儲存過程例項二

1、過程例項

begin
set @createtable = concat('create table table_one_',date_format(date_sub(current_timestamp,interval 1 day),'%y%m%d'),' like table_one');
set @insertdata = concat('insert into table_one_',date_format(date_sub(current_timestamp,interval 1 day),'%y%m%d'),' select * from table_one');
set @droptable= concat(' drop table_one_', date_format(date_sub(current_timestamp,interval 7 day),'%y%m%d'));
set @time = unix_timestamp(concat( date_format(date_sub(current_timestamp,interval 1 day),'%y%m%d'),'000000'));
prepare stmt1 from @createtable ;
execute stmt1 ;
prepare stmt2 from @insertdata ;
execute stmt2 ;
prepare stmt3 from @droptable ;
execute stmt3 ;
truncate table table_one;
insert into adp_web_city_count_his(city,labels,counts,input_time) (select a.city,a.labels,a.counts,@time from (select * from adp_web_city_count)a);
insert into adp_web_total_count_his(labels,counts,input_time) (select a.labels,a.counts,@time from (select * from adp_web_total_count)a);
end

2、字段解析： contact: 拼接字串， date_format():格式化時間，這個儲存過程的功能就是備份表，備份七天，刪除7以前的資料

3、prepare:

prepare sql產生的原因。首先從mysql伺服器執行sql的過程開始講起，sql執行過程包括以下階段詞法分析->語法分析->語義分析->執行計畫優化->執行。詞法分析->語法分析這兩個階段我們稱之為硬解析。詞法分析識別sql中每個詞，語法分析解析sql語句是否符合sql語法，並得到一棵語法樹（lex）。對於只是引數不同，其他均相同的sql，它們執行時間不同但硬解析的時間是相同的。而同一sql隨著查詢資料的變化，多次查詢執行時間可能不同，但硬解析的時間是不變的。對於sql執行時間較短，sql硬解析的時間佔總執行時間的比率越高。而對於**應用的絕大多數事務型sql，查詢都會走索引，執行時間都比較短。因此**應用db sql硬解析佔的比重較大。

2） execute 接收客戶端stmt->id和引數等資訊。注意這裡客戶端不需要再發sql過來。伺服器根據stmt->id在preparestatement cache中查詢得到硬解析後的stmt, 並設定引數，就可以繼續後面的優化和執行了。

prepare在execute階段可以節省硬解析的時間。如果sql只執行一次，且以prepare的方式執行，那麼sql執行需兩次與伺服器互動（prepare和execute）, 而以普通（非prepare）方式，只需要一次互動。這樣使用prepare帶來額外的網路開銷，可能得不償失。我們再來看同一sql執行多次的情況，比如以prepare方式執行10次，那麼只需要一次硬解析。這時候額外的網路開銷就顯得微乎其微了。因此prepare適用於頻繁執行的sql。

prepare的另乙個作用是防止sql注入，不過這個是在客戶端jdbc通過轉義實現的，跟伺服器沒有關係。

儲存過程例項二

儲存過程例項

儲存過程例項

儲存過程例項

相關推薦