博客
关于我
数据库原理与应用(SQL Server)教程 主键、外键以及联合主键、复合主键和设置种子数目和增量
阅读量:571 次
发布时间:2019-03-09

本文共 1330 字,大约阅读时间需要 4 分钟。

文章目录

这篇文章将深入探讨SQL Server中主键、外键、联合主键和复合主键的创建操作,使用T-SQL语句进行操作,所有相关表创建在Sales数据库中。

一、主键、联合主键和复合主键

(一)主键

主键在SQL Server中通过在要设置的字段后添加PRIMARY KEY约束实现,确保表中唯一性。

以下是创建主键的示例表:

CREATE TABLE Category(    CategoryID int NOT NULL PRIMARY KEY,    CategoryName varchar(20) NOT NULL,    Description varchar(80) NULL)

(二)联合主键

联合主键通过在表中指定多个字段组合来唯一确定记录的方式实现。

以下是创建联合主键的示例表:

CREATE TABLE grade(    student char(10) NOT NULL,    coursestudent char(10) NOT NULL,    grade int NOT NULL,    PRIMARY KEY(student, coursestudent))

(三)复合主键

复合主键是指一个表中多个字段共同组成主键的概念,每个字段都必须唯一。

以下是创建复合主键的示例表:

CREATE TABLE Test(    NO_1 char(10) NULL,    NO_2 char(20) NOT NULL,    NO_3 varchar(10) NOT NULL,    PRIMARY KEY(NO_1, NO_2))

二、外键、设置种子数目和增量

(一)外键概念

外键用于在多个表之间建立关联关系,确保数据的一致性。例如,主表中的主键字段在子表中作为外键引用。

(二)添加外键

可以通过在表创建时直接指定外键约束,或者在表已存在的情况下通过 ALTER TABLE命令添加外键。

以下是通过表创建时添加外键的示例:

CREATE TABLE Orders(    OrderID int IDENTITY(1001,1) NOT NULL PRIMARY KEY,    CustomerID char(3) NOT NULL ,    SaleID char(3) NOT NULL,    OrderDate datetime NULL,    Notes varchar(80) NULL,    FOREIGN KEY CustomerID REFERENCES Orders,    FOREIGN KEY SaleID REFERENCES Orders)

(三)设置种子数目和增量

IDENTITY函数用于生成自动递增的数值,可以设置种子值和增量值。

以下是使用IDENTITY函数设置种子和增量的示例:

CREATE TABLE Test(    NO_1 char(10) IDENTITY(1000,1) NULL,    NO_2 char(20) NOT NULL,    NO_3 varchar(10) NOT NULL,    PRIMARY KEY(NO_1, NO_2))

转载地址:http://yawpz.baihongyu.com/

你可能感兴趣的文章
Pandas 对数据框的布尔比较
查看>>
Pandas 将多个数据帧与时间戳索引对齐
查看>>
pandas 将通话数据分割为15分钟的间隔
查看>>
pandas 找到局部最大值和最小值
查看>>
Pandas 按年份分组,按销售列排名,在具有重复数据的数据框中
查看>>
pandas 按日期和年份分组,并汇总金额
查看>>
pandas 数据帧到PostgreSQL表中使用的是没有SQLAlChemy的心理复制2吗?
查看>>
pandas 数据帧多行查询
查看>>
Pandas 数据框:使用线性插值重新采样
查看>>
pandas 数据框将 INT64 列转换为布尔值
查看>>
pandas 数据框将列类型转换为字符串或分类
查看>>
pandas 数据框条件 .mean() 取决于特定列中的值
查看>>
pandas 数据框至海运分组条形图
查看>>
Pandas 数据透视表:列顺序和小计
查看>>
pandas 时序统计的高级用法!
查看>>
pandas 时间序列重新采样结束给定的一天
查看>>
pandas 根据不是常量的第三列的值将值从一列复制到另一列
查看>>
pandas 根据值从多列中的一列查找
查看>>
Pandas 根据布尔条件选择行和列
查看>>
pandas 滚动窗口 - datetime64[ns] 未实现
查看>>