- 综合排序
- 最热优先
- 最新优先
- 来自专栏做数据的二号姬
聊技术 | SQL和SQL之间细微的差异
22 2023-08 聊技术 | SQL和SQL之间细微的差异 SQL和SQL之间大差不差，但是恰好就是差得这么些小玩意，看起来简单，真的搞起来就让人头秃了~简单聊一下MySQL、PostgreSQL 这里总结一些差异： 1.创建表时自增主键的语法差异 MySQL：AUTO_INCREMENT CREATE TABLE students ( id INT AUTO_INCREMENT PRIMARY CREATE TABLE students ( id INT IDENTITY(1,1) PRIMARY KEY, name VARCHAR(50), age INT ); 2. 字符串连接的语法差异 MySQL：使用CONCAT函数来连接字符串。 Server通过ISNULL函数 select isnull(age,0) from student; 遇到过&被坑过的问题就这么多，真的是不做对比不知道，一做对比就发现差异点还是很多的。
1.6K20编辑于 2023-09-06 - 来自专栏生信补给站
差异分析|DESeq2完成配对样本的差异分析
考虑到平时limma和DESeq2包进行差异分析时没有特别注明是否配对，这配对和非配对有啥区别呢？ 于是分别尝试使用limma和DESeq2包的非配对分析，发现得到的差异基因和公司的差距很大。 OK，尝试使用DESeq2包的非配对差异分析。 可以看到常规的DESeq2分析比limma voom分析多了一些差异基因，但是和公司给的1200+的差异基因还是差远了。 发现差异之后开始了检索和求助之旅，查了很多帖子，也求助了一些大神，似乎很少人注意过DESeq2包做配对的差异分析。 剩下的事情就简单了，依此修改后，DESeq2包成功做出了配对差异分析，复现了公司的结果。好了，下面就是使用DESeq2包完成配对差异分析的代码了，自取！ ?
7.8K42发布于 2021-03-03 - 来自专栏单细胞天地
DESeq2差异表达分析
原始计数数据 利用DESeq2工具对特定细胞类型聚类进行pseudobulk差异表达分析 创建函数以遍历不同细胞类型的pseudobulk差异表达分析 本课程基于2019 Bioconductor tutorial DESeq2差异表达分析 ? 在鉴定了scRNA-seq簇的细胞类型之后，我们通常希望在特定细胞类型内的条件之间执行差异表达分析。 然后，我们将使用DESeq2对感兴趣的条件进行差异表达分析。 用DESeq2进行基因的差异表达分析 我们将使用DESeq2进行DE分析，下面的流程图中用绿色显示了使用DESeq2的分析步骤。 最后一步是使用DESeq2包中的适当函数来执行差异表达式分析。
6.6K34发布于 2020-12-24 - 来自专栏HaC的技术专栏
18 | 为啥SQL逻辑相同，性能差异大
果你的 SQL 语句条件用的是 where t_modified='2018-7-1’的话，引擎就会按照上面绿色箭头的路线，快速定位到 t_modified='2018-7-1’需要的结果。 为了能够用上索引的快速定位能力，我们就要把 SQL 语句改成基于字段本身的范围查询。按照下面这个写法，优化器就能按照我们预期的，用上 t_modified 索引的快速定位能力了。 所以，需要你在写 SQL 语句的时候，手动改写成 where id = 10000 -1 才可以。 第三种：隐式字符编码转换 连表，字符集不一样也会不走索引。 像这种： select * from trade_detail where CONVERT(traideid USING utf8mb4)=$L2.tradeid.value; CONVERT() SELECT 2=1,"2"=1,1=1,"1"=1,"a"=1,"b">-1; 有点类似于true or false ，字符串能转换为整型就会转换，如何进行比较，如果不能转换，则把字符串当成0处理。
88710发布于 2020-12-30 - 来自专栏微光点亮星辰
Oracle 与 MySQL 的差异分析（4）：SQL写法
Oracle 与 MySQL 的差异分析（4）：SQL写法 1 常量查询 1.1 Oracle select 7*8from dual; 1.2 MySQL MySQL 中没有DUAL表，查询一个常量时可以不用 2 TOP N和分页查询 2.1 Oracle select *from table where rownum <= 100; 2.2 MySQL select *from table limit 0,100 5 外连接 5.1 Oracle 这两种写法都是可以的： select *from t_test2 a left outer join t_test3 b on a.name=b.name; select *from t_test2 a, t_test3 b where a.name=b.name(+); 5.2 MySQL 不支持这种写法： select *from t_test2 a, t_test3
1.4K21发布于 2020-04-10 - 来自专栏生信菜鸟团
使用 ALDEx2 进行差异分析
ALDEx2 是进行微生物组差异分析较为常见的方法。该方法包含两个基本过程： 1.用原始输入数据生成每个分类单元的后验概率分布；然后将该分布进行中心对数变换。 2.将变换后的值，用参数或非参数检验进行单变量统计检验，并返回 p 值和 Benjamini-Hochberg 校正后的 p 值。 安装 ALDEx2 if (! 一行命令进行 ALDEX 差异分析 目前，aldex 函数仅限于双样本检验和单因素方差分析。 Effect Size and Effect Size Plot 在 ALDEx2 中，效应量大小被定义为组间差异(diff.btw)和组内最大差异(diff.win或方差)的平均比率。 我们可用 aldex.plot() 函数绘制组间差异中值与组内差异中值，以可视化样本数据的差异丰度。
6K20发布于 2020-04-27 - 来自专栏单细胞天地
DESeq2差异表达分析(二)
接上文DESeq2差异表达分析 质量控制——样品水平 DESeq2工作流程的下一步是QC，它包括样本级和基因级的步骤，对计数数据执行QC检查，以帮助我们确保样本/重复 看起来很好。 ? 由于大多数基因没有差异表达，样本之间通常有很高的相关性(值高于0.80)。低于0.80的样品可能表示您的数据和/或样品污染中存在异常值。 层次树可以基于归一化的基因表达值来指示哪些样本彼此更相似。 由于我们没有通过PCA或层次聚类检测到异常值，也没有任何额外的变异源需要回归，所以我们可以继续运行差异表达分析。 Running DESeq2 使用DESeq2进行差异表达分析涉及多个步骤，如下面的蓝色流程图所示。简而言之，DESeq2将对原始计数进行建模，使用归一化因子(大小因子)来考虑库深度的差异。 Results 既然我们已经执行了差异表达式分析，我们就可以查看特定比较的结果了。为了对感兴趣的比较，我们需要指定对比度并执行log2 fold changes。
7.2K52发布于 2020-12-24 - 来自专栏PawSQL，在线的自动化SQL优化工具！
PawSQL智能SQL解析器，轻松应对 MySQL 与 SQL Server 语法差异
本文将详细介绍SQL Server与MySQL之间的主要语法差异，以及PawSQL如何通过增强解析能力解决这些差异带来的挑战。 一、SQL语法差异概览 特性 SQL Server MySQL 1. 标识符引用 使用[]方括号 使用`反引号 2. 语句分隔符 使用GO或; 使用分号; 3. 临时表 使用#(会话级)和##(全局级) 使用TEMPORARY TABLE 4. 2. 语句分隔符 此外，SQL Server 特有的 GO 关键字，用于分隔批处理命令，同时也可以分割多个SQL语句。 AUTO_INCREMENT 来定义自增字段： CREATE TABLE Users (ID INT AUTO_INCREMENT, Name VARCHAR(50)); PawSQL 的解析器能够轻松识别两者的差异 Users.DepartmentID = Departments.ID SET Users.Name = Departments.DepartmentName; PawSQL 的解析器能够识别两者的差异
68700编辑于 2025-03-18 - 来自专栏捞月亮的小北
2-SQL
SQL 全称 Structured Query Language，结构化查询语言。操作关系型数据库的编程语言，定义了 一套操作关系型数据库统一标准 。 2. SQL 通用语法 1). SQL 语句可以单行或多行书写，以分号结尾。 2). SQL 语句可以使用空格/缩进来增强语句的可读性。 3). MySQL 数据库的 SQL 语句不区分大小写，关键字建议使用大写。 4). SQL 分类 SQL 语句，根据其功能，主要分为四类：DDL、DML、DQL、DCL。 给全部字段添加数据 语法： INSERT INTO 表名 VALUES (值1, 值2, ...); 案例： 插入数据到 employee 表，具体的 SQL 如下： insert into employee 值2, ...), (值1, 值2, ...) ; 案例： 批量插入数据到 employee 表，具体的 SQL 如下： insert into employee values(3,'3','韦一笑',
1.2K10编辑于 2023-12-01 - 来自专栏数据库干货铺
SQL基础（2）
之前的SQL基础1中已经介绍了部分Select的内容，但是，实际使用中select 还有很多其他的用法，本文会再介绍部分select的其他用法。 1. 去重查询 1.1 创建演示表 创建2张表用于演示，表名分别为student和class，后续也将继续用这2张表演示，2张表的数据如下： student表 ? class表 ? ------+------+----------+ 1 row in set (0.00 sec) exists和not exists在此时（子查询不存在null的情况下）查询结果是等价的（查询效率有差异 6.1 内连接 内连接是查询2张表同时存在的记录，即两张表的交集。 | 2019级02班 | +----------+--------------+ 6 rows in set (0.00 sec) c） in可以用内连接的方式来改写，尤其是多层子查询时，这也是SQL
63240发布于 2019-11-29 - 来自专栏生信修炼手册
使用MACS2进行差异peak分析
MACS2作为使用最广泛的peak calling软件，在v2版本中添加了差异peak分析的功能，所有的子命令功能描述如下 ? 对于使用macs2来进行差异peak的完整流程，官方给出了详细的说明文档，链接如下 https://github.com/taoliu/MACS/wiki/Call-differential-binding-events 差异peak分析 命令如下 macs2 bdgdiff --t1 cond1_treat_pileup.bdg --c1 cond1_control_lambda.bdg --t2 cond2_treat_pileup.bdg 其中, con1.bed保存了在condition1中上调的peak, con2.bed保存了在condition2中上调的peak, common.bed文件中保存的是没有达到阈值的，非显著差异peak 上述3个文件格式是完全相同的，最后一列的内容为log10 likehood ratio值，用来衡量两个条件之间的差异，默认阈值为3，大于阈值的peak为组间差异显著的peak, 这个阈值可以通过-c参数进行调整
8.1K30发布于 2020-05-07 - 来自专栏医学数据库百科
GEO2R差异表达分析软件
我们对于目标数据集，我们做的第一个事情就是差异分析，来寻找有差异的结果。所有的表达芯片做的差异表达分析都是基于limma的算法来的。我们今天介绍的这个GEO2R也只是把这个算法更加方便使用了而已。 PS：GEO2R只是适用于表达谱芯片。对于二代测序是不适用的，我们下面说到的数据类型都是表达谱芯片来进行阐述的。 1 所谓差异分析 我们在进行科学研究的时候，同样也是需要比较才能得到结果的。 2 GEO2R GEO2R就是一个基于GEO数据库来对表达谱芯片进行差异分析的一个软件。我们在每个数据集的下面都可以看到这个软件的的入口。 关于logFC logFC，全称是log2 foldchange。foldchange可以代表变化倍数，如果处理组的表达均值是8；对照组的表达均值是2，那么foldchange就是4。 而log2 fold change就是2。所以我们默认的logFC > 1,则代表两组之前差异在2倍以上的为有意义。 logFC的绝对值, 由于相较于对照组，基因的变化并不一定是升高的。也有降低的。
1.5K40发布于 2020-06-15 - 来自专栏R语言&linux
转录组测序分析——差异表达分析2
1.功能注释2.功能富集rm(list = ls())options(stringsAsFactors = F)library(clusterProfiler)library(org.Hs.eg.db) library(GSEABase)library(ggplot2)library(tidyverse)## Error in download.KEGG.Path(species)# https://github.com winiet#options(clusterProfiler.download.method = "wget")getOption("clusterProfiler.download.method")# 读取差异分析结果 load(file = "data/Step03-edgeR_nrDEG.Rdata")ls()# 提取所有差异表达的基因名DEG <- DEG_edgeR_symbol[DEG_edgeR_symbol <- dotplot(ekegg, showCategory=10,label_format=100)plotc = p1/p2plotcggsave('result/6.enrichKEGG.png'
51010编辑于 2023-11-03 - 来自专栏小工匠聊架构
Oracle-awrddrpt.sql比较两个AWR差异报告
概述 示例 以oracle用户登录到数据库主机执行脚本 查看报告 概述 awrddrpt.sql脚本位于$ORACLE_HOME/rdbms/admin目录中。 awrddrpt.sql脚本比较两个时间段的AWR报告。 awrddrpt.sql脚本对于比较两个经过时间段内的性能非常有用。 脚本 SQL> @? #因为今天是31号,我们只需要输入2天时间范围就可以获取到3月30号00:00~01:00的快照 Enter value for num_days: 2 Listing the last 2 days
1.2K30发布于 2021-08-17 - 来自专栏技术杂记
SQL 精编（2）
); CREATE DATABASE `test`; ---- insert INSERT INTO tbl_name (col1,col2) VALUES(15,col1*2); insert into teamstemp select * from teams; insert into table_a(field_a1,field_a2,field_a3) select field_b1,field_b2 ,a_name,b_cumsum,c_cumsum,d_spent,e_rate,created_at,updated_at abc_def into outfile "/tmp/tmp_xyz.sql .2"; ---- optimize table mysql> select concat('optimize table ',TABLE_SCHEMA,'.' data load data infile "/tmp/abcdef.sql.925.2" into table abc_def; use xxx; source fff.sql;
50220发布于 2021-10-19 - 来自专栏合集
【2】My SQL 管理
| +--------------+--------------+------------------+ | localhost | guest | 6f8c114b58f2ce9e 你可以在以上实例看到用户密码加密后为： 6f8c114b58f2ce9e. 注意：在 MySQL5.7 中 user 表的 password 已换成了authentication_string。 Shutdown_priv Process_priv File_priv Grant_priv References_priv Index_priv Alter_priv 另外一种添加用户的方法为通过SQL 注意: MySQL 的SQL语句以分号 (;) 作为结束标识。
82490发布于 2018-04-12 - 来自专栏ShyNodes
my2sql
my2sql简介 go版MySQL binlog解析工具，通过解析MySQL binlog ，可以生成原始SQL、回滚SQL、去除主键的INSERT SQL等，也可以生成DML统计信息。 类似工具有binlog2sql、MyFlash、my2fback等，本工具基于my2fback、binlog_rollback工具二次开发而来。 产品性能对比 binlog2sql当前是业界使用最广泛的MySQL回滚工具，下面对my2sql和binlog2sql做个性能对比。 my2sql binlog2sql 1.1G binlog生成回滚SQL 1分40秒 65分钟 1.1G binlog生成原始SQL 1分30秒 50分钟 1.1G binlog生成表DML统计信息、以及事务统计信息 采用下载已经编译好的二进制版本 有编译好的linux版本(CentOS release 7.x) 点击下载Linux版 下载好后，上传至服务器/usr/local/下 授予执行权限chmod +x /usr/local/my2sql
62120发布于 2021-07-27 Flink SQL vs Spark SQL：深度解析Catalyst优化器与代码生成的核心差异
无论是Flink还是Spark，它们的SQL模块均内置了基于Catalyst的优化器，但在具体实现和适用场景上存在显著差异。 例如，表达式"WHERE age > 18+2"会被优化为"WHERE age > 20"。 谓词下推规则将过滤条件推送到数据源层面，这在连接查询中特别有效。 根据2025年Flink社区发布的性能基准测试报告，在这种场景下，代码生成能够带来2到5倍的性能提升，同时降低约30%的CPU使用率，吞吐量提升最高可达40%。 其架构思想不仅影响了后续许多大数据系统设计，也为理解 Flink 在 SQL 优化方面的技术选型与差异提供了重要基础。 核心对比：Flink vs Spark Catalyst优化器差异分析 架构设计差异 Flink和Spark的Catalyst优化器在架构设计上存在显著差异，主要体现在处理模型与执行引擎的耦合方式上。
36310编辑于 2025-11-28- 来自专栏Java架构师历程
sql必会基础2
在已经存在的表上创建唯一索引 1、CREATE UNIQUE INDEX index_name ON table_name ( field_name [(index_length)] [ASC|DESC]) 2、 在已经存在的表上创建全文索引 1、CREATE FULLTEXT INDEX index_name ON table_name ( field_name [(index_length)] [ASC|DESC]) 2、 039 删除视图 DROP VIEW view_name[, view_name] 040 修改视图 1、CREATE OR REPLACE VIEW view_name AS select_query 2、 1、可以处理拥有上千万条记录的大型数据 2、支持常见的SQL语句规范 3、可移植行高，安装简单小巧 4、良好的运行效率，有丰富信息的网络支持 5、调试、管理，优化简单（相对其他大型数据库） 051 如何解决 1、在数据库安装的时候指定字符集 2、如果在安完了以后可以更改以配置文件 3、建立数据库时候：指定字符集类型 4、建表的时候也指定字符集 052 如何提高MySql的安全性？
86910发布于 2018-09-26 - 来自专栏快乐阿超
lambda2sql
——高尔基 分享一个开源项目lambda2sql： https://github.com/ajermakovics/lambda2sql 编写如下的lambda person -> person.getAge () < 100 && person.getHeight() > 200 会被转换为 age < 100 AND height > 200 使用起来非常简单，也非常有意思 package lambda2sql ; import org.junit.Assert; import org.junit.Test; public class Lambda2SqlTest { @Test public void person.getAge() > age); } private void assertEqual(String expectedSql, SqlPredicate<Person> p) { String sql = Lambda2Sql.toSql(p); Assert.assertEquals(expectedSql, sql); } }
15320编辑于 2023-06-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号