游标3

1、PL/SQL里的游标可以分为显式游标和隐式游标两种,而隐式游标又分为(select into)隐式游标和(for .. in)隐式游标两种。
A、显式游标
B、隐式游标(select into)
C、隐式游标(for .. in)

A. 显式游标
普通显式游标,指的是通过定义获得游标,并通open, fetch, close的等方法来操作游标。
declare
  cursor emp_cursor is select ename from scott.emp;
  c_name varchar2(10);
begin
     open emp_cursor;
     loop
         fetch emp_cursor into c_name;
         exit when emp_cursor%notfound;
         dbms_output.put_line(c_name);
     end loop;
     close emp_cursor;
end;
/

declare
  cursor emp_cursor is select ename from scott.emp;
  type c_name_type is table of varchar2(10) index by binary_integer;
  c_name c_name_type;
  --c_name dbms_sql.varchar2_table;
begin
     open emp_cursor;
     fetch emp_cursor bulk collect into c_name;
     for i in 1 .. c_name.count loop
         dbms_output.put_line(c_name(i));
     end loop;
     close emp_cursor;
end;
/

declare
  cursor emp_cursor is select ename from scott.emp;
  type c_name_type is table of varchar2(10) index by binary_integer;
  c_name c_name_type;
  --c_name dbms_sql.varchar2_table;
begin
     open emp_cursor;
     loop
         fetch emp_cursor bulk collect into c_name limit 10;
     exit when emp_cursor%notfound;
         for i in 1 .. c_name.count loop
             dbms_output.put_line(c_name(i));
         end loop;
     end loop;
     close emp_cursor;
end;
/


隐式游标相对于显式游标而言,指的是不需要事先Declare,也无须open,fetch, close的等方法来操作,而是通过其它的方式来操作游标。

B、隐式游标(select into)
declare
  c_name varchar2(100);
begin
     select ename into c_name from scott.emp where empno=7788;
     dbms_output.put_line(c_name);
end;
/

declare
  type c_name_type is table of varchar2(10) index by binary_integer;
  c_name c_name_type;
  --c_name dbms_sql.varchar2_table;
begin
     select ename bulk collect into c_name from scott.emp;
     for i in 1 .. c_name.count loop
         dbms_output.put_line(c_name(i));
     end loop;
end;
/

动态SQL的隐式游标(select into)
declare
  c_name varchar2(100);
  c_table_name varchar2(100);
  c_sql varchar2(200);
begin
     c_table_name := 'scott.emp';
     c_sql := 'select ename from '||c_table_name||' where empno=7788';
     execute immediate c_sql into c_name;
     dbms_output.put_line(c_name);
end;
/

动态SQL的隐式游标(select into)+(bulk collect)
declare
  c_name_array dbms_sql.varchar2_table;
  c_table_name varchar2(100);
  c_sql varchar2(200);
begin
     c_table_name := 'scott.emp';
     c_sql := 'select ename from '||c_table_name;
     execute immediate c_sql bulk collect into c_name_array;
     for i in 1 .. c_name_array.count loop
         dbms_output.put_line(c_name_array(i));
     end loop;
end;
/


C、隐式游标(for .. in)
通过loop的开始与结束来控制cursor的open与close。
begin
  for emp_cursor in (select ename,sal from scott.emp) loop
      dbms_output.put_line(emp_cursor.ename||','||emp_cursor.sal);
  end loop;
end;
/

2.三种用法的优劣
A、显式游标
优点:
·可以用于Bulk Collect的批量处理句式以提高性能
·可以用于动态SQL的游标处理
缺点:
·麻烦,需要定义,打开,Fetch,Close一堆代码,增加代码复杂度,从而增加出错的可能性

B、隐式游标(select into)
优点:
·代码量最少
·可以自动Detect返回数据超过一行或少于一行的错误
·可以使用Bulk Collect批量处理,但是无法使用Limit关键字
缺点:
·如果不使用Bulk Collect批量处理,仅仅只能用于返回数据正好一行的情况,无法使用于返回数据超过一行或少于一行的环境
·使用Bulk Collect批量处理时,无法使用limit关键字,无法处理返回行数太多的情况(不好处理,容易造成PGA过大)

C、隐式游标(for .. in)
优点:
·代码量远少于显式游标
·代码可读性优于显式游标
·代码的出错可能性也小于显式游标
缺点:
·无法用于动态SQL的游标处理
·在返回行数超过10行的情况下,性能明显不如使用Bulk Collect的显式游标

在性能对比方面,除非是使用了Bulk Collect,否则,三种方式没有明显性能差距。

3、具体的选择
·在返回数据为一行的情况下,尽量使用(select into)的隐式游标

·返回0行或者

·或者在返回行稍多,但是不关心Fetch性能的情况下,也可考虑用(for .. in)隐式游标

·返回10行-100行(一个很随意选择的经验值,可以自己根据情况设定),而且关心Fetch性能的情况下,可以使用(select into)的隐式游标+(bulk collect),在获得性能提升的情况下,代码量也不会增加太多。

·返回行数很多,>100, 应选用显示游标+(bulk collect),以获得较高的Fetch 性能,同时不至于使用太大的PGA内存。

·如国使用动态SQL, 则根据select list (column list)是否固定,如果固定,仍然可以考虑使用(select into)的隐式游标+动态SQL的方式。当然,仍然需要考虑返回行数的问题。

·如果select list (column list)不固定,则只好使用显式游标

·或者动态语句返回行数太多,必须用limit,那么也只好用显式游标了。

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/17012874/viewspace-693787/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/17012874/viewspace-693787/

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