10 SQL进阶 -- 综合练习题 -- 10道经典SQL题目，配套数据与解答

置顶 已于 2024-07-02 10:06:52 修改
阅读量1.3k 收藏 18
点赞数 33
分类专栏： SQL必知必会 文章标签： sql 数据库
于 2024-04-20 18:13:56 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/luorongxi123/article/details/138005841
版权

在这里插入图片描述

1. 创建表结构和导入数据

1.1 新建数据库

在这里插入图片描述

1.2 执行建表语句

  • 点击下方链接直接下载

创建数据表脚本：http://tianchi-media.oss-cn-beijing.aliyuncs.com/dragonball/SQL/create_table.sql

  • 执行建表语句

在这里插入图片描述

  • 执行成功

在这里插入图片描述

  • 查看创建的表

在这里插入图片描述

1.3 导入数据

  • 点击下方链接直接下载

插入数据脚本：https://tianchi-media.oss-cn-beijing.aliyuncs.com/dragonball/SQL/data.zip

大家下载好脚本后，先在MySQL环境中运行create_table.sql脚本，创建数据表，然后解压下载好的data.zip，解压后目录如下：

在这里插入图片描述

脚本文件名前面的序号表示用到该数据集的题目序号，例如1-7market data.sql表示第1题和第7题用到了该数据集。

同样的，这里给大家的也是sql脚本，里面是插入数据的语句，大家只需打开后在MySQL环境中运行即可将数据导入到数据表中。

  • 导入 1-7market data.sql 脚本

在这里插入图片描述

在这里插入图片描述

  • 导入 1-9company operating.sql 脚本

在这里插入图片描述

在这里插入图片描述

  • 导入 1-9income statement.sql 脚本

在这里插入图片描述
在这里插入图片描述

  • 导入 2-winequality-red.sql 脚本

在这里插入图片描述

在这里插入图片描述

  • 导入 3-ccf_offline_stage1_test_revised.sql 脚本

在这里插入图片描述

在这里插入图片描述

  • 导入 4-macro industry.sql 脚本

在这里插入图片描述

在这里插入图片描述

  • 导入 5-8-10ccf_online_stage1_train.sql 脚本，因为数据量比较大，耗时稍长一些，请耐心等待

在这里插入图片描述

在这里插入图片描述

  • 导入 6-winequality-white.sql 脚本

在这里插入图片描述

在这里插入图片描述

  • 导入 8-10ccf_offline_stage1_train.sql 脚本

在这里插入图片描述

在这里插入图片描述

2. 练习题

2.1 练习题1

以Market Data为主表，将三张表中的TICKER_SYMBOL为600383和600048的信息合并在一起。只需要显示以下字段。

在这里插入图片描述

  • 执行查询语句：

SELECT i.TICKER_SYMBOL AS I_TICKER_SYMBOL, i.END_DATE AS I_END_DATA, i.T_REVENUE AS I_T_REVENUE, i.T_COGS AS I_T_COGS, i.N_INCOME AS I_N_INCOME, m.TICKER_SYMBOL AS M_TICKER_SYMBOL, m.END_DATE AS M_END_DATE, m.CLOSE_PRICE AS M_CLOSE_PRICE, c.TICKER_SYMBOL AS C_TICKER_SYMBOL, c.INDIC_NAME_EN AS C_INDIC_NAME_EN, c.END_DATE AS C_END_DATE, c.VALUE AS C_VALUE
FROM
(SELECT TICKER_SYMBOL, END_DATE, CLOSE_PRICE
FROM market data
WHERE TICKER_SYMBOL IN (‘600383’, ‘600048’)) m
LEFT JOIN income statement i ON m.TICKER_SYMBOL=i.TICKER_SYMBOL
LEFT JOIN company operating c ON m.TICKER_SYMBOL=c.TICKER_SYMBOL;

在这里插入图片描述

注：大家可以看到查询的速度比较慢，主要原因是关联的 TICKER_SYMBOL 字段没有加索引。

  • 对关联字段 TICKER_SYMBOL 增加索引 SQL 脚本
    ALTER TABLE market data ADD INDEX INDEX_M_TICKER_SYMBOL (TICKER_SYMBOL);
    ALTER TABLE income statement ADD INDEX INDEX_I_TICKER_SYMBOL (TICKER_SYMBOL);
    ALTER TABLE company operating ADD INDEX INDEX_C_TICKER_SYMBOL (TICKER_SYMBOL);

在这里插入图片描述

重新执行查询语句：

在这里插入图片描述

查询速度有了明显的提升。

2.2 练习题2

请使用 winequality-red 表，找出 pH=3.03的所有红葡萄酒，然后，对其 citric acid 进行中式排名（相同排名的下一个名次应该是下一个连续的整数值。换句话说，名次之间不应该有“间隔”）

SELECT *, DENSE_RANK() OVER (ORDER BY citric acid) AS dense_ranking
FROM winequality-red
WHERE pH=3.03;

在这里插入图片描述

2.3 练习题3

请使用 ccf_offline_stage1_test_revised 表，试分别找出在2016年7月期间，发放优惠券总金额最多和发放优惠券张数最多的商家。这里只考虑满减的金额，不考虑打几折的优惠券。

在这里插入图片描述

  • 发放优惠券总金额最多的商家

SELECT m.*
FROM
(SELECT Merchant_id, SUM(SUBSTRING_INDEX(Discount_rate, ‘:’, 1)) as Coupon_amount
FROM ccf_offline_stage1_test_revised
WHERE DATE_FORMAT(Date_received, ‘%Y-%m’) LIKE ‘2016-07%’ AND Discount_rate LIKE ‘%:%’
GROUP BY Merchant_id) m
ORDER BY Coupon_amount DESC
LIMIT 1;

在这里插入图片描述

  • 发放优惠券张数最多的商家

SELECT m.*
FROM
(SELECT Merchant_id, COUNT(Coupon_id) AS Coupon_Num
FROM ccf_offline_stage1_test_revised
WHERE DATE_FORMAT(Date_received, ‘%Y-%m’) LIKE ‘2016-07%’ AND Discount_rate LIKE ‘%:%’
GROUP BY Merchant_id) m
ORDER BY Coupon_Num DESC
LIMIT 1;

在这里插入图片描述

2.4 练习题4

请使用 macro industry 表中的 PERIOD_DATE，请计算全社会用电量:第一产业:当月值在2015年用电最高峰是发生在哪月？并且相比去年同期增长/减少了多少个百分比？

  • 2015年用电最高峰的月份

SELECT m.peak_month, SUM(m.DATA_VALUE) as DATA_VALUE
FROM
(SELECT DATA_VALUE, DATE_FORMAT(PERIOD_DATE, ‘%Y-%m’) AS
peak_month
FROM macro industry
WHERE DATE_FORMAT(PERIOD_DATE, ‘%Y’) LIKE ‘2015%’) m
GROUP BY m.peak_month

在这里插入图片描述

  • 2014年12月的用电量

SELECT m.peak_month, SUM(m.DATA_VALUE) as DATA_VALUE
FROM
(SELECT DATA_VALUE, DATE_FORMAT(PERIOD_DATE, ‘%Y-%m’) AS
peak_month
FROM macro industry
WHERE DATE_FORMAT(PERIOD_DATE, ‘%Y-%m’) LIKE ‘2014-12%’) m
GROUP BY m.peak_month;

在这里插入图片描述

SELECT CONCAT(FORMAT(((4268310.33806 - 3594152.12446) / 4268310.33806) * 100, 2), ‘%’) AS increase_rate;

SELECT CONCAT(FORMAT((((SELECT m1.DATA_VALUE
FROM
(SELECT m.peak_month, SUM(m.DATA_VALUE) as DATA_VALUE
FROM
(SELECT DATA_VALUE, DATE_FORMAT(PERIOD_DATE, ‘%Y-%m’) AS
peak_month
FROM macro industry
WHERE DATE_FORMAT(PERIOD_DATE, ‘%Y’) LIKE ‘2015%’) m
GROUP BY m.peak_month) m1
ORDER BY m1.DATA_VALUE DESC
LIMIT 1) - (SELECT SUM(m.DATA_VALUE) as DATA_VALUE
FROM
(SELECT DATA_VALUE, DATE_FORMAT(PERIOD_DATE, ‘%Y-%m’) AS
peak_month
FROM macro industry
WHERE DATE_FORMAT(PERIOD_DATE, ‘%Y-%m’) LIKE ‘2014-12%’) m
GROUP BY m.peak_month)) / (SELECT m1.DATA_VALUE
FROM
(SELECT m.peak_month, SUM(m.DATA_VALUE) as DATA_VALUE
FROM
(SELECT DATA_VALUE, DATE_FORMAT(PERIOD_DATE, ‘%Y-%m’) AS
peak_month
FROM macro industry
WHERE DATE_FORMAT(PERIOD_DATE, ‘%Y’) LIKE ‘2015%’) m
GROUP BY m.peak_month) m1
ORDER BY m1.DATA_VALUE DESC
LIMIT 1)) * 100, 2), ‘%’) AS increase_rate;
在这里插入图片描述

2.5 练习题5

请使用 ccf_online_stage1_train 表，试统计在2016年6月期间，线上总体优惠券弃用率为多少？并找出优惠券弃用率最高的商家。弃用率 = 被领券但未使用的优惠券张数 / 总的被领取优惠券张数。

在这里插入图片描述

  • 被领券但未使用的优惠券张数

SELECT COUNT(Coupon_id) AS Coupon_num
FROM ccf_online_stage1_train
WHERE Coupon_id != ‘fixed’ AND Date IS NULL AND Coupon_id IS NOT NULL AND DATE_FORMAT(Date_received, ‘%Y-%m’) LIKE ‘2016-06%’;

在这里插入图片描述

  • 总的被领用的优惠券张数

SELECT (SELECT COUNT(Coupon_id) AS Coupon_num
FROM ccf_online_stage1_train
WHERE Coupon_id != ‘fixed’ AND Date IS NULL AND Coupon_id IS NOT NULL AND DATE_FORMAT(Date_received, ‘%Y-%m’) LIKE ‘2016-06%’) + (SELECT COUNT(Coupon_id) AS Coupon_num
FROM ccf_online_stage1_train
WHERE Coupon_id != ‘fixed’ AND Date IS NOT NULL AND Date_received IS NOT NULL AND DATE_FORMAT(Date_received, ‘%Y-%m’) LIKE ‘2016-06%’) AS sum_coupon_num;

在这里插入图片描述

  • 弃用率

SELECT CONCAT(FORMAT((79053/90406) * 100, 2), ‘%’) give_up_rate;

SELECT CONCAT(FORMAT(((SELECT COUNT(Coupon_id) AS coupon_num
FROM ccf_online_stage1_train
WHERE Coupon_id != ‘fixed’ AND Date IS NULL AND Coupon_id IS NOT NULL AND DATE_FORMAT(Date_received, ‘%Y-%m’) LIKE ‘2016-06%’)/(SELECT (SELECT COUNT(Coupon_id) AS Coupon_num
FROM ccf_online_stage1_train
WHERE Coupon_id != ‘fixed’ AND Date IS NULL AND Coupon_id IS NOT NULL AND DATE_FORMAT(Date_received, ‘%Y-%m’) LIKE ‘2016-06%’) + (SELECT COUNT(Coupon_id) AS Coupon_num
FROM ccf_online_stage1_train
WHERE Coupon_id != ‘fixed’ AND Date IS NOT NULL AND Date_received IS NOT NULL AND DATE_FORMAT(Date_received, ‘%Y-%m’) LIKE ‘2016-06%’) AS sum_coupon_num)) * 100, 2), ‘%’) give_up_rate;

在这里插入图片描述

  • 优惠券弃用率最高的商家

SELECT m4.*
FROM

(SELECT m3.Merchant_id, m3.unused_coupon_num, m3.used_coupon_num, m3.sum_coupon_num, FORMAT((m3.unused_coupon_num/m3.sum_coupon_num) * 100, 2) AS give_up_rate
FROM

(SELECT m1.Merchant_id, m1.unused_coupon_num, m2.used_coupon_num, (m1.unused_coupon_num + m2.used_coupon_num) AS sum_coupon_num
FROM

(SELECT Merchant_id, COUNT(Coupon_id) AS unused_coupon_num
FROM ccf_online_stage1_train
WHERE Coupon_id != ‘fixed’ AND Date IS NULL AND Coupon_id IS NOT NULL AND DATE_FORMAT(Date_received, ‘%Y-%m’) LIKE ‘2016-06%’
GROUP BY Merchant_id) m1

INNER JOIN

(SELECT Merchant_id, COUNT(Coupon_id) AS used_coupon_num
FROM ccf_online_stage1_train
WHERE Coupon_id != ‘fixed’ AND Date IS NOT NULL AND Date_received IS NOT NULL AND DATE_FORMAT(Date_received, ‘%Y-%m’) LIKE ‘2016-06%’
GROUP BY Merchant_id) m2

ON m1.Merchant_id = m2.Merchant_id) m3

) m4

ORDER BY m4.give_up_rate DESC
LIMIT 1;

在这里插入图片描述

2.6 练习题6

请使用 winequality-white 表，找出 pH=3.63的所有白葡萄酒，然后，对其 residual sugar 量进行英式排名（非连续的排名）

– 对其 residual sugar 量进行英式排名（非连续的排名）

SELECT *, RANK() OVER (ORDER BY residual sugar) AS ranking
FROM winequality-white
WHERE pH=3.63;

在这里插入图片描述

2.7 练习题7

请使用 Market Data 表，计算截止到2018年底，市值最大的三个行业是哪些？以及这三个行业里市值最大的三个公司是哪些？（每个行业找出前三大的公司，即一共要找出9个）

SELECT m.TYPE_ID, m.TYPE_NAME_CN, MAX(m.MARKET_VALUE) AS MARKET_VALUE
FROM
(SELECT TYPE_ID, TYPE_NAME_CN, CAST(MARKET_VALUE AS SIGNED) AS MARKET_VALUE, END_DATE
FROM market data
WHERE DATE_FORMAT(END_DATE, ‘%Y-%m-%d’) = ‘2018-05-31’) m
GROUP BY m.TYPE_ID, m.TYPE_NAME_CN
LIMIT 3;

在这里插入图片描述

(SELECT m.SECURITY_ID, m.TYPE_ID, m.TYPE_NAME_CN, m.MARKET_VALUE
FROM
(SELECT SECURITY_ID, TYPE_ID, TYPE_NAME_CN, CAST(MARKET_VALUE AS SIGNED) AS MARKET_VALUE, END_DATE
FROM market data
WHERE TYPE_ID=‘010303210101’ AND DATE_FORMAT(END_DATE, ‘%Y-%m-%d’) = ‘2018-05-31’) m
ORDER BY m.MARKET_VALUE DESC
LIMIT 3)

UNION ALL

(SELECT m.SECURITY_ID, m.TYPE_ID, m.TYPE_NAME_CN, m.MARKET_VALUE
FROM
(SELECT SECURITY_ID, TYPE_ID, TYPE_NAME_CN, CAST(MARKET_VALUE AS SIGNED) AS MARKET_VALUE, END_DATE
FROM market data
WHERE TYPE_ID=‘010303200101’ AND DATE_FORMAT(END_DATE, ‘%Y-%m-%d’) = ‘2018-05-31’) m
ORDER BY m.MARKET_VALUE DESC
LIMIT 3)

UNION ALL

(SELECT m.SECURITY_ID, m.TYPE_ID, m.TYPE_NAME_CN, m.MARKET_VALUE
FROM
(SELECT SECURITY_ID, TYPE_ID, TYPE_NAME_CN, CAST(MARKET_VALUE AS SIGNED) AS MARKET_VALUE, END_DATE
FROM market data
WHERE TYPE_ID=‘010303170301’ AND DATE_FORMAT(END_DATE, ‘%Y-%m-%d’) = ‘2018-05-31’) m
ORDER BY m.MARKET_VALUE DESC
LIMIT 3);

在这里插入图片描述

2.8 练习题8

请使用 ccf_online_stage1_train 和 ccf_offline_stage1_train 表，试找出在2016年6月期间，线上线下累计优惠券使用次数最多的顾客。

SELECT m.User_id, m.Coupon_num
FROM
(SELECT c.User_id, COUNT(c.Coupon_id) as Coupon_num
FROM
((SELECT User_id, Coupon_id
FROM ccf_offline_stage1_train
WHERE Date IS NOT NULL AND Date_received IS NOT NULL AND DATE_FORMAT(Date_received, ‘%Y-%m’) LIKE ‘2016-06%’)
UNION ALL
(SELECT User_id, Coupon_id
FROM ccf_online_stage1_train
WHERE Coupon_id != ‘fixed’ AND Date IS NOT NULL AND Date_received IS NOT NULL AND DATE_FORMAT(Date_received, ‘%Y-%m’) LIKE ‘2016-06%’)) c
GROUP BY c.User_id) m
ORDER BY m.Coupon_num DESC
LIMIT 1;

在这里插入图片描述

2.9 练习题9

请使用 income statement 表中的 sheet-General Business 和 company operating 表中的sheet-EN 找出在数据集所有年份中，按季度统计，白云机场旅客吞吐量最高的那一季度对应的净利润是多少？（注意，是单季度对应的净利润，非累计净利润。）

SELECT *
FROM (SELECT TICKER_SYMBOL,
YEAR(END_DATE) Year,
QUARTER(END_DATE) QUARTER,
SUM(VALUE) Amount
FROM company operating
WHERE INDIC_NAME_EN = ‘Baiyun Airport:Passenger throughput’
GROUP BY TICKER_SYMBOL,YEAR(END_DATE),QUARTER(END_DATE)
ORDER BY SUM(VALUE) DESC
LIMIT 1 ) BaseData
LEFT JOIN – income statement
(SELECT TICKER_SYMBOL,
YEAR(END_DATE) Year,
QUARTER(END_DATE) QUARTER,
SUM(N_INCOME) Amount
FROM income statement
GROUP BY TICKER_SYMBOL,YEAR(END_DATE),QUARTER(END_DATE) ) Income
ON BaseData.TICKER_SYMBOL = Income.TICKER_SYMBOL
AND BaseData.Year = Income.Year
AND BaseData.QUARTER = Income.QUARTER;

在这里插入图片描述

2.10 练习题10

请使用 ccf_online_stage1_train 和 ccf_offline_stage1_train 表，试找出在2016年6月期间，线上线下累计被使用优惠券满减最多的前3名商家。比如商家A，消费者A在其中使用了一张200减50的，消费者B使用了一张30减1的，那么商家A累计被使用优惠券满减51元。

SELECT s.Merchant_id, s.Coupon_sum
FROM
(SELECT m.Merchant_id, SUM(m.sum_) AS Coupon_sum
FROM
(SELECT Merchant_id,
SUM(SUBSTRING_INDEX(Discount_rate, ‘:’, -1))
OVER (PARTITION BY Merchant_id) AS sum_
FROM ccf_online_stage1_train
WHERE Coupon_id != ‘fixed’ AND Date IS NOT NULL AND Date_received IS NOT NULL AND DATE_FORMAT(Date, ‘%Y-%m’) LIKE ‘2016-06%’
UNION ALL
SELECT Merchant_id,
SUM(SUBSTRING_INDEX(Discount_rate, ‘:’, -1))
OVER (PARTITION BY Merchant_id) AS sum_
FROM ccf_offline_stage1_train
WHERE Date IS NOT NULL AND Date_received IS NOT NULL AND DATE_FORMAT(Date, ‘%Y-%m’) LIKE ‘2016-06%’) m
GROUP BY m.Merchant_id) s
ORDER BY s.Coupon_sum DESC
LIMIT 3;

在这里插入图片描述

腾飞开源
关注
  • 33
    点赞
  • 踩
  • 18
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
关于SQL的几道小题详解(sql进阶)
01-19
当我们拿到题目的时候，并不是急于作答，那样会得不偿失的，而是分析思路，采用什么方法，达到什么目的，还要思考有没有简单的方法或者通用的方法等等，这样才会达到以一当十的效果，这样的惯性思维其实早在我们度...
Oracle PL-SQL 中联模拟笔试题
09-26
最后，“考题”文件可能包含了一些额外的练习题，用于巩固你在学习过程中的理解和应用。记住，实践是检验理论的最好方式，通过这些模拟笔试题，你可以不断锻炼自己的技能，为真实的Oracle PL-SQL面试或工作做好准备...
牛客SQ练习题及答案（1-61题）
04-20
这份“牛客SQ练习题及答案（1-61题）”的资源涵盖了从基础到进阶的各种问题，是学习和巩固SQL知识的理想材料。以下是对这些练习题和答案的详细解读。 1. **SQL基础知识**：练习题可能包括创建数据库、数据表，以及...
数据库技术与应用（SQL Server 2008版）-实例资料.rar
06-25
通过解答这些题目，学习者可以检验自己对SQL Server 2008的理解程度，了解在不同场景下如何运用所学知识。习题可能涵盖查询优化、错误排查、备份恢复策略、安全性管理等方面，这些都是数据库管理员必须掌握的专业...
PostgreSQL的Json数据类型如何使用
招风的黑耳CSDN
07-18 400
PostgreSQL中的JSON数据类型提供了一种灵活的方式来存储JSON（JavaScript Object Notation）数据。JSON是一种轻量级的数据交换格式，易于人阅读和编写，同时也易于机器解析和生成。在PostgreSQL中，你可以使用JSON和JSONB（JSON的二进制格式，支持索引和更快的查询）数据类型来存储JSON数据。
PostgreSQL 中如何解决因大量并发删除和插入操作导致的索引抖动？
技术笔记
07-17 873
索引抖动是 PostgreSQL 中一个常见的问题，它会对数据库的性能产生严重的影响。通过采用批量操作、分区表、索引优化和调整数据库参数等方法，我们可以有效地解决索引抖动问题，提高数据库的性能和稳定性。在实际应用中，我们应该根据具体情况选择合适的解决方案，并不断地进行优化和调整，以满足业务的需求。解决索引抖动问题就像是一场战斗，我们需要根据敌人（问题）的特点和弱点，选择合适的武器（解决方案），并灵活运用战术（优化方法），才能取得最终的胜利。
接口开发：Orcal数据库的批量新增sql
qq_65032048的博客
07-17 790
场景：在日常的CURD中一定会用到批量新增。在我们的项目中，使用的数据库是Orcal，由于之前基本都是使用Mysql的，使用的sql语句也基本都是用mysql的。但是在这次的接口编写时用mysql的批量新增出了问题，刚开始我还以为是写的动态sql有问题，在后续的问题修改也主要是对动态sql修改，因此也浪费了大量的时间，在后续把sql搬到数据库运行一下后才发现是sql的问题，同时也了解到了mysql和orcal 也是有很多地方是不同的。
SQL执行流程、SQL执行计划、SQL优化
风中的默默
07-19 349
返回两个表中的匹配行。返回左表中的所有记录以及右表中的匹配记录。返回右表中的所有记录以及左表中的匹配记录。返回左侧或右侧表中有匹配的所有记录。
SQL每日一题：查找重复的电子邮箱
xiongxiaoxuan的博客
07-17 370
编写解决方案来报告所有重复的电子邮件。请注意，可以保证电子邮件字段不为 NULL。以 任意顺序 返回结果表。按照email分组计数，筛选出数量>1的email。(需注意分组计数时一定要记得用group by)此表的每一行都包含一封电子邮件。电子邮件不包含大写字母。id 是该表的主键（具有唯一值的列）。
sqlalchemy定期保持mysql连接活跃
ithongchou的博客
07-18 1448
数据库时，确保保持活跃连接是很重要的，特别是在长时间不使用数据库连接时。使用连接池管理数据库连接。通过配置合适的连接池参数可以有效地保持活跃连接。，以保持连接的活跃状态。这可以通过任务调度库如。（超出连接池大小时允许创建的额外连接数）和。（连接在被放回连接池前的最大生存时间）等。查询，保持数据库连接的活跃状态。可以定期执行简单的查询，例如。这个例子会每隔一段时间执行。
【PostgreSQL】Windows 上安装 PostgreSQL 16版本
No8g攻城狮的博客
07-17 1707
✌全网粉丝20W+，CSDN博客专家、Java领域优质创作者，掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域✌。
MySql性能调优05-[sql实战演练]
最新发布
Java修炼者的博客
07-21 93
【代码】MySql性能调优05-[sql实战演练]
如何查询Oracle数据库一周内每天的SQL执行次数
weixin_60783132的博客
07-18 817
今天引入的问题是：oracle数据库怎么查询一周内，每天的查询次数？数据库的AWR报告会记录SQL的执行情况，可以从DBA_HIST_SNAPSHOT、在DBA_HIST_SQLSTAT这两个视图通过快照 id join一下得到记录了系统七天内Oracle数据库的SQL执行次数。如果有异常，再去分析问题。如果某一条SQL执行异常，需要做分析，怎么找出这条SQL文本。
在 PostgreSQL 里如何实现数据的分布式事务的事务传播和协调？
技术笔记
07-18 885
在分布式系统中，一个事务可能涉及到多个不同的节点或数据库。分布式事务就是要确保在这些多个操作中，要么所有的操作都成功提交，要么所有的操作都回滚，以保持数据的一致性。打个比方，这就好比一个团队合作完成一个项目，如果其中一个环节出了问题，整个项目都可能受到影响，所以需要确保每个环节都能顺利完成，或者在出现问题时能够及时回滚，避免出现部分完成、部分失败的情况。在本文中，我们深入探讨了在 PostgreSQL 中如何实现数据的分布式事务的事务传播和协调。
如何处理 PostgreSQL 中死锁的情况？
技术笔记
07-19 1013
处理 PostgreSQL 中的死锁情况需要我们综合运用预防、检测、解决和优化等多种手段。就像在一场复杂的交通拥堵中，需要交警的指挥、道路的规划、司机的配合以及交通规则的完善，才能保证道路的畅通无阻。对于数据库管理员和开发者来说，要时刻保持警惕，不断优化数据库的设计和操作，以确保系统的稳定和高效运行。只有这样，才能在遇到死锁这个“拦路虎”时，从容应对，顺利解决问题。🎉相关推荐🍅关注博主🎗️带你畅游技术世界，不错过每一次成长机会！📚领书：PostgreSQL 入门到精通.pdf。
【论文速读】| TCSR-SQL：面向表内容感知的自检索文本到SQL方法
m0_73736695的博客
07-17 881
本文提出了一种面向表内容感知的自检索文本到SQL（TCSR-SQL）方法。该方法利用LLM的上下文学习能力，从问题中提取数据内容关键词并推断可能相关的数据库模式，通过模糊搜索数据库生成初始SQL，并在多轮生成-执行-修正过程中不断优化，最终生成精确的SQL。
使用Spring Retry实现重试机制
weixin_53840353的博客
07-18 561
Spring Retry是Spring提供的一个轻量级库，旨在简化Java应用程序中复杂的重试逻辑。它允许开发者在调用失败时自动重试操作，并提供了丰富的配置选项，例如重试次数、间隔时间和回退策略等。Spring Retry提供了多种回退策略，例如固定延迟、指数回退等。在这个例子中，重试间隔时间将以指数方式增长，初始延迟为1000毫秒，每次重试延迟乘以2，最多延迟5000毫秒。
怎样在 PostgreSQL 中优化对大表的索引创建和维护的性能开销？
技术笔记
07-17 1025
大表，顾名思义，就是数据量非常大的表。在实际应用中，当一个表的数据量达到数十万、数百万甚至数千万条时，我们就可以称之为大表。大表的存在会给数据库的性能带来诸多挑战，比如查询速度慢、数据插入和更新操作耗时等。打个比方，大表就像是一个巨大的仓库，里面堆满了各种各样的货物（数据）。当我们需要从这个仓库中找到特定的货物时，如果没有一个好的索引系统（类似于仓库的货架分类标识），那么我们就需要在整个仓库中逐个查找，这将是一个非常耗时的过程。索引是一种数据库结构，用于加快数据的查询和检索速度。
在 PostgreSQL 中如何实现数据的加密存储？
技术笔记
07-19 887
总的来说，在 PostgreSQL 中实现数据的加密存储是一项重要而又具有挑战性的任务。我们需要根据实际需求选择合适的加密方式，认真管理好加密密钥，充分考虑性能影响，并在实际应用中注意各种细节。这就像是建造一座坚固的城堡，每一块石头、每一道防线都要精心设计和建造。只有这样，我们才能真正保护好数据库中的宝贵数据，让它们在数字世界里安然无恙。🎉相关推荐🍅关注博主🎗️带你畅游技术世界，不错过每一次成长机会！📚领书：PostgreSQL 入门到精通.pdf📙PostgreSQL 中文手册。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

腾飞开源

你的鼓励将是我创作的最大动力！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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