博客
关于我
MySQL 视图
阅读量:444 次
发布时间:2019-03-06

本文共 709 字,大约阅读时间需要 2 分钟。

数据库视图的概念是一个虚拟表,它本质上存储的是一组SQL查询语句。与数据库表类似,数据库视图由行和列组成,因此可以根据数据库表查询数据。大多数数据库管理系统(包括MySQL)都支持通过视图来访问基础表中的数据。

数据库视图的特点是动态的,因为它与物理表结构无关。数据库系统会将视图存储为一组连接语句。当基础表的数据发生变化时,视图也会反映这些变化。

数据库视图可以表示一个表的部分数据或多个表的综合数据。其结构和数据都是基于真实表的查询定义的。视图中的数据实际上是对真实表的引用。对视图中的数据进行增删改都会影响到真实的表。一个真实表可以创建多个视图。如果视图关联了多个表,则不允许进行增删操作,但单表可以增删改。视图通常由查询语句定义。

创建视图的语法通常是create view命令。例如:

create view VW_student_list asselect studentNo 学号, studentName 姓名, examScore 考试成绩from student swhere s.studentNo = r.studentNo;

查询视图的数据可以通过select * from VW_student_list完成。要删除视图,可以使用drop view命令。

要查看数据库中所有的视图,可以切换到information_schema库并执行select * from views。查看当前库的所有视图可以使用show tables命令并过滤结果。

在使用数据库视图时需要注意以下几点:视图可以查询多个表的数据,视图可以嵌套,但增删操作不能封装在视图中。对于关联多表的视图,删除操作有一定的限制。

转载地址:http://bdoyz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>