我们之前对 SQL 中的数据表查询进行了讲解，今天我们来看下如何对视图进行查询。视图，也就是我们今天要讲的虚拟表，本身是不具有数据的，它是 SQL 中的一个重要概念。从下面这张图中，你能看到，虚拟表的创建连接了一个或多个数据表，不同的查询应用都可以建立在虚拟表之上。
视图一方面可以帮我们使用表的一部分而不是所有的表，另一方面也可以针对不同的用户制定不同的查询视图。比如，针对一个公司的销售人员，我们只想给他看部分数据，而某些特殊的数据，比如采购的价格，则不会提供给他。
刚才讲的只是视图的一个使用场景，实际上视图还有很多作用，今天我们就一起学习下。今天的文章里，你将重点掌握以下的内容：
- 什么是视图？如何创建、更新和删除视图？
- 如何使用视图来简化我们的 SQL 操作？
- 视图和临时表的区别是什么，它们各自有什么优缺点？
如何创建，更新和删除视图
视图作为一张虚拟表，帮我们封装了底层与数据表的接口。它相当于是一张表或多张表的数据结果集。视图的这一特点，可以帮我们简化复杂的 SQL 查询，比如在编写视图后，我们就可以直接重用它，而不需要考虑视图中包含的基础查询的细节。同样，我们也可以根据需要更改数据格式，返回与底层数据表格式不同的数据。
通常情况下，小型项目的数据库可以不使用视图，但是在大型项目中，以及数据表比较复杂的情况下，视图的价值就凸显出来了，它可以帮助我们把经常查询的结果集放到虚拟表中，提升使用效率。理解和使用起来都非常方便。创建视图：CREATE VIEW
那么该如何创建视图呢？创建视图的语法是：
复制代码
| CREATE VIEW view_name AS | CREATE VIEW view_name AS | ||
|---|---|---|---|
| SELECT column1, column2 | SELECT column1, column2 | ||
| FROM table | FROM table | ||
| WHERE condition | WHERE condition |
实际上就是我们在 SQL 查询语句的基础上封装了视图 VIEW，这样就会基于 SQL 语句的结果集形成一张虚拟表。其中 view_name 为视图名称，column1、column2 代表列名，condition 代表查询过滤条件。
我们以 NBA 球员数据表为例。我们想要查询比 NBA 球员平均身高高的球员都有哪些，显示他们的球员 ID 和身高。假设我们给这个视图起个名字 player_above_avg_height，那么创建视图可以写成：
复制代码
| CREATE VIEW player_above_avg_height AS | CREATE VIEW player_above_avg_height AS | ||
|---|---|---|---|
| SELECT player_id, height | SELECT player_id, height | ||
| FROM player | FROM player | ||
| WHERE height > (SELECT AVG(height) from player) | WHERE height > (SELECT AVG(height) from player) |
视图查询结果（18 条记录）：
当视图创建之后，它就相当于一个虚拟表，可以直接使用：
复制代码
| SELECT * FROM player_above_avg_height | SELECT * FROM player_above_avg_height | ||
|---|---|---|---|
嵌套视图
当我们创建好一张视图之后，还可以在它的基础上继续创建视图，比如我们想在虚拟表 player_above_avg_height 的基础上，找到比这个表中的球员平均身高高的球员，作为新的视图 player_above_above_avg_height，那么可以写成：
复制代码
| CREATE VIEW player_above_above_avg_height AS | CREATE VIEW player_above_above_avg_height AS | ||
|---|---|---|---|
| SELECT player_id, height | SELECT player_id, height | ||
| FROM player | FROM player | ||
| WHERE height > (SELECT AVG(height) from player_above_avg_height) | WHERE height > (SELECT AVG(height) from player_above_avg_height) |
视图查询结果（11 条记录）：
你能看到这个视图的数据记录数为 11 个，比之前的记录少了 7 个。
修改视图：ALTER VIEW
修改视图的语法是：
复制代码
| ALTER VIEW view_name AS | ALTER VIEW view_name AS | ||
|---|---|---|---|
| SELECT column1, column2 | SELECT column1, column2 | ||
| FROM table | FROM table | ||
| WHERE condition | WHERE condition |
你能看出来它的语法和创建视图一样，只是对原有视图的更新。比如我们想更新视图 player_above_avg_height，增加一个 player_name 字段，可以写成：
复制代码
| ALTER VIEW player_above_avg_height AS | ALTER VIEW player_above_avg_height AS | ||
|---|---|---|---|
| SELECT player_id, player_name, height | SELECT player_id, player_name, height | ||
| FROM player | FROM player | ||
| WHERE height > (SELECT AVG(height) from player) | WHERE height > (SELECT AVG(height) from player) |
这样的话，下次再对视图进行查询的时候，视图结果就进行了更新。
复制代码
| SELECT * FROM player_above_avg_height | SELECT * FROM player_above_avg_height | ||
|---|---|---|---|
删除视图：DROP VIEW
删除视图的语法是：
复制代码
| DROP VIEW view_name | DROP VIEW view_name | ||
|---|---|---|---|
比如我们想把刚才创建的视图删除，可以使用：
复制代码
| DROP VIEW player_above_avg_height | DROP VIEW player_above_avg_height | ||
|---|---|---|---|
需要说明的是，SQLite 不支持视图的修改，仅支持只读视图，也就是说你只能使用 CREATE VIEW 和 DROP VIEW，如果想要修改视图，就需要先 DROP 然后再 CREATE。
如何使用视图简化 SQL 操作
从上面这个例子中，你能看出视图就是对 SELECT 语句进行了封装，方便我们重用它们。下面我们再来看几个视图使用的例子。
利用视图完成复杂的连接
我在讲解 SQL99 标准连接操作的时候，举了一个 NBA 球员和身高等级连接的例子，有两张表，分别为 player 和 height_grades。其中 height_grades 记录了不同身高对应的身高等级。这里我们可以通过创建视图，来完成球员以及对应身高等级的查询。
首先我们对 player 表和 height_grades 表进行连接，关联条件是球员的身高 height（在身高等级表规定的最低身高和最高身高之间），这样就可以得到这个球员对应的身高等级，对应的字段为 height_level。然后我们通过 SELECT 得到我们想要查询的字段，分别为球员姓名 player_name、球员身高 height，还有对应的身高等级 height_level。然后把取得的查询结果集放到视图 player_height_grades 中，即：
复制代码
| CREATE VIEW player_height_grades AS | CREATE VIEW player_height_grades AS | ||
|---|---|---|---|
| SELECT p.player_name, p.height, h.height_level | SELECT p.player_name, p.height, h.height_level | ||
| FROM player as p JOIN height_grades as h | FROM player as p JOIN height_grades as h | ||
| ON height BETWEEN h.height_lowest AND h.height_highest | ON height BETWEEN h.height_lowest AND h.height_highest |
运行结果（37 条记录）：
以后我们进行查询的时候，可以直接通过视图查询，比如我想查询身高介于 1.90m 和 2.08m 之间的球员及他们对应的身高：
复制代码
| SELECT * FROM player_height_grades WHERE height >= 1.90 AND height <= 2.08 | SELECT * FROM player_height_grades WHERE height >= 1.90 AND height <= 2.08 | ||
|---|---|---|---|
运行结果（26 条记录）：
这样就把一个相对复杂的连接查询转化成了视图查询。
利用视图对数据进行格式化
我们经常需要输出某个格式的内容，比如我们想输出球员姓名和对应的球队，对应格式为 player_name(team_name)，就可以使用视图来完成数据格式化的操作：
复制代码
| CREATE VIEW player_team AS | CREATE VIEW player_team AS | ||
|---|---|---|---|
| SELECT CONCAT(player_name, ‘(‘ , team.team_name , ‘)’) AS player_team FROM player JOIN team WHERE player.team_id = team.team_id | SELECT CONCAT(player_name, ‘(‘ , team.team_name , ‘)’) AS player_team FROM player JOIN team WHERE player.team_id = team.team_id |
首先我们将 player 表和 team 表进行连接，关联条件是相同的 team_id。我们想要的格式是player_name(team_name)，因此我们使用 CONCAT 函数，即CONCAT(player_name, ‘(‘ , team.team_name , ‘)’)，将 player_name 字段和 team_name 字段进行拼接，得到了拼接值被命名为 player_team 的字段名，将它放到视图 player_team 中。
这样的话，我们直接查询视图，就可以得到格式化后的结果：
复制代码
| SELECT * FROM player_team | SELECT * FROM player_team | ||
|---|---|---|---|
使用视图与计算字段
我们在数据查询中，有很多统计的需求可以通过视图来完成。正确地使用视图可以帮我们简化复杂的数据处理。
我以球员比赛成绩表为例，对应的是 player_score 表。这张表中一共有 19 个字段，它们代表的含义如下：
如果我想要统计每位球员在每场比赛中的二分球、三分球和罚球的得分，可以通过创建视图完成：
复制代码
| CREATE VIEW game_player_score AS | CREATE VIEW game_player_score AS | ||
|---|---|---|---|
| SELECT game_id, player_id, (shoot_hits-shoot_3_hits)2 AS shoot_2_points, shoot_3_hits3 AS shoot_3_points, shoot_p_hits AS shoot_p_points, score FROM player_score | SELECT game_id, player_id, (shoot_hits-shoot_3_hits)2 AS shoot_2_points, shoot_3_hits3 AS shoot_3_points, shoot_p_hits AS shoot_p_points, score FROM player_score |
然后通过查询视图就可以完成。
复制代码
| SELECT * FROM game_player_score | SELECT * FROM game_player_score | ||
|---|---|---|---|
运行结果（19 条记录）：
你能看出正确使用视图可以简化复杂的 SQL 查询，让 SQL 更加清爽易用。不过有一点需要注意，视图是虚拟表，它只是封装了底层的数据表查询接口，因此有些 RDBMS 不支持对视图创建索引（有些 RDBMS 则支持，比如新版本的 SQL Server）。
总结
今天我讲解了视图的使用，包括创建，修改和删除视图。使用视图有很多好处，比如安全、简单清晰。
- 安全性：虚拟表是基于底层数据表的，我们在使用视图时，一般不会轻易通过视图对底层数据进行修改，即使是使用单表的视图，也会受到限制，比如计算字段，类型转换等是无法通过视图来对底层数据进行修改的，这也在一定程度上保证了数据表的数据安全性。同时，我们还可以针对不同用户开放不同的数据查询权限，比如人员薪酬是个敏感的字段，那么只给某个级别以上的人员开放，其他人的查询视图中则不提供这个字段。
- 简单清晰：视图是对 SQL 查询的封装，它可以将原本复杂的 SQL 查询简化，在编写好查询之后，我们就可以直接重用它而不必要知道基本的查询细节。同时我们还可以在视图之上再嵌套视图。这样就好比我们在进行模块化编程一样，不仅结构清晰，还提升了代码的复用率。
另外，我们也需要了解到视图是虚拟表，本身不存储数据，如果想要通过视图对底层数据表的数据进行修改也会受到很多限制，通常我们是把视图用于查询，也就是对 SQL 查询的一种封装。那么它和临时表又有什么区别呢？在实际工作中，我们可能会见到各种临时数据。比如你可能会问，如果我在做一个电商的系统，中间会有个购物车的功能，需要临时统计购物车中的商品和金额，那该怎么办呢？这里就需要用到临时表了，临时表是真实存在的数据表，不过它不用于长期存放数据，只为当前连接存在，关闭连接后，临时表就会自动释放。
今天我们对视图进行了讲解，你能用自己的语言来说下视图的优缺点么？另外视图在更新的时候会影响到数据表吗？
若有收获，就点个赞吧
0 人点赞
