Delphi的库存验证方案及主从表数据批量提交

用Delphi写系统系统的时候,难免会做库存验证,库存数据在前端的时候,很难跟后端的库存进行实时验证,这样我们就可以在保存的时候进行统一验证。
一 在库存表加一个触发器,用于获取那些产品库存不足


CREATE trigger [dbo].[Sys_StockPrice] on [dbo].[Sys_Stock] for Insert,Update,Delete
as
begin
  declare @ProNoList nvarchar(max)
  select @ProNoList=ProNo+',' from Sys_Stock where Qty<0
  if isnull(@ProNoList,'')<>''
  begin
    set @ProNoList=SUBSTRING(@ProNoList,1,len(@ProNoList)-1)+'库存不足!'
    raisError(@ProNoList, 16, 1); --抛出错误
    rollback transaction --取消插入数据
  end
end

二 由于我们是批量提交所以要在提交的时候加上事务,保证主从表的数据一次提交,提交失败时可以回滚,FDConnection.StartTransaction用于开启事务,FDConnection.Commit用于提交事务,FDConnection.Rollback用于回滚事务,事务里面可以嵌套事务。由于ApplyUpdates的异常无法用Try…except来抓捕,需要在TFDQuery的OnUpdateError事件里面获取错误信息,所以我们可以在OnUpdateError加入代码把错误系统获取到,可以定义一个全局变量来获取;

function TServerMethods1.ServerUpdateMoreTable(Login: string; Obj: TJSONObject;
  MainCancelStr: String; DetailCancelStr: String): String;
var
  MainSql, DetailSql: string;
  MAStream, DAStream: TStringStream;
  i,Erorrs: Integer;
  MDelta, DDelta: string;
  MainCancelList, DetailCancelList: TStringList;
begin
  MainCancelList := TStringList.Create;
  DetailCancelList := TStringList.Create;
  MainSql := Obj.GetValue('MainSql').Value;
  DetailSql := Obj.GetValue('DetailSql').Value;
  MDelta := Obj.GetValue('MDelta').Value;
  DDelta := Obj.GetValue('DDelta').Value;
  MainCancelList.CommaText := MainCancelStr;
  DetailCancelList.CommaText := DetailCancelStr;
  DSServerForm.Memo2.Lines.Add('用户:' + Login + ',日期:' +
    FormatDateTime('yyyy-MM-dd HH:nn:ss', now) + '  更新数据:' + MainSql);
  DSServerForm.Memo2.Lines.Add('用户:' + Login + ',日期:' +
    FormatDateTime('yyyy-MM-dd HH:nn:ss', now) + '  更新数据:' + DetailSql);
  Erorr := '';
  if (MainSql = '') or (MDelta = '') or (DetailSql = '') or (DDelta = '') then
  begin
    Result := '更新失败:没有接收到正确的更新数据!';
    exit;
  end;
  DATA1.StartTransaction;
  try
    Update.sql.Text := MainSql;
    MAStream := TStringStream.Create(MDelta, TEncoding.UTF8);
    MAStream.position := 0;
    Update.LoadFromStream(MAStream, sfJSON);
    for i := 0 to MainCancelList.Count - 1 do
    begin
      Update.FieldByName(MainCancelList[i]).ProviderFlags := [];
    end;
    Erorrs := Update.ApplyUpdates(0);

    UpdateD.sql.Text := DetailSql;
    DAStream := TStringStream.Create(DDelta, TEncoding.UTF8);
    DAStream.position := 0;
    UpdateD.LoadFromStream(DAStream, sfJSON);
    for i := 0 to DetailCancelList.Count - 1 do
    begin
      UpdateD.FieldByName(DetailCancelList[i]).ProviderFlags := [];
    end;
    Erorrs := UpdateD.ApplyUpdates(0);
  finally
    if (Erorrs > 0) or (Erorr<>'') then
    begin;
      DSServerForm.Memo2.Lines.Add('回滚');
      DATA1.Rollback;
    end
    else
    begin
      Data1.Commit;
      Update.CommitUpdates;
      UpdateD.CommitUpdates;
    end;
    MAStream.Free;
    DAStream.Free;
    MainCancelList.Free;
    DetailCancelList.Free;
  end;
  if Erorr <> '' then
    Result := Erorr
  else
    Result := ''
end;

procedure TServerMethods1.UpdateUpdateError(ASender: TDataSet;
  AException: EFDException; ARow: TFDDatSRow; ARequest: TFDUpdateRequest;
  var AAction: TFDErrorAction);
begin
  Erorr :=AException.Message
end;

这样我们就能做到库存验证的效果,实时验证,需要不停的对数据集进行处理,效率过慢,所以我选择了在保存的时候做出验证

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
在风能领域,准确预测风速对于风电场的运行与管理至关重要。Matlab作为一个强大的数学计算和数据分析平台,被广泛应用于风速预测模型的构建。本文将深入探讨基于四种风速——随机风、基本风、阵风和渐变风的组合风速预测技术。 我们来理解这四种风速类型: 1. **随机风**:随机风是指风速呈现出随机性的变化,通常由大气湍流引起。在建模中,通常通过统计方法如高斯分布或Weibull分布来模拟这种不确定性。 2. **基本风**:基本风速是指在无特定扰动条件下的平均风速,它是长期观测结果的平均值,通常用于结构设计和风能评估。 3. **阵风**:阵风是短时间内风速显著增强的现象,对建筑物和风力发电机造成的主要威胁之一。阵风的预测涉及到风的脉动特性分析。 4. **渐变风**:渐变风是指风速随时间和空间逐渐变化的过程,常见于风向转变或地形影响下的风场变化。 在Matlab中,利用这四种风速类型进行组合预测,可以提高预测的准确性。预测模型可能包括以下几个步骤: 1. **数据收集与预处理**:收集历史风速数据,包括随机风、基本风、阵风和渐变风的数据,进行异常值检测、缺失值填充以及数据标准化。 2. **特征工程**:提取风速变化的相关特征,如平均值、标准差、极值、频率分布等,这些特征可能对预测有重要影响。 3. **模型选择**:可以选择多种预测模型,如时间序列分析(ARIMA、状态空间模型等)、机器学习算法(线性回归、决策树、支持向量机、神经网络等)或深度学习模型(LSTM、GRU等)。 4. **模型训练**:利用历史数据训练选定的模型,调整模型参数以优化性能,例如通过交叉验证来避免过拟合。 5. **模型验证与评估**:使用独立的测试集验证模型预测效果,常见的评估指标有均方误差(MSE)、平均绝对误差(MAE)和决定系数(R²)。 6. **组合预测**:结合四种风速的不同模型预测结果,可以采用加权平均、集成学习(如bagging、boosting)等方式,以提升整体预测精度。 7. **实时更新与动态调整**:实际应用中,模型需要不断接收新的风速数据并进行在线更新,以适应风场环境的变化。 通过以上步骤,可以构建一个综合考虑各种风速特性的预测系统,这对于风电场的功率输出预测、风电设备的维护计划以及电网调度都具有重要价值。然而,需要注意的是,每个风场的地理环境、气候条件和设备状况都有所不同,因此模型的建立应根据实际情况进行定制和优
评论 1
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