[TOC] 0.基础SQL操作 1.库操作 一、数据库的创建: -- 1.查看utf8字符集以及校队规则 SHOW CHARACTER SET LIKE 'UTF8%'; Charset Description : -- 修改mydb2字符集为gbk; ALTER DATABASE mydb2 CHARACTER SET gbk COLLATE=gbk_chinese_ci; 三、数据库的删除: -- 删除数据库 mydb1 DROP DATABASE mydb1; 四、数据库查看: -- 1.查看所有数据库 SHOW DATABASES; -- Database -- -------- set (0.07 sec) ---- 4.用户操作 描述:主要对mysql8.X数据库用户的查询/创建/删除以及权限分配查询; 基础语句: #(1)系统用户表查看 mysql> SELECT user user表的Select 权限,必须确定权限、数据库表、用户、主机是一致的才行;
使用流程 引用API模块 获取与数据库的连接 执行sql语句与存储过程 关闭数据库连接 安装pymysql python3 与MySQL 进行交互编程需要安装 pymysql 库,故首先使用如下命令安装 pymysql –>pip install pymysql 如果电脑中py2和py3共存的话,安装失败时请参考之前的博客安装方法 pymysql.connect()连接数据库函数 代码示例: import 添加语句受影响的行数:',insert) #另一种插入数据的方式,通过字符串传入值 sql="insert into user values(%s,%s,%s)" cur.execute(sql,(3, cursor对象还提供了3种提取数据的方法:fetchone、fetchmany、fetchall.。每个方法都会导致游标动,所以必须注意游标的位置。 123456’) conn.select_db(‘pythondb’) #获取游标 cur=conn.cursor() cur.execute(“select * from user”) #取3条数据
CSDN话题挑战赛第2期 参赛话题:学习笔记 目录 DML介绍 DML-添加数据 1、给指定字段添加数据 2、给全部字段添加数据 3、批量添加数据 4、DML-修改数据 5、DML-删除数据 - --- DML介绍 DML,用来对数据库中的表的数据记录进行增删改操作 DML-添加数据 1、给指定字段添加数据 INSERT INTO 表名 (字段名 1 ,字段名 2,....) VALUES(值1,值2,....); 2、给全部字段添加数据 INSERT INTO 表名 VALUES (值1,值2,....) 3、批量添加数据 INSERT INTO 表名 (字段名 3)插入的字段大小,应该在规定的范围内。 案例 4、DML-修改数据 UPDATE 表名 SET 字段名1 = 值1 ,字段名2 = 值2,...
MySQL数据库基础练习系列目标 很多学生或者说是初学者在学习完成数据库的基础增删改查后就自认为在数据库这里就很熟悉了,但是不接触项目根本部知道需求,我这里准备了50个项目的基本需求来让大家来熟练各类项目的列信息 数据库环境 MySQL版本:5.7.31-log 数据库字符集,所有数据库通用字符集与排序规则,支持中文数据。 数据库建表的三范式(3NF,Third Normal Form)是关系型数据库设计的基本原则,用于确保数据库结构的逻辑性和减少数据冗余。 这三个范式是逐步细化的,每一个范式都是在前一个范式的基础上建立的。 解释: 第二范式建立在第一范式的基础上,主要关注于主键与非主键列之间的依赖关系。 在第二范式中,一个表只能保存一种数据,不可以把多种数据保存在同一张数据库表中。
3. 汇编:“汇编→机器码” 的转化 将汇编代码转换为机器码(.o 目标文件),这是计算机能直接执行的二进制指令。 如果某个符号未定义,链接器会从静态库中查找。 3.提取库文件:链接器按照命令行指定的顺序处理静态库。当遇到未解析的符号时,链接器会在静态库中查找包含该符号定义的目标文件,并将其加入到链接中。 但是如果可执行文件的库文件缺失会导致链接失败,程序无法运行。使用同一个动态库的进程,如果动态库缺失未启动的进程由于动态库缺失会启动失败。运行中的进程会崩溃。 使用同一个静态库的进程没有关联性,一旦编译过后,静态库就影响不了进程运行了。 静态库和动态库没有好坏之分,它们有着不同的适用场景。 静态库的哲学是:一次打包,终身可用。 自动化构建-make和makefile基础 使用gcc/g++编译时需要需要选择选项,每编译一次,就重新写一次会极大的浪费我们的时间,由此引入了自动化构建工具。
租户是OceanBase多租户架构的核心,相当于传统数据库的独立实例,租户间资源隔离、数据互不干扰,今天就跟着官方demo流程,从零创建一个可用的MySQL模式租户。 创建资源规格(Resource Unit) 资源规格是CPU、内存、磁盘、IOPS的资源模板,定义租户能使用的资源上限,是创建租户的基础。 关键参数说明: MAX_CPU/MIN_CPU:CPU上下限,必选; MEMORY_SIZE:内存大小,最小1G,OB4.0+不支持内存超卖; LOG_DISK_SIZE:日志盘,不填默认是内存的3倍 2.3 验证创建结果 再次运行脚本查看 SELECT * FROM DBA_OB_UNIT_CONFIGS ; 3. 租户创建完成后,就可以在租户内创建数据库、用户、数据表,和使用MySQL几乎无差别。下一篇我们将学习在租户内创建数据库与表,彻底完成从部署到使用的全流程。
数据库范式 简单来说,数据库范式可以避免数据冗余,减少数据库的存储空间,并且减轻维护数据完整性的成本。它是关系数据库核心的技术之一。 关系数据库有六种范式,各种范式的层次呈递增关系,越高的范式数据库冗余越小。 这六种范式分别是:第一范式(1NF)、第二范式(2NF)、第三范式(3NF)、巴斯-科德范式(BCNF)、第四范式(4NF)和第五范式(5NF,又称完美范式)。 上述说各个范式呈递增关系的意思是,在第一范式的基础上进一步满足更多规范要求的称为第二范式,再进一步提升规范,就是第三范式,以此类推,直到第五范式。 通常来说,数据库只需要满足第三范式就符合要求了。 在第二范式的基础上更进一步。 怎么通俗的解释第三范式?
大括号内部是键值对,键和值用冒号分隔●多个键值对用逗号分隔●字符串用双引号●数字不需要引号●列表用空括号●对象用大括号{ "name": "tom", "age": "20", "addr": [1,2,3] 相同的数据,和其他格式相比,占用的大小比较小-数据交换格式,后端程序员给前端的数据(json,html xml 等)1.2 json 特点1.JSON是纯文本2.JSON具有良好的自我描述性,便于阅读和编写3. 多个数组由逗号分隔1.json 文件的后缀为 .json2.json 中主要数据类型为 对象({} 类似 python 中 字典) 和 数组([] 类似 python 中的列表),对象和数组可以互相嵌套3. file.close()1.导包import json 2.读打开文件3.读文件json. load(文件对象)#返回的是字典(文件中是对象)或者列表(文件中是数组)# 1, 导入 jsonimport file) # 把json文件的内容转换为python的字典file.close()print(data)执行结果:{'name': 'tom', 'age': '20', 'addr': [1, 2, 3]
最近想用 golang 来实现一个演示3D模型库的应用,于是基于 playcanvas 封装了一套go语言的 API,提供了gltf、obj、fbx等多种模型格式加载,支持天空盒、灯光和脚本动画编辑等功能 相比于g3n这种等3D框架,GoCavans 更轻量并且简单易用。
,支持高效的相似性搜索 3、文档过滤和检索 查询处理:将用户问题也转换为向量表示 过滤机制:基于元数据、关键词或自定义规则进行过滤 相似度搜索:在向量数据库中查找与问题向量最相似的文档块,常用的相似度搜索算法有余弦相似度 向量数据库 向量数据库是专门存储和检索向量数据的数据库系统。通过高效索引算法实现快速相似性搜索,支持 K 近邻查询等操作。 注意,并不是只有向量数据库才能存储向量数据,只不过与传统数据库不同,向量数据库优化了高维向量的存储和检索。 AI 的流行带火了一波向量数据库和向量存储,比如 Milvus、Pinecone 等。 ETL 的 3 大核心组件,按照顺序执行: DocumentReader:读取文档,得到文档列表 DocumentTransformer:转换文档,得到处理后的文档列表 DocumentWriter:将文档列表保存到存储中 3、向量转换和存储 为了实现方便,我们先使用 Spring AI 内置的、基于内存读写的向量数据库 SimpleVectorStore 来保存文档。
* var a=true;var b=false; alert('a+b='+(a+b)); =1 3.
存取测试 [root@docker etcd-v2.2.4-linux-amd64]# ./etcdctl set keytest "hello world for etcd test" hello world for etcd test [root@docker etcd-v2.2.4-linux-amd64]# ./etcdctl get keytest hello world for etcd test [root@docker etcd-v2.2.4-linux-amd64]# ---- 单点运行
为了和宿主机有平等的网络层级 (能使用到上面的dhcp),可以通过构建网桥的办法来实现
数据结构 3 数据框、矩阵和列表 之前学过的,Vector向量是 一维的 数据框、矩阵和列表如下: 1)现在学“表格” 二维:二维有两个:(1)matix 矩阵 —— 二维,只允许一种数据类型。 3.1 数据框来源 (1)用代码新建 (2)由已有数据转换或处理得到 (3)读取表格文件 (4)R语言内置数据 3.2 新建数据框(数据框是以列为单位组织的) 3.2.1 用代码新建 data.frame > df1[c(1,3),1:2] 中括号里的逗号,表示维度的分割。 #按照名字,按照这种方式可以一次提取两列。 > df1[,-ncol(df1)] # - 有反选的意思 3.5 数据框修改 #改一个格 > df1[3,3]<-5 > df1 #改一整列 > df1$score<- c(12,23,50,2 > merge(test1,test3,by.x="name",by.y="NAME") #但是要注意,一定要对应,test1是x,test3是y。
使用 bin/zkCli.sh -server 127.0.0.1:2181 进行连接
php基础3 1、post和get可用于发送和接受表单的信息 2、post和get在处理表单时候都创建数组array,数组以键值对形式,表单元素名做键,文本框内容做值 3、GET和POST被视作$_GET
启动Docker [root@h103 ~]# service docker start Redirecting to /bin/systemctl start docker.service [root@h103 ~]# ps faux | grep docker root 3315 0.0 0.0 112644 960 pts/1 S+ 17:20 0:00 | \_ grep --color=auto docker root 3200 1.5
======================================================================================Install 3 Package(s)Total download size: 297 kInstalled size: 1.4 MDownloading Packages:(1/3): libevent-devel-1.4.13 x86_64.rpm | 74 kB 00:00 (2/3) noarch.rpm | 194 kB 00:00 (3/ 3/3 Installed: libevent-devel.x86_64 0:1.4.13-4.el6
python基础3 交换: a,b=b,a 相当于定义了一个元组t=(b,a) 然后将t[0]的值给了a,t[1]的值给了b ####字典#### 定义用花括号 集合定义若为空的话,会默认为字典 子典只能通过关键字来查找值,因为字典是key-value(关键字-值),因此不能通过值来查找关键字 In [1]: dic = {"user1":"123","user2":"234","user3" :"789"} In [3]: dic["234"] -------------------------------------------------------------------------- ]) Out[90]: {1: None, 2: None, 3: None, 4: None} In [91]: dic.fromkeys([1,2,3,4],'hello') Out[91]: { 1: 'hello', 2: 'hello', 3: 'hello', 4: 'hello'} In [38]: d = {} In [32]: li = [1,2,3,1,2,3]
使用mongo客户端来连接服务,mongo 客户端由 mongodb-org-shell 包提供