01 数据分析与SQL Lesson1 基本SQL
文章目录
4.ERD基础知识
简单来说，一个数据库通常包含一个或多个表。每个表由一个名字标识（例如:“table1”）,表包含带有数据的记录（行）。在课程的最开始，介绍了ERD - Entity Relationship Diagram / 实体关系图和数据库中的主键两个重要概念。
ERD实体关系图
实体 - 关系（ER）图（也称为ERD或ER模型）是Peter最初在1976年提出的经典且流行的概念数据模型。它是系统内不同实体的视觉表示以及它们如何相互关联。实体关系图广泛用于设计关系数据库。ER模式中的实体成为表，属性和转换的数据库模式。由于它们可用于可视化数据库表及其关系，因此它通常也用于数据库故障排除。
实体关系图（ERD）是数据结构的快照。实体关系图显示数据库中的实体（表）以及该数据库中的表之间的关系。对于良好的数据库设计，必须有一个实体关系图。
ER-Diagrams有三个基本要素：
- 实体是我们想要存储信息的“事物”。实体是一个人，地点，事物或事件。
- 属性是我们要为权利收集的数据。
- 关系描述了实体之间的关系。
何时绘制ER图？
那么，我们该在什么时候绘制ER图呢？虽然ER模型大多是为展示概念和设计物理数据库而绘制的，但也有别的用途的，以下是一些典型的用例。
- 数据库设计 - 直接在数据库更改数据库结构会有风险， 为避免破坏数据库中的数据，我们得仔细规划一切变更。通过绘制 ER 图来展示数据库设计意念，您能轻松找出错误和识别设计缺陷，并在执行数据库更改之前作出修正。
- 数据库调试 - 调试数据库问题往往具挑战性，特别是当数据库包含许多表时，你我编写复杂的SQL来获取所需的信息。通过 ERD 来展示数据库结构，您可以全面地了解整个数据库的结构。您可以轻松找到实体，查看其属性并确定与别的实体的关系，有助您更轻松地找出数据库的问题。
- 数据库创建和修补 - 像 Visual Paradigm 这样的 ERD 软件支持数据库生成工具，可以通过ER图来自动生成和修补数据库。使用这个 ER 图工具，您的ER设计不再仅仅是一个静态图，而是一个真实反映物理数据库结构的镜像。
- 帮助收集需求 - 您可以通过绘制 ERD 来表达系统中的高级业务对象以用于确定系统的需求。这种初始模型也可以演化为物理数据库模型，用于创建关系数据库，或为创建流程图和数据流模型提供有力的参考。
ERD 符号指南：
ER 图包含实体，属性和关系。在本节中，我们将详细介绍各 ERD 符号，结合图的说明如下：
- 实体：ERD中的实体是一个系统内可定义的事物或概念，如人/角色（例如学生），对象（例如发票），概念（例如简介）或事件（例如交易）（注：在 ERD 中，术语“实体”通常用来代替“表”，但它们是一样的）。在考慮实体时，嘗試把它们想成名词。在 ER 模型中，实体显示为圆角矩形，其名称位于上方，其属性列在实体形状的主体中。
- 实体属性：也称为列 (Row)，意思是持有它的实体的属性或特性。一个属性有一个描述属性的名称和一个描述属性种类的类型，例如代表字符串的 varchar，整数的 int。当为物理数据库开发绘制 ERD 时，得使用目标 RDBMS 支持的类型，以確保設計和物理数据库的一致性。
- 主键：主键又称 PK，是一种特殊的实体属性，用于界定数据库表中的记录的独特性。一个表不能有两笔（或更多）拥有相同的主键属性值的记录，像是身份证明内的 ID 便是典型的例子，两个人即使性名相同，ID 是不会一样，若身份证明是个表，那ID 便是主键了。
- 外键：外键又称外来键和外部键，是对主键的引用，用于识别实体之间的关系。请注意，有别于主键，外键不必是唯一的，多个记录可以共享相同的值。
- 关系：两个实体之间的关系表示这两个实体以某种方式相互关联。例如，学生可能参加课程。实体“学生”因此与“课程”相关，而这关系则在 ER 图中以连接线表达着。
- 基数：基数定义了一个实与另一个实体的关系里面，某方可能出现次数。例如，一个团队有许多球员，若把这关系呈现于 ERD 时，团队和球员之间是一对多的关系。在 ER 图中，基数表示为连接线端的乌鸦脚。三种常见的主要关系是一对一，一对多和多对多。
PK和FK的解释
在课程图中，大家注意到其中有PK和FK，其实这是对右侧column的限制（比如说所有id都是PK，是Primary Key，说明这个列是主键，几种column的标识如下：
- 主键约束 SQL中constraint PK_字段 primary key(字段),
- 唯一约束 constraint UK_字段 unique key(字段),
- 默认约束 constrint DF_字段 default(‘默认值’) for 字段,
- 检查约束 constraint CK_字段 check(约束。如：len(字段)>1),
- 主外键关系 constraint FK_主表_从表 foreign(外键字段) references 主表(主表主键字段)
7.视频：数据库如何存储数据
这一节从 Excel 电子表格出发对 SQL 数据库做了解释：
-
数据库中的数据存储在类似于 Excel 电子表格的表中。
大多数情况下，可以将数据库视为一堆 Excel 电子表格。每个电子表格都有行和列。每行保存有关交易、个人、公司等的数据。而每列所保存的数据与你关心的某一特定行相关，如名称、位置、唯一身份等。 -
同一列中的所有数据必须符合数据类型。
将整个列认为是定量离散的或是某种字符串。这说明如果特定列中有一行字符串，那么整个列可能会更改为文本数据类型。 如果想使用此列进行数学计算，这可能会非常糟糕！ -
列类型一致是快速使用数据库的主要原因之一。
数据库通常会存储海量数据。因此，知道这些列都是相同类型的数据意味着可快速从数据库获取数据。
8.文本+练习：数据库类型
需要注意，在课程内嵌的环境和课程中，使用的是PostgreSQL。大部分是通用的，但是也会有小的区别，如下链接介绍：/三种最常见的SQL类型区别/
9.视频语句类型
Plus：一段SQL语句是Statements，由clauses组成(SELECT、FROM可以简单的理解一个大写的是一个clauses，很多clauses组成了Statements)。
24.视频：WHERE
使用WHERE时，后面的运算符有两种。第一种是表示大小判断的算术运算符，第二种是可以用于进行文本之间判断的逻辑运算符，逻辑运算符包括：
- LIKE 表示符合通配符规则的都选出来。其中%表示其他可能的数字。
- IN 表示按照后面的值精确匹配（比如过滤出特定顾客的订单），可以是（x，y）这样的多值。
WHERE name LIKE '%one%';
WHERE channel IN ('organic', 'adwords');
PLUS 派生列
Derived Column。我们将现有的列组合，生成的新列称为派生列。在生成以后，可以用AS为这列起名（否则筛选出的结果这列名字是？Column这样的）.
SELECT standard_qty / (standard_qty + gloss_qty + poster_qty) AS stand_ratio
PLUS SQL语句的顺序
SQL语句的顺序是：SFWOL（每行缩写）
SELECT col1, col2, col5
FROM table1
WHERE col3 > 5 AND col4 LIKE '%os%'
GROUP BY col1
HAVING ...
UNION ...
ORDER BY col5
LIMIT 10;
Plus SQL语句为什么要大写
其实Select、 SELECT、 SeleCT这样都是能正常运行的。但是大家想过没有，为什么都可以运行？因为SQL语句在执行的时候会先把语句都转换成大写的。如果写了小写的，会在执行时候先进行转换。增加执行的时间，当语句很多的时候影响执行效率。一般大公司会对此做要求。而且在很长代码的时候大写更容易辨认。
Plus SQL中的单引号和双引号
SQL环境中使用单引号和双引号都是可以的。但如果环境中启用了NSI_QUOTES的话就回出现错误，所以建议统一使用单引号。
Plus 联合主键
在SQL中，还有一种联合主键：
联合主键就是用2个或2个以上的字段组成主键。
用这个主键包含的字段作为主键，这个组合在数据表中是唯一，且加了主键索引。 比如你的订单表里有很多字段，一般情况只要有个订单号bill_no做主键就可以了，但是现在要求可能会有补充订单，使用相同的订单号，那么这时单独使用订单号就不可以了，因为会有重复。那么你可以再使用个订单***bill_seq来 作为区别。把bill_no和bill_seq设成联合主键。
/原文链接/
ps:课程中有一道题是说主键是否只有一列，可以按照是做回答。（可以理解为主键唯一，所以是一列。如果需要使用联合主键，则联合主键是多列。）
Plus 数据库的一致性
本节中提到了SQL之所以能够高效的处理数据库中的数据，是因为数据库的列都是同一类别的数据（也叫Feature）。对于数据库做一点扩展：数据一致性就是数据保持一致，在分布式系统中，可以理解为多个节点中数据的值是一致的。
- 强一致性：当更新操作完成之后，任何多个后续进程或者线程的访问都会返回最新的更新过的值。这种是对用户最友好的，就是用户上一次写什么，下一次就保证能读到什么。根据 CAP 理论，这种实现需要牺牲可用性。
- 弱一致性：系统并不保证续进程或者线程的访问都会返回最新的更新过的值。系统在数据写入成功之后，不承诺立即可以读到最新写入的值，也不会具体的承诺多久之后可以读到。
- 最终一致性：弱一致性的特定形式。系统保证在没有后续更新的前提下，系统最终返回上一次更新操作的值。在没有故障发生的前提下，不一致窗口的时间主要受通信延迟，系统负载和复制副本的个数影响。DNS 是一个典型的最终一致性系统。
- 其实一致性是缘由CAP定理：一致性（Consistency）、可用性（Availability）和分区耐受性（Partition tolerance），3个属性只可能同时满足2个.