首先灌入一万条数据(利用msyql存储过程)

说到msyql引擎,InnoDB和MyISam的区别。
我们暂时只要知道两点:
1.InnoDB支持外键和事物,而MyISam不支持
2.事务性表应该使用InnoDB,频繁读取如select操作很频繁的应该使用MyISam引擎。

我们新建了2张表:user_sys和user_sys2,字段都一样,只是一个使用InnoDB引擎,一个使用MyISam引擎。

我们使用mysql存储过程的方式,给表填充数据。
使用mysql客户端,新建函数—选择存储过程。
这里写图片描述

BEGIN

  SET @num=1;
  WHILE @num<=20 DO
    IF t=1 THEN
      INSERT INTO user_sys(user_name,user_pwd)value(concat('user',@num),'123456');
    ELSE
      INSERT INTO user_sys2(user_name,user_pwd)value(concat('user',@num),'123456');
    END IF;
    SET @num=@num+1;
  END WHILE;

END;

上面语句,定义了变量num,<=20为条件循环执行插入表的SQL语句,根据传入的参数不同,插入的insert语句不同。
SQL预览:

CREATE PROCEDURE `myshop`.`<function_name>`(in t int)
LANGUAGE SQL
NOT DETERMINISTIC
CONTAINS SQL
SQL SECURITY DEFINER
COMMENT ''
BEGIN

  SET @num=1;
  WHILE @num<=20 DO
    IF t=1 THEN
      INSERT INTO user_sys(user_name,user_pwd)value(concat('user',@num),'123456');
    ELSE
      INSERT INTO user_sys2(user_name,user_pwd)value(concat('user',@num),'123456');
    END IF;
    SET @num=@num+1;
  END WHILE;

END;

如何调用mysql的存储过程:

call initdb(1);
#initdb是我们上面定义存储过程时保持的名字
#并且上面的存储过程我们也定义了参数
#所以调用类似函数的方式

最终就完成了快速的给user_sys表和user_sys2表,插入20条数据。

如果要插入10000条,只需要修改成@num<=10000

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
大模型AI,如GPT-3.5(通常指的是预训练的大规模语言模型),能够执行多种任务,包括但不限于: 1. **自然语言理解和生成**:写作、翻译、文本摘要、对话交互、回答问题等。 2. **代码编写与问题解决**:提供代码片段建议,帮助开发者解决问题。 3. **创意生成**:诗歌创作、故事构思、设计概念等。 4. **信息检索**:从大量数据找到相关信息。 大模型通过深度学习的神经网络架构(如Transformer)进行训练,通过大量的无监督学习过程(如自回归预测)来积累模式和上下文理解能力。它们不是传统意义上的“智能”,而是基于统计概率和模式匹配,能够在接收到输入后生成相应输出。 **用好AI的核心心法**: 1. **明确需求**:了解具体应用场景,选择适合的模型类型。 2. **高质量的数据**:训练大模型需要海量标注数据数据质量直接影响模型性能。 3. **微调和迭代**:针对特定领域对模型进行调整以提高针对性。 4. **伦理考量**:确保AI的应用符合道德规范,避免潜在的风险。 **大模型应用的业务和技术架构**: 1. **业务架构**:作为辅助工具嵌入工作流程,增强人类决策支持。 2. **技术架构**:可能涉及API接口、集成平台(如Hugging Face的Transformers库)、GPU服务器等资源管理。 **代码示例**(假设使用Python和Hugging Face): ```python from transformers import pipeline # 创建一个基于GPT-3.5的知识注入示例 model = pipeline('text-generation', model='gpt3') prompt = "关于量子物理的新发现:" response = model(prompt=prompt, temperature=0.7) print(response[0]['generated_text']) ``` **工程意义和核心思想**: - **可扩展性**:模型可以适应不断增长的需求,添加新知识。 - **自动化**:降低人工介入,提高效率。 - **知识融合**:整合多领域知识,提升整体解决方案的能力。 - **持续改进**:通过反馈循环优化模型性能。
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