数据库常用的SQL查询语句(非常详细),看完这一篇就足够了

1. 无条件查询
--查询表中所有数据 select * from 表名;
2. 查询在…到…之间(between and / && / and)
--查询users表中年龄在18~25岁之间的记录 --方式1 between..and.. select * from users where age between 18 and 25; --方式2 && select * from users where age>=18 && age<=25; --方式3 and select * from users where age>=18 and age<=25;
3. 指定条件查询
4. 查询不为NULL值(is not null),为NULL值(is null)
--查询users表中序号不为空的记录 select * from users where id is not null; --查询user表中序号为空的记录 select * form users where id is null;
5. 模糊查询(like)
_:单个任意字符 %:多个任意个字符 --查询users表中姓名第一个字为李的记录 select * from users where name like '李%'; --查询users表中姓名第二个字为李的记录 select * from users where name like '_李%'; --查询users表中姓名含有李字的记录 select * from users where name like '%李%'; --查询users表中姓名是两个字的记录 select * from users where name like '__';
6. 去除重复记录查询(distinct)
--查询users表中所在城市不相同的记录 --select distinct 字段 from 表名; select distinct city from users;
7. 排序查询(order by)
8. 聚合函数
9. 分组查询(group by)
--查询users表中的记录,按照性别分组,查询男,女的体育成绩平均分 select gender,avg(PE) from users group by gender; --查询users表中的记录,按照性别分组,分别查询男、女的体育成绩平均分,人数 select gender,avg(PE),count(id) from users group by gender; --查询users表中的记录, 按照性别分组,分别查询男、女的体育成绩平均分,人数 要求:分数低于60分的人,不参与分组 select gender,avg(PE),count(id) from users where PE>60 group by gender; --查询users表中的记录,按照性别分组,分别查询男、女的体育成绩平均分,人数 要求:分数低于60分的人,不参与分组,分组之后,人数要大于2个人 select gender,avg(PE),count(id) from users where PE>60 group by gender having count(id)>2;
10. 分页查询(limit)

注意:第一条记录的索引是0

--查询users表中的前10行条记录 select * from users limit 10; --查询users表中第2~11条记录 (从第2条记录开始累加10条记录) select * from users limit 1,10; --查询users表中第5~17条记录 (从第5条记录开始累加13条记录) select * from users limit 4,16;
11. 内连接查询

如果查询数据的来源来自多张表,则必须对这些表进行连接查询,连接是把不同表的记录连到一起的最普遍的方法,通过连接查询可将多个表作为一个表进行处理,连接查询分为内连接和外连接

语法格式

--语法1 (隐式内连接) select 字段1,字段2... from 表1,表2... where 过滤条件; --语法2 (显式内连接) select 字段1,字段2... from 表1 inner join 表2 ... on 过滤条件;

e.g 有两张表:user表和city表

user表:

idname
001小红
002小蓝
003小白
004小黄
005小绿
006小青

city表:

idaddress
001深圳
002广州
003北京
004上海
005汕头
006潮州
007揭阳

重合的部分就叫做内连接查询,例如下面过滤条件指的就是当两个表的id相等时才符合连接查询的条件

12. 外连接查询

外连接查询分为左外连接查询和右外连接查询

语法

--左外连接 select 字段1,字段2.. from 表1 left outer join 表2 on 过滤条件; --右外连接 select 字段1,字段2.. from 表1 right outer join 表2 on 过滤条件;

左外连接和右外连接有一点区别:

左外连接:是表1和表2的交集再并上表1的其他数据

右外连接:是表1和表2的交集再并上表2的其他数据

e.g: 上面两张表的左外链接结果

select user.name,city.address from city left outer join user on user.id = city.id;

结果为:

nameaddress
小红深圳
小蓝广州
小白北京
小黄上海
效率汕头
小青潮州
NULL揭阳

简单点说就是求交集之后并上city的其他数据,没有匹配的为NULL

右外连接结果:

select user.name,city.address from city right outer join user on user.id = city.id;

结果为:

nameaddress
小红深圳
小蓝广州
小白北京
小黄上海
效率汕头
小青潮州

简单点说就是求交集之后并上user的其他数据,没有匹配的为NULL

13. 子查询

当我们进⾏语句查询的时候,总会遇到我们需要的条件需要通过另⼀个查询语句查询出来后才能进⾏,就是说A 查询语句需要依赖B 查询语句的查询结果,B 查询就是⼦查询,A 查询语句就是主查询,⼀个SQL语句可以包含多个⼦查询。

语法

select username from user where age =( select avg(age) from userInfo )

例如:要查询工资大于10号部门的平均工资的非10号部门的员工信息

查询10号部门的平均工资

select avg(sal) from emp where deptno = 10;

那么工资大于10号部门的平均工资的非10号部门的员工信息为

select * from emp where deptno!=10 and sal>( select avg(sal) from emp where deptno = 10; )

一些子查询的实例

查询在2022年8月9日销售的产品信息

select * from dbo.product where pno in ( select pno from dbo.prd where odate = '2022/' )

学习资源

如果你是也准备转行学习网络安全(黑客)或者正在学习,这里开源一份360智榜样学习中心独家出品《网络攻防知识库》,希望能够帮助到你

知识库由360智榜样学习中心独家打造出品,旨在帮助网络安全从业者或兴趣爱好者零基础快速入门提升实战能力,熟练掌握基础攻防到深度对抗。

1、知识库价值

深度: 本知识库超越常规工具手册,深入剖析攻击技术的底层原理与高级防御策略,并对业内挑战巨大的APT攻击链分析、隐蔽信道建立等,提供了独到的技术视角和实战验证过的对抗方案。

广度: 面向企业安全建设的核心场景(渗透测试、红蓝对抗、威胁狩猎、应急响应、安全运营),本知识库覆盖了从攻击发起、路径突破、权限维持、横向移动到防御检测、响应处置、溯源反制的全生命周期关键节点,是应对复杂攻防挑战的实用指南。

实战性: 知识库内容源于真实攻防对抗和大型演练实践,通过详尽的攻击复现案例、防御配置实例、自动化脚本代码来传递核心思路与落地方法。

2、 部分核心内容展示

360智榜样学习中心独家《网络攻防知识库》采用由浅入深、攻防结合的讲述方式,既夯实基础技能,更深入高阶对抗技术。

360智榜样学习中心独家《网络攻防知识库》采用由浅入深、攻防结合的讲述方式,既夯实基础技能,更深入高阶对抗技术。

内容组织紧密结合攻防场景,辅以大量真实环境复现案例、自动化工具脚本及配置解析。通过策略讲解、原理剖析、实战演示相结合,是你学习过程中好帮手。

1、网络安全意识

2、Linux操作系统

3、WEB架构基础与HTTP协议

4、Web渗透测试

5、渗透测试案例分享

6、渗透测试实战技巧

7、攻防对战实战

8、CTF之MISC实战讲解

3、适合学习的人群

一、基础适配人群

  1. 零基础转型者‌:适合计算机零基础但愿意系统学习的人群,资料覆盖从网络协议、操作系统到渗透测试的完整知识链‌;
  2. 开发/运维人员‌:具备编程或运维基础者可通过资料快速掌握安全防护与漏洞修复技能,实现职业方向拓展‌或者转行就业;
  3. 应届毕业生‌:计算机相关专业学生可通过资料构建完整的网络安全知识体系,缩短企业用人适应期‌;

二、能力提升适配

1、‌技术爱好者‌:适合对攻防技术有强烈兴趣,希望掌握漏洞挖掘、渗透测试等实战技能的学习者‌;

2、安全从业者‌:帮助初级安全工程师系统化提升Web安全、逆向工程等专项能力‌;

3、‌合规需求者‌:包含等保规范、安全策略制定等内容,适合需要应对合规审计的企业人员‌;

因篇幅有限,仅展示部分资料,完整版的网络安全学习资料已经上传CSDN,朋友们如果需要可以在下方CSDN官方认证二维码免费领取【保证100%免费】

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/1155109.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Debug:mlx-omni-server服务器用qwen3模型出错

背景&#xff1a;AI回答出错&#xff0c;开始以为是代码问题使得之前的对话出现在上下文&#xff0c;没想到是mlx-omni-server的问题 debug过程&#xff1a; 最开始比较好运地在github论坛找到同样的问题&#xff0c;大概率确认服务器出错。 之后用copilot写了一个简单的go代码…

计算机毕业设计springboot基于的乡村有机产品交易平台 基于SpringBoot的“田间直达”有机农产品商城 SpringBoot驱动的“乡味鲜”绿色土特产交易平台

计算机毕业设计springboot基于的乡村有机产品交易平台6842sqf9&#xff08;配套有源码 程序 mysql数据库 论文&#xff09; 本套源码可以在文本联xi,先看具体系统功能演示视频领取&#xff0c;可分享源码参考。在“健康中国”与“乡村振兴”双重战略的催化下&#xff0c;城市餐…

从RAG落地失败到用户满意度提升90%:我们靠这一招Query Rewrite,收藏起来避免踩坑!

本文分享了RAG系统落地实践中的关键问题与解决方案。团队发现直接使用用户原始问题进行检索效果不佳&#xff0c;因为用户提问通常口语化、指代不清且含情绪。通过引入Query Rewrite能力&#xff0c;将用户问题转化为系统可理解的检索查询&#xff0c;包括问题拆解和上下文补全…

x64dbg动态分析实战案例:从零实现函数追踪(完整示例)

x64dbg实战&#xff1a;手把手教你实现函数追踪与参数解析你有没有遇到过这样的场景&#xff1f;面对一个闭源的加密程序&#xff0c;你想搞清楚它是如何调用核心加密函数的&#xff0c;但没有源码、没有符号信息&#xff0c;甚至连入口点都找不到。这时候静态分析就像在黑暗中…

GLM-4.6V-Flash-WEB省钱方案:低成本GPU部署实战案例

GLM-4.6V-Flash-WEB省钱方案&#xff1a;低成本GPU部署实战案例 智谱最新开源&#xff0c;视觉大模型。 1. 背景与需求分析 1.1 视觉大模型的落地挑战 随着多模态AI技术的快速发展&#xff0c;视觉大模型&#xff08;Vision-Language Models, VLMs&#xff09;在图像理解、图…

深度测评8个AI论文软件,研究生高效写作必备!

深度测评8个AI论文软件&#xff0c;研究生高效写作必备&#xff01; AI 工具如何改变论文写作的效率与质量 在研究生阶段&#xff0c;论文写作不仅是学术能力的体现&#xff0c;更是时间与精力的双重挑战。随着 AI 技术的不断进步&#xff0c;越来越多的 AI 写作工具开始进入高…

开发者必备:GLM-4.6V-Flash-WEB一键部署实操手册

开发者必备&#xff1a;GLM-4.6V-Flash-WEB一键部署实操手册 智谱最新开源&#xff0c;视觉大模型。 1. 引言 1.1 视觉大模型的演进与应用场景 近年来&#xff0c;多模态大模型在图文理解、视觉问答&#xff08;VQA&#xff09;、图像描述生成等任务中展现出强大能力。智谱AI…

计算机毕业设计springboot作物叶片病害诊断系统 基于SpringBoot的农作物叶部病害智能识别与防治平台 SpringBoot+MySQL实现田间作物叶片病害在线诊断与知识共享系统

计算机毕业设计springboot作物叶片病害诊断系统mhjpa8en&#xff08;配套有源码 程序 mysql数据库 论文&#xff09; 本套源码可以在文本联xi,先看具体系统功能演示视频领取&#xff0c;可分享源码参考。当全球粮食需求持续攀升&#xff0c;叶片病害却总在关键时刻偷走产量。把…

关于全国GIS应用技术测评考试:你必须知道的事(附真题)

01报考条件有哪些&#xff1f;有没有专业限制&#xff1f;地理信息系统、测绘、土地管理与规划、遥感等相关专业的在校生。从事GIS行业相关教学、科研、管理与应用的在职人员。需要指导GIS项目实施的项目经理、部门经理、高层领导、政府及事业单位领导。本科在读及以下学历者只…

TDengine IDMP让制糖看得清、管得住、跑得稳

&#xff08;本文由涛思客户成功部门出品&#xff09; 2025 年 12 月&#xff0c;涛思数据与北京海莱德自动化工程有限公司&#xff08;简称“海莱德”&#xff09;正式建立合作伙伴关系。此次合作&#xff0c;海莱德将基于自身行业自动化系统集成能力&#xff0c;结合涛思数据…

[特殊字符] 藏在 Vue3 源码里的 “二进制艺术”:位运算如何让代码又快又省内存?

前言在前端框架竞争白热化的今天&#xff0c;Vue3能稳坐主流框架宝座&#xff0c;除了更简洁的 API 设计&#xff0c;其底层藏着的 “性能黑科技” 功不可没 ——位运算 就是其中最亮眼的一项。它像一位 “隐形的优化大师”&#xff0c;在响应式系统、 虚拟 DOM Diff、任务调度…

富文本编辑器技术选型,到底是 Prosemirror 还是 Tiptap 好 ❓❓❓

在前端开发中&#xff0c;撤销和重做功能是提升用户体验的重要特性。无论是文本编辑器、图形设计工具&#xff0c;还是可视化搭建平台&#xff0c;都需要提供历史操作的回退和前进能力。这个功能看似简单&#xff0c;但实现起来需要考虑性能、内存占用、用户体验等多个方面。在…

【技术收藏】预训练数据选择革命:MATES等6大方法让LLM性能提升,计算量减半

该文系统综述了大语言模型预训练与后训练的数据选择方法&#xff0c;包括模型影响力驱动的MATES、质量与多样性平衡的Quad/QuaDMix/ODiS、多策略集成的multi-actor机制、结构化知识驱动的MASS、任务相关性驱动的BETR&#xff0c;以及后训练中的在线离线数据选择技术。这些方法通…

导师严选2026 TOP9 AI论文写作软件:专科生毕业论文必备测评

导师严选2026 TOP9 AI论文写作软件&#xff1a;专科生毕业论文必备测评 2026年AI论文写作软件测评&#xff1a;为何值得专科生关注 随着人工智能技术的不断进步&#xff0c;AI论文写作工具逐渐成为学术研究中不可或缺的辅助工具。对于专科生而言&#xff0c;撰写毕业论文不仅是…

5V/4A单通道高频率低侧替代LM5114GaN增强型驱动

概述&#xff1a;PC1001 是一款单通道高速驱动器&#xff0c;具有 5V 输出和专用增强型氮化镓&#xff08;GaN&#xff09;场效应晶体管&#xff08;FET&#xff09;驱动功能。PC1001 可提供非对称峰值电流驱动能力&#xff0c;源电流为 1.4A&#xff0c;灌电流为 4A&#xff0…

多平台社交媒体管理工具优选方案:科握凭AI创作+合规激励,引爆声量销售双增长

一、行业趋势&#xff1a;多平台整合与一线赋能成社媒营销关键普华永道《中国内地及香港地区奢侈品市场洞察&#xff1a;“重塑客户价值&#xff0c;实现可持续增长”》显示&#xff0c;亚太地区已成为全球奢侈品市场的重要增长引擎&#xff0c;预计 2025 年年均复合增速 11%。…

2026 年CBAM 要不要现在就做?先说结论

如果你是出口欧盟的企业&#xff0c; 2026 年你最容易犯的错误不是“什么都没做”&#xff0c; 而是——在错误的阶段&#xff0c;做了错误的事情。 我先把结论放在最前面&#xff1a; 2026 年&#xff0c;大多数企业不需要“启动完整 CBAM 项目”&#xff0c; 但必须开始…

【深度学习】YOLO 模型核心部署格式全解析(PyTorch/ONNX/TensorRT/TFLite)

本位旨在全面掌握 YOLO 模型的四大核心部署格式&#xff08;PyTorch 模型、ONNX 格式、TensorRT 引擎、TFLite 格式&#xff09;&#xff0c;本文将从格式特性、适用场景、转换实操、推理部署、优劣对比五个维度展开&#xff0c;以 YOLOv8 为例&#xff08;v5 通用&#xff09;…

章泽天开播客,网友喊话对话刘强东!列好了一堆问题……

这几年&#xff0c;播客是真的火了&#xff0c;比如罗永浩的十字路口&#xff0c;自开播以来&#xff0c;每一期都会贡献无数个热搜&#xff0c;这也让罗永浩成为长盛不衰的顶流网红。在罗永浩之外&#xff0c;各路有影响力的IP&#xff0c;不是在搞播客&#xff0c;就是在搞播…

基于随机波动率模型与马尔可夫链蒙特卡洛方法的指数期权波动率曲面拟合改进

功能说明 本代码实现随机波动率模型&#xff08;Stochastic Volatility, SV&#xff09;结合Johnson-Johnson&#xff08;JJ&#xff09;分布假设&#xff0c;通过马尔可夫链蒙特卡洛&#xff08;Markov Chain Monte Carlo, MCMC&#xff09;方法对指数期权隐含波动率曲面进行动…