源。
+  - 第三，视图具有隔离性。视图相当于在用户和实际的数据表之间加了一层虚拟表。也就是说，**用户不需要查询数据表，可以直接通过视图获取数据表中的信息**。这样既提高了数据
+    表的安全性，同时也通过视图把用户实际需要的信息汇总在了一起，查询起来很轻松。
+  - 第四，**视图的数据结构相对独立，即便实际数据表的结构发生变化，我们也可以通过修改定义视图的查询语句，让查询结果集里的字段保持不变**。这样一来，针对视图的查询就不
+    受实际数据表结构变化的影响了。
+- 假设我们有一个实际的数据表（demo.goodsmaster），包括商品编号、条码、名称、规格和售价等信息：
+- ![视图实际的数据表](pic/视图实际的数据表.png)
+- 在这个表的基础上，我们建一个视图，查询所有价格超过 50 元的商品：
+```sql
+mysql> CREATE VIEW demo.view_goodsmaster AS
+-> SELECT *
+-> FROM demo.goodsmaster
+-> WHERE salesprice > 50;
+Query OK, 0 rows affected (0.03 sec)
+```
+- 接着，我们在这个视图的基础上做一个查询，来验证一下视图的内容：
+```sql
+mysql> SELECT barcode,goodsname,specification
+-> FROM demo.view_goodsmaster;
++---------+-----------+---------------+
+| barcode | goodsname | specification |
++---------+-----------+---------------+
+| 0001 | 本 | 16开 |
++---------+-----------+---------------+
+1 row in set (0.00 sec)
+```
+- 结果显示，我们得到了商品信息表中售价大于 50 元的商品：本（16 开）。
+- 假设现在我们需要把数据表 demo.goodsmaster 中的字段“specification”删掉，就可以用下面的代码：
+```sql
+mysql> ALTER TABLE demo.goodsmaster DROP COLUMN specification;
+Query OK, 0 rows affected (0.13 sec)
+Records: 0 Duplicates: 0 Warnings: 0
+```
+- 这样一来，因为少了一个字段，而我们的语句又是直接查询数据表的，代码就会提示错误：
+```sql
+mysql> SELECT barcode,goodsname,specification
+-> FROM demo.goodsmaster;
+ERROR 1054 (42S22): Unknown column 'specification' in 'field list'
+```
+- 你看，代码提示字段“specification”不存在。
+- 但是，如果查询的是视图，就可以通过修改视图来规避这个问题。我们可以用下面的代码把刚才的视图修改一下：
+```sql
+mysql> ALTER VIEW demo.view_goodsmaster
+-> AS
+-> SELECT
+-> itemnumber,
+-> barcode,
+-> goodsname,
+-> '' as specification, -- 由于字段不存在，插入一个长度是0的空字符串作为这个字段的值
+-> salesprice
+-> FROM demo.goodsmaster
+-> WHERE salesprice > 50;
+Query OK, 0 rows affected (0.02 sec)
+```
+- 你看，虽然实际数据表中已经没有字段“specification”了，但是视图中却保留了这个字段，而且字段值始终是空字符串。所以，我们不用修改原有视图的查询语句，它也会正常
+  运行。下面的代码查询的结果中，就包括了实际数据表没有的字段“specification”。
+```sql
+mysql> SELECT barcode,goodsname,specification
+-> FROM demo.view_goodsmaster;
++---------+-----------+---------------+
+| barcode | goodsname | specification |
++---------+-----------+---------------+
+| 0001 | 本 | |
++---------+-----------+---------------+
+1 row in set (0 00 sec)
+```
+- 结果显示，运行成功了。这个视图查询，就没有受到实际数据表中删除字段的影响。
+- 视图有这么多好处，那我以后都用视图可以吗？其实不是的，视图也有自身的不足。
+- 如果我们在实际数据表的基础上创建了视图，那么，**如果实际数据表的结构变更了，我们就需要及时对相关的视图进行相应的维护**。特别是当视图是由视图生成的时候，维护会变
+  得比较复杂。因为创建视图的 SQL 查询可能会对字段重命名，也可能包含复杂的逻辑，这些都会增加维护的成本。
+- 一张图来汇总下视图的优缺点：
+- ![视图的优缺点](pic/视图的优缺点.png)
+- 虽然可以更新视图数据，但总的来说，视图作为虚拟表，主要用于方便查询。我不建议你更新视图的数据，因为对视图数据的更改，都是通过对实际
+  数据表里数据的操作来完成的，而且有很多限制条件。
+- 视图虽然有很多优点。但是在创建视图、简化查询的同时，也要考虑到视图太多而导致的数据库维护成本的问题。
+- 视图不是越多越好，特别是嵌套的视图（就是在视图的基础上创建视图），我不建议你使用，因为逻辑复杂，可读性不好，容易变成系统的潜在隐患。
+
+### 2.2 存储过程：如何提高程序的性能和安全性？
+
 
 
 ## 3. 优化