想问一下关于主页里的数据库问题

直接打开数据库就可以了,比如,如果你的数据库为access文件,可以这样打开:

arCnn ="Provider=MicrosoftJetOLEDB40;Data Source=" & servermappath("db1mdb") & ";Persist Security Info=False"

set arRecord=createobject("adodbrecordset")

arRecordopen sql,arcnn,1,3

这里的构sql可以是任何符合SQL语法的SQL标准语句

1MySQL 主键与索引的联系与区别

主键是为了标识数据库记录唯一性，不允许记录重复，且键值不能为空，主键也是一个特殊索引。

数据表中只允许有一个主键，但是可以有多个索引。

使用主键会数据库会自动创建主索引，也可以在非主键上创建索引，方便查询效率。

索引可以提高查询速度，它就相当于字典的目录，可以通过它很快查询到想要的结果，而不需要进行全表扫描。

主键索引外索引的值可以为空。

主键也可以由多个字段组成，组成复合主键，同时主键肯定也是唯一索引。

唯一索引则表示该索引值唯一，可以由一个或几个字段组成，一个表可以有多个唯一索引。

2数据库索引是怎么回事？用的啥数据结构 为什么B+树比B树更合适

一个索引是存储的表中一个特定列的值数据结构（最常见的是B-Tree）。索引是在表的列上创建。所以，要记住的关键点是索引包含一个表中列的值，并且这些值存储在一个数据结构中。请记住记住这一点：索引是一种数据结构 。

什么样的数据结构可以作为索引？

B-Tree 是最常用的用于索引的数据结构。因为它们是时间复杂度低， 查找、删除、插入 *** 作都可以可以在对数时间内完成。另外一个重要原因存储在B-Tree中的数据是有序的。数据库管理系统（RDBMS）通常决定索引应该用哪些数据结构。但是，在某些情况下，你在创建索引时可以指定索引要使用的数据结构。

当我们利用索引查询的时候，不可能把整个索引全部加载到内存，只能逐一加载每个磁盘页，磁盘页对应索引树的节点。那么Mysql衡量查询效率的标准就是磁盘IO次数。如果我们利用二叉树作为索引结构，那么磁盘的IO次数和索引树的高度是相关的。

那么为了提高查询效率，就需要减少磁盘IO数。为了减少磁盘IO的次数，就需要尽量降低树的高度，需要把原来“瘦高”的树结构变的“矮胖”，树的每层的分叉越多越好，因此B树正好符合我们的要求，这也是B-树的特征之一。

B树 B树的节点为关键字和相应的数据（索引等）

B+树 B+树是B树的一个变形，非叶子节点只保存索引，不保存实际的数据，数据都保存在叶子节点中，B+树的叶子节点为链表，链表放数据，非叶子节点是索引。

对比：

B树和B+树同样适用于高度越低，查询越快。

B树查找节点，B+树只需要查询所有节点（索引），B树查询索引和数据。虽然可能第一个就找到，但在极端情况下，需要全查询索引和数据，不如B+树稳定。

B+树和B树比，B+树的硬盘空间更少，io的读写代价更低。因为B+树节点只有索引，占位更少。在查询的情况下硬盘指针移动更低

哈希表索引是怎么工作的？

哈希表是另外一种你可能看到用作索引的数据结构-这些索引通常被称为哈希索引。使用哈希索引的原因是，在寻找值时哈希表效率极高。所以，如果使用哈希索引，对于比较字符串是否相等的查询能够极快的检索出的值。例如之前我们讨论过的这个查询(SELECT FROM Employee WHERE Employee_Name = ‘Jesus’) 就可以受益于创建在Employee_Name 列上的哈希索引。哈系索引的工作方式是将列的值作为索引的键值（key），和键值相对应实际的值（value）是指向该表中相应行的指针。因为哈希表基本上可以看作是关联数组，一个典型的数据项就像“Jesus => 0x28939″，而0x28939是对内存中表中包含Jesus这一行的引用。在哈系索引的中查询一个像“Jesus”这样的值，并得到对应行的在内存中的引用，明显要比扫描全表获得值为“Jesus”的行的方式快很多。

哈希索引的缺点

哈希表是无顺的数据结构，对于很多类型的查询语句哈希索引都无能为力。举例来说，假如你想要找出所有小于40岁的员工。你怎么使用使用哈希索引进行查询？这不可行，因为哈希表只适合查询键值对-也就是说查询相等的查询（例：like “WHERE name = ‘Jesus’）。哈希表的键值映射也暗示其键的存储是无序的。这就是为什么哈希索引通常不是数据库索引的默认数据结构-因为在作为索引的数据结构时，其不像B-Tree那么灵活

3创建索引的注意事项

索引可以提高数据的访问速度，但同时也增加了插入、更新和删除 *** 作的处理时间，解决此问题就是分析应用程序的业务处理、数据使用，为经常被用作查询条件、或者被要求排序的字段建立索引。索引是建立在数据库表中的某些列的上面。因此，在创建索引的时候，应该仔细考虑在哪些列上可以创建索引，在哪些列上不能创建索引。

创建规则：

表的主键、外键必须有索引；

数据量超过300的表应该有索引；

经常与其他表进行连接的表，在连接字段上应该建立索引；

经常出现在Where子句中的字段，特别是大表的字段，应该建立索引；

索引应该建在选择性高的字段上；

索引应该建在小字段上，对于大的文本字段甚至超长字段，不要建索引；

复合索引的建立需要进行仔细分析；尽量考虑用单字段索引代替

频繁进行数据 *** 作的表，不要建立太多的索引；

删除无用的索引，避免对执行计划造成负面影响；

创建索引需要注意的地方：

限制表上的索引数目。对一个存在大量更新 *** 作的表，所建索引的数目一般不要超过3个，最多不要超过5个。索引虽说提高了访问速度，但太多索引会影响数据的更新 *** 作。

避免在取值朝一个方向增长的字段（例如：日期类型的字段）上，建立索引；对复合索引，避免将这种类型的字段放置在最前面

对复合索引，按照字段在查询条件中出现的频度建立索引

删除不再使用，或者很少被使用的索引。

4MYSQL事务特性和实现原理

ACID表示原子性（atomicity）、一致性（consistency）、隔离性（isolation）和持久性（durability）。一个很好的事务处理系统，必须具备这些标准特性：

原子性（atomicity）

一个事务必须被视为一个不可分割的最小工作单元，整个事务中的所有 *** 作要么全部提交成功，要么全部失败回滚，对于一个事务来说，不可能只执行其中的一部分 *** 作，这就是事务的原子性

是利用Innodb的undo log。undo log名为回滚日志，是实现原子性的关键，当事务回滚时能够撤销所有已经成功执行的sql语句，他需要记录你要回滚的相应日志信息。

一致性（consistency）

数据库总是从一个一致性的状态转换到另一个一致性的状态。（在前面的例子中，一致性确保了，即使在执行第三、四条语句之间时系统崩溃，支票账户中也不会损失200美元，因为事务最终没有提交，所以事务中所做的修改也不会保存到数据库中。）

数据库通过原子性、隔离性、持久性来保证一致性

隔离性（isolation）

通常来说，一个事务所做的修改在最终提交以前，对其他事务是不可见的。（在前面的例子中，当执行完第三条语句、第四条语句还未开始时，此时有另外的一个账户汇总程序开始运行，则其看到支票帐户的余额并没有被减去200美元。）

利用的是锁和MVCC机制。MVCC,即多版本并发控制(Multi Version Concurrency Control),一个行记录数据有多个版本对快照数据，这些快照数据在undo log中。如果一个事务读取的行正在做DELELE或者UPDATE *** 作，读取 *** 作不会等行上的锁释放，而是读取该行的快照版本。

持久性（durability）

一旦事务提交，则其所做的修改会永久保存到数据库。（此时即使系统崩溃，修改的数据也不会丢失。持久性是个有占模糊的概念，因为实际上持久性也分很多不同的级别。有些持久性策略能够提供非常强的安全保障，而有些则未必，而且不可能有能做到100%的持久性保证的策略。）

是利用Innodb的redo log。当做数据修改的时候，不仅在内存中 *** 作，还会在redo log中记录这次 *** 作。当事务提交的时候，会将redo log日志进行刷盘(redo log一部分在内存中，一部分在磁盘上)。当数据库宕机重启的时候，会将redo log中的内容恢复到数据库中，再根据undo log和binlog内容决定回滚数据还是提交数据。redo log体积小，刷盘快。redo log是一直往末尾进行追加，属于顺序IO。效率显然比随机IO来的快

5redis的原理和优点

redis是一个key-value存储系统和Memcached类似，它支持存储的value类型相对更多，包括string(字符串)、list(链表)、set(集合)、zset(sorted set --有序集合)和hashs（哈希类型）

这些数据类型都支持push/pop、add/remove及取交集并集和差集及更丰富的 *** 作，而且这些 *** 作都是原子性的

在此基础上，redis支持各种不同方式的排序与memcached一样，为了保证效率，数据都是缓存在内存中区别的是redis会周期性的把更新的数据写入磁盘或者把修改 *** 作写入追加的记录文件，并且在此基础上实现了master-slave(主从)同步

Redis的优点:

性能极高 – Redis能支持超过 100K+ 每秒的读写频率。

丰富的数据类型 – Redis支持二进制案例的 Strings, Lists, Hashes, Sets 及 Ordered Sets 数据类型 *** 作。

原子 – Redis的所有 *** 作都是原子性的，同时Redis还支持对几个 *** 作全并后的原子性执行。

丰富的特性 – Redis还支持 publish/subscribe, 通知, key 过期等等特性。

6Mysql中的锁机制

Mysql用到了很多这种锁机制，比如行锁，表锁等，读锁，写锁等，都是在做 *** 作之前先上锁。这些锁统称为悲观锁

MySQL的锁机制比较简单，其最 显著的特点是不同的存储引擎支持不同的锁机制。比如，MyISAM和MEMORY存储引擎采用的是表级锁（table-level locking）；BDB存储引擎采用的是页面锁（page-level locking），但也支持表级锁；InnoDB存储引擎既支持行级锁（row-level locking），也支持表级锁，但默认情况下是采用行级锁。

表级锁：开销小，加锁快；不会出现死锁；锁定粒度大，发生锁冲突的概率最高，并发度最低。

行级锁：开销大，加锁慢；会出现死锁；锁定粒度最小，发生锁冲突的概率最低，并发度也最高。

页面锁：开销和加锁时间界于表锁和行锁之间；会出现死锁；锁定粒度界于表锁和行锁之间，并发度一般

从上述特点可见，很难笼统地说哪种锁更好，只能就具体应用的特点来说哪种锁更合适！仅从锁的角度 来说：表级锁更适合于以查询为主，只有少量按索引条件更新数据的应用，如Web应用；而行级锁则更适合于有大量按索引条件并发更新少量不同数据，同时又有 并发查询的应用，如一些在线事务处理（OLTP）系统。

7ABC联合索引生效问题

对于复合索引：Mysql从左到右的使用索引中的字段，一个查询可以只使用索引中的一部份，但只能是最左侧部分。例如索引是key index （a,b,c）。 可以支持a | a,b| a,b,c 3种组合进行查找，但不支持 b,c进行查找 当最左侧字段是常量引用时，索引就十分有效。

对于复合索引：Mysql从左到右的使用索引中的字段，一个查询可以只使用索引中的一部份，但只能是最左侧部分。例如索引是key index （a,b,c）。 可以支持a | a,b| a,b,c 3种组合进行查找，但不支持 b,c进行查找 当最左侧字段是常量引用时，索引就十分有效。

方法1：SQL Server 2008 自带的导出功能 “任务 → 生成脚本”

打开sql server 2008 后，选择你要导出的数据库

在数据库上右击，选择任务→生成脚本

进入简介页面，直接点击下一步就可以了

选择对象页面，可以选择导出整个数据库的脚本，或者其中的部分表，很灵活

进入设置脚本选项，首先把导出的路径选择好

防止一会儿忘记设置路径，找不到导去哪里了

然后点击高级

在高级选项页面，在左侧找到要编写脚本的数据类型，然后在右侧的下拉框中选择架构和数据

这一步 *** 作千万不要忘记了！除非你不想要数据，只要表的结构。

之后回到编写选项的页面，点击下一步

要摘要页面，可以做个简单的检查，看前面的选择是不是您想要的

检查无误，点击下一步，开始执行

好了，导出成功啦 \(^o^)/

快快去你设置的路径找脚本吧

END

方法2：动软代码生成器

打开动软代码生成器，并连接上数据数

点击右侧的数据库脚本生成器

选择你要导出的数据库

选择保存的路径和名字，然后选择要导出的表，可以选择全部表或部分表

设置好后，点击生成

OK啦，是不是 So Easy

DB在执行一条Sql语句的时候，默认的方式是根据搜索条件进行全表扫描，遇到匹配条件的就加入搜索结果集合。如果我们对某一字段增加索引，查询时就会先去索引列表中一次定位到特定值的行数，大大减少遍历匹配的行数，所以能明显增加查询的速度,如果是重复数据就没有什么意义了。

先说答案：B

我们一个一个分析

A：调过来，那么调过来以后，where sum（sal）>2500能实现吗，明显不能，所以A错误。

B。having是在分组的结果中寻找，也就是在每个deptno的分组中寻找相应的结果。这个结果不一定是你展示出来的，没展示出来的也可以，只要能满足是在分组中寻找就可以了。这里的max（sal）就是在分组中寻找该组的max值。

如果还是不明白，那么你可以在前面的显示部分加上一列max(sal),然后后面的where子句改为having子句，这样应该就能明白了。然后再去掉显示部分的max(sal)，语句一样可以正常显示（显示内容与刚刚修改过的语句一样）。

只是修改后的语句与现在语句要显示的内容并不相同，这点要注意。

C：where要在group by之前才可以，所以C错误。group by后面只能跟having，cube，rollup，grouping等group by特有子句，不能跟where。

D：having是在诶个分组的结果中寻找相应内容，分组后的结果需要聚合函数（比如max，min，mid，sum，count等）才可以显示，而sal>2500不存在任何聚合函数，该选项错误。

where与having的区别：

在与group by连用的时候，where在groupby之前，是先过滤的条件，过滤后再分组（比如该语句中，如果先where sal>2500 group by deptno），那么就是先找到所有的sal>2500的行，这些行再按照deptno进行分组，如果sal<=2500,那么这部分就被直接过滤掉了，属于在本查询中没有用的内容。

having则是利用分组后的查询结果的过滤，这个查询结果可以是显性的（在查询内容中显示），也可以是隐性的（在查询结果中不显示），但是这个条件必须是“分组后的查询结果”，按照一般的理解也就是，比如是带有聚合函数的查询结果（当然如果是显性的，也可以用在前面起的别名，比如你在前面的给sum(sal)起了一个ss的别名，那么having后面可以直接写ss>2500,这样也可以。不过只在某些数据库中适用，并不是所有的数据库都能用，这点要注意。）

以上就是关于想问一下关于主页里的数据库问题全部的内容，包括:想问一下关于主页里的数据库问题、数据库老师会问哪些问题、问什么sqlserver数据库导出数据库说数据库正在使用中等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！