测试过程中用到的mysql用法总结

将某个表字段按照排序进行字符和递增数值串拼

SET @num = 0;

UPDATE tab SET realname=CONCAT('yena',(@num:=@num+1)) WHERE user_id in (SELECT id FROM tab WHERE mobile >=xxx AND mobile<=xxx ORDER BY id)


按照指定排序修改数据库的主键id,rownum+1表示的是起始id的开始位置。

update tab

inner join

(SELECT @rownum := @rownum + 1 AS rank, tab.id

FROM tab, (SELECT @rownum := 0) r

order by create_time asc) c on c.id = tab.id

set tab.id = c.rank;


修改日期并且对小时做调整。

update tab set create_time= ADDTIME(DATE('2020-12-19') + interval +9 hour,time(create_time)) WHERE create_time like '2020-12-19 04%' ORDER BY id DESC LIMIT 150;

按照年月日进行分组查询。

select date_format(create_time, '%Y-%m-%d') dat, count(*) coun from tab GROUP BY date_format(create_time, '%Y-%m-%d');


截取字符串中 = 号后面的所有字符串,1代表=号前面的所有字符串。

SELECT count(live_url),SUBSTRING_INDEX(live_url,'=',-1) FROM tab GROUP BY live_url


用随机值从另外一个表里取符合算法的参数,floor表示向下取整。在用随机数进行取值时,一次最好取一个,否则有可能取出来的一批数据会存在连续,如limit为10的话,就会取到大于这个值的十条数据,这10条数据实际是连续的。

SELECT * FROM `tab` WHERE user_id >= (SELECT floor(RAND() * (SELECT MAX(user_id) FROM `tab`))) LIMIT 1


对求和数据再次求和

select sum(a.count_sum)? FROM (SELECT share_url,count(share_url) as count_sum FROM tab GROUP BY? share_url) a


多次连表查询

SELECT

? `tab1`.`name`,

? `tab1`.`image_url`,

? `tab1`.`price`,

? `tab2`.`asset_id`,

? `tab2`.`item_id`,

? `tab3`.`csgo_float`,

? `tab3`.`unlock_time`,

? `tab3`.`user_id`,

? `tab4`.`nickname`,

? count( tab2.item_id ) AS itemnum,

? count( IF ( tab3.user_id = - 1 OR tab3.user_id IS NULL, 1, NULL ) ) AS systemnum,

? count( IF ( tab3.user_id > - 1 AND tab3.user_id IS NOT NULL, 1, NULL ) ) AS usernum

FROM

? `tab1`

? LEFT JOIN `tab2` ON `tab1`.`id` = `tab2`.`steam_inventory_id`

? LEFT JOIN `tab3` ON `tab1`.`item_id` = `tab3`.`id`

? LEFT JOIN `tab4` ON `tab1`.`steam_id` = `tab4`.`steam_id`

WHERE

? `tab3`.`user_id` = - 1 AND `tab3`.locked=1

GROUP BY

? `tab2`.`item_id`

ORDER BY

? `tab2`.`id` DESC

? LIMIT 10 OFFSET 0


从其他表拿数据并插入到指定表

INSERT INTO Database1.`tab1`(flag,appid,`status`,user_id,item_id,price,original_id,create_time,create_user_id,create_user_ip)

SELECT 1001,appid,'normal',1,11796994,0,0,0,0,0 FROM Database1.`tab2` WHERE appid=65033 LIMIT 11;


为了把时间戳转换为方便查看的日期,使用from_unixtime(时间戳字段)来格式化

SELECT id,`mode`,`status`,game_time,update_time ,FROM_UNIXTIME(update_time)FROM tab WHERE tournament_schedule_id=100236377 ORDER BY update_time desc;


统计某个字段特定参数值的数量:

SELECT `item_id`, COUNT( IF ( type = 1, 1, NULL ) ) AS dnum,COUNT( IF ( type = 2, 1, NULL ) ) AS pnum FROM `tab` WHERE `user_id` = 0 AND `status` = 1 AND `item_id` IN ( '10707901', '10002801', '11783305', '11783224', '11264224' ) GROUP BY `item_id`


将不规律的字段值按一定规律重新赋值并重新排序

SELECT * FROM tab1 AS a LEFT JOIN tab2 AS b ON a.id=b.expert_item_id LEFT JOIN expert AS d ON a.expert_id=d.id WHERE a.category='dota' AND a.gold !=0 AND a.`status` in (1,2,3,4,5) AND a.updated_at BETWEEN DATE_SUB(NOW(),INTERVAL 3 MONTH) AND NOW() ORDER BY (CASE WHEN a.`status`=1 THEN 2? WHEN a.`status`=2 THEN 1 WHEN a.`status`=3 THEN 0 WHEN a.`status`=4 THEN 0 WHEN a.`status`=5 THEN 0 END ) DESC,(CASE WHEN(SELECT COUNT(*)FROM tab WHERE user_id=8757456 AND expert_id in(SELECT id FROM expert))>0 THEN 2WHEN (SELECT COUNT(*)FROM tab WHERE user_id=8757456 AND expert_id in(SELECT id FROM expert))=0 THEN 1 END)DESC,d.sort DESC,a.created_at DESC,a.expert_id DESC;

最后编辑于
?著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,128评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,316评论 3 388
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,737评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,283评论 1 287
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,384评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,458评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,467评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,251评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,688评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,980评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,155评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,818评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,492评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,142评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,382评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,020评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,044评论 2 352

推荐阅读更多精彩内容