当前位置: 首页 > news >正文

MySQL学习---17、MySQL8其它新特性

1、MySQL新增特性

1.1 更简便的NoSQL支持

NoSQL泛指非关系型数据库和数据存储。随着互联网平台的规模飞速发展,传统的关系型数据库已经越来越不能瞒住需求。从5.6版本开始,MySQL就开始支持简单的NoSQL存储功能。MySQL 8对这一功能做了优化,以更灵活的方式实现NoSQL功能,不再依赖模式(schema)。

1.2 更好的索引

在查询中,正确地使用索引可以提高查询的效率。MySQL8中新增了隐藏索引和降序索引。隐藏索引可以用来测试去掉索引对查询性能的影响。在查询中混合多列索引时,使用降序索引可以提高查询的性能。

1.3 更完善的JSON支持

MySQL从5.7开始支持原生JSON数据的存储,MySQL8对这一功能做了优化,增加了聚合函数JSON_ARRAYAGG()和JSON_OBJECTAGG(),将参数聚合为JSON数组或对象,新增了行内操作符–>,是列路径运算符->的增强,对JSON排序做了提示,并优化了JSON的更新操作。

1.4 安全和账号管理

MySQL8新增caching_sha2_password授权插件、角色、密码历史记录和FIPS模式支持,这些特性提高了数据的安全性和性能,使数据库管理员能够更加灵活地进行账户管理工作。

1.5 InnoDB的变化

InnoDB是MySQL默认的存储引擎,是事务性数据库的首选引擎,支持事务安全表(ACID),支持行锁定和外键。在MySQL8版本中,InnoDB在自增、索引、加密、死锁、共享锁等方面做了大量的改进和优化,并且支持原子数据定义语言(DDL),提高了数据安全性,对事务提供更好的支持。

1.6 数据字典

在之前的MySQL版本中,字典数据都存储在元数据文件和非事务表中。从MySQL8开始新增了数据数据字典,在这个字典中存储着数据库对象的信息,这些数据字典存储在内部事务表中。

1.7 原子数据定义语句

MySQL8开始支持原子数据定义语句(Automic DDL),即原子DDL。目前。只有InnoDB存储引擎支持原子DDL。原子数据定义语句(DDL)将与DDL操作相关的数据字典更新、存储引擎操作、二进制日志写入结合到一个单独的原子事务中,这使得即使服务器崩溃,事务也会提交或回滚。使用支持原子操作的存储引擎所创建的表,在执行Drop table、Create table、alter table、rename table、truncate table、等操作时,都支持原子操作,即事务要么完全操作成功,要么失败回滚,不再进行部分提交。

1.8 资源管理

MySQL8开始支持创建和管理资源组,允许将服务器内运行的线程分配给特定的组,以便线程根据组内可用资源执行。组属性能够控制组内资源,启用或限制组内资源消耗。数据库管理员能够根据不同的工作负载适当地更改这些属性。目前,cpu时间是可控资源,由‘虚拟cpu’这个概念来表示,此术语包含cpu的核心数,超线程,硬件线程等。服务器在启动时确定可用的虚拟cpu数量。拥有对应权限的数据库管理员可以将这些CPU与资源组相关联,并且为资源组分配线程。

1.9 字符集支持

MySQL8中默认的字符集由latin1更改为utf8mb4,并首次增加了日语所特点使用的集合。

1.10 优化器增强

MySQL优化器开始支持隐藏索引和降序索引。隐藏索引不会被优化器使用,验证索引的必要性时不需要删除索引,先将索引隐藏,如果优化器性能无影响就可以真正的删除索引。降序索引允许优化器对多个列进行排序,并且运行排序顺序不一致。

1.11 公用表表达式

公用表表达式(Common Table Expression)简称CTE,MySQL现在支持递归和非递归两种形式的CTE。CTE通过在select语句或其他特点语句前使用With语句对临时结果集进行命名。
基本语法:

With cte_name(col_name1,col_name2,...) as (Subquery)
select * from cte_name

说明:
Subquery代表子查询,子查询前使用With语句将结果集命名为cte_name,在后续的查询中即可使用cte_name进行查询

1.12 窗口函数

MySQL开始支持窗口函数。在之前的版本已经存在大部分的聚合函数,在MySQL8中也可以作为窗口函数来使用。

函数名称描述
Cume_Dist ()累计的分布值
Dense_Rank()对当前记录不间断排序
First_Value()返回窗口首行记录的对应字段值
Lag()返回对象字段的前n行记录
Last_Value()返回窗口尾行记录的对应字段值
Lead()返回对应字段的后n行记录
Nth_Value()返回地n条记录对应的字段值
Ntile()将区划分为n组,并返回组的数量
Percent_Rank()返回0到1之间的小数,表示某个字段值在数据分区中的排名
Rank()返回分区内每条记录对应的排名
Row_Number返回每一条记录对应的序号,且不重复

1.13 正则表达式

MySQL在8.0.4以后得版本中采用支持Unicode的国际化组件库实现正则表达式操作,这种方式不仅能提供完全Unicode支持,而且是多字节安全编码。MySQL增加了REGEXP_LIKE()、EGEXP_INSTR()、REGEXP_REPLACE()和 REGEXP_SUBSTR()等函数来提升性能。另外,regexp_stack_limit和 regexp_time_limit 系统变量能够通过匹配引擎来控制资源消耗。

1.14 内部临时表

TempTable存储引擎取代Memory存储引擎成为内部临时表的默认存储引擎。TempTable存储引擎为VarChar和VarBInary列提供高效存储。intermal_tmp_mem_storge_engine会话变量定义了内部临时表的存储引擎,可选的值有两个,TempTable和Memory,其中TempTable为默认的存储引擎。temptable_max_ram系统配置项定义了TempTable存储引擎可使用的最大内存数量。

1.15 日志记录

在MySQL8中错误日志子系统由一系列MySQL组件组成。这些组件的·构成由系统变量log_error_services来配置,能够实现日志时间的过滤和写入。

1.16 增强的MySQL复制

MySQL8复制支持对JSON文档进行部分更新的二进制日志记录,该记录使用紧凑的二进制格式,从而节省完整JSON文档空间。当使用基于语句的日志记录时,这种紧凑的日志记录会自动完成,并且可以通过新的binlog_row_value_options系统变量值设置为PARTIA_JSON来启用。

2、窗口函数

MySQL从8.0版本开始支持窗口函数,窗口函数的作用类似于在查询中对数据进行分组,不同的是,分组操作会把分组的结果聚合成一条记录,而窗口函数式将结果置于每一条数据记录中。

窗口函数可以分为静态窗口函数和动态窗口函数。
(1)静态窗口函数的窗口ed大小是固定的,不会因为记录的不同而不同。
(2)动态窗口函数的窗口大小会随着记录的不同而变化。

函数分类函数函数说明
序号函数Row_Number()排序函数
序号函数Rank()并列排序,会跳过重复的序号,比如序号1,1,3
序号函数Dense_Rank()并列排序,不会跳过重复的序号,比如序号1,1,2
分布函数Percent_Rank()等级值百分比
分布函数Cume_Dist()累计分布值
前后函数Lag(expr,n)返回当前行的前n行的expr值
前后函数LEAD(expr,n)返回当前行的后n行的expr的值
首尾函数First_Value()返回第一个expr值
首尾函数Last_Value()返回最后一个expr值
其他函数Nth_Value(expr,n)返回第n个expr值
其他函数Ntile(n)将分区中的有序数据分为n个桶,记录桶的编号

1、语法结构

函数 over ([partition by 字段名  order by 字段名  asc|desc])

函数 over 窗口名 ...Window 窗口名 as ([partition by 字段名 order by 字段名 ASC|DESC])

2、案例实操

CREATE TABLE sales(id INT PRIMARY KEY AUTO_INCREMENT,city VARCHAR(15),county VARCHAR(15),sales_value DECIMAL
);INSERT INTO sales(city,county,sales_value)
VALUES
('北京','海淀',10.00),
('北京','朝阳',20.00),
('上海','黄埔',30.00),
('上海','长宁',10.00);SELECT * FROM sales;#需求:现在计算这个网站在每个城市的销售总额,在全国的销售总额,每个区的销售额占所在城市销售
#中的比率,以及占总销售额的比率#如果用分组和聚合函数计算要分好几步来算
#第一步
CREATE TEMPORARY TABLE a
SELECT SUM(sales_value) AS sales_value
FROM sales;SELECT * FROM a;#计算每个城市的销售总额并存入临时表中
CREATE TEMPORARY TABLE b
SELECT city,SUM(sales_value) AS sales_value
FROM sales
GROUP BY city;DROP TABLE b;SELECT * FROM b;#计算各区销售占所在城市的总金额的比例和占全部销售总计金额的比例SELECT s.city AS 城市 ,s.county AS,s.sales_value AS 销售额,
b.sales_value AS 市销售额,s.sales_value /b.sales_value AS 市比率,
a.sales_value AS 总销售额,s.sales_value /a.sales_value AS 总比例
FROM sales s
JOIN b ON (s.city=b.city)
JOIN a 
ORDER BY s.city,s.county;SELECT * 
FROM b JOIN a;#如果用窗口函数
SELECT city AS 城市 ,county AS,sales_value AS 销售额,
SUM(sales_value) over(PARTITION BY city) AS 市销售额,
sales_value/SUM(sales_value) over (PARTITION BY city) AS 市比率,
SUM(sales_value) over() AS 总销售额,
sales_value/SUM(sales_value) over() AS 总比率
FROM sales
ORDER BY city,county;

在这里插入图片描述

相关文章:

MySQL学习---17、MySQL8其它新特性

1、MySQL新增特性 1.1 更简便的NoSQL支持 NoSQL泛指非关系型数据库和数据存储。随着互联网平台的规模飞速发展,传统的关系型数据库已经越来越不能瞒住需求。从5.6版本开始,MySQL就开始支持简单的NoSQL存储功能。MySQL 8对这一功能做了优化,…...

快速入门matlab——变量练习

学习目标:1.掌握matlab编程中最常用的几种变量类型 2.对变量类型的属性有所熟悉,不要求记忆,知道了解即可 3.要求熟练运用这几种变量类型创建自己的变量 clear all; % 清除Workspace中的所有…...

c++ 11标准模板(STL) std::set(三)

定义于头文件 <set> template< class Key, class Compare std::less<Key>, class Allocator std::allocator<Key> > class set;(1)namespace pmr { template <class Key, class Compare std::less<Key>> using se…...

ChatGPT详细介绍

ChatGPT: 自然语言处理的强大工具 ChatGPT是一种基于人工智能的自然语言处理模型&#xff0c;它是由OpenAI开发的一款先进的语言模型。ChatGPT基于GPT-3.5架构&#xff0c;具有强大的语言生成和理解能力。它被设计用于与人类进行自然对话&#xff0c;并提供广泛的应用场景。 …...

【算法】【算法杂谈】让[0,x)区间上的出现概率变为x^k

目录 前言问题介绍解决方案代码编写java语言版本c语言版本c语言版本 思考感悟写在最后 前言 当前所有算法都使用测试用例运行过&#xff0c;但是不保证100%的测试用例&#xff0c;如果存在问题务必联系批评指正~ 在此感谢左大神让我对算法有了新的感悟认识&#xff01; 问题介…...

【2023华为OD笔试必会25题--C语言版】《21 对称美学》——字符串、递归

本专栏收录了华为OD 2022 Q4和2023Q1笔试题目,100分类别中的出现频率最高(至少出现100次)的25道,每篇文章包括原始题目 和 我亲自编写并在Visual Studio中运行成功的C语言代码。 仅供参考、启发使用,切不可照搬、照抄,查重倒是可以过,但后面的技术面试还是会暴露的。✨✨…...

为减少来自环境使用的无线传感器网络的传输次数而开发的方法(Matlab代码实现)

目录 &#x1f4a5;1 概述 &#x1f4da;2 运行结果 &#x1f389;3 参考文献 &#x1f468;‍&#x1f4bb;4 Matlab代码 &#x1f4a5;1 概述 随着无线传感器网络(Wireless Sensor Network,WSN)的广泛应用,业界开始应用环境能量收集技术解决传感器节点的能量补充问题。而…...

springboot+vue滴答拍摄影项目(源码+文档)

风定落花生&#xff0c;歌声逐流水&#xff0c;大家好我是风歌&#xff0c;混迹在java圈的辛苦码农。今天要和大家聊的是一款基于springboot的滴答拍摄影项目。项目源码以及部署相关请联系风歌&#xff0c;文末附上联系信息 。 &#x1f495;&#x1f495;作者&#xff1a;风歌…...

SQL基础培训13-索引和优化

进度13-索引和优化-SQL基础培训 知识点: 你可以把索引理解为一种特殊的目录。索引分聚集索引(clustered index,也称聚类索引、簇集索引) 和非聚集索引(nonclustered index,也称非聚类索引、非簇集索引)。 1、聚集索引 以汉语字典举例,汉语字典有部首目录和检字表,还…...

拥抱5G发展机遇,从边缘计算上车

随着5G技术的逐渐普及和应用&#xff0c;边缘计算成为了当前信息技术领域的热门话题。边缘计算是指将计算和数据存储移动到网络的边缘&#xff0c;即源站以外的网络设备。与云计算相比&#xff0c;边缘计算更加贴近数据生成和处理的实时应用场景&#xff0c;具有更高的性能和更…...

“前端”工匠系列(二):合格的工匠,怎么做好价值落地 | 京东云技术团队

一、“技术鄙视链&#xff1f;” 如果你是一个技术人&#xff0c;相信都知道技术圈有个相互的鄙视链&#xff0c;这个链条从技术人自己认知的角度在以业务价值为中心嵌套的一层一层的环&#xff0c;就像洋葱&#xff0c;具体的描述这里不赘述了。 出门左拐随便抓住一个人问一…...

Oracle11g下载与安装

一、Oracle11g下载 官网下载地址&#xff1a;Oracle Database 11g Release 2 for Microsoft Windows (x64) 选择"Accept License Agreement"&#xff0c;点击"win64_11gR2_database_1of2.zip"和"win64_11gR2_database_2of2.zip"&#xff0c;进行…...

考研复试-软件工程

什么是软件工程&#xff1f;主要的方法&#xff1f;软件工程三要素&#xff1f;软件的生命周期&#xff1f;组成部分&#xff1f;软件过程的定义软件需求分析的任务软件开发过程的常见模型结构化设计方法&#xff0c;结构化分析方法软件测试的目的&#xff1f;分类&#xff1f;…...

软件测试选择题

下列选项中&#xff0c;哪一项不是软件开发模型&#xff08;A&#xff09; A、V模型 B、快速模型 C、螺旋模型 D、敏捷模型 下列选项中&#xff0c;哪一项不是影响软件质量的因素&#xff08;C&#xff09; A、需求模糊 B、缺乏规范的文档指导 C、使用新技术 D、开发人…...

有限合伙企业与有限公司的区别

1、设立要求不同&#xff1a; 有限合伙企业&#xff1a;根据《合伙企业法》设立&#xff0c;第61条规定必须由2个&#xff08;包含2个&#xff09;以上的合伙人出资设立&#xff0c;有限合伙企业合伙人中至少有一名是普通合伙人。有限责任公司&#xff1a;根据《公司法》设立&…...

从洛克菲勒思想中洞悉的财富秘密

超友们&#xff0c;早上好&#xff5e; &#x1f646; 今天我为你带来的分享是《从洛克菲勒思想中洞悉的财富秘密》&#xff0c;主要分为两个部分&#xff1a; 一、【洛克菲勒的 10 大底层心法】 二、【洛克菲勒工作的 6 大原则】 如何从贫穷通往富裕&#xff1f; 「始终把这…...

如何训练自己的大型语言模型

如何使用 Databricks、Hugging Face 和 MosaicML 训练大型语言模型 (LLM) 介绍 大型语言模型&#xff0c;如 OpenAI 的 GPT-4 或谷歌的 PaLM&#xff0c;已经席卷了人工智能世界。然而&#xff0c;大多数公司目前没有能力训练这些模型&#xff0c;并且完全依赖少数大型科技公司…...

Java中的SLF4J是什么?如何使用SLF4J进行日志管理

在Java开发中&#xff0c;日志管理是一个非常重要的问题。日志管理可以帮助开发人员更好地了解应用程序的运行情况&#xff0c;以及快速诊断和解决问题。而SLF4J是Java中最常用的日志管理框架之一。在本文中&#xff0c;我们将详细介绍SLF4J的概念和使用方法。 什么是SLF4J&am…...

PHP程序员面对的压力大不大?我来聊聊程序员转行的就业方向

作为一名程序员&#xff0c;不同领域、不同公司和不同项目所面对的压力程度可能会有所不同。但是&#xff0c;一般来说&#xff0c;程序员需要长时间专注于编写代码&#xff0c;需要不断学习和适应新的技术和变化&#xff0c;还需要在项目的压力下保证工作的质量和进度。因此&a…...

牛客网专项练习Pytnon分析库(十)

1.Python Pandas处理缺失值&#xff0c;以下哪个选项是对缺失值NaN进行删除操作&#xff08;C&#xff09;。 A.isnull B.notnull C.dropna D.fillna 解析&#xff1a; A选项&#xff0c;Isnull()返回表明哪些值是缺失值的布尔值&#xff1b; B选项&#xff0c;notnull()返…...

Linux链表操作全解析

Linux C语言链表深度解析与实战技巧 一、链表基础概念与内核链表优势1.1 为什么使用链表&#xff1f;1.2 Linux 内核链表与用户态链表的区别 二、内核链表结构与宏解析常用宏/函数 三、内核链表的优点四、用户态链表示例五、双向循环链表在内核中的实现优势5.1 插入效率5.2 安全…...

NFT模式:数字资产确权与链游经济系统构建

NFT模式&#xff1a;数字资产确权与链游经济系统构建 ——从技术架构到可持续生态的范式革命 一、确权技术革新&#xff1a;构建可信数字资产基石 1. 区块链底层架构的进化 跨链互操作协议&#xff1a;基于LayerZero协议实现以太坊、Solana等公链资产互通&#xff0c;通过零知…...

自然语言处理——Transformer

自然语言处理——Transformer 自注意力机制多头注意力机制Transformer 虽然循环神经网络可以对具有序列特性的数据非常有效&#xff0c;它能挖掘数据中的时序信息以及语义信息&#xff0c;但是它有一个很大的缺陷——很难并行化。 我们可以考虑用CNN来替代RNN&#xff0c;但是…...

初学 pytest 记录

安装 pip install pytest用例可以是函数也可以是类中的方法 def test_func():print()class TestAdd: # def __init__(self): 在 pytest 中不可以使用__init__方法 # self.cc 12345 pytest.mark.api def test_str(self):res add(1, 2)assert res 12def test_int(self):r…...

Python 包管理器 uv 介绍

Python 包管理器 uv 全面介绍 uv 是由 Astral&#xff08;热门工具 Ruff 的开发者&#xff09;推出的下一代高性能 Python 包管理器和构建工具&#xff0c;用 Rust 编写。它旨在解决传统工具&#xff08;如 pip、virtualenv、pip-tools&#xff09;的性能瓶颈&#xff0c;同时…...

MySQL 部分重点知识篇

一、数据库对象 1. 主键 定义 &#xff1a;主键是用于唯一标识表中每一行记录的字段或字段组合。它具有唯一性和非空性特点。 作用 &#xff1a;确保数据的完整性&#xff0c;便于数据的查询和管理。 示例 &#xff1a;在学生信息表中&#xff0c;学号可以作为主键&#xff…...

根目录0xa0属性对应的Ntfs!_SCB中的FileObject是什么时候被建立的----NTFS源代码分析--重要

根目录0xa0属性对应的Ntfs!_SCB中的FileObject是什么时候被建立的 第一部分&#xff1a; 0: kd> g Breakpoint 9 hit Ntfs!ReadIndexBuffer: f7173886 55 push ebp 0: kd> kc # 00 Ntfs!ReadIndexBuffer 01 Ntfs!FindFirstIndexEntry 02 Ntfs!NtfsUpda…...

从“安全密码”到测试体系:Gitee Test 赋能关键领域软件质量保障

关键领域软件测试的"安全密码"&#xff1a;Gitee Test如何破解行业痛点 在数字化浪潮席卷全球的今天&#xff0c;软件系统已成为国家关键领域的"神经中枢"。从国防军工到能源电力&#xff0c;从金融交易到交通管控&#xff0c;这些关乎国计民生的关键领域…...

android RelativeLayout布局

<?xml version"1.0" encoding"utf-8"?> <RelativeLayout xmlns:android"http://schemas.android.com/apk/res/android"android:layout_width"match_parent"android:layout_height"match_parent"android:gravity&…...

Kafka主题运维全指南:从基础配置到故障处理

#作者&#xff1a;张桐瑞 文章目录 主题日常管理1. 修改主题分区。2. 修改主题级别参数。3. 变更副本数。4. 修改主题限速。5.主题分区迁移。6. 常见主题错误处理常见错误1&#xff1a;主题删除失败。常见错误2&#xff1a;__consumer_offsets占用太多的磁盘。 主题日常管理 …...