SQL Server事务处理

经常用到SQL Server事务,顺便整理了一下

1.事务说明

事务是对数据库执行的一个操作单位

Commit Tran: 用于提交事务,将所做的修改保存到数据库。

Rollback Tran: 用于回滚事务,撤销还没有保存到数据库的命令。

SAVE TRAN : 退回到指定的事务保存点.

2.创建相关表的脚本

--DROP TABLE dbo.tbTest1
--DROP TABLE dbo.tbTest2

CREATE TABLE [dbo].[tbTest1]( 
        [Id] [ int] PRIMARY KEY NOT NULL ,
       [Name] [varchar]( 50) NOT NULL 
)

CREATE TABLE [dbo].[tbTest2]( 
        [Id] [ int] PRIMARY KEY NOT NULL ,
        [Category] [varchar]( 50) NOT NULL
)
复制代码

3. 几种写法的测试事务脚本如下

----SQL事务处理的写法------------------------------------ 1.测试事务方法
  /* (1)当第一条有效,第2条有误时,会保证2条记录都不写入数据库 */
INSERT INTO dbo.tbTest2(Id, Category )VALUES ( 1, ' 222_old ' )
BEGIN TRAN 
        INSERT INTO dbo.tbTest1(Id, Name )VALUES ( 1, ' 111 ' ) 
        IF @@ERROR<> 0 
              ROLLBACK TRAN 

        INSERT INTO dbo.tbTest2(Id, Category )VALUES ( 1, ' 222 ' ) 
        IF @@ERROR<> 0 
              ROLLBACK TRANCOMMIT TRAN
/*
(2)当第一条有误,第2条有效时,第一条不写入数据库,第2条写入数据库 */
INSERT INTO dbo.tbTest1(Id, Name )VALUES ( 2, ' 111_old ' )
BEGIN TRAN 
        INSERT INTO dbo.tbTest1(Id, Name )VALUES ( 2, ' 111 ' )    
        IF @@ERROR<> 0
               ROLLBACK TRAN       
 
        INSERT INTO dbo.tbTest2(Id, Category )VALUES ( 2, ' 222 ' )
        IF @@ERROR<> 0
              ROLLBACK TRANCOMMIT TRAN
 -- 2.保存所有的数据都事务同步(方法1)
  /*  不管哪条数据有问题,都能保证不写入数据库 */
DECLARE @ErrorNum INT
SET @ErrorNum =  0
BEGIN TRAN tempTranI
        INSERT INTO dbo.tbTest1(Id, Name )VALUES ( 3, ' 111 ' )
         set @ErrorNum=@ErrorNum + @@error
 
       INSERT INTO dbo.tbTest2(Id, Category )VALUES ( 2, ' 222 ' )
        set @ErrorNum=@ErrorNum + @@error
 
      IF @ErrorNum >  0
             ROLLBACK TRAN
      ELSE 
             COMMIT TRAN
 
    -- 3.保存所有的数据都事务同步(方法2) 
/*  不管哪条数据有问题,都能保证不写入数据库 */
BEGIN TRY
    BEGIN TRAN tempTran           
         INSERT INTO dbo.tbTest1(Id, Name )VALUES ( 4, ' 111 ' )       
 
         INSERT INTO dbo.tbTest2(Id, Category )VALUES ( 2, ' 222 ' )           
         COMMIT TRAN tempTran    
   END TRY
 BEGIN CATCH    
    RAISERROR 50005N ' have error,please check. '
     ROLLBACK TRAN tempTran
 END CATCH

4. 退回到事务指定的保存点

-- 4.退到指定的事务保存点
/* ISOLATION LEVEL:设置数据隔离级别:REPEATABLE READ:锁定查询中使用的所有数据以防止其他用户更新、删除数据等,但是其他用户可以将新的幻像行插入数据集 */
--SET TRANSACTION ISOLATION LEVEL REPEATABLE READ
BEGIN TRAN   
      SAVE TRAN sp1       
 
      INSERT INTO dbo.tbTest1(Id, Name )VALUES ( 6, ' 111 ' )   
 
      SAVE TRAN sp2       
 
      INSERT INTO dbo.tbTest2(Id, Category )VALUES ( 7, ' 222 ' )   
 
      SAVE TRAN sp3
 
       INSERT INTO dbo.tbTest1(Id, Name )VALUES ( 8, ' 111 ' )
 
      SAVE TRAN sp4   
    
     --DECLARE @tempId INT   
     --SET @tempId =  0
     --SELECT @tempId = Id FROM dbo.tbTest2 WHERE Id = 5   
     --IF @tempId <= 0 -- is  true   
     ROLLBACK TRAN sp3
 
COMMIT TRAN
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值