一、数据库
1、概念
计算机的发明：为了做科学计算，需要大量的数据输入和输出IO；
数据库：按照数据结构来组织、存储、管理数据的仓库；便于检索、快速定位、增删改查；
存储在内存、磁盘都可以，是否掉电丢失是另一回事；不管使用什么存储介质，数据库的数据模型才是其核心和基础；
功能：数据持久化的方案，有组织的存储并管理起来，保证掉电不丢失
2、诞生历程
为了实现输入输出，最先是打孔卡片、灯泡明灭，然后是磁带（顺序读取），1956年IBM磁盘驱动器（支持随机访问）；
随着硬件存储技术的发展，大量的数据需要存储和管理，数据库管理系统DBMS诞生；不管使用什么存储介质，数据库的数据模型才是其核心和基础；
信息化基于硬件的发展，让存储不再成为瓶颈；
3、分类
按照数据模型分类：层次数据库，网状数据库，关系型数据库
1）层次数据库
以树型结构表示实体及其之间的联系；从根结点开始，关系只支持一对多；代表数据库IBM IMS；
弊端：因为树不允许交叉，数据存在大量冗余；
2）网状数据库
不是树型结构，是图，也是网，能描述一对多，多对多；
可以表示实体间多种复杂关系，这是层次数据模型无法做到的；比如一个结点可以有多个父结点，结点之间支持多对多关联；
3）关系型数据库
使用行、列组成的二维表来组织数据和关系，表中的行既可以描述数据实体，也可以描述实体间的关系（加的某一列）；不需要关心存储的物理细节，专心于数据的逻辑/关系构建，即如何把业务数据转描述成关系、即如何把业务模型设计成关系模型；关系模型有严格的数学理论基础，1970年IBM的研究员E.F.Codd发表了关系模型的论文；
行Row：又称为记录Record，元祖
列Column：又称为字段Field，维度（数据分析领域）
基于关系模型构建的数据库系统统称为RDBMS，代表的有IBM DB2，Oracle甲骨文的Oracle和MySQL，微软的MS SQL；
4、Oracle甲骨文的发展
拉里·艾莉森（Larry Ellison）阅读了IBM的关系型数据库的论文，开发了Oracle1.0，直到1992年Oracle7才逐渐稳定下来，2001年商务9i版本才被广泛应用；
2009年4月，甲骨文（Oracle）公司宣布收购了SUN（计算机系统）公司，2010年1月成功收购；SUN公司有主机、操作系统和研发能力，拥有Java版权、MySQL；
2013年，甲骨文超过IBM，称为继微软之后全球第二大软件公司；
5、MySQL发展
1985年几个瑞典人开发了MyISAM的前身；
2000年，MySQL采用GPL协议开源，MySQL4.0开始支持MyISAM、InnoDB存储引擎；
2005年，MySQL5.0是里程碑版本；
2008年，MySQL被SUN公司收购；
2009年1月，在Oracle收购MySQL之前，从MySQL 5.5 开始一条新的GPL分支，起名MariaDB；
MySQL：引擎是插件化的，可以支持多种引擎；
MyISAM：不支持事务，插入、查询速度快；
InnoDB：支持事务，行级锁，MySQL5.5起的默认引擎；以前是表级锁，数据库是个server，是并发的，表级锁很影响并发效率；
6、NoSQL
NoSQL是对非SQL、非传统关系型数据库的统称；
2009年后，一般指非关系型、非分布式、不提供ACID的数据库设计模式；如Facebook、Twitter、微博都用到了NoSQL，如Redis，跟他们的业务相关，实时性、分布式、因人而异的在线分析，关系型数据库比较难解决；
随着互联网时代的到来，数据爆发式增长，数据库技术也要适应新的业务需求；
随着移动互联网时代、物联网时代的到来，数据规模更加庞大，大数据技术中NoSQL也同样重要；
很多业务是关系型数据库+NoSQL结合使用；
ACID：数据库事务正确执行的四个基本要素的缩写；包含原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）、持久性（Durability）；
一个支持事务（Transaction）的数据库，必须要具有这四种特性，否则在事务过程（Transaction processing）当中无法保证数据的正确性，交易过程极可能达不到交易方的要求；
7、数据库热度
1）关系型数据库
Oracle：需要单独学的关系型数据库
建模模型和排名第二第三的MySQL、Microsoft SQL Server不太一样；
入门级传统关系型数据库：MySQL、MariaDB，关系型数据库得通一种；
DB2：IBM的，依然有很大市场；商业收费，可以不太关注；
SQLite：小型关系型数据库非常好用，C++写的，开源、效率很好，支持事务，想临时在手机、本地持久化一些数据开以考虑使用，开以关注；
Hive：也叫蜂窝、数据仓库，可以存储海量数据，主要用来做仓库、进行数据分析，而不是增删改查；
虽然归类到关系型数据库，但实质是NoSQL、大数据领域的数据仓库，可以存海量数据；支持数据查询、分析的唯一语言 - SQL语句；
PostgreSQL：关系型数据库，国内用的不太多；
Microsoft Access：关系型数据库，但是是桌面级，SQL语句也有点非标，不用太关注；
2）NoSQL
NoSQL - 文档型（Document store）、键值对型（key-value store）、列存储型（Wide column store）
MongoDB，是文档型数据库，存储的数据类型是海量，类似于Json（嵌套key-value）存储
Redis： KEY—VALUE STORE，二进制存储结构，本质上是key-value，value类型很多，好处在于时间复杂度O(1)，而且Redis是内存数据库，基于内存、非常快，也有自己的持久化策略；Redis还可以做第三方消息存储队列，基于内存、速度非常快；在实时计算方面应用也很突出；
Cassandra：宽列存储数据库Wide column store，也叫列存数据库，好处是不限制列数，而传统关系型数据库是限定列的，添一列异常麻烦、影响物理存储；每一行是一条记录，用列存数据库解决海量数据、变化列的数量非常便利，大数据领域常用；国内用的较少；
HBase：列存储数据库；大数据领域用的较多；更推荐学习；
大数据领域常用的NoSQL技术、即非关系型数据库：列存数据库Cassandra和HBase，文档数据库MongoDB和键值对数据库Redis，都能存储海量数据；还能搭集群；
大多数NoSQL都是解决大数据的问题，因为移动互联网时代最需要解决的就是海量数据；需要学习的有MapReduce、Hadoop、zookeeper、Kafka、HBase、Hive，整个Hadoop生态圈的东西；
当数据之间的关系没那么强，只是记录，可以考虑MongoDB、或者Redis；当数据之间的关系没那么强：Redis（基于内存）、MongoDB（不基于内存，但效率不低）；
3）搜索引擎
搜索引擎（Search Engine）不太叫NoSQL；因为有索引数据库，最关键技术是倒排索引，所以划分到数据库，但更常叫搜索引擎；
Elasticsearch：搜索引擎，ELK中的E，简写ES，非常有名的分布式搜索引擎；开发必知的技术；解决数据查询；写多读少的数据库都要考虑到搜索引擎；
Solr：搜索引擎，单机用；小型架构适用；大数据领域由Java写的基础库，底层用，效率高；
Splunk：搜索引擎，国内用的很少；
二、MySQL
1、一种关系型数据库管理软件，支持网络访问，默认服务端口3306；
基于TCP网络协议进行连接通信，应用层协议是mysql，即TCP连接之上MySQL数据通信使用mysql协议；
连接字符串：“server=127.0.0.1;uid=root;pwd=12345;database=test”
参考 https://dev.mysql.com/doc/connector-net/en/connector-net-6-10-connection-options.html
2、SQL语句
是结构化查询语言Structured Query Language，1987年被ISO组织标准化；数据处理和分析领域，只认SQL语言；所有主流的关系型数据库都支持SQL，NoSQL也有大部分支持SQL；
SQL语句分类
DDL数据定义语言
负责数据库定义、数据库对象定义，由CREATE、ALTER与DROP三个语法组成；
DML数据操作语言
负责对数据库对象的操作，CRUD增删改查；
DCL数据控制语言
负责数据库权限访问控制，由GRANT授权和REVOKE撤销两个指令组成；
TCL事务控制语言
负责处理ACID事务，支持commit提交、rollback回滚指令；
SQL语句大小写不敏感，即语法中的关键字不区分大小写，习惯上用大写；SQL语句末尾用分号结束；
三、DCL
GRANT授权、REVOKE撤销
/* 建议所有的字符串均加单引号*/
GRANT ALL ON test.* TO ‘root’@’%’ IDENTIFIED by ‘root’;
REVOKE ALL ON . FROM root;
四、DDL
1、删除用户
慎用，删除定义好的用户，日常工作中，所创建的用户和密码都应管理好;
2、创建数据库
创建一个数据库，如果不存在就创建它，设置其字符集和校验规则；
CHARACTER SET 指定字符集，有中文的话至少utf8；如果记录有特殊符号，建议utf8mb4，它是utf8的拓展，支持4字节，但需要MySQL5.5.3+的版本；可以对数据库设置字符集、相当于缺省字符集，也可以在创建表的时候再指定字符集；
COLLATE 指定字符集的校验规则，用来做字符串比较的（因为有排序）；没写的话有默认校对规则
3、删除数据库
DROP DATABASE IF EXISTS gogs;
4、创建表
MySQL是行存储数据库，数据是一行行存的，必须要固定列数；为了避免关键字冲突，使用反引号标注名称，这样就能被认为是非关键字；
不推荐枚举类型，一般用整型；
每张表的引擎、字符集可以单独设置，这是个非常棒的设计；
CREATE TABLE employees (emp_no int(11) NOT NULL,birth_date date NOT NULL,first_name varchar(14) NOT NULL,last_name varchar(16) NOT NULL,gender enum(‘M’,‘F’) NOT NULL,hire_date date NOT NULL,
PRIMARY KEY (emp_no) – 定义约束
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
5、DESC
查看列信息
{DESCRIBE | DESC} tbl_name [col_name | wild]
‘%name’ 以name结尾，%代表0个或任意个；
DESC employees;
DESC employees ‘%name’;
五、数据库设计
考点：多表关联的统计，通常会用到分组聚合；
数据库跟操作系统无关；授权时经常在@后的IP地址保留前半部分网段，写小一点，更安全；
注意：密码不可能在数据库用明文存储，最常见的是MD5单项散列算法（现在已经不安全）；
该算法不可逆，不能从算法角度逆推回明文，但可以暴力**；因为MD5提前算好了彩虹表、一查表就能暴力**（遍历所有字符生成密文，就能**到密码），但暴力**需要时间，密码越长越复杂，暴力**的时间越久，验证码和滑动小滑块都能延长暴力**的时间；
如果用单向散列算法，会把密码生成一个字符串，一般是32、64、或128个字符；暴力**得到hash值，**难易程度只跟密码难度相关，跟散列值位数无关；
避免修改删除字段、引起物理结构的变化；最佳设计方案是增加冗余的废字段，以防最后增加字段引起整张表的结构变化，很多手段都是设置保留字段；
1、PRIMARY KEY 主键
表中一列或者多列组成唯一的key，也就是通过这一个或者多个列能唯一标识一条记录；主键的列不能包含空值null；表中可以没有主键，但是一般设计中都会有主键；而且一般都采用额外增加一列id自增字段来唯一确定某一行，不推荐联合主键（多列做主键）；
主键往往设置为整型、长整型，且自增AUTO_INCREMENT，用过的编号不回头；
2、索引 Index
为了快速检索，实现O(1)，用空间换时间，只显著提高查询效率、即读取操作；可以对一列或者多列设置索引；索引之所以快，因为里面是B+树；
索引的缺点就是在索引库进行写入操作比较麻烦，拉低写入效率；如果频繁写入，要考虑索引加多少；也就是如果读多写少，可考虑大量用索引，经常查询的列可以考虑加个索引键，如果写多读少，索引要适量；
1）主键索引
主键会自动建立主键索引，主键本身就是为了快速定位唯一记录的；
2）唯一索引
表中的索引列组成的索引必须唯一，但可以为空，非空值必须唯一；也叫唯一键；
允许多个NULL值，但非NULL值必须唯一；
3）普通索引
没有唯一性的要求，就是建立了一个字典的目录而已；只是建立了B+树、可以快速检索；
3、约束Constraint
1）UNIQUE 唯一键约束
定义了唯一键索引，就定义了唯一键约束；要求非空值必须唯一，否则报错；
2）PRIMARY KEY 主键约束
定义了主键，就定义了主键约束；就要求主键不能为空、且唯一；
提到主键，就要想要自动建立主键索引，有主键约束；
3）Foreign Key 外键约束
外键：在B表中的列，关联A表中的主键，B表中的列就是外键；外键就会形成外键约束；
表A称为主表，表B称为从表；并不是主表有多少外键，从表就必须引用那么多，即表B的外键列是表A主键列的子集；
外键约束有有三种情况：插入、更新、删除；即对增删改有影响；
从表的增删改问题不大，只要从表外键的数据存在于A表主键就行，主表进行级联删除、SET NULL，限制（RESTRICT、NO ACTION）等操作时，从表要根据引用情况做一些动作；
插入规则、插入约束，不需要显示定义
如果表B插入一条数据，B的外键列插入了一个值，这个值必须是表A中存在的主键值；
更新规则
定义外键约束时指定该规则，有缺省规则；
删除规则
定义外键约束时指定该规则，有缺省规则；
外键约束的操作
CASCADE 级联删除：从父表删除或更新会自动删除或更新子表中匹配的行
SET NULL：从父表删除或更新行，会设置子表中的外键列为null，但必须保证子表列没有指定NOT NULL，也就是说子表的字段可以为null；
RESTRICT：即限制，如果父表删除或更新主键，子表引用了，则拒绝父表的删除或更新操作；用的较多；
NO ACTION：标准SQL关键字，在MySQL中与RESTRICT意义相同，默认行为也是拒绝对父表进行删除或更新操作；
外键约束是为了保证数据完整性、一致性，杜绝数据冗余、数据讹误；
4、视图
也称虚表、假表，不同于真的物理表，实际是由查询语句生成的表，可以通过视图进行CRUD增删改查操作，建议只用来查；查的慢一般是考虑用缓存、缓存是在内存，速度快；
视图作用
1）简化操作
将复杂查询SQL语句定义为视图，可以简化查询；把视图当表使用，把N张表的查询语句创建成视图；
2）数据安全
视图可以只显示真实表的部分列，或计算后的结果，隐藏真实表的数据；做到了数据隔离，隐藏了真正数据和字段；对核心业务常常只把视图暴露出来，也只给查的权限，极大的保证了安全性；实际使用视图更多是为了数据安全，不把核心表的字段暴露出来；建一个中间数据层供人访问；
实际更多使用建模工具创建数据库，会用到建模语言UML，建好模型再转化成数据库的表、Python中的类；
5、数据类型
int：一般id就选int，到了bigint级别就要考虑分表了，而不是纠结于int、bigint、smallint；bool也是tinyint，0是假，非0、包括负数是真；int最大42亿；
float：浮点数的数值较小，如果浮点数数值较大，建议用double；浮点数都是有精度的，并不是准确表达，有的无理数根本无法准确表达；
date：目前够用；datetime也够用；timestamp在2037年就到期了；
char：固定长度的优势是物理存储对仗整齐，用偏移量很快，即把字符串变成等长的、空间换时间，效率略高，省时；但用的很少；右边会补空格，以凑够字符数M；
varchar：变长字符串，省了空间，常用；不能突破行最大字节数，还要考虑到编码；
text：以文本算，65535个字符，够用了；
BLOB：大数据块字段，以字节算，存二进制；但存文本是文件系统的事，不是数据块，可以只存文件路径，所以text和BLOB基本不用，不建议把大文本大字节存在数据库，而是把相对路径存进去，存一个路径的字符串；大文本大字节不适合存放在关系型数据库的列之中；对文本的搜索一般不放在数据库里，太影响效率，而是放在搜索引擎、如ES；
6、数据库的内建函数
LENGTH函数：返回字节数
7、关系操作
关系：在关系数据库中，关系就是二维表；关系操作就是对表的操作；
关系数据库有三个重要概念
1）选择（selection）
又称为限制，是从关系中选择出满足给定条件的元祖；也就是语句中的select from where，对应一个横向的选择操作，选出一行行；
2）投影（projection）
在关系上投影就是从选择出的若干属性列组成新的关系；一般对应select后的字段，对应从纵向的列的输出，选出若干列；
3）连接（join）
指表与表直接的关系，将不同的两个关系连接成一个关系；输出一个关系；
六、DML
CRUD 增删改查
1、Insert
2、Update
很少用，但记住更新的时候一定要加WHERE条件，常常加IGNORE；
3、Delete
尽量少操作，目前一般是假删、逻辑删除、打标机，不是物理删除；
4、Select
FOR UPDATE会把行进行写锁定，这是排它锁；因为用的是InnoDB，行级锁；
如果查完就对数据做更新，记得加上锁；
查询条件最好还是用索引键，不管是主键、唯一键还是普通索引键，索引键的效率是最高的；或者是查询数字、等职匹配、字符串的前缀匹配；遇到非索引键的查询，可酌情考虑变成索引键，哪怕占空间；
1）查询子句
查询的结果成为结果集recordset，是一个集合；
2）LIMIT子句
常常叫做分页子句；
LIMIT常用于数据分页，数据集常常太大，所以一定要记得用LIMIT分页返回回来；
3）WHERE子句
<>：不等于，<=>(相等或都为空)
BETWEEN：闭区间；
LIKE：只有两个通配符，%指代任意个，_ 指代一个；LIKE语句尽量不要用，有性能问题，非常耗时，有大量IO；实际工作中会用搜索引擎，LIKE语句一般不用；如果用的话尽量做前缀匹配，即字母数字在前，后面是%，决不允许出现前面%后面字母，特别影响效率；
AND OR：短路操作符，会短路，为提高性能尽量早短路；如果很多表达式需要使用AND、OR计算逻辑表达式的值，建议使用小括号避免产生错误、也能使语句更易读；
4）ORDER BY子句
对查询结果进行排序，是拿到结果之后再开始排序；可以升序ASC、降序DESC；缺省升序；
多字段排序：ORDER BY 后的排序字段可以有多个，会优先按照第一个字段排序，如果有重复，再按照第二个字段；记住多个字段都得指定升序或降序；
5）DISTINCT
不返回重复记录
如果对多列进行去重，会把两列合起来（类似元祖），看是否重复；常用的是单列去重；
6）聚合函数
非常常用，SQL做的计算，用distinct比较少；
聚合：产生出一个数据；常常跟分组结合在一起；
用的最多是count；
7）分组查询
Group by子句，如果有条件，使用Having子句过滤分组、聚合过滤的结果；
如果GROUP BY 后有多个字段，则当成元祖看；
执行顺序：where初次过滤完之后，再分组GROUP BY，做聚合运算，最后再做having过滤；最后可以再加LIMIT和OFFSET；再对结果排序，ORDER BY 最后执行；
8）子查询
查询语句可以嵌套，内部查询就是子查询；有时遇到复杂表很麻烦，必须要用子查询；
子查询必须在一组小括号中；
子查询中不能使用order by；没有必要、无意义，因为是用来给外部查询提供数据源；
子查询会形成临时表，一般会对子查询的表重新命别名，有性能问题，但依然很常用，面试中常问；
子查询的常用典型场景：
子查询的表可以做临时表用；比如放在where in语句中；
子查询的结果集可以做数据源；比如放在from语句中，给别人用；
如果子查询的临时表用的很频繁，可以考虑改成视图；子查询用的不多，常用的就以上两种情形；
9）连接join
实际业务最常使用，因为面对的是多张表；多表关联查询才是常态，都要用到关联；
交叉连接 cross join
笛卡尔乘积，全部交叉，最大的问题在于乘法因数，一张表过大结果会超大，非常影响效率；不允许出现；笛卡尔乘积影响性能，尽量避免；
在MySQL中，CROSS JOIN 从语法上说与INNER JOIN 等同；
内连接 inner join
省略为join；有等值连接和自然连接两种；
等值连接On：只选某些field相等的元祖（行），使用On限定关联的结果，避免了笛卡尔乘积；等值条件的左右字段交换位置不会影响结果，只会影响显示的顺序；等值连接是最常用的连接，一定要加等值条件；常常选择多表主键，不要求on后的条件一定为主键，合理即可；
自然连接NATURAL JOIN：特殊的等值连接，自然的使用主键，不能自主选择条件；会去掉重复的列，比如emp_no；自然连接很少用，因为条件不自由；
外连接 outer join
可以省略为join；
分为左外连接，即左连接；右外连接，即右连接；全外连接；
左外连接、右外连接
SELECT * from employees RIGHT JOIN salaries ON employees.emp_no = salaries.emp_no;
左外连接：要求左表所有数据都显示，不能找到对应等值的数据也要保留，剩下的补null；
右外连接：要求右表所有数据都显示，不能找到对应等值的数据也要保留，剩下的补null；
实际生产中经常应用：例如查所有员工工资（可能有的员工未领工资也显示）
自连接
表自己和自己连接，同一张表取两个别名
遇到有层级结构的树状结构的情景，如部门表、员工表、机构结构图，有管理关系、从属关系的，这种层级的不交叉的树状结构，就可以考虑自连接；
七、事务Transaction
InnoDB引擎，支持事务；
事务，由若干条语句组成，指的是要做的一系列操作；要么全部执行，要么出错了全部回滚，这也叫原子性；
1、ACID
关系型数据库中支持事务，必须支持四个属性（ACID）
原子性：事务的工作单位
一致性：跟原子性密切相关，不能有中间状态，每个人看到的都是一致的状态，比如都是未完成、都是完成；也跟隔离性相关，隔离不好有可能被其他事务看到中间脏数据；
隔离性：事务并发过程中，对数据的访问是否隔离；
持久性：事务一旦提交，数据不能丢失、必须永久保存；比如掉电后发现已提交的事务未写磁盘然后开机后立即写磁盘；
ACID 仅限于传统的关系型数据库，做到支持ACID的数据库才能称为支持事务；原子性、一致性、持久性必须达到，隔离性可以调整；
2、隔离级别
隔离性不好，事务的操作就会相互影响，带来不同严重程度的后果；
隔离性不好带来的问题：
1）丢失更新 Lost Update
事务A和B，更新同一个数据，它们都读取了初始值100，A要减10，B要加100，A减10后更新为90，B加100更新为200，A的更新丢失了，就像从来没有减过10一样；
2）脏读
事务A和B，事务B读取到了事务A （这个数据可能是一个中间值，也可能事务A后来回滚事务）；事务A是否最后提交并不关心，只要读取到了这个被修改的数据就是脏读；
3）不可重复读 Unrepeatable read
事务A在同一事务中执行相同的查询语句，得到了不同的结果，不能保证同一条查询语句重复读相同的结果，就是不可重复读；跟脏读有点像，但不保证读到的数据一定是未提交的；
例如，事务A查询了一次后，事务B修改了数据，事务A又查询了一次，发现数据不一致了；注意脏读讲的是可以读到相同的数据的，但是读取的是一个未提交的数据，不是提交的最终结果；
4）幻读 Phantom read
事务A中同一个查询要进行多次，事务B插入数据，导致A返回不同的结果集，如同幻觉，就是幻读；幻读可以理解为一种特殊的不可重复读、一种增加了数据的不可重复读；数据集有记录增加了；
数据库为解决上述问题，提出了隔离级别，级别由低到高如下：
MySQL默认可重复读，Oracle默认读已提交；
隔离级别越高，串行化越高，当前事务处理的中间结果对其他事物不可见程度越高，数据库执行效率越低；隔离级别越低，并行度越高，性能越高；
3、设置隔离级别
一个到数据库的连接就是一个会话，尽量设置会话级别；不要轻易GLOBAL级别，影响面太大；
SERIALIZABLE
串行，解决所有问题；
REPEATABLE READ
事务A中同一条查询语句返回同样的结果，就是可重复读数据；例如语句（select * from user），解决办法有：
- 对select的数据加锁，不允许其他事务做删除、修改的操作；使得可重复读；
- 第一次select的时候，对最后一次确认提交的事务的结果做快照；使得可重复读；
解决了不可重复读，但是有可能出现幻读，因为另一个事务可以增删数据，如果select * 的话依旧可以读到新增行的数据，而InnoDB是行级锁；MySQL默认级别；
但幻读常常可以容忍，不可重复读不能容忍，脏读更不能忍；
READ COMMITTED
在事务中，每次select可以读取到别的事务刚提交成功的新的数据；因为读到的是提交后的数据，解决了脏读，但是不能解决不可重复读和幻读的问题，因为其他事务前后修改或增删了数据；Oracle默认级别；
READ UNCOMMITTED
能读取到别的事务还没有提交的数据，完全没有隔离性可言，出现了脏读，当前其他问题都可能出现；几乎没人用；
4、事务语法
START TRANSACTION 或 BEGIN 开始一个事务
START TRANSACTION 是标准SQL语法，使用COMMIT 提交事务后，变更成为永久变更；
ROLLBACK 可以在提交事务之前，回滚变更，事务中的操作就如同没发生一样（原子性）；
SET AUTOCOMMIT 语句可以禁用或启用默认的autocommit模式，用于当前连接；SET AUTOCOMMIT=0 禁用自动提交事务，如果开启自动提交，那么有一个修改表的语句执行后就会立即提交、把更新存储到磁盘，即使出错了也会自动回滚再继续；
实际工作中一般不会开启自动提交事务；因为实际工作中经常会批量更改，打开自动提交会有性能问题，最常做的是批量更改、一次提交；
八、数据仓库
1、数据仓库和数据库的区别
本质上数据仓库和数据库都是存放数据的地方，但是数据库关注数据的持久化、数据的关系，为业务系统提供支持，事务支持；数据仓库存储数据是为了分析或者发掘而设计的表结构，可以存储海量数据；最大的区别是使用场景；
数据库存储在线交易数据OLTP（联机事务处理OLTP，On-line Transaction Processing）即常称数据库为在线事务系统；往往用在线上做频繁的增删改，查的话因为有性能问题常常会借助NoSQL、搜索引擎、缓存系统的支持；
数据仓库存储历史数据用于分析OLAP（联机分析处理OLAP，On-line Analytical Processing）即常称数据仓库为在线分析系统；分析不是用来增删改，而是指导生产、分析决策，一般数据仓库用来囤积陈年数据，不建议增删改；
2、数据库
数据库里存放数据一般不宜过多，也不会存储图片、不管大图片小图片，数据库的表数据一旦过多就要考虑分区，有纵向切分的分表分库，横向切分的分表；
九、游标、存储过程和触发器
1、游标Cursor
操作查询的结果集的一种方法；
可以将游标当做一个指针，指向结果集中的某一行；
2、存储过程Store Procedure
数据库系统中，一段完成特定功能的SQL语句，编写成类似函数的方式，可以传参并调用，支持流程控制语句；需要手动调用；
3、触发器Trigger
由事件触发的特殊的存储过程，例如insert数据时触发，条件满足（insert提交成功）则触发程序；
触发器功能虽然强大，但会有性能问题，尤其是写入较多的时候；
存储过程和触发器这两种技术，虽然是数据库高级内容，但基本很少用了；
十、ORM
ORM，O指对象、R指关系、M指映射Mapping和模型Model；对象关系映射，对象和关系之间的映射，使用面向对象的方式来操作数据库；
使用ORM原则：先查后改，查到了持久化的数据后才能做更改、删除，然后再提交；
select、update、delete都要先查后操作，只有insert比较特别；
关系模型和Python对象之间的映射
table -> class 表映射为类，只有一个，定义一份就行了
row -> object 行映射为实例，对应类的一个个实例
column -> property 字段映射为类属性，定义一份
字段有名称、类型、是否主键、默认值、是否自增等特征，所以字段用类描述；
字段类要提供对数据的校验功能，例如声明字段是int类型，要判断数据是否是int；字段有多种类型，不同类型有差异，使用继承方式实现；
字段现在定义为类属性，类属性又适合用类来描述，这就是描述器了；
用到技术：数据描述器协议；