SQL的使用
SEQUEL 广泛称为 SQL，结构化查询语言是最流行的数据库标准语言。它是一种特定于领域的语言，主要用于执行大量操作，包括创建数据库、以表的形式存储数据、修改、提取等等。有不同版本的 SQL，如 MYSQL、PostgreSQL、Oracle、SQL lite 等。
SQL 成为标准 美国国家标准协会 (ANSI)于 1986 年和次年 1987 年成为国际标准化组织 (ISO)的规范。今天是互联网和技术的世界。我们被大量数据所包围。所以 为了安全地存储这些数据并管理它们，我们需要一个合适的数据库并管理一个数据库 我们需要一种 SQL 语言。它的应用范围很广，商业专业人士、开发人员、数据科学家使用它来维护和操作数据。根据最近 2020-21 的统计，SQL 仍然是全世界使用最多的语言之一。
现在，我们将讨论 SQL 的动态使用：
1. 关系型数据库：要了解关系型数据库，我们需要先了解缩写为RM的关系模型。数据库的 RM 只是简单地存储数据并以结构化和特定的方式进行管理。它于1969 年由科学家 Edgar F. Codd首次描述。在 RM 中，我们以行的形式存储数据，通常称为“元组” ，这些行被分组为关系。 RM 有助于以描述性和简洁的方式存储数据，这有助于通过简单的查询来检索和操作数据。因此，在 1970 年，Code 附带了一个称为关系数据库管理系统 (RDBMS)的软件，该软件用于使用 SQL 维护 RM。 SQL 有助于查询和维护 RDBMS 中的数据。这是 SQL 语言的主要用途之一，它以查询的形式命令 RDBMS 执行某些任务。
2. 使用 SQL 在数据库中执行所有基本操作： SQL 有助于执行大量命令，这有助于我们在数据库中执行各种操作。它们可以大致分为四类：
- 数据定义语言： SQL 有助于创建数据库和表并执行某些操作，如CREATE 、 ALTER 、 DROP 、 RENAME 、 TRUNCATE 、 COMMENT 。
- 数据查询语言：我们广泛使用SELECT命令从数据库中检索信息。
- 数据操作语言： SQL 用于操作数据库中的数据。操作是INSERT ， UPDATE ， 和 删除。
- 数据控制语言：控制命令，如GRANT 用于授予用户权限/访问权限以执行特定操作。使用REVOKE收回用户的访问权限。
3. 数据库中的事务控制： SQL 也用于维护数据库中发生的事务。它包括以下基本规则，以保持数据库中的一致性。这些规则称为ACID 属性。最常用的控制命令是COMMIT 、 ROLLBACK等。
4. SQL UNION：在关系代数中，我们使用联合运算符将两个集合组合成一个包含不同值的集合。类似地，SQL UNION有助于使用两个不同的单独 SELECT 语句提供单个结果。两个表的 UNION 给出了两个表中存在的不同属性（列）。
5. SQL JOIN： SQL JOIN 语句有助于连接两个或多个表以检索信息。 JOIN的使用主要是因为在一个数据库中我们可能有两个或多个表。例如，有两个表“Customer”包含客户信息，“Product”包含有关产品的信息。因此，要了解有关购买产品的客户详细信息的详细信息，我们需要 JOIN 操作。 JOINS 基本上有四种类型：
- 内部联接
- 左（外）连接
- 右（外部）连接
- FULL (OUTER) JOIN 和 FULL OUTER JOIN with WHERE 子句
6、网站SQL：SQL等查询语言主要应用在交互式网站上，它以数据库的形式包含了大量的用户、产品信息。每个网站的后端都由数据库支持。 SQL 主要用于检索和存储这些数据。每个网站都有自己的数据库，其中包含大量有关用户的信息。该数据库用于检索和存储信息。大多数电子商务网站、IRCTC、电影预订网站等使用嵌入在代码中的查询语言来根据用户需求对其数据执行各种操作。
7. 兼容性和灵活性： SQL 兼容 Microsoft SQL Server、MS access、Oracle 数据库、MYSQL 等关系数据库，它还提供了灵活性，并提供了可以访问和操作数据库中哪个表的权限。它可以轻松管理网站上发生的大量记录和交易。 SQL 中存在各种特殊库，例如 SQLite，它们有助于将客户端 Web 应用程序连接到开发人员正在使用的数据库，这有助于处理客户端的数据集。
8.与其他语言的集成： SQL 与Python和R两种著名的脚本语言轻松集成。集成后，我们可以轻松地使用这些脚本语言来管理数据库。这主要由机器学习工程师、数据分析师、数学家使用，他们一次处理大量统计数据。
9. 面向数据科学家和分析师的 SQL：如上所述，脚本语言可以轻松地与 SQL 集成。分析师处理关系数据库中的大量数据集，SQL 对这些数据集非常有用，因为它可以通过简单的查询管理更大的数据集。使用 SQL 的一个基本示例是“数据过滤”，其中我们使用带有一些逻辑运算符和条件的“ WHERE ”子句。我们可以对数据集执行其他操作，如切片、索引、聚合等。
10. 用于机器学习的 SQL：机器学习工程师还使用大量数据来构建准确的模型。 “没有数据就没有机器学习”。一个很好的例子是 BigQuery ML，它是一个谷歌云平台。它有助于使用 SQL 中的各种查询和工具创建和执行各种机器学习模型。使用 SQL 进行机器学习以及使用 Tensor Flow 与现代脚本语言集成是处理海量数据的下一件大事。