java——事务

--什么是事务?

事务是与数据库紧密联系在一起的,指的是利用一组sql语句对数据库进行操作的过程,每一次操作都是一次事务,如果数据库操作在某一步没有执行或出现异常而导致事务失败,那么就必须返回到事务操作前的状态。

--事务的四大特性

(1)原子性 原子性即不可分割性,含义是一个事务必须把它产生的所有更改作为一个单独的工作单元进行提交或者回滚。无论有多少变动都将作为一个整体来处理。怎么来保证事务的原子性首先在事务开始之前对事务进行拆解,分析哪些动作是必须同时成功,同时失败的,把这些绑在一起的动作看成一个完整的工作单元,这些动作要步调一致。这其实也就是做好一件事之前的准备阶段。用窗口购票的例子来说就是把乘客付钱和得到火车票看成是一个整体。

(2)一致性 一致性的意思是事务执行的结果必须是使数据库从一个一致性状态变到另一个一致性状态(其实也就意味着在事务期间,对数据的增删改要符合数据的完整性约束)。像这种比较正式的说法往往是用一个抽象的描述去形容另外一个抽象的东西,结果是更加糊涂了。购票这个例子中,所谓的一致性就是现金必须从乘客的手中扣除,而同时火车票也必须被卖出并交到乘客的手上。所以简单点说,就是工作单元中每个动作的执行结果必须被落实,不能出现有的成功了而有的失败了。这就是做好一件事所要达到的既定目标,只要当这件事的所有环节都完成以后才能算这件事完成了。

(3)隔离性 隔离性,在有的地方也叫独立性,其实意思都差不多。隔离性指的是各个独立事务之间的交互程度,是由一致性和并发性共同决定的。像购票的这个例子,如果同时有多名乘客在不同的窗口购票,如果处理不当,很可能在购票的时候会出现两个或两个以上的窗口锁定同一张火车票,并进行售卖的情况,最终不能保证事务的一致性。并发性越低,事务的隔离性越高,一致性也就越高。当提高事务的隔离性的时候,就很可能需要牺牲数据库的并发性来保证数据的一致性。所以当设置事务的隔离级别的时候,就需要综合考虑事务的一致性和并发性。因此通俗讲事务的隔离性就是指的事情应该怎么做。关于事务的隔离性以及隔离级别稍后会有详细说明。

(4)持久性 持久性指的是一个事务一旦提交,那它对数据库的更改就应该是永久的,不会因系统的失败而丢失。当完成购票以后,售票员得到乘客的车票钱,乘客得到售票员给的车票,不能因为售票系统的崩溃就对既有事实进行抵赖,所以从某种程度上来说,持久性也可以指不可抵赖性,签字盖章,交易完成。这就是事情的最终结果。

--事务简单举例

利用转账举例说明:张三有2000元,李四也有2000元,现在要进行的操作是:张三向李四转账1000元,如果操作成功的话应该是张三的账户余额为1000元,李四的账户余额为3000元,假如转账过程中有一方发生问题导致转帐失败,那么结果只能是双方的余额依然保持转账前的数目,否则交易就出现问题,也就是说是一个不可分割的整体,交易过程中一旦发生问题那就导致整个进程失败。

--利用jdbc进行简单的事务演示

import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.PreparedStatement;
import java.sql.ResultSet;
import java.sql.SQLException;
import java.sql.Statement;


/**
 * 事务的基本用法
 *
 */
public class Test 
{
    public static void main(String[] args) 
    {
        Connection conn = null;//获得连接数据库对象
        PreparedStatement ps1 = null;//数据库操作对象
        PreparedStatement ps2 = null;

        try
        {
            //加载驱动类
            Class.forName("com.mysql.jdbc.Driver");
            conn = DriverManager.getConnection("jdbc:mysql://localhost:3306/testjdbc","root","123456");
            
            conn.setAutoCommit(false); //JDBC中默认是true,我们改成false,然后在后面手动提交
            
            ps1 = conn.prepareStatement("insert into t_user (username,pwd) values (?,?)");//?是占位符
            ps1.setObject(1, "张三");
            ps1.setObject(2, "666666");
            ps1.execute();
            System.out.println("插入一个用户张三");
            
            try 
            {
                Thread.sleep(3000);
            } 
            catch (InterruptedException e) 
            {
                e.printStackTrace();
            }
            
            ps2 = conn.prepareStatement("insert into t_user (username,pwd) values (?,?)");
            ps2.setObject(1, "李四");
            ps2.setObject(2, "123456");
            ps2.execute();            
            System.out.println("插入一个用户李四");
            
            conn.commit();//提交事务
         }
         catch (ClassNotFoundException e)
         {
            e.printStackTrace();
            try 
            {
                conn.rollback();//某一条数据添加失败时,回滚
            } 
            catch (SQLException e1) 
            {
                e1.printStackTrace();
            }
        } 
        catch (SQLException e) 
        {
            e.printStackTrace();
        }
        finally
        {
            try 
            {
                if(ps1!=null)
                {
                    ps1.close();
                }
            } 
            catch (SQLException e) 
            {
                e.printStackTrace();
            }
            try 
            {
                if(conn!=null)
                {
                    conn.close();
                }
            } 
            catch (SQLException e) 
            {
                e.printStackTrace();
            }
        }
    }
}

利用Mysql数据库进行操作,连续插入两条数据,如果提交失败则捕获异常,并且进行事务回滚,这里的失败有这几种可能,第一条数据插入失败,第二条数据插入失败。所以,即使第一条插入成功,第二条插入失败,整个进程也是失败的,数据库中没有插入的记录,回滚后达到事务未提交前的状态。


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。
【6层】4837.9平米六层框架综合办公楼(含计算书、建筑、结构图纸) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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