使用SQL脚本创建数据库,操作主键、外键与各种约束(MS SQL Server)

在实际开发中,可能很少人会手写sql脚本来操作数据库的种种。特别是微软的MS SQL Server数据库,它的SQL Server Management Studio对数据库的图形化操作极致简便,从而导致很多人都不会或不熟悉使用SQL脚本操作数据库。

接下面介绍的是我们日常开发中常规性的各种操作,先看看基本知识,随后使用coding来表述。

SQL Server 常见五种约束:

  Primary Key  --主键约束
  Foreign Key  --外键约束
  Unique     --唯一约束
  Default     --默认值约束
  Check     --条件约束(逻辑判断约束)

什么是主键?

在数据库中,常常不只是一个表,这些表之间也不是相互独立的。不同的表之间需要建立一种关系,才能将它们的数据相互沟通。而在这个沟通过程中,就需要表中有一个字段作为标志,不同的记录对应的字段取值不能相同,也不能是空白的。通过这个字段中不同的值可以区别各条记录。就像我们区别不同的人,每个人都有名字,但它却不能作为主键,因为人名很容易出现重复,而身份证号是每个人都不同的,所以可以根据它来区别不同的人。数据库的表中作为主键的字段就要像人的身份证号一样,必须是每个记录的值都不同,这样才能根据主键的值来确定不同的记录。

如果为表指定了 PRIMARY KEY 约束,则 SQL Server 2005 数据库引擎 将通过为主键列创建唯一索引来强制数据的唯一性。当在查询中使用主键时,此索引还可用来对数据进行快速访问。因此,所选的主键必须遵守创建唯一索引的规则。

创建主键时,数据库引擎 会自动创建唯一的索引来强制实施 PRIMARY KEY 约束的唯一性要求。如果表中不存在聚集索引或未显式指定非聚集索引,则将创建唯一的聚集索引以强制实施 PRIMARY KEY 约束。

唯一性约束
1) 唯一性约束所在的列允许空值,但是主键约束所在的列不允许空值。
(2) 可以把唯一性约束放在一个或者多个列上,这些列或列的组合必须有唯一的只。但是,唯一性约束所在的列并不是表的主键列。
(3) 唯一性约束强制在指定的列上创建一个唯一性索引。在默认情况下,创建唯一性的非聚簇索引,但是,也可以指定所创建的索引是聚簇索引。

主键: 
1) 用于标识某行而且与之相关. 
2) 是不可能(或很难)更新. 
3) 不应该允许空(NULL).

唯一域/字段: 
1) 用于作为访问某行的可选手段.
2) 只要唯一就可以更新. 
3) 可以为空(NULLs).

注意唯一和主键的区别,它们都是创建一个唯一的索引,一个表格仅含有一个主键约束列,但是,它有可能在其他列中含有许多的唯一约束。

1、Primary Key约束

    在表中常有一列或多列的组合,其值能唯一标识表中的每一行。

    这样的一列或多列成为表的主键(PrimaryKey)。一个表只能有一个主键,而且主键约束中的列不能为空值。只有主键列才能被作为其他表的外键所创建。

2、Foreign Key约束

    外键约束是用来加强两个表(主表和从表)的一列或多列数据之间的连接的。创建外键约束的顺序是先定义主表的主键,然后定义从表的外键。也就是说只有主表的主键才能被从表用来作为外键使用,被约束的从表中的列可以不是主键,主表限制了从表更新和插入的操作。

3、Unique约束

    唯一约束确保表中的一列数据没有相同的值。与主键约束类似,唯一约束也强制唯一性,但唯一约束用于非主键的一列或者多列的组合,且一个表可以定义多个唯一约束。

4、Default约束

    若在表中定义了默认值约束,用户在插入新的数据行时,如果该行没有指定数据,那么系统将默认值赋给该列,如果我们不设置默认值,系统默认为NULL。

5、Check约束

    Check约束通过逻辑表达式来判断数据的有效性,用来限制输入一列或多列的值的范围。在列中更新数据时,所要输入的内容必须满足Check约束的条件,否则将无法正确输入。

 

---创建数据库,语句: create database 表名

Create database School

----删除数据库,语句:drop database 表名

drop database School

--创建数据表,语句:create table 表名( 字段A 类型 可空, 字段B 类型 可空)

Create Table Grade(
Id int not null identity(1,1), --identity 设置字段自增长,步进值为1
Name nvarchar not null
)

--创建主键约束,语句: alter table 表名 add constraint [主键名称] primary key (主键字段)

alter table Grade Add constraint [PK_Grade] primary key (Id)

--创建唯一约束,语句: alter table 表名 add constraint [约束名称] unique (字段 排序)

alter table Grade add constraint [IX_Grade_Name] unique (Id asc)

--创建数据表,语句:create table 表名( 字段A 类型 可空, 字段B 类型 可空)

create Table Student(
Id int not null identity,
Cid int not null,
Name nvarchar(100) not null,
Gender nchar(8) not null
)

--创建主键约束,语句: alter table 表名 add constraint [主键名称] primary key (主键字段)

alter table Student Add constraint PK_Student primary key (Id)

--创建外键约束,语句: alter table 表名 add constraint [外键名称] foreign key (字段) references 外链表名(字段)

alter table Student Add constraint FK_Student_Cid foreign key (Id) references Grade(Id)

--创建唯一约束,语句:alter table 表名 add constraint [约束名称] unique (字段 排序)

alter table Student Add constraint IX_Student_Name unique (Id desc)

--创建Default约束,语句:alter table 表名 add constraint [约束名称] default (默认值) for (字段)

alter table Student add constraint DF_Student_Gender default (N'男') FOR [Gender]

--创建Check约束,语句:alter table 表名 add constraint [约束名称] check (逻辑表达式) 

alter table Student add constraint CK_Student_Gender CHECK (([Gender]=N'男' OR [Gender]=N'女'))

--删除约束,语句: alter table 表名 drop constraint [约束名称]

alter table Student drop constraint IX_Student_Name

--修改字段,语句:alter table 表名 alter column [字段名] 类型 可空

alter table Grade alter column [Name] nvarchar(100) not null

--添加字段,语句:alter table 表名 add [字段名] 类型 可空 

alter table Grade add [Year] char(8) not null

--删除字段,语句:alter table drop column [字段名]

alter table Grade drop column [Year]

--填充数据

insert into Grade select N'一年级','2017'  --方法一
insert into Grade(Name,[Year]) values (N'二年级','2017')  --方法二
insert into Grade select N'三年级','2017'

insert into Student select 2,N'张三','男'
insert into Student select 2,N'李四','男'
insert into Student select 3,N'王五','男'
insert into Student select 3,N'赵六','男'
insert into Student select 3,N'马七','女'

 

--假设由于业务变更,我们需要给Student表新增非空IdNumber字段--

明天继续....

转载于:https://www.cnblogs.com/event/p/6433544.html

MS SQL Server快速生成表结构创建语句的实用方法 简介:在SQL Server数据库开发与管理中,快速生成表结构的CREATE TABLE语句是数据库设计、迁移和备份中的常见需求。本文介绍两种高效方式:通过SQL Server Management Studio(SSMS)图形化操作自动生成建表语句,以及使用T-SQL脚本手动查询系统视图来动态生成建表语句。同时提供批量生成多表结构的方法和注意事项,帮助开发者提升数据库维护效率,确保结构准确还原。 阅读详情

相关推荐

VisionPro开发实战:CogRecordDisplay控件显示与保存图片的完整流程(附C#代码示例)

本文详细解析了VisionPro开发中CogRecordDisplay控件的图像处理全流程,包括图像加载、显示优化、动态清屏及结果保存等关键操作。通过C#代码示例,展示了如何高效使用该控件进行工业视觉应用开发,特别适合自动化检测系统的开发者参考。

weixin_42523792的博客 274

唯一索引、主键、Unique约束

唯一索引、主键、Unique约束 1、定义 若当前有一张Admin表,如下: (1)唯一索引 若要为admin_id创建唯一索引,则语句为: Create [Unique] Index 索引名 on 表名 (列名) create [Unique] Index IDX_admin_id on Admin(admin_id) 也可以用图形化界面,如MySQL中,设计表->索引,

houshufen 2562

SkyWalking跨线程Trace传递实战:手把手教你用RunnableWrapper解决异步链路中断问题

本文深入解析了SkyWalking在异步编程场景下链路追踪中断的根源,并提供了使用RunnableWrapper等官方包装类的实战解决方案。通过详细的原理解析和代码示例,手把手指导开发者如何实现跨线程的Trace传递,确保分布式系统监控链路的完整性,有效解决异步任务导致的链路中断问题。

sand8的博客 493

mysql外键必须是主键吗_mysql数据库外键、主键详解

一、什么是主键、外键:关系型数据库中的一条记录中有若干个属性,若其中某一个属性组(注意是组)能唯一标识一条记录,该属性组就可以成为一个主键比如学生表(学号,姓名,性别,班级)其中每个学生的学号是唯一的,学号就是一个主键课程表(课程编号,课程名,学分)其中课程编号是唯一的,课程编号就是一个主键成绩表(学号,课程号,成绩)成绩表中单一一个属性无法唯一标识一条记录,学号和课程号的组合才可以唯一标识一条记...

weixin_42526068的博客 6838

最优化方法 25:PDHG

前面的章节要么从原始问题出发,要么从对偶问题出发,通过求解近似点或者一个子优化问题进行迭代,而且推导过程中我们发现根据问题的参数特征,比如矩阵 AAA 是瘦高型的还是矮胖型的,采用对偶和原始问题的复杂度会不一样,可以选择一个更简单的。而这一节,我们将要从原始对偶问题出发来优化,什么是原始对偶问题呢?就是原始优化变量和对偶优化变量(原始函数和共轭函数)混合在一块,看下面的原理就知道了。 1. 原始对偶问题 现在考虑原始优化问题,其中 f,gf,gf,g 为闭凸函数 min⁡f(x)+g(Ax) \min \q

Glooow的博客 4599

从零到一:Quartus II连接开发板实战,打通绘图、管脚分配、编译与下载全链路

本文详细介绍了使用Quartus II软件连接FPGA开发板并完成首个项目的全流程。从硬件连接到驱动安装,到绘制电路框图、精准分配管脚,再到编译设置与最终下载,手把手指导您打通从设计到硬件实现的完整链路,是FPGA初学者的实战入门指南。

mqtt6iot的博客 717

外键必须是另一个表的主键吗 ?

不一定是主键,但必须是唯一性索引。 主键约束和唯一性约束都是唯一性索引。 外键是表间关系的参照,可以不是主键。只是表明两个表之间的关系是通过那个属性连接起来的。 比如学生表在设计的时候一般可以用学号作为主键,也可设计一个ID字段,字段由数据库自动生成且唯一。那么对于班级,一个班级对应多个学生,这个时候对于班级表和学生表之间的外键就可以用学生表的ID做外键。 如下所示: 学生(学号,学生ID, 姓名,班级号,成绩) 班级(班级号,班级名,学生ID) ...

weixin_46879188的博客 1万+

Node-RED教程(一):Node-RED的介绍与安装

最新最全的Node-RED,node-red教程都在这里。 本篇介绍node-red的安装。使用docker 安装node-red

知无涯 3万+

外键必须是另一个表的主键吗?

外键列的值通常引用关联表中的主键(Primary Key)列,这是因为主键列的值必须是唯一的,这可以确保外键列的值也是唯一的,从而维护表间关系的正确性。在特定情况下,外键可以引用关联表中的唯一约束(Unique Constraint)列,或者是虽然没有明确的主键约束,但在实际操作中具有唯一性的列,比如身份证号。如果外键列的值与关联表中的对应列值不匹配,数据库系统通常会阻止这种不一致的操作,这就是外键约束的引用完整性检查。此外,外键还可以是自引用的,即外键列的值引用同一表中的列。

dy1996的博客 1383

整理 钢琴 约翰汤普森-简易钢琴(小汤)

文件名:(小汤1)约翰-汤普森钢琴1 超清PDF (原版引进)文件名:(小汤2)约翰-汤普森钢琴2 超清PDF (原版引进)文件名:(小汤3)约翰-汤普森钢琴3 超清PDF (原版引进)文件名:(小汤4)约翰-汤普森钢琴4 超清PDF (原版引进)文件名:(小汤5)约翰-汤普森钢琴5 超清PDF (原版引进)文件大小:20.1 MB。文件大小:23.7 MB。文件大小:45.7 MB。文件大小:51.7 MB。文件大小:72.0 MB。

TS的博客 5万+

YOLO11创新改进系列:卷积,主干 注意力,C3k2融合,检测头等创新机制(已更新110+)

本专栏提供详细的 YOLO11 教程,包括基础知识、源码解析、入门实践、算法改进和项目实战,适合发表YOLO11 学习者订阅。内容包含 100+多篇独家改进机制,适合发表论文,评分高达 96 分。订阅者将获得一键运行的改进文件及答疑交流群支持。 使用服务器的同学还可以私聊获取搭建好的运行环境。

专注于图像领域,主要研究内容包括计算机视觉和深度学习,特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。 1万+

【MySQL基础】七种约束

mysql 约束

qq_38149054的博客 6973

22、预条件技术:矩阵分解与多项式预条件器

本文系统介绍了预条件技术中的不完全分裂法、多项式预条件器和近似逆预条件器。内容涵盖矩阵分解的基本原理、不完全LU和Cholesky分解的实现方法、基于填充水平和阈值策略的改进技术,以及多项式和近似逆预条件器的数学基础与应用。通过算法流程图和表格对比,展示了各类预条件器的适用场景与优缺点,同时探讨了其在迭代求解中的关键作用和未来发展方向。

theta的博客 95

mysql外键约束脚本_使用SQL脚本创建数据库,操作主键、外键与各种约束(MS SQL Server)...

在实际开发中,可能很少人会手写sql脚本来操作数据库的种种。特别是微软的MS SQL Server数据库,它的SQL Server Management Studio对数据库的图形化操作极致简便,从而导致很多人都不会或不熟悉使用SQL脚本操作数据库。接下面介绍的是我们日常开发中常规性的各种操作,先看看基本知识,随后使用coding来表述。SQL Server 常见五种约束:Primary Key ...

weixin_35414887的博客 344

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

SQL server使用T-SQL语句快速创建数据库、表、以及约束,实现对数据的增删查改。

一、T-sql创建数据库 数据库名:StuManager ​ use master go --判断是否存在该数据库,存在则删除,否则创建 if exists(select * from sysdatabases where name='StuManager') begin select '该数据库已存在' drop database StuManager --...

Persist_in_love的博客 2296

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

SSMS建库建表建约束、增删改操作-SQL Server

SQL Server Management Studio 是用于管理SQL Server基础架构的集成环境。 •Data: 数据 用文字、符号描述现实生活中的物体(对现实生活的描述) •DB: DataBase 数据库 存储数据的仓库, 由表和关系组成 •DBMS: DataBase Management System 数据库管理系统 •对数据库进行建立,维护,使用的软件 •DBA: DataBase Administrator 操作数据库的人 系统数据库 master:保存系统主要的数据 model:保存

weixin_44251065的博客 7947

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

MS SQL Server数据库原理

MS SQL Server数据库原理 一、 数据库基本概念 数据库系统(DBS):采用数据库技术的计算机系统,由数据库(数据)、数据库管理系统(软件)、数据库管理员(人员)、硬件平台(硬件)和软件平台(软件)五部分构成的运行实体。 数据库管理系统:位于用户与操作之间的一层数据管理软件。 关系数据库:支持关系模型的数据库。关系模型有数据结构(二维表)、关系操作集合(关系代数、关系演算、二者结合特点...

qq_43707810的博客 3522

sql server 外键 更新(删除)规则

<br /><br />以前用数据库,一般都建表关系,但是这些关系建好了往往没有用到.<br /><br />这次写一个项目,涉及到多表的外键约束和级联删除的问题,才研究了一下.<br /><br />用的vs2005里面自带的SqlExpress,在VS里面作数据库,感觉不是很方便(废话,都方便了,那sqlserver2005 dev 卖给谁去!)<br /><br />我建了表,然后建了关系,设定了外键约束.<br /><br />然后就以为万事大吉了,去写代码,画界面去了.<br /><br />把代

明 天 3845

如何列出引用 SQL Server 中给定表的所有外键?

我需要删除 SQL Server 数据库中高度引用的表。如何获取删除表所需删除的所有外键约束的列表?(SQL 回答比在管理工作室的 GUI 中单击 about 更可取。

HuntsBot的博客 1028

SQL server (数据库)基础简介

中文名 :结构化查询语言数据库 SQL (Structured Query Language) 是具有数据操纵和数据定义等多 种功能的数据库语言,这种语言具有交互性特点,能为用户提供极大的便利,数据库管理系统应充分利用SQL语言提高计算机应用系统的工作质量与效率。SQL语言不仅能独立应用于终端,还可以作为子语言为其他程序设计提供有效助力,该程序应用中,SQL可与其他程序语言一起优化程序功能,进而为用户提供更多更全面的信息。 SQL Server数据库包括Microsoft...

藜笙的博客 1万+

关于PowerDesigner15不能从PDM图生成MS SQL2005/2008外键约束的问题

最近用PowerDesigner15做数据库设计的时候发现如果先做好了CDM图,然后生成PDM,再生成SQL 2005或SQL 2008脚本,发现始终无法生成外键约束。 我估计很多人都遇到了类似的问题。 经过查找和摸索终于解决了这个问题,现在将过程叙述如下,希望对大家有帮助。 实验过程如下: 1、生成在CDM中建立两个实体Entity_1和Entity_2,并建立关系Relatio...

weixin_34184561的博客 333

mysql外键更新规则_sql server 外键 更新(删除)规则

以前用数据库,一般都建表关系,但是这些关系建好了往往没有用到.这次写一个项目,涉及到多表的外键约束和级联删除的问题,才研究了一下.用的vs2005里面自带的SqlExpress,在VS里面作数据库,感觉不是很方便(废话,都方便了,那sqlserver2005 dev 卖给谁去!)我建了表,然后建了关系,设定了外键约束.然后就以为万事大吉了,去写代码,画界面去了.把代码和界面搞定后,一试验删除,删除...

weixin_31004409的博客 995

MS SQL SERVER搜索某个表的主键所在的列名

SELECT SYSCOLUMNS.name FROM SYSCOLUMNS,SYSOBJECTS,SYSINDEXES,SYSINDEXKEYS WHERE SYSCOLUMNS.id = object_id('Tab_XXX') --syscolumns.id为该列所属的表对象ID AND SYSOBJECTS.xtype = 'PK' --sysobjects.xty...

aozunnong1199的博客 203

Ms Sql server 数据库整理

(因工作交接需要而整理,囊括了大部分用过的一些总结,部分遗漏或错误欢迎指出) Ms Sql Server: 微软出的一款关系型数据库 没有My Sql那么轻量级,也没有Oracle那么大型,并且前期不支持在linux上部署(5,6年前开始支持),作为主流数据库中处于不愠不火的地位 目录1.基础操作:增删改查2.创建数据库3.创建表3.1.字段3.2.主键,外键3.3.索引3.3.1.不可重复的索引...

Silen_p的博客 1080

SQL Server 2022 主键约束实战:3种创建方式与复合主键性能影响分析

列级定义是最直接的主键约束创建方法,适合单列主键场景。这种方式在CREATE TABLE语句中直接为列指定PRIMARY KEY约束。列级定义的特点:语法简洁明了自动为主键列创建聚集索引(除非显式指定NONCLUSTERED)主键名称由系统自动生成(如PK__Products__1234567890ABCDEF)当需要创建复合主键或需要自定义约束名称时,表级定义提供了更大的灵活性。表级定义的优势:支持多列组合主键可自定义约束名称,便于后续管理。

weixin_30319153的博客 297

MSSQL中删除所有外键约束的方法

在网上找到了一句得到删除数据库中所有外键约束的语句的sql语句 但是发现这只是一句查询,要执行的话,还得复制出来执行,比较麻烦 于是写了个sp来自动执行,比较方便 代码如下:   Sql代码   CREATE PROCEDURE sp_drop_all_fk      as      declare @sql varchar(255)   declare dr...

weixin_33872566的博客 573
上一篇: distable:table-cell
下一篇: 打气球111
weixin_30415113
博客等级 码龄11年 107粉丝 2485原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值