一、什么是数据库​

       想象我们的学校是一个超级大社区，每天都在产生海量信息：新生入学的档案、学生的成绩变动、图书借阅记录…… 这么多数据，如果像把杂物堆进仓库一样随意存放，找起来就像大海捞针。这时，数据库就像一位 “超级电子管家”，它能把这些数据分门别类整理得井井有条。​

       以学校学生信息管理为例，数据库会把每位同学的信息放进不同 “抽屉”—— 也就是表。一个 “抽屉” 专门存学生基本信息，比如姓名、年龄、班级，像小明的信息就有专属的一行记录；另一个 “抽屉” 存成绩，每次考试后，语文、数学等各科分数都会准确归档。而且，这些 “抽屉” 之间还会用学号这个 “密码钥匙” 关联起来，老师想查看小明的全部信息，数据库眨眨眼就能把分散在不同 “抽屉” 的数据快速整合。​

       图书馆的图书借阅系统更是数据库大显身手的舞台。每本书都有独一无二的 “身份证号”（ISBN 编码），当你想借《三体》时，数据库会立刻在庞大的 “书架地图” 里定位它的位置、查看是否被借出。借阅记录也会被详细记录，到了还书日期，数据库就像贴心小闹钟，提醒你及时归还。​

       更神奇的是，数据库不仅能 “存”，还能快速 “取” 和 “管”。比如校长想知道全校平均分最高的班级，数据库能瞬间扫描所有成绩 “抽屉”，计算并给出答案；图书馆管理员想统计最受欢迎的书籍，数据库一眼就能找出借阅次数最多的书目。它就像拥有超能力，让杂乱的数据变得有序，让信息查找和管理变得高效又轻松 。

       在数据的浩瀚宇宙里，数据库家族就像一个庞大的 “数据管理联盟”，每个成员都有独特的 “看家本领”。这个家族主要分为三大门派：关系型数据库、非关系型数据库和向量数据库，它们就像不同类型的 “数据仓库”，各有专长，守护着不同场景下的数据秩序。​

       非关系型数据库是 “自由派”，更像是超大号的 “储物箱”，存放数据不拘一格。比如文档型数据库 MongoDB，能像收纳百变积木一样，轻松存下格式复杂的 JSON 数据；键值对数据库 Redis，就像个 “闪电快递柜”，能以毫秒级速度存取数据，常用于缓存热门内容。向量数据库则是 “新潮派”，它专为存储和处理向量数据而生，就像一位精通空间计算的 “数据魔法师”，在人工智能、推荐系统和图像检索等领域大放异彩。​

       关系型数据库是 “老牌派”，它的代表作品是 MySQL，而 MySQL 堪称 “关系型数据库门派” 的明星成员，它就像一位严谨又高效的 “数据管家”。关系型数据库讲究 “数据表格化”，就像用整齐的档案柜管理数据，每个表格都是一个 “档案夹”，数据以行和列的形式有序排列，通过 “主键” 和 “外键” 这些 “密码钥匙”，不同表格间的数据可以精准关联。​

       在 Web 开发领域，MySQL 是当之无愧的 “幕后英雄”。当你打开热门电商网站选购商品，点击查看商品详情、加入购物车时，MySQL 在后台迅速响应，精准调取商品信息、库存数据和用户偏好。它就像一个超级智能的 “库存管理员” 和 “用户喜好分析师”，确保页面流畅加载，数据准确无误，为你打造丝滑的购物体验。全球超半数的网站都依赖它，从个人博客到大型电商平台，都有它忙碌的身影。​

       在企业应用中，MySQL 更是 “中流砥柱”。大型企业每天产生海量的客户信息、交易记录和财务数据，MySQL 凭借强大的事务处理能力，像一位公正的 “数据法官”，确保每一笔数据操作都符合规则，维护数据的完整性和一致性。同时，它还能灵活应对高并发场景，即便在 “双十一” 这样的购物狂欢节，面对数以亿计的订单请求，也能稳定运行，高效处理数据，保障企业业务顺畅运转。凭借开源免费、性能卓越、易于扩展等优势，MySQL 成为众多企业搭建数据管理系统的首选，稳稳占据着数据库市场的重要席位 。​

       向量数据库是 “探索派”，它的代表作品是 Pinecone，它能像一位“数据探路者”，探索未知空间，挖掘隐藏在海量数据中的价值。以推荐系统为例，它能根据用户历史行为和兴趣，精准推荐与之相关的商品。再如图像识别，向量数据库能快速理解和比较图像中的特征向量，实现高效的图像检索。​

       在这个数据驱动的时代，数据库就像一位智慧的 “数据管家”，它帮助我们高效管理和利用海量信息。无论是学校的学生信息、图书馆的借阅记录，还是电商网站的商品数据，数据库都能让这些信息有序存储、快速检索、灵活分析，为我们的生活和工作提供强大的支持。​

二、MySQL 基础知识​

2.1 MySQL 特点​

• 开源性：源代码公开，可自由使用、修改和分发，降低了开发成本。​
• 高性能和可靠性：采用多线程、多用户架构，能高效处理大量并发连接和数据操作，并且支持多种存储引擎（如 InnoDB 和 MyISAM），可根据不同需求选择。​
• 兼容性和移植性：能在 Windows、Linux、macOS 和 Unix 等多种操作系统上运行。​
• 丰富特性：支持事务管理（确保数据完整性和一致性）、多种索引类型（提高查询速度）、视图（简化复杂查询）、存储过程和触发器（增强功能性和灵活性）以及全文检索（适用于文本搜索应用）。​
• 安全性：提供多层次安全机制，包括用户权限管理、SSL 加密连接、数据加密等。​

2.2 MySQL 发展史​

2.2.1 萌芽期：三位极客的”车库创业”（1995-1999）

       1995年，瑞典工程师Michael Widenius在自家车库里捣鼓出了MySQL的雏形。当时他只是想为自己开发的数据库应用找一个轻量级存储方案，却意外开创了开源数据库的新纪元。取名”MySQL”其实是个”家庭梗”——他用女儿My的名字+数据库（SQL）组合而成，就像给孩子起小名一样随性。

       早期MySQL基于mSQL开发，但性能却青出于蓝。1996年发布的1.0版本只能处理简单查询，却在北欧中小企业中悄悄流行。1999年，Widenius与合伙人成立T.c.X公司，正式开启商业化之路，此时MySQL已能支持事务处理，初现”技术黑马”特质。

2.2.2 爆发期：搭上互联网快车的”开源逆袭”（2000-2008）

       2000年是关键转折点：MySQL宣布采用GPL开源协议，瞬间吸引全球开发者。恰逢互联网泡沫时期，雅虎、谷歌等公司正为昂贵的Oracle数据库发愁，MySQL凭借”免费+高效”的组合拳迅速上位。2003年发布的5.0版本支持存储过程和触发器，标志着它从”玩具数据库”迈向企业级应用。

       2008年，MySQL被Sun Microsystems以10亿美元收购，这让开源社区炸开了锅。但Sun的收购反而加速了技术迭代，同年发布的5.1版本引入分区表和事件调度器，在电商、社交平台等场景中大放异彩。当时淘宝每天处理数千万订单，背后的数据库正是MySQL集群。

2.2.3 震荡期：甲骨文收购引发的”开源保卫战”（2009-2013）

       2009年，甲骨文收购Sun Microsystems，MySQL的命运蒙上阴影。甲骨文曾一度放缓开源更新，甚至被质疑想推动用户购买商业版。这引发了社区的强烈反弹：Widenius带头创立MariaDB分支，Percona等公司也推出优化版本，一场”开源保卫战”悄然打响。

       但MySQL自身技术仍在前进：2010年发布的5.5版本引入InnoDB存储引擎作为默认引擎，彻底解决了事务处理性能瓶颈；2013年的5.6版本支持JSON数据类型，开始拥抱非结构化数据趋势。尽管面临分叉危机，MySQL在Web领域的占有率已超过50%。

2.2.4 转型期：云时代的”技术突围”（2014-2020）

       2014年，MySQL 5.7版本发布，带来了JSON索引、窗口函数等重磅功能，正式向大数据领域进军。同年，甲骨文推出MySQL Cloud Service，将数据库搬上云端，亚马逊AWS、阿里云等也纷纷推出MySQL托管服务，数据库进入”云原生”时代。

       2018年发布的8.0版本堪称里程碑：支持CTE（公共表表达式）、隐藏索引等高级特性，性能提升30%以上。此时MySQL已不再是单纯的关系型数据库，通过与Oracle Analytics等工具集成，开始扮演企业数据中枢的角色。

2.2.5 新纪元：开源生态与AI融合（2021至今）

       如今MySQL已形成庞大的技术生态圈：

• 分支家族：MariaDB、Percona Server等分支持续优化
• 云原生：MySQL HeatWave支持实时分析，与Kubernetes深度集成
• AI赋能：2023年推出的MySQL 8.1支持向量数据库功能，可直接存储AI模型向量，在推荐系统、智能客服等场景中大显身手

       截至2024年，MySQL在DB-Engine排名中稳居前三，全球超1000万家企业使用。从车库里的小项目到支撑万亿级交易的技术巨头，MySQL的发展史就是一部”开源改变世界”的活教材——它证明了技术普惠的力量，也成为无数开发者入门数据库的”启蒙老师”。

三、MySQL 数据库环境搭建​

3.1 Windows 系统安装​

• 下载 MySQL 安装程序：指导学生前往 MySQL 官方网站，根据系统版本下载合适的 MySQL 安装包（如.msi 格式）。​

123网盘备用下载地址✈️，提取码:O9RH

• 安装过程

PS：解决MySQL 安装报错：初始化数据库失败✈️

• 安装 Navicat for MySQL：下载 Navicat 安装程序并进行安装，按照提示完成软件安装过程。
  ​123网盘备用下载地址✈️，提取码：mJSl
• 连接数据库：打开 Navicat，新建 MySQL 连接，填写主机地址（如localhost）、端口号（默认 3306）、用户名（如 root）和密码，测试连接成功后即可连接到 MySQL 数据库。​
  

四、MySQL 数据库基本操作

• 创建数据库和表：在 Navicat 中演示如何创建数据库和表，输入数据库名称、字符集等信息创建数据库；在数据库中创建表，定义表的字段名称、数据类型、主键等属性。​
  
  

五、MySQL 数据类型

5.1 数值类型​

• 整数类型：
  • TINYINT（极小整数）：占用 1 个字节，范围为 -128 到 127，适用于存储年龄、性别等取值范围较小的整数。​
  • SMALLINT（小整数）：占用 2 个字节，范围为 -32768 到 32767，适用于存储年龄、用户 ID 等取值范围较小的整数。
  • MEDIUMINT（中等整数）：占用 3 个字节，范围为 -8388608 到 8388607，适用于存储年龄、用户 ID 等取值范围中等的整数。
  • INT（整数）：占用 4 个字节，范围为 -2147483648 到 2147483647，适用于存储年龄、用户 ID 等取值范围较大的整数。
  • BIGINT（大整数）：占用 8 个字节，范围为 -9223372036854775808 到 9223372036854775807，适用于存储年龄、用户 ID 等取值范围特别大的整数。
• 浮点类型：
  • FLOAT（单精度浮点数）：占用 4 个字节，范围为 -3.402823466E + 38 到 -1.175494351E - 38 和 1.175494351E - 38 到 3.402823466E + 38，适用于存储小数，不适合用于存储精确货币金额。
  • DOUBLE（双精度浮点数）：占用 8 个字节，范围为 -1.7976931348623157E + 308 到 -2.2250738585072014E - 308 和 2.2250738585072014E - 308 到 1.7976931348623157E + 308，适用于存储小数，不适合用于存储精确货币金额。
  • DECIMAL（定点数）：用于存储精确小数，定义时需指定精度和标度，如DECIMAL(10, 2)表示总位数为 10 位，小数部分为 2 位。
• 日期和时间类型：
  • DATE（仅存储日期，格式为 YYYY - MM - DD）：占用 3 个字节，范围为 ‘1000 - 01 - 01’ 到 ‘9999 - 12 - 31’，适用于存储生日、注册日期等日期信息。
  • TIME（仅存储时间，格式为 HH:MM:SS）：占用 3 个字节，范围为 ‘-838:59:59’ 到 ‘838:59:59’，适用于存储时间信息，如记录会议时间、课程时间等。
  • DATETIME（存储日期和时间，格式为 YYYY - MM - DD HH:MM:SS）：占用 8 个字节，范围为 ‘1000 - 01 - 01 00:00:00’ 到 ‘9999 - 12 - 31 23:59:59’，适用于存储订单创建时间、用户注册时间等信息。
  • TIMESTAMP（时间戳，存储从 1970 年 1 月 1 日 00:00:00 UTC 到指定时间的秒数）：占用 4 个字节，范围为 ‘1970 - 01 - 01 00:00:01’ 到 ‘2038 - 01 - 19 03:14:07’，适用于存储日志记录时间、数据变更时间等信息。
• 字符串类型
  • CHAR：定长字符串类型，定义时需指定长度，如CHAR(10)，无论实际存储字符串长度多少，都占用固定长度空间，适合存储长度固定的数据，如身份证号、邮编等。​
  • VARCHAR：可变长度字符串类型，实际存储时占用空间为字符串实际长度加 1 或 2 个字节（用于记录字符串长度），如VARCHAR(50)，适合存储长度不固定的数据，如姓名、地址等。​
  • TEXT：用于存储较大文本数据，如文章内容、评论等，根据存储文本大小不同，有TINYTEXT、TEXT、MEDIUMTEXT、LONGTEXT等不同类型。
  • BLOB：二进制大对象类型，用于存储二进制数据，如图像、音频、视频等，同样有TINYBLOB、BLOB、MEDIUMBLOB、LONGBLOB等不同类型。
• 其他类型：
  • JSON类型：简单介绍JSON类型，用于存储 JSON 格式数据，在存储结构化数据且数据结构可能变化时非常有用；
  • 空间数据类型（如POINT、LINESTRING、POLYGON等），用于存储地理空间数据，但在基础课程中不做深入讲解。​

六、MySQL 数据操作

• 插入数据
  • 插入单行数据：使用INSERT INTO语句向表中插入数据，例如向students表插入一条记录：​
    ​sql INSERT INTO students (name, age, gender) VALUES ('张三', 20, '男');​ ​
    解释字段列表和值列表需一一对应，字符串和日期类型数据需用引号括起来。​
    插入多行数据：演示如何一次性插入多行数据，如：​
    ​sql INSERT INTO students (name, age, gender) VALUES ​ ('李四', 22, '女'),​ ('王五', 21, '男');​ ​
• 查询数据​
  • 基本查询：使用SELECT语句查询表中的所有数据，如SELECT * FROM students;，查询指定字段数据，如SELECT name, age FROM students;。​
  • 条件查询：通过WHERE子句添加查询条件，如SELECT * FROM students WHERE age > 20;，讲解常用的比较运算符（如>、<、=、!=、LIKE等）和逻辑运算符（如AND、OR、NOT）的使用。​
  • 排序查询：利用ORDER BY子句对查询结果进行排序，如SELECT * FROM students ORDER BY age DESC;表示按年龄降序排列，ASC表示升序（默认）。​
  • 限制查询结果数量：使用LIMIT子句限制返回的行数，如SELECT * FROM students LIMIT 5;表示返回前 5 条记录，还可指定偏移量，如SELECT * FROM students LIMIT 2, 3;表示从第 3 条记录开始返回 3 条记录。​
  • 聚合函数查询：介绍常用聚合函数，如COUNT()（统计记录数）、SUM()（求和）、AVG()（求平均值）、MAX()（求最大值）、MIN()（求最小值）。例如，统计学生总数SELECT COUNT(*) FROM students;，计算学生平均年龄SELECT AVG(age) FROM students;。​
  • 分组查询：结合GROUP BY子句和聚合函数进行分组查询，如按性别统计学生人数SELECT gender, COUNT(*) FROM students GROUP BY gender;，还可使用HAVING子句对分组结果进行过滤，如SELECT gender, COUNT(*) FROM students GROUP BY gender HAVING COUNT(*) > 1;表示查询人数大于 1 的性别分组。​
• 更新数据：使用UPDATE语句更新表中的数据，如将学生 “张三” 的年龄更新为 21 岁：​
  ​sql UPDATE students SET age = 21 WHERE name = '张三';​ ​
  强调WHERE子句的重要性，若省略则会更新整张表的所有记录。​
• 删除数据：通过DELETE FROM语句删除表中的数据，如删除年龄小于 18 岁的学生记录：​
  ​sql DELETE FROM students WHERE age < 18;​ ​
  同样，若无WHERE子句，将删除整张表的所有数据。​