数据库2——查询
查询
- 学习内容
- 学习感受
学习内容
一、实验目的与要求:
1、掌握SQL单表及多表之间的查询
2、掌握统计及分组函数
二、实验内容:
1.简单查询
① 从fruits表中检索s_id为100的供货商所供货的水果名和价格
源码:
SELECT f_name, f_price FROM fruits WHERE s_id = 100;
运行测试结果截图:
② 查找名称为“apple”的水果的价格
源码:
SELECT f_price FROM fruits WHERE f_name = 'apple';
运行测试结果截图:
③ 查询价格在2.00元到10.20元之间的水果名称和价格,先按f_price降序排序,再按f_name排序。
源码:
SELECT f_name, f_price FROM fruits
WHERE f_price BETWEEN 2.00 AND 10.20
ORDER BY f_price DESC, f_name ASC;
运行测试结果截图:
④ 在fruits表中,查询f_name中包含字母‘g’的记录
源码:
SELECT * FROM fruits WHERE f_name LIKE '%g%';
运行测试结果截图:
⑤ 查询customers表中c_email不为空的记录的c_id、c_name和c_email字段值
源码:
SELECT c_id, c_name, c_email FROM customers WHERE c_email IS NOT NULL;
运行测试结果截图:
⑥ 根据s_id对fruits表中的数据进行分组,并显示水果种类大于1的分组信息,效果如下图所示(GROUP_CONCAT函数)
或
源码:
SELECT s_id, GROUP_CONCAT(f_name) AS Names
FROM fruits
GROUP BY s_id
HAVING COUNT(f_id) > 1;
运行测试结果截图:
2.多表查询
① 查询供应‘a1’的水果供应商提供的其他水果种类
源码:
SELECT DISTINCT f2.f_name
FROM fruits f1
JOIN fruits f2 ON f1.s_id = f2.s_id
WHERE f1.f_id = 'a1' AND f2.f_id <> 'a1';
运行测试结果截图:
② 在orderitems表中查询f_id为c0的订单号,并显示具有该订单号的客户c_id
源码:
SELECT DISTINCT orders.o_num, orders.c_id
FROM orders
JOIN orderitems ON orders.o_num = orderitems.o_num
WHERE orderitems.f_id = 'c0';
运行测试结果截图:
③ 查询客户c_id为10000的所有订单的总价格(客户购买水果所花费的金额),效果类似如下图所示
源码:
SELECT orders.c_id, SUM(orderitems.quantity * orderitems.item_price) AS 金额
FROM orders
JOIN orderitems ON orders.o_num = orderitems.o_num
WHERE orders.c_id = 10000
GROUP BY orders.c_id;
运行测试结果截图:
④ 查询s_city等于“Tianjin”的供应商,并显示所有该供应商提供的水果的种类,效果如下图所示
源码:
SELECT suppliers.s_id, GROUP_CONCAT(fruits.f_name) AS fruit_list
FROM suppliers
JOIN fruits ON suppliers.s_id = fruits.s_id
WHERE suppliers.s_city = 'Tianjin'
GROUP BY suppliers.s_id;
运行测试结果截图:
⑤ 查询订单为‘30005’的所有水果供货商的名称
源码:
SELECT DISTINCT suppliers.s_name
FROM suppliers
JOIN fruits ON suppliers.s_id = fruits.s_id
JOIN orderitems ON fruits.f_id = orderitems.f_id
WHERE orderitems.o_num = 30005;
运行测试结果截图:
⑥ 查询销量最多的水果名称
源码:
SELECT fruits.f_name, SUM(orderitems.quantity) AS total_sold
FROM orderitems
JOIN fruits ON orderitems.f_id = fruits.f_id
GROUP BY fruits.f_name
ORDER BY total_sold DESC
LIMIT 1;
运行测试结果截图:
⑦ 显示购买了’107’号供货商所有水果的用户信息
步骤:先向数据表orders表中插入两条记录(50010,当前时间,10000)和(50008,当前时间,10004),在orderitems表中插入五条记录(50010,1,b5,10,3.6)、(50010,2,b2,5,7.6)、(50010,3,t2,7,3.6)、(50008,1,b1,10,102)、(50008,2,b5,10,3.6);然后再做题
插入源码:
INSERT INTO orders (o_num, o_date, c_id) VALUES
(50010, NOW(), 10000),
(50008, NOW(), 10004);INSERT INTO orderitems (o_num, o_item, f_id, quantity, item_price) VALUES
(50010, 1, 'b5', 10, 3.6),
(50010, 2, 'b2', 5, 7.6),
(50010, 3, 't2', 7, 3.6),
(50008, 1, 'b1', 10, 102),
(50008, 2, 'b5', 10, 3.6);
运行测试结果截图:
查询源码:
SELECT DISTINCT customers.*
FROM customers
JOIN orders ON customers.c_id = orders.c_id
JOIN orderitems ON orders.o_num = orderitems.o_num
JOIN fruits ON orderitems.f_id = fruits.f_id
WHERE fruits.s_id = 107
GROUP BY customers.c_id
HAVING COUNT(DISTINCT fruits.f_id) = (SELECT COUNT(DISTINCT f_id) FROM fruits WHERE s_id = 107);
运行测试结果截图:
运行结果为空,即没有用户买了’107’号供货商所有水果。
三、思考题
结合实际应用并分析查找给定表中结构或数据是否存在问题,如何改进?
在第7小题查询购买了’107’号供货商所有水果的用户信息时,发现输出结果为空,影响用户体验。
改进:(1)输出购买’107’号供货商部分水果的用户
代码:
SELECT DISTINCT customers.*
FROM customers
JOIN orders ON customers.c_id = orders.c_id
JOIN orderitems ON orders.o_num = orderitems.o_num
JOIN fruits ON orderitems.f_id = fruits.f_id
WHERE fruits.s_id = 107;
运行结果:
(2)手动插入数据
– 先新增一个用户
INSERT INTO customers (c_id, c_name) VALUES (10005, 'TestUser');
– 新增一个订单
INSERT INTO orders (o_num, o_date, c_id) VALUES (50011, NOW(), 10005);
– 确保 orderitems 里有 107
号供货商的所有水果
INSERT INTO orderitems (o_num, o_item, f_id, quantity, item_price) VALUES
(50011, 1, 'b5', 5, 3.60),
(50011, 2, 't4', 3, 3.60);
运行结果:
插入数据后运行查询即可输出购买了’107’号供货商所有水果的用户信息:
四、实验小结
1.实验中遇到的问题及解决过程
问题:查询购买了‘107’号供货商所有水果的用户信息时结果为空
解决方案:
方案一:修改查询条件,查询购买了‘107’号供货商部分水果的用户,以提升查询结果的可用性。
方案二:手动插入数据,确保数据库中有用户购买了‘107’号供货商的所有水果,并重新执行查询,成功获取结果。
2.实验中产生的错误及原因分析
错误现象:多表连接查询时,返回的结果不符合预期,或者返回空结果。
原因分析:连接查询时,可能 JOIN 关联字段不匹配,或存在 NULL 值,影响查询结果。
学习感受
通过本次SQL查询实验,我对数据库的查询语句有了更深入的理解和掌握。尤其是在进行多表连接查询以及分组统计函数的使用时,我切实感受到了SQL在处理复杂数据关系时的强大能力。
实验中最让我印象深刻的是最后一道题“查询购买了某供货商所有水果的用户”。在实际操作过程中,虽然查询语句逻辑严谨,但由于数据本身不满足查询条件,导致结果为空。这一过程让我意识到,仅仅会写查询语句是不够的,还需要对数据本身有清晰的认知,甚至需要主动构造数据进行验证。这种从“语法正确”到“结果合理”的过渡,是我此次实验中很宝贵的体会。
另外,像GROUP_CONCAT函数的使用也让我眼前一亮,它能将多个值合并为一个字段,对于结果展示非常友好。在以往的学习中,这种细节很容易被忽略,但在实验中使用后让我真正理解了它的作用和优势。
总的来说,这次实验不仅提升了我对SQL查询语法的掌握,更让我认识到在实际应用中如何灵活运用所学知识来解决问题。也让我体会到,数据分析不仅仅是“查出结果”,更是一个逻辑严密、需要不断验证和优化的过程。
相关文章:

数据库2——查询
查询 学习内容学习感受 学习内容 一、实验目的与要求: 1、掌握SQL单表及多表之间的查询 2、掌握统计及分组函数 二、实验内容: 1.简单查询 ① 从fruits表中检索s_id为100的供货商所供货的水果名和价格 源码: SELECT f_name, f_price FROM…...
Mamba LLM 架构简介:机器学习的新范式
Mamba LLM 架构简介:机器学习的新范式 探索 Mamba LLM 的强大功能,Mamba LLM 是来自一流大学的变革性架构,重新定义了 AI 中的序列处理。语言模型是一种经过训练的机器学习模型,用于在自然语言上执行概率分布。它们的架构主要由多…...

Android 性能优化入门(一)—— 数据结构优化
1、概述 一款 app 除了要有令人惊叹的功能和令人发指交互之外,在性能上也应该追求丝滑的要求,这样才能更好地提高用户体验: 优化目的性能指标优化的方向更快流畅性启动速度页面显示速度(显示和切换)响应速度更稳定稳定性避免出现 应用崩溃&…...

数据库中的锁机制
目录 数据库中的锁机制:原理、分类与实际案例详解 一、数据库锁的核心作用与基本概念 1.1 为什么需要数据库锁? 1.2 锁的分类 二、锁机制的实现与典型场景 2.1 共享锁(Shared Lock) 工作原理 适用场景 代码示例(MySQL) 案例分析 2.2 排他锁(Exclusive Lock) …...

【网络入侵检测】基于Suricata源码分析运行模式(Runmode)
【作者主页】只道当时是寻常 【专栏介绍】Suricata入侵检测。专注网络、主机安全,欢迎关注与评论。 1. 概要 👋 在 Suricata 中抽象出线程、线程模块和队列三个概念:线程类似进程,可多线程并行执行操作;监听、解码、检…...
AI日报 - 2025年05月19日
🌟 今日概览 (60秒速览) ▎🤖 大模型前沿 | GPT-5传闻再起,将基于全新模型构建,与GPT-4彻底分离;Claude 3.7 Sonnet系统提示泄露,揭示其主动引导对话、多语言支持及安全新特性;研究指出直接复用…...
Spring源码主线全链路拆解:从启动到关闭的完整生命周期
Spring源码主线全链路拆解:从启动到关闭的完整生命周期 一文看懂 Spring 框架从启动到销毁的主线流程,结合原理、源码路径与伪代码三位一体,系统学习 Spring 底层机制。 1. 启动入口与环境准备 原理说明 Spring Boot 应用入口是标准 Java 应…...

Linux常用命令(十四)
目录 vi编辑器命令 1-编辑模式 1)准备一个txt文件并且进入vi 2)按i进入编辑模式 3)按o进入编辑模式 4)按a进入编辑模式 2-底行模式 1)退出vim 2)撤销上次操作 3)设置行号底行模式 4ÿ…...

规则联动引擎GoRules初探
背景说明 嵌入式设备随着物联网在生活和生产中不断渗透而渐渐多起来,数据的采集、处理、分析在设备侧的自定义配置越来越重要。一个可通过图形化配置的数据处理过程,对于加速嵌入式设备的功能开发愈发重要。作为一个嵌入式软件从业者,笔者一…...

基于OpenCV中的图像拼接方法详解
文章目录 引言一、图像拼接的基本流程二、代码实现详解1. 准备工作2. 特征检测与描述detectAndDescribe 函数详解(1)函数功能(2)代码解析(3)为什么需要这个函数?(4)输出数…...

AI大模型学习二十六、使用 Dify + awesome-digital-human-live2d + ollama + ChatTTS打造数字人
一、说明 数字人(Digital Human) 是指通过人工智能(AI)、计算机图形学、语音合成、动作捕捉等技术创建的虚拟人物。它们具备高度拟人化的外观、语言、表情和动作,能够与人类进行交互,甚至承担特定社会角色。…...

HTML-3.2 表格的跨行跨列(课表制作实例)
本系列可作为前端学习系列的笔记,代码的运行环境是在HBuilder中,小编会将代码复制下来,大家复制下来就可以练习了,方便大家学习。 系列文章目录 HTML-1.1 文本字体样式-字体设置、分割线、段落标签、段内回车以及特殊符号 HTML…...

Spring Cloud Sentinel 快速入门与生产实践指南
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 前言:流量洪峰下的微服务守卫战 🛡️一、Sentinel 核心架构解析1.1 Sentinel 整体架构1.2 核心处理流程 二、快速入门实战2.1 环境搭建全流程…...
系统架构设计(十):结构化编程
定义 结构化编程是一种遵循清晰逻辑结构、避免使用 goto 的编程方法。它强调使用有限的三种基本控制结构来组织程序,提高程序的可读性、可维护性和可测试性。 它是现代程序设计的基础,被广泛应用于命令式语言(如 C、Pascal、Java࿰…...
标准差和方差是什么
标准差和方差是什么 标准差的简单理解 标准差是衡量一组数据**离散程度(即数据的分散或集中程度 )**的统计量。它表示数据集中每个数值与这组数据平均值的偏离程度。 标准差越大,说明数据越分散,波动越大; 标准差越小,说明数据越集中,波动越小 。 可以把数据想象成一群…...
【周输入】510周阅读推荐-3
前文 【周输入】510周阅读推荐-1-CSDN博客 【周输入】510周阅读推荐-2-CSDN博客 本次推荐 目录 前文 本次推荐 算法技术 模型产品 算法技术 vLLM和DeepSpeed部署模型的优缺点_vllm deepspeed-CSDN博客 优点缺点总结vLLM 适用于推理 优化内存管理 高效并行化 功能单…...

Android平台GB28181设备接入与功能支持详解
GB28181协议作为中国国家标准,广泛应用于安防、智慧城市和交通监控等领域。大牛直播SDK提供了全面支持GB28181设备接入的技术方案,能够有效帮助开发者实现设备的快速接入与管理。在本文中,我们将深入介绍大牛直播SDK在Android平台上对于GB281…...

mvc-ioc实现
IOC 1)耦合/依赖 依赖,是谁离不开谁 就比如上诉的Controller层必须依赖于Service层,Service层依赖于Dao 在软件系统中,层与层之间存在依赖。我们称之为耦合 我们系统架构或者设计的一个原则是ÿ…...

Windows 11 C:\Windows\Web\Wallpaper
Windows 11 C:\Windows\Web\Wallpaper 纯色壁纸自定义 没一个好看的...
医疗信息系统安全防护体系的深度构建与理论实践融合
一、医疗数据访问系统的安全挑战与理论基础 1.1 系统架构安全需求分析 在医疗信息系统中,基于身份标识的信息查询功能通常采用分层架构设计,包括表现层、应用层和数据层。根据ISO/IEC 27001信息安全管理体系要求,此类系统需满足数据保密性…...
Compose笔记(二十五)--Brush
这一节主要了解一下Compose中Brush,在Jetpack Compose里,Brush是一个重要的 API,它用于定义填充图形的颜色渐变或图案,能够为界面元素添加丰富的视觉效果。简单总结如下: 1 常见场景 填充形状(圆形、矩形等) 创建渐变…...

Spring Web MVC————入门(3)
今天我们来一个大练习,我们要实现一个登录界面,登录进去了先获取到登录人信息,可以选择计算器和留言板两个功能,另外我们是学后端的,对于前端我们会些基础的就行了,知道ajax怎么用,知道怎么关联…...
HTML 属性详解
HTML 属性详解 HTML(HyperText Markup Language)是创建网页的标准标记语言。在HTML中,元素可以通过属性来扩展其功能。属性是元素的一个特性,它提供了关于元素的额外信息。本文将详细介绍HTML中的常见属性,帮助您更好地理解和运用HTML。 一、HTML属性的基本概念 HTML属…...

NC61 两数之和【牛客网】
文章目录 零、原题链接一、题目描述二、测试用例三、解题思路3.1 排序双指针3.1 散列 四、参考代码4.1 排序双指针4.2 散列 零、原题链接 NC61 两数之和 一、题目描述 二、测试用例 三、解题思路 3.1 排序双指针 基本思路: 先对序列进行排序,然后…...
Java生成可控的Word表格功能开发
在日常办公自动化与系统集成场景中,生成结构化的Word文档已成为一种刚性需求,尤其是带有格式规范、内容动态填充的Word表格(Table)。本文将围绕如何利用Java开发一个可控的Word表格生成功能模块展开,涵盖技术选型、代码实现、边界控制与常见问题处理等方面,帮助开发者快速…...
Node.js中的洋葱模型
文章目录 前言 前言 Node.js中的洋葱模型是一种中间件执行机制,主要用于处理HTTP请求和响应的流程控制。该模型通过层层包裹的中间件结构,实现请求从外到内穿透、响应从内向外返回的顺序执行。以下从核心概念、实现原理、框架差异及实际应用等方面解析&…...
Spring Boot 中 MyBatis 与 Spring Data JPA 的对比介绍
一、核心概念 MyBatis 定义:基于 SQL 的持久层框架,提供灵活的 SQL 映射和自定义查询能力。 特点: 开发者手动编写 SQL(XML 或注解)。 支持动态 SQL、复杂查询优化。 轻量级,对数据库控制力强。 Spri…...

如何分析动态采样引起的计划不稳定 | OceanBase SQL 调优实践
这篇博客涉及两个知识点,一个是动态采样,另一个是 DAS 执行。 用户的问题和相关结论 我们看看用户在OceanBase 社区论坛发帖中提出的疑问及其所得出的结论。 问题:收集统计信息之前,为什么会出现计划不稳定的情况? …...

如何实现RTSP和RTMP低至100-200ms的延迟:直播SDK的技术突破
在实时音视频传输中,低延迟是直播应用的核心技术要求之一。无论是在线教育、远程医疗,还是实时互动直播,延迟过大会影响用户体验,甚至导致应用无法正常使用。大牛直播SDK(SmartMediaKit)在RTSP和RTMP播放器…...

symfonos: 2靶场
symfonos: 2 来自 <https://www.vulnhub.com/entry/symfonos-2,331/> 1,将两台虚拟机网络连接都改为NAT模式 2,攻击机上做namp局域网扫描发现靶机 nmap -sn 192.168.23.0/24 那么攻击机IP为192.168.23.182,靶场IP192.168.23.253 3&…...