Hibernate:HQL/QBC查询语言比较的用法(2)

过滤查询结果中的重复元素 
     使用Set集合来去除重复元素;或是使用distinct元素
     Iterator iterator = session.createQuery("select distinct c.name from customer ").list().iterator();
     while(iterator.hasnext()){
           String name = (String) it.next() ;
     }
///使用聚集函数
count(); 记录的条数
min();   求最小值
max();   求最大值
avg();   求平均值
sum();   求和
1'查询customer中的所有记录条数
   integer i = (Integer) session.createQuery("select count(*) from customer").uniqueResult();
2'查询customer中的所有客户的平均年龄
   integer i = (Integer) session.createQuery("select avg(c.age) from customer c ").uniqueResult();
3'查询customer中的客户年龄的最大值、最小值
   object [] i = (Integer) session.createQuery("select max(c.age),min(c.age) from customer c ").uniqueResult();
   Integer Maxage = (Integer) i [0];
   Integer Minage = (Integer) i [1];
4'统计customer中的客户的名称数目,忽略重复的姓名
   Integer cout = (Integer) session.createQuery("select count(distinct c.name) from customer c").uniqueResult();
使用分组查询
1'按姓名分组,统计customer中的相同姓名的记录数目
   Iterator iterator = (Integer) session.createQuery("select c.name ,count(c) from customer c group by c.name").list.iterator();
   while(iterator.hasnext()){
         object[] p = (objcet[])iterator.next();
         String name = p[0];
         Integer cout = p[1];
   }
2'按客户分组,统计每个客户的订单数量
   Iterator iterator = session.crateQuery("select c.id ,c.name , count(o) from customer c join c.order o group by c.id ").list().iterator;
   while(iterator.hasnext()){
         object[] p = (objcet[])iterator.next();
         Integer id = p[0]
         String name = p[1];
         Integer cout = p[2];
   }
3'统计每个客户的订单总价
   Iterator iterator = session.crateQuery("select c.id ,c.name,sum(o.price) from customer c join c.order o group by c.id").list.iterator();
   while(iterator.hasnext()){
         object[] p = (objcet[])iterator.next();
         Integer id = p[0]
         String name = p[1];
         Double cout = p[2];
   }
//报表的优化
使用HQL时如果只查询对象的一部分属性不会返回持久化对象
from customer c join c.order o group by c.age;//返回持久化对象,占用缓存。

select c.id , c.name , c.age ,o.id ,o.price from customer c join c.order o group by c.age //返回关系性数据,不占用session的缓存,可以为JVM回收

/HQL子查询的集合函数属性
size() 返回集合中元素的数目
minIndex() 建立索引的集合获得最小的索引
maxIndex() 建立索引的集合获得最大的索引
minElement() 对于包含基本元素的集合获得集合最小的元素
maxElement() 对于包含基本元素的集合获得集合最大的元素
element() 获得集合中的所有元素
///Hibernate的缓存管理
管理一级缓存,不建议使用下列方法来管理一级缓存
evict(Object o)从缓存中清除参数指定的持久化对象
clear()清空缓存中所有的持久化对象
///批量更新和批量删除
批量更新customer表中的年龄大于零的所有记录的AGE字段:
    tx = session.beginTransaction();
    Iterator customer = session.find("from customer c where c.age > 0").iterator();
    while(iterator.hasnext()){
        customer customer = (customer) customer.next();
        customer.setAge(customer.getAge()+1);
    }
    tx.commit();
    session.close();//上述代码对数据库操作效果不好可以使用下列的JDBCAPI直连
   
    tx = session.beginTranscation();
    Connection conn = session.connection();
    Preparedstatement ps = conn.preparedstatment("update customer set age = age + 1 where age > 0 ");
    ps.executeupdate();
    tx.commit();
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习是一种人工智能(AI)的子领域,致力于研究如何利用数据和算法让计算机系统具备学习能力,从而能够自动地完成特定任务或者改进自身性能。机器学习的核心思想是让计算机系统通过学习数据的模式和规律来实现目标,而不需要显式地编程。 机器学习应用非常广泛,包括但不限于以下领域: 图像识别和计算机视觉: 机器学习在图像识别、目标检测、人脸识别、图像分割等方面有着广泛的应用。例如,通过深度学习技术,可以训练神经网络来识别图像的对象、人脸或者场景,用于智能监控、自动驾驶、医学影像分析等领域。 自然语言处理: 机器学习在自然语言处理领域有着重要的应用,包括文本分类、情感分析、机器翻译、语音识别等。例如,通过深度学习模型,可以训练神经网络来理解和生成自然语言,用于智能客服、智能助手、机器翻译等场景。 推荐系统: 推荐系统利用机器学习算法分析用户的行为和偏好,为用户推荐个性化的产品或服务。例如,电商网站可以利用机器学习算法分析用户的购买历史和浏览行为,向用户推荐感兴趣的商品。 预测和预测分析: 机器学习可以用于预测未来事件的发生概率或者趋势。例如,金融领域可以利用机器学习算法进行股票价格预测、信用评分、欺诈检测等。 医疗诊断和生物信息学: 机器学习在医疗诊断、药物研发、基因组学等领域有着重要的应用。例如,可以利用机器学习算法分析医学影像数据进行疾病诊断,或者利用机器学习算法分析基因数据进行疾病风险预测。 智能交通和物联网: 机器学习可以应用于智能交通系统、智能城市管理和物联网等领域。例如,可以利用机器学习算法分析交通数据优化交通流量,或者利用机器学习算法分析传感器数据监测设备状态。 以上仅是机器学习应用的一部分,随着机器学习技术的不断发展和应用场景的不断拓展,机器学习在各个领域都有着重要的应用价值,并且正在改变我们的生活和工作方式。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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