DDL vs. DML - Opi kuusi tärkeintä eroa DDL: n ja DML: n välillä

Sisällysluettelo:

Anonim

Ero DDL: n ja DML: n välillä

Suhteellisen tietokannan hallintajärjestelmässä (RDBMS) valtava määrä tietoa tallennetaan taulukoihin. Nämä taulukot ovat kokoelma liittyviä tietoja, joissa tiedot tallennetaan rivien ja sarakkeiden yli. Tällainen tietojen tallennusmuoto tekee siitä tehokkaan käytön tarpeen vaatiessa. On erittäin tärkeää käyttää näitä taulukoita koskevia tietoja liiketoimintavaatimuksiin ja myös silloin, kun tietokannan nykyisiä tietoja on tarpeen muokata. Tietojen noutamiseksi tai niiden käsittelemiseksi tarvitsemme SQL-kieltä (Structured Query Language). SQL sisältää vakiona komennot olla yhteydessä RDBMS. Tietojen määritelmäkieltä (DDL) käytetään tietokantakaavan määrittelemiseen ja Data Manipulation Language (DML): tä käytetään tietokannassa jo olevan datan käsittelemiseen. Tässä aiheessa aiomme oppia DDL vs. DM: stä. Tässä aiheessa aiomme oppia DDL vs. DML: stä.

Head to Head -vertailu DDL: n ja DML: n välillä (infografia)

Alla on suurimmat erot DDL: n ja DML: n välillä

Tärkeimmät erot DDL: n ja DML: n välillä

Tärkeimmät erot DDL: n ja DML: n välillä:

  • Yksi tärkeistä eroista DDL: n ja DML: n välillä on se, että Data Definition Language (DDL) määrittelee tietokannan skeeman, kun taas Data Manipulation Language (DML): tä käytetään tietokannan skeeman muuttamiseen.
  • DDL-komennot ovat CREATE, ALTER, DROP, TRUNCATE jne., Kun taas DML-komennot ovat INSERT, UPDATE, DELETE, SELECT jne.
  • DDL-lauseet toimivat koko taulukossa, kun taas DML-lauseet toimivat riveillä.
  • DDL-lauseissa ei ole WHERE-lauseketta tietojen suodattamiseksi, kun taas DML-lauseissa WHERE-lauseke käyttää tietojen suodattamista.
  • DDL-lausunnot toteutetaan transaktiossaan ja sitoutuvat siten heti, koska jokaisen näihin lauseisiin tehdyt muutokset ovat pysyviä. Mutta koska DML-käskyt toimivat muokkaamalla tietokantaobjektien tietoja, niin nämä lauseet suoritetaan tapahtuman sääntöjen mukaisesti.
  • DDL-käskyjä käytettäessä niiden tekemiä muutoksia ei voida peruuttaa. Joten meidän ei tarvitse suorittaa COMMIT- tai ROLLBACK-komentoa, kun taas DML-käskyissä COMMIT- ja ROLLBACK-komennot tulisi suorittaa muutosten vahvistamiseksi.

DDL vs. DML-vertailutaulukko

Keskustelemme kuuden parhaan eron kanssa DDL: n ja DML: n välillä

DDL (Data Definition Language)DML (Data Manipulation Language)
Tietojen määritelmäkieltä käytetään määrittelemään tietokannan kaava. Se käsittelee, miten tiedot tallennetaan tietokantaan.Datamanipulaatiokieltä käytetään manipuloimaan eli hakemaan, päivittämään ja poistamaan tietoja tietokannasta.
SQL: ssä käytettyjä DDL-komentoja ovat CREATE, DROP, ALTER, TRUNCATE jne.SQL: ssä käytetään DML-komentoja INSERT, UPDATE, DELETE, SELECT jne.
CREATE-komentoa käytetään taulukon tai taulukon näkymän luomiseen. Sitä voidaan käyttää myös muiden tietokannan objektien, kuten hakemiston, tallennetun menettelyn, liipaisimien, luomiseen.

Taulukon luomisen syntaksi on seuraava:

Luo taulukko taulukon_nimi (

COLUMN_1 tietotyyppi ALKUPERÄINEN AVAIN,

COLUMN_2 tietotyyppi,

COLUMN_3 tietotyyppi,

……

);

INSERT-komentoa käytetään tietojen lisäämiseen taulukkoon.

Tietojen lisäämistä taulukkoon varten oleva syntaksi on seuraava:

INSERT INTO table_name (sarake_1, sarake_2, … sarake_N) ARVOT (arvo1, arvo2… arvoN);

ALTER-komentoa käytetään nykyisen taulukkorakenteen tai tietokantaobjektien muokkaamiseen.

ALTER-komennon käytön syntaksi on seuraava:

ALTER TAULUKKO table_name RENAME TO table_name_new;

UPDATE-komentoa käytetään päivittämään taulukossa olevat tiedot.

UPDATE-komennon käytön syntaksi on seuraava:

UPDATE table_name SET sarake1 = arvo1, sarake2 = arvo2, … sarakeN = arvoN Missä (ehto);

DROP-komentoa käytetään taulukon tai taulukon tai muiden tietokantaobjektien näkymien poistamiseen. DROP-komento poistaa tiedot sekä taulukon määritelmän. Joten tätä komentoa tulisi käyttää huolellisesti.

Tietokannan pudottamisen syntaksi on seuraava:

DROP DATABASE tietokannan_nimi;

Taulukon pudottamisen syntaksi on seuraava:

DROP TABLE taulukon_nimi;

POISTA-komentoa käytetään tietueiden poistamiseen taulukosta.

POISTO-komennon käyttämä syntaksi on seuraava:

POISTA taulukon_nimi;

Yllä olevassa syntaksissa kaikki taulukon rivit poistetaan, mutta taulukon rakenne säilyy. Mutta jos käytämme POISTA-komentoa yhdessä WHERE-lauseen kanssa, vain WHERE-lauseen mukaiset erityiset tietueet poistetaan. DELETE-komennon ja WHERE-lauseen syntaksi on seuraava:

POISTA taulukon_nimi WHERE (ehto);

TRUNCATE-komentoa käytetään tietojen poistamiseen taulukosta, mutta taulukon rakenne pysyy ennallaan. Joten tällä komennolla tiedot vain poistetaan, ei taulukkoa.

TRUNCATE-komennon syntaksi on seuraava:

TRUNCATE TABLE taulukon_nimi;

SELECT-komentoa käytetään tietojen hakemiseen tietokannan taulukoista.

SELECT-komennon käyttämä syntaksi on seuraava:

SELECT sarake1, sarake2… sarakeN FROM table_name;

Yllä oleva lausunto valitsee valintalausekkeessa määritetyt sarakkeet. Mutta kun haluamme valita kaikki taulukon sarakkeet, meidän on käytettävä “*” valituslausekkeessa.

Taulukon kaikkien sarakkeiden valintatapa on seuraava:

SELECT * FROM table_name;

johtopäätös

SQL tarjoaa joustavuuden määritellä kaavio ja muokata sitä sitten tietokannan vaatimuksen mukaan käyttämällä Data Definition Language- ja Data Manipulation Language -komentoja. Kun käytetään yksinkertaisia ​​DDL-lauseita, kehittäjälle on helpompi määritellä tietokantakaava, taulukkorakenne suurille tietomäärille. Myös DML-lauseiden käytön avulla voimme manipuloida dataa, ts. Noutaa tietoja, muokata olemassa olevaa tietoa jne. Aina kun sitä ilmenee. On tiettyjä tärkeitä kohtia, jotka on pidettävä mielessä työskennellessäsi erilaisten DDL- ja DML-komentojen kanssa. Ohjelmistokehittäjän tai suunnittelijan on saatava perusteellinen käsitys erilaisten DDL- ja DML-toimintojen toiminnasta, koska niillä on elintärkeä rooli tehokkaan tietokannan rakentamisessa yrityksen edellyttämällä tavalla.

Suositellut artikkelit

Tämä on opas DDL Vs DML: ään. Tässä keskustellaan yksityiskohtaisesti DDL vs. DML: stä vastaavien keskeisten erojen, infografioiden ja vertailutaulukon kanssa. Voit myös katsoa seuraavia artikkeleita saadaksesi lisätietoja -

  1. Hive vs HUE: Kuusi hyödyllistä oppimisvertailua
  2. WebLogic vs JBoss
  3. SQL Server vs PostgreSQL
  4. PL SQL vs. SQL