① 按职称统计所有男教师的最高、最低,平均工资sql
SQL是Structure Query Language的英文简写，意思是结构化查询语言。SQL是在数据库系统中应用广泛的数据库查询语言，它包含了数据定义、查询、操纵和控制4种功能。SQL语言的功能强大，使用方便灵活，语言简单易学。
在Access中，创建和修改查询最便利的方法是使用查询设计视图。但是，在创建查询时并不是所有的查询都可以在系统提供的查询设计视图中进行，有些查询只能通过SQL语句来实现。例如，查询“学生成绩表”中总分最高的前3名学生的情况，此查询只能用SQL语句实现。
常用的SQL查询语句包括Select、Insert、Update、Delete、Create、Drop等。其中最常使用的是Select语句，它是SQL语言的核心语句，Select语句的基本结构是Select…From…Where。Select语句的语法格式如下：
Select [谓词] <；字段列表>|<；目标表达式>|<；函数> [As 别名]
From 表名
[Where 条件…]
[Group By 字段名]
[Having 分组的条件]
[Order By 字段名[Asc|Desc]]；
其中方括号[ ]中的内容为可选项，尖括号<>中的内容为必选项。
Select语句各个部分的含义如下：
（1）谓词：经常使用的是All、Distinct和Top，可用谓词来限制返回的记录数量。如果没有指定谓词，则默认值为All。Top n可以列出最前面的n条记录。Distinct可以去掉查询结果中指定字段的重复值，只显示不重复的值。
（2）字段列表：当为多个字段时，各字段之间用“，”分隔。可以使用“*”代表从特定的表中指定全部字段；如果字段在不同的表中使用相同的字段名，则显示的字段名前要加上表名，以说明来自于哪张表。
（3）函数：进行查询计算的合计函数。
（4）别名：用来作为列标题，以代替表中原有的列名。
（5）From：指出要获取的数据来自于哪些表。如果从多个表中读取数据，要写出每个表的表名，表名之间用“，”分隔。
（6）Where：指明查询的条件。Where是可选的，如果不写表示选择全部记录，在使用时必须接在From之后。
（7）Group By：将查询结果按指定的列进行分组。
（8）Having：用来指定分组的条件，Having子句是可选的，如果有Having则必须放在Group By子句后面。
（9）Order By：按照递增或递减顺序在指定字段中对查询的结果记录进行排序。其中，Asc 代表递增，Desc代表递减，默认为递增。
Access没有提供直接进入SQL视图的方法，如果要进入SQL视图，需要先进入查询设计视图。具体方法如下：
（1）在数据库窗口中，单击“查询”对象。
（2）双击“在设计视图中创建查询”选项，关闭弹出的“显示表”对话框。
（3）单击工具栏中SQL视图按钮，在弹出的编辑框中输入SQL语句。
此外，用户还可以通过打开某个已经创建的查询的设计视图，选择视图按钮右边的向下
1
的箭头，然后选择“SQL视图”选项，在“SQL视图”中编辑、查看SQL语句或对SQL语句进行简单的修改。
4.6.2 创建SQL查询
SQL查询是用户使用SQL语句直接创建的一种查询。实际上，Access的所有查询都可以认为是一个SQL查询，因为Access查询就是以SQL语句为基础来实现查询功能的。如果用户比较熟悉SQL语句，那么使用它创建查询、修改查询的条件将比较方便。
1．基于单一数据源的查询
【例4.26】显示“学生信息表”中的所有“班级名称”。
【分析】从理论上说，数据表都有主键，它们的记录不应该重复，但当只输出部分字段时，某些字段的值可能是重复的。此查询需要使用Distinct消除重复的记录。
操作步骤：
（1）在“SQL视图”中输入以下语句，如图4.75所示。
图4.1添加Distinct前的“SQL视图”图4.2添加Distinct前的结果（2）单击工具栏上的运行按钮，查看运行结果如图4.76所示。其中每个班级均有重复，不能恰当地描述“班级”名称。
（3）在查询语句中添加Distinct（如图4.77所示），消除重复的记录。查询结果如图4.78所示，查询结果中已经去掉了重复的记录。
（4）单击工具栏中的保存按钮保存查询。
图
② 多表连接查询和多次单表查询哪个效率高为什么
如果数据量小的表，这样的设计意义不大，而且当然是单表速度快。若在大数据量情况下，设计非常有意义。在多表连接中注意数据的条目和外健，避免出行大量冗余数据导致性能下降。下面我以Oracle讲讲数据查询的整个过程技术。
由于数据分布到数据块，在大量数据设计中可以将数据存储于多个数据块，在高并发进程的随机访问的情况下，能有效减少块冲突 同样的数据需要更多的数据块来存储，由于数据块的块头元信息大小固定，所以需要更多的空间来存储块头元信息。行长度过大容易导致行连接，从而导致Oracle获取数据块的效率降低 ，在行长度固定的前提下，单块能够存储更多的数据行，也就意味着Oracle一次I/O能读取更多的数据行。适合连续顺序读或者存放大对象数据（如LOB数据） 由于大数据块可以存放更多的索引叶节点信息，容易引起争用，所以大数据块不适合存放索引叶节点信息。
大量数据表的数据库参数设置DB_FILE_MULTIBLOCK_READ_COUNT表示Oracle一次顺序I/O读操作最多能读取的数据块块数。该参数的默认值随操作系统的不同而不同。在全表扫描或者索引快速扫描比较多的系统中（如DSS系统），建议将该值设置得较大。但是DB_FILE_MULTIBLOCK_READ_COUNT参数受操作最大单次I/O大小的限制，大多数操作系统单次读操作的大小不能超过1MB，这也就意味着在8KB数据块大小的情况下，该参数最大值为128。值得一提的是，该参数的大小还会影响Oracle CBO对执行计划的评估，如果设成较大值，Oracle的执行计划倾向于全表扫描。当该参数设置为0或者保持默认时，CBO假设全表扫描时最多能连续读取8个数据块。从Oracle 11R2开始，DB_FILE_MULTIBLOCK_READ_COUNT的取值算法如下：
db_file_multiblock_read_count = min(1048576/db_block_size , db_cache_size/
(sessions * db_block_size))
注意数据库参数BLOCK_SIZE在设定之后，在数据库生命周期内不可更改。
当执行SELECT语句时，如果在内存里找不到相应的数据，就会从磁盘读取进而缓存至LRU末端（冷端），这个过程就叫物理读。当相应数据已在内存，就会逻辑读。我物理读是磁盘读，逻辑读是内存读；内存读的速度远比磁盘读来得快。
下面将本人大数据分区设计截图，为大家参考学习。
先贴俩图镇镇场。
引言
对于内连接，使用单个查询是有意义的，因为你只获得匹配的行。
对于左连接，多个查询要好得多。
看看下面的基准测试:
5个连接的单个查询
一行5个查询
注意，我们在两种情况下得到了 相同的结果 (6 x 50 x 7 x 12 x 90 = 2268000)
对于冗余数据，左连接使用更多的内存。
如果只执行两个表的连接，那么内存限制可能没有那么糟糕，但通常是三个或更多的表，因此值得进行不同的查询。
用过Laravel吗？还记得 Eloquent ORM模型吗？
不知道有没有注意到，debug所打印出来的多表联合查询，
都是拆分为“单个表查询”，然后使用PHP处理的。
Happy coding :-)
是做表连接查询还是做分解查询要具体情况具体分析。
如果数据库的结构合理，索引设计得当，表连接的效率要高于分解查询。比如，在有外键的时候，数据库可以为外键建表并建立索引从而提升多个表连接查询的效率。另外，多表连接查询不需要把数据传输到应用程序中，直接在数据库端执行，这在很大程度上提升了效率。
但是多表连接也有一些缺点。多表连接对表结构的依存度很高，只要表结构出现变更就会同时对数据库检索和应用处理两个部分产生较大影响。另外，多表连接的兼容性不好，数据库不同SQL文也多少有些差异。而且采用分散数据库的时候，实现多表连接即麻烦又没有什么好处。因此，一些大型系统或者是支持多种类数据库的系统一般不会使用多表连接，而倾向于采用分解查询。
这个得看情况，一般数据不大的情况下多表连接查询和多次单表查询的效率差不多。如果数据量足够大，那肯定是多次单表查询的效率更高。在很多大的公司里面，都会禁用多表连接查询，原因就是一旦数据量足够大的时候多表连接查询效率会很慢，而且不利于分库分表的查询优化。那么看一下下面这个例子。
两种查询方式的比较我这里有一个数据库，我们拿里面的客户表和地区表做两种查询的对比。用户表数据是31万条，地区表3511条。
1. 使用连表查询成都市的客户总数
2.使用多次单表查询客户总数
可以看到，查询出来的结果都是一样，但是第一种的连表查询用了0.67秒中，而第二种多次单表查询一共用时0.14秒。这个对比已经是很明显了吧。
虽然这只是一个很简单的例子，但是对比结果是非常明显的。在实际应用中可能会更复杂、数据更多，如果还使用连表查询时非常慢的，而且还消耗服务器资源。
所以现在在很多大了公司明确要求禁止使用join查询，比如阿里、腾讯就明确规定禁用三表以上的join查询。
总结一下，单表查询的优点1. 多次单表查询，让缓存的效率更高。
许多应用程序可以方便地缓存单表查询对应的结果对象。另外对于MySQL的查询缓存来说，如果关联中的某个表发生了变化，那么就无法使用查询缓存了，而拆分后，如果某个表很少改变，那么基于该表的查询就可以重复利用查询缓存结果了。
2. 将查询分解后，执行单个查询可以减少锁的竞争。
3. 在应用层做关联，更容易对数据库进行拆分，更容易做到高性能和可扩展。
4. 查询本身效率也可能会有所提升。
5. 可以减少冗余记录的查询。
6. 在应用中实现了哈希关联，而不是使用MySQL的嵌套环关联，某些场景哈希关联的效率更高很多。
7. 单表查询有利于后期数据量大了分库分表，如果联合查询的话，一旦分库，原来的sql都需要改动。
8. 很多大公司明确规定禁用join，因为数据量大的时候查询确实很慢
所以在数据量不大的情况下，两种方式的查询都没什么明显的差别，使用多表连接查询更方便。但是在数据量足够大几十万、几百万甚至上亿的数据，或者在一些高并发、高性能的应用中，一般建议使用单表查询。
如果觉得笨猫的回答对你有用，点个关注，非常感谢。
做java的，在orm框架下，分解查询是最符合面向对象操作的，挺支持分解查询的（拙见）
先说结论：不一定。
多表查询效率低的时候，可以考虑拆解sql成多个小的sql，至于效率是否一定会提高，这个还不一定，具体问题具体问题。当多表查询效率低的时候，拆解成单个小sql，这只是一个可能的思路，起不起作用，不一定。
sql是一个很复杂的东西，sql引擎会分析执行计划，并可能按照他认为最优的执行计划执行sql，但他认为的也不一定是正确的。不同的sql执行计划不一样，所以很难断定sql拆解或者合并的效率。
说了这么多，那到底是多表联合查询还是拆解呢？有没有一个原则？ 有！如果你确定你的单个sql的执行效率比较快，当然可以写多个单个sql。当然了，具备这个能力需要你对数据库足够了解，比如什么时候走索引，什么时候nested loop等等。如果你现在的多表联合查询比较慢，你需要找出来慢的原因，并分析拆解后的sql的执行计划，看是否避免了多表联合查询的效率问题。
总之吧。这个问题，只能给你一个大体的思路，因为牵扯到很多基础问题，我觉得最起码sql执行计划应该需要了解，一个sql可能的执行计划有几十中，复杂sql的执行计划又是这几十种的组合。哪种效率低，哪种效率高应该有个大体了解。
多表查询可以很快，也可以很慢。主要看执行计划。
单次肯定是多表连接查询的效率高，但多次单表查询的吞吐量高，而且容易优化，例如分库分表，使用缓存减少DB访问次数等等，所以在大数据量高并发场景通常使用多次单表查询的方式。另外，不管是单表还是多表连接查询，SQL的执行时间和数据量、并发量都有很大关系，和扫描的数据行数也很有关系。如果一条SQL，平时执行一次要2秒，10个并发时，系统可能一点问题都没有，1000个并发时，数据库可能就被拖死了。我们组之前碰到过好几次这种问题，一张只有几万条数据的表，因为忘记加索引，平时执行只有几百毫秒，高峰期直接飙到几十秒，DB差点被拖垮。
单纯从效率来讲，join的表不太多时，join效率比较高。但是占用的主要是数据库服务器的资源。数据库资源又是个瓶颈，不易横向扩展。所以在数据量大的时候，我们会采用单表查询，把循环和匹配等大量工作移到应用服务器上。应用服务器容易扩展，对并发支持更好。
当数据量大到千万级以上，就建议尽可能减少join，鼓励使用单表查询。查询优化比较容易。这时候使用join的一个大型查询就可能花很久，对其他查询造成阻塞，导致服务不可用。
当考虑单表查询后，就会衍生一系列的策略，比如冷热数据分离，将热数据和 历史 数据分离，大幅降低数据量级以提高热数据查询性能，并可以使用内存缓存。这样又促使你考虑引入微服务架构。
总结，数据量小，查询并发少，那么使用join的性能是可控的，开发成本低。当数量级上升到千万级且不断增加，尽早考虑向单表查询切换，否则可能有性能下降会导致系统奔溃。而且性能下降不是线性的，会陡降。
③ sql语句联合查询 与 视图想比较的话，那个效率快，为什么。
sql效率比较快，存储过程的好处是不仅快且更安全，但移植性差。视图可以封装查询的复杂性，就像面向对象里类的概念一样。
④ 数据库的日期区间查询方法。
access中有个mid函数，可以用来截取字符串或者日期。
select * from 表名 where mid([TestTime],5,10) ='04/19/2013'其中，5代表截取的开始位置，从左数，10代表截取的长度。
数据库的日期区间查询有两种情况：
1：查询给定时间在开始时间列与结束时间列范围中数据；
2：查询日期列在开始时间列与结束时间列范围中数据。
第一种：<,>, <= , >=
select * from 表名 where 日期列 >= to_date('2015-10-20 00:00:00','yyyy-mm-dd hh24:mi:ss')
and t.日期列 <= to_date('2015-10-20 23:59:59','yyyy-mm-dd hh24:mi:ss')。
第二种 between and
select * from 表名 where 日期列 between to_date('2015-10-20 00:00:00','yyyy-mm-dd
hh24:mi:ss')and to_date('2015-10-20 23:59:59','yyyy-mm-dd hh24:mi:ss')。
(4)两种查询方法在数据库中的应用扩展阅读：
SQL数据库语句：
创建数据库：
CREATE DATABASE database-name。
删除数据库：
drop database dbname。
创建新表：
create table tabname(col1 type1 [not null] [primary key],col2 type2 [not null],..)。
删除新表：
drop table tabname。
增加一个列：
Alter table tabname add column col type。
添加主键：
Alter table tabname add primary key(col)。
删除主键：
Alter table tabname drop primary key(col)。
创建索引：
create [unique] index idxname on tabname(col….)。
删除索引：
drop index idxname。
创建视图：
create view viewname as select statement。
删除视图：
drop view viewname。
参考资料来源：网络-sql语句大全
⑤ 在数据库中如何快速查询数据，处理方法
SQL关键索引，在大表上创建索引
千万记录的表不算大，只要索引创建对了，性能可以正常提升，
还有一种就是比较偏的方式：先把需要批量的数据库插入临时表
这个可以防止频繁对表进行查询操作，
SQL 如下：select * into #Temp from Table
后面就只需要对临时表操作，不允许主表性能。
⑥ 数据库得查询功能是怎么实现的
数据库的查询功能实现原理：
数据库查询是数据库的最主要功能之一。我们都希望查询数据的速度能尽可能的快，因此数据库系统的设计者会从查询算法的角度进行优化。最基本的查询算法当然是顺序查找（linear search），这种复杂度为O(n)的算法在数据量很大时显然是糟糕的，好在计算机科学的发展提供了很多更优秀的查找算法，例如二分查找（binary search）、二叉树查找（binary tree search）等。如果稍微分析一下会发现，每种查找算法都只能应用于特定的数据结构之上，例如二分查找要求被检索数据有序，而二叉树查找只能应用于二叉查找树上，但是数据本身的组织结构不可能完全满足各种数据结构（例如，理论上不可能同时将两列都按顺序进行组织），所以，在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法。这种数据结构，就是索引。
图1展示了一种可能的索引方式。左边是数据表，一共有两列七条记录，最左边的是数据记录的物理地址（注意逻辑上相邻的记录在磁盘上也并不是一定物理相邻的）。为了加快Col2的查找，可以维护一个右边所示的二叉查找树，每个节点分别包含索引键值和一个指向对应数据记录物理地址的指针，这样就可以运用二叉查找在O(log2n)O(log2n)的复杂度内获取到相应数据。