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。
image.png
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:

  1. 什么是视图?如何创建、更新和删除视图?
  2. 如何使用视图来简化我们的 SQL 操作?
  3. 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):
image.png
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

运行结果和上面一样。

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):
image.png
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

运行结果(18 条记录):
image.png

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):
image.png
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):
image.png
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

运行结果(37 条记录):
image.png

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:
image.png
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):
image.png
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。

  1. 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。
  2. 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。
image.png
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?