Sqlserver中存储过程,触发器,自定义函数(三)

Sqlserver中存储过程,触发器,自定义函数:

触发器:是针对数据库表或数据库的特殊存储过程,在某些行为发生的时候就会被激活
触发器的分类:
DML触发器:发生在数据操作语言执行时触发执行的存储过程,Insert,Update,Delete
After触发器:记录被改变之后激活执行
Instead of触发器:记录被改变之前激活执行。
DDL触发器:响应数据定义语言执行时触发执行的存储过程,一般用于执行数据库中的管理任务
审核和规范数据库的操作;
防止数据表结构被更改或删除

After触发器:
eg1:提醒电子邮件的触发器:

  1. create trigger 订单提醒_Mail 
  2. on 订单 
  3. after insert,update,delete 
  4. as 
  5. begin 
  6. print '提醒电子邮件' 
  7. exec master..xp_sendmail <a href="mailto:'admin@163.com'">'admin@163.com'</a>,--这两个逗号不能省 
  8. @message='订单有更改,请查询确定'
  9. @subject='提醒订单有变' 
  10. end 
create trigger 订单提醒_Mail
on 订单
after insert,update,delete
as
begin
print '提醒电子邮件'
exec master..xp_sendmail 'admin@163.com',--这两个逗号不能省
@message='订单有更改,请查询确定',
@subject='提醒订单有变'
end
  1. eg2:插入记录回滚 
eg2:插入记录回滚
  1. <pre class="sql"name="code"><pre class="sql"name="code">createtrigger 订单提醒_Insert</pre>on 订单after insertasbeginif(select 订单日期from inserted) > getdate()beginprint'订单日期有误'raiserror('订单日期有误',16,5)rollback transactionendend 
  2. <pre></pre> 
  3. <pre></pre> 
  4. <pre class="sql" name="code">eg3:触发器的嵌套,有两个触发器,分别定义在两个不同的表上,并且都是对insert操作定义的, 
  5. 当向其中一个表插入一条数据的时候,同时在另一张表里也插入一条记录来记录本次数据插入的日志, 
  6. 这个操作就会同时激发两个触发器,举例略。</pre><pre class="sql"name="code">Insteadof触发器:不会去执行原来的sql语句,转而执行触发器里面的sql语句,当触发器的sql语句执行完再接着执行原来的sql语句</pre><pre class="sql"name="code">eg1:避免修改后再回滚,减少服务器负担</pre><pre class="sql"name="code"><pre class="sql"name="code"><pre class="sql"name="code">createtrigger 订单提醒_Insert</pre>on 订单insteadof insertasbeginset nocounton;declare--声明多个变量的方法@订单号 varchar(50),@供应商号 varchar(50),@职工号 varchar(50),@订单日期 datetimeselect @订单号=订单号 from insertedselect @供应商号=供应商号 from insertedselect 
  7. @职工号=职工号 from insertedselect @订单日期=订单日期from insertedif(@订单日期) > getdate()print'订单日期有误'elseinsertinto 订单values(@订单号,@供应商号,@职工号,@订单日期)end 
  8. <pre></pre> 
  9. <pre></pre> 
  10. <pre class="sql" name="code">DDL触发器:</pre><pre class="sql"name="code">eg1:禁止对数据表做修改和删除操作</pre><pre class="sql"name="code"><pre class="sql"name="code">createtrigger 禁止对数据表操作 
  11. on database 
  12. for drop_table,alter_table 
  13. as 
  14. print '您没有权限对数据表进行操作' 
  15. rollback</pre><br> 
  16. <br> 
  17. <pre></pre> 
  18. <pre class="sql" name="code"></pre></pre> 
  19. <pre></pre> 
  20. <pre></pre> 
  21. <pre></pre> 
  22. <pre></pre> 
  23. <pre></pre> 
  24. <pre></pre> 
  25.  
  26. </pre></pre></pre> 
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
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