SQL是操作关系型数据库的核心语言，无论是后端开发、数据分析还是运维工作，都离不开对SQL语句的熟练运用。对于初学者而言，单纯背诵语法规则的效果往往有限，真正能帮助理解的是可运行、可观察结果的实例。本手册采用实例驱动的写法，围绕实际开发中最高频的SQL操作展开，每个知识点都配以完整的示例代码，让学习者可以一边阅读一边实践，从而更扎实地掌握SQL的核心用法。
基础查询语句实例
查询是SQL中使用频率最高的操作类型，无论是业务报表还是日常数据校验，都离不开SELECT语句。下面以一张用户表user_info为例，演示单表查询的几种常见写法。该表包含id、username、age、create_time四个字段，其中id为主键，username存储用户姓名，age存储年龄，create_time记录创建时间。
最基础的操作是查询表中的全部数据。开发者可以使用星号（*）来代表所有字段，这种做法适合快速浏览表内容，但在正式项目中，建议将字段名称逐一列出，以避免查询出不需要的列带来的额外开销。下面的示例演示了全表查询的写法：
-- 查询user_info表所有数据 SELECT * FROM user_info;
实际开发中更常见的是带条件的查询，即通过WHERE子句筛选出符合特定要求的数据。比如需要了解当前系统中成年用户的情况，就可以在查询条件中限定年龄大于18岁。这种写法不仅能让结果集更精准，也有助于减少数据传输量。示例如下：
-- 查询年龄大于18的用户 SELECT id, username, age FROM user_info WHERE age > 18;
除了精确的数字比较，许多场景还需要进行模糊匹配。例如在管理后台中根据用户姓名搜索账号，此时只需要知道姓名中的一部分字符即可完成查询。LIKE关键字配合百分号（%）通配符可以实现这样的需求，百分号可以匹配任意长度的字符序列。下面的示例展示了如何查询用户名中包含“张”字的所有用户：
-- 查询用户名包含张的用户 SELECT * FROM user_info WHERE username LIKE '%张%';
需要注意的是，模糊查询虽然灵活，但在数据量较大的表上执行时可能会因为无法有效利用索引而变慢。如果业务中频繁出现类似的搜索需求，可以考虑引入全文索引或专门的搜索服务来优化性能。
数据增删改实例
支撑业务运转的数据始终处于动态变化之中，因此除了查询，数据的插入、更新和删除也是开发者必须熟练掌握的高频操作。这三类操作分别对应INSERT、UPDATE和DELETE语句，它们会改变表中的数据内容，所以执行时需要格外谨慎，尤其是更新和删除操作，务必确认条件是否正确。
向用户表中新增一条记录通常只涉及部分字段。例如新用户注册时，只需要提供用户名和年龄，创建时间可以由程序自动生成。执行插入语句后，数据库会将这一行数据写入表中。如果某个字段设置了默认值，那么在插入语句中可以不显式指定它。下面是插入数据的示例：
-- 插入一条用户数据
INSERT INTO user_info (username, age, create_time) VALUES ('李四', 22, '2024-05-01 10:00:00');
当用户信息发生变化时，需要更新表中的已有记录。更新操作的核心在于SET关键字用来指定要修改的字段和新值，而WHERE子句则决定了哪些行会受到本次操作的影响。如果在执行UPDATE语句时遗漏了WHERE条件，那么表中所有记录都会被更新，这在实际生产环境中属于严重事故。下面的示例将id为1的用户年龄修改为25：
-- 更新id为1的用户年龄 UPDATE user_info SET age = 25 WHERE id = 1;
删除操作同样需要严格控制条件范围。比如产品策略调整后，需要清理年龄小于16岁的无效账号，此时就可以使用DELETE语句。建议在删除前先执行一条对应的查询语句，确认将要被删除的数据确实无误，再执行删除操作。同时，可以考虑使用逻辑删除的方式，即通过标记字段隐藏数据，而不是物理删除记录，这样可以为后续的数据恢复留有余地。删除示例如下：
-- 删除年龄小于16的用户 DELETE FROM user_info WHERE age < 16;
表结构操作实例
在项目迭代过程中，数据表的结构并不是一成不变的。新功能可能需要新增字段，旧字段可能已经不再适用，甚至整个项目启动时就需要创建全新的数据表。掌握常用的表结构操作语句，能够帮助开发者独立完成数据库层面的基本设计与调整。
创建表是项目初始化阶段的常见工作。在创建用户表时，需要为每个字段定义合适的数据类型和约束条件。例如id字段通常使用整数类型并设置为主键，同时配合AUTO_INCREMENT实现自增；username字段限定为可变长字符串，并且不允许为空；age字段设置默认值为0，以避免空值带来的统计困扰。完整的建表语句如下：
-- 创建用户表
CREATE TABLE user_info (
id INT PRIMARY KEY AUTO_INCREMENT,
username VARCHAR(50) NOT NULL,
age INT DEFAULT 0,
create_time DATETIME
);
当业务需求演进时，往往需要为已有表增加新的字段。例如用户需要提供电子邮箱以便接收通知，此时可以通过ALTER TABLE语句添加一个email字段。新增字段时可以指定默认值，这样表中已有的记录会自动填充该默认值，从而保证数据完整性。如果字段长度或类型需要调整，也可以使用MODIFY COLUMN子句完成修改。以下是新增邮箱字段的示例：
-- 给user_info表新增email字段 ALTER TABLE user_info ADD COLUMN email VARCHAR(100) DEFAULT '';
表结构的调整应当遵循数据库迁移的规范流程，尤其是在多人协作的项目中，直接修改数据库结构可能导致其他开发者的本地环境与测试环境不一致。推荐的做法是将结构变更编写为迁移脚本，纳入版本控制，这样每一个变更都有迹可循，也便于回滚。
常用聚合函数实例
在实际的数据分析场景中，仅仅查看原始记录往往不能满足需求，开发者更关心的是统计信息，比如总共有多少用户、年龄的总和是多少、平均年龄是多少。SQL提供了一组聚合函数来完成这类计算，常见的包括COUNT()、SUM()和AVG()。聚合函数的特点在于它们会将多行数据压缩为单个结果值。
COUNT()：统计行数，例如统计用户总数。SUM()：对指定列的数值求和，例如统计所有用户的年龄总和。AVG()：计算指定列的平均值，例如统计用户的平均年龄。
统计用户总数是后台系统中最常见的需求之一。使用COUNT(*)可以统计表中所有记录的行数，也可以使用COUNT(具体字段)来统计该字段非空值的个数。如果只需要统计满足某个条件的用户数量，可以结合WHERE子句来实现。下面是一个统计用户总数的实例：
-- 统计用户总数 SELECT COUNT(*) AS user_count FROM user_info;
仅仅知道整体数量还不够，实际业务中经常需要按照某个维度进行分组统计。例如产品运营希望了解不同年龄段的用户各有多少，以便制定差异化的活动策略。此时GROUP BY子句就派上了用场，它可以按照指定的字段将数据分成若干个组，再配合聚合函数得到每一组的统计结果。下面的例子按年龄分组统计用户数量：
-- 按年龄分组统计用户数 SELECT age, COUNT(*) AS count FROM user_info GROUP BY age;
使用GROUP BY时还需要注意一个常见语法规则：在查询列表中出现的非聚合字段，必须同时出现在GROUP BY子句中。否则数据库无法明确该字段应该取哪一行的值，SQL语句会直接报错。此外，如果需要对分组后的结果进行进一步筛选，应当使用HAVING子句，而不是WHERE，因为WHERE作用于分组之前的原始数据行。
总结与延伸建议
学习SQL语句最忌讳死记硬背，最好的方式是在理解业务场景的基础上反复动手实践。本文围绕单表查询、数据增删改、表结构操作和聚合统计四个方向，提供了可以直接运行的示例代码。读者可以自行创建一张测试表，将上述语句逐条执行一遍，并观察每次操作对数据产生的影响。只有亲自敲过一遍代码，才能对SQL的执行逻辑留下深刻印象。
在掌握这些基础操作之后，建议进一步学习多表连接查询、子查询、索引优化和事务控制等内容，这些知识点在实际项目中的使用频率同样很高。同时，养成在写更新和删除语句时先查询确认条件的习惯，可以有效避免误操作带来的数据丢失。