Oracle高级语句Model语句简介

最新推荐文章于 2021-04-12 21:34:42 发布
最新推荐文章于 2021-04-12 21:34:42 发布
阅读量3.6k 收藏 34
点赞数 8
分类专栏： # Oracle开发 Oracle循序渐进 文章标签： oracle 数据库 excel
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/u010520724/article/details/106047206
版权

文章目录

备注:测试数据库版本为Oracle 11g R2

这个blog我们来聊聊Oracle的Model子句
Oracle的Model子句非常强大，本文章简单介绍下Model

Model子句语法:

MODEL
[]
[]
[MAIN ]
[PARTITION BY ()]
DIMENSION BY ()
MEASURES ()
[]
[RULES]
(, ,.., )
::=
::= RETURN {ALL|UPDATED} ROWS
::=
[IGNORE NAV | [KEEP NAV]
[UNIQUE DIMENSION | UNIQUE SINGLE REFERENCE]
::=
[UPDATE | UPSERT | UPSERT ALL]
[AUTOMATIC ORDER | SEQUENTIAL ORDER]
[ITERATE ()  [UNTIL ]]
::= REFERENCE ON ON ()
DIMENSION BY () MEASURES ()

一.以一个例子来认识Model子句

看到上面Model复杂的语法，头都大了，不清楚如何使用
我们先简单的捋一捋Model子句是用来解决什么问题的
image.png

上面是一个excel表格，记录了每周口罩的进货量、销售量和库存
本周库存 = 本周进货量-本周销售额+上周库存
在excel中，我们可以用上图中的公式，来计算每周的库存

Oracle中，Model子句就是为了解决这类跨行引用
测试数据:

create table sales_fact
(
 prod      varchar2(20),--产品
 year    number,      --年
 week    number,      --月
 sale    number,      --销售额
 receipts       number       --进货量
);

insert into sales_fact values ('口罩',2020,1,100,200);
insert into sales_fact values ('口罩',2020,2,100,200);
insert into sales_fact values ('口罩',2020,3,150,300);
insert into sales_fact values ('口罩',2020,4,1000,5000);
insert into sales_fact values ('口罩',2020,5,2000,10000);
insert into sales_fact values ('口罩',2020,6,3000,0);
insert into sales_fact values ('口罩',2020,7,5000,0);
insert into sales_fact values ('口罩',2020,8,10000,10000);
insert into sales_fact values ('口罩',2020,9,100000,100000);
insert into sales_fact values ('口罩',2020,10,100000,100000);
insert into sales_fact values ('口罩',2020,11,100000,100000);
insert into sales_fact values ('口罩',2020,12,100000,100000);
insert into sales_fact values ('口罩',2020,13,100000,100000);
insert into sales_fact values ('口罩',2020,14,100000,100000);
commit;

我们通过Model子句可以很轻易的实现这个需求:

select prod ,
       year ,
       week ,
       sale ,    --销售量
       receipts, --进货量
       inventory --库存量
from sales_fact
where 1 = 1
model return updated rows
partition by(prod)
dimension by(year,week)
measures(0 inventory,sale,receipts) rules automatic
order(inventory[year,week] = nvl(inventory[cv(year),cv(week) - 1],0) - sale[cv(year),cv(week)] + receipts[cv(year),cv(week)] )
order by prod,year,week;

SQL> select prod ,
  2         year ,
  3         week ,
  4         sale ,    --销售量
  5         receipts, --进货量
  6         inventory --库存量
  7  from sales_fact
  8  where 1 = 1
  9  model return updated rows
 10  partition by(prod)
 11  dimension by(year,week)
 12  measures(0 inventory,sale,receipts) rules automatic
 13  order(inventory[year,week] = nvl(inventory[cv(year),cv(week) - 1],0) - sale[cv(year),cv(week)] + receipts[cv(year),cv(week)] )
 14  order by prod,year,week;
PROD                       YEAR       WEEK       SALE   RECEIPTS  INVENTORY
-------------------- ---------- ---------- ---------- ---------- ----------
口罩                       2020          1        100        200        100
口罩                       2020          2        100        200        200
口罩                       2020          3        150        300        350
口罩                       2020          4       1000       5000       4350
口罩                       2020          5       2000      10000      12350
口罩                       2020          6       3000          0       9350
口罩                       2020          7       5000          0       4350
口罩                       2020          8      10000      10000       4350
口罩                       2020          9     100000     100000       4350
口罩                       2020         10     100000     100000       4350
口罩                       2020         11     100000     100000       4350
口罩                       2020         12     100000     100000       4350
口罩                       2020         13     100000     100000       4350
口罩                       2020         14     100000     100000       4350
14 rows selected
子句说明
partition by(prod)将prod列指定为分区列
dimension by(year, week)指定year,week为维度列
measures(0 inventory, sale, receipts)将inventory,sales,receipts列指定为度量值列
order(inventory [ year, week ] =
nvl(inventory [ cv(year), cv(week) - 1 ], 0) - sale [ cv(year), cv(week) ] +
receipts [ cv(year), cv(week) ])		规则类似于一个公式

prod分区，与Oracle其它分析函数的分区相同，分区列值相同的所有行被认为是在同一个分区中
year、week为维度，维度列唯一辩识每一行，产品为口罩，每年每周只有一行数据
measures(0 inventory, sale, receipts)表示 inventory, sale, receipts三列为计算的列值
计算公式这个，可以类比excel截图中的公式来看， 0 inventory 代表如果找不到上周的库存，默认值为0

二.位置标记

假设2020年第8周，口罩销售量和进货量猛增，有部分数据没有录入系统
其实真实的进货量为300000，销售量也为200000

--公式列直接修改数据，这也太方便了吧
select prod ,
       year ,
       week ,
       sale ,    --销售量
       receipts, --进货量
       inventory --库存量
from sales_fact
where 1 = 1
model return updated rows
partition by(prod)
dimension by(year,week)
measures(0 inventory,sale,receipts) rules automatic
order(inventory[year,week] = nvl(inventory[cv(year),cv(week) - 1],0) - sale[cv(year),cv(week)] + receipts[cv(year),cv(week)],sale[2020,8] = 200000, receipts[2020,8] = 300000)
order by prod,year,week;

--公式列直接修改数据，这也太方便了吧
--sale[2020,8] = 200000, receipts[2020,8] = 300000  
SQL> select prod ,
  2         year ,
  3         week ,
  4         sale ,    --销售量
  5         receipts, --进货量
  6         inventory --库存量
  7  from sales_fact
  8  where 1 = 1
  9  model return updated rows
 10  partition by(prod)
 11  dimension by(year,week)
 12  measures(0 inventory,sale,receipts) rules automatic
 13  order(inventory[year,week] = nvl(inventory[cv(year),cv(week) - 1],0) - sale[cv(year),cv(week)] + receipts[cv(year),cv(week)],sale[2020,8] = 200000, receipts[2020,8] = 300000)
 14  order by prod,year,week;
PROD                       YEAR       WEEK       SALE   RECEIPTS  INVENTORY
-------------------- ---------- ---------- ---------- ---------- ----------
口罩                       2020          1        100        200        100
口罩                       2020          2        100        200        200
口罩                       2020          3        150        300        350
口罩                       2020          4       1000       5000       4350
口罩                       2020          5       2000      10000      12350
口罩                       2020          6       3000          0       9350
口罩                       2020          7       5000          0       4350
口罩                       2020          8     200000     300000     104350
口罩                       2020          9     100000     100000     104350
口罩                       2020         10     100000     100000     104350
口罩                       2020         11     100000     100000     104350
口罩                       2020         12     100000     100000     104350
口罩                       2020         13     100000     100000     104350
口罩                       2020         14     100000     100000     104350
14 rows selected
--可以看到model子句只是改了输出，原表的数据并没有更新
SQL> select * from sales_fact;
PROD                       YEAR       WEEK       SALE   RECEIPTS
-------------------- ---------- ---------- ---------- ----------
口罩                       2020          1        100        200
口罩                       2020          2        100        200
口罩                       2020          3        150        300
口罩                       2020          4       1000       5000
口罩                       2020          5       2000      10000
口罩                       2020          6       3000          0
口罩                       2020          7       5000          0
口罩                       2020          8      10000      10000
口罩                       2020          9     100000     100000
口罩                       2020         10     100000     100000
口罩                       2020         11     100000     100000
口罩                       2020         12     100000     100000
口罩                       2020         13     100000     100000
口罩                       2020         14     100000     100000
14 rows selected

假设15周的数据忘记记录了，在原有的基础上加上15周的数据
2020年第15周销售额 100000，进货量100000

--15周数据不存在
--我直接在公式列指定即可，马上就有数据了
select prod ,
       year ,
       week ,
       sale ,    --销售量
       receipts, --进货量
       inventory --库存量
from sales_fact
where 1 = 1
model return updated rows
partition by(prod)
dimension by(year,week)
measures(0 inventory,sale,receipts) rules automatic
order(inventory[year,week] = nvl(inventory[cv(year),cv(week) - 1],0) - sale[cv(year),cv(week)] + receipts[cv(year),cv(week)],sale[2020,8] = 200000, receipts[2020,8] = 300000,sale[2020,15] = 100000, receipts[2020,15] = 100000)
order by prod,year,week;

SQL> --15周数据不存在
SQL> --我直接在公式列指定即可，马上就有数据了
SQL> select prod ,
  2         year ,
  3         week ,
  4         sale ,    --销售量
  5         receipts, --进货量
  6         inventory --库存量
  7  from sales_fact
  8  where 1 = 1
  9  model return updated rows
 10  partition by(prod)
 11  dimension by(year,week)
 12  measures(0 inventory,sale,receipts) rules automatic
 13  order(inventory[year,week] = nvl(inventory[cv(year),cv(week) - 1],0) - sale[cv(year),cv(week)] + receipts[cv(year),cv(week)],sale[2020,8] = 200000, receipts[2020,8] = 300000,sale[2020,15] = 100000, receipts[2020,15] = 100000)
 14  order by prod,year,week;
PROD                       YEAR       WEEK       SALE   RECEIPTS  INVENTORY
-------------------- ---------- ---------- ---------- ---------- ----------
口罩                       2020          1        100        200        100
口罩                       2020          2        100        200        200
口罩                       2020          3        150        300        350
口罩                       2020          4       1000       5000       4350
口罩                       2020          5       2000      10000      12350
口罩                       2020          6       3000          0       9350
口罩                       2020          7       5000          0       4350
口罩                       2020          8     200000     300000     104350
口罩                       2020          9     100000     100000     104350
口罩                       2020         10     100000     100000     104350
口罩                       2020         11     100000     100000     104350
口罩                       2020         12     100000     100000     104350
口罩                       2020         13     100000     100000     104350
口罩                       2020         14     100000     100000     104350
口罩                       2020         15     100000     100000     104350
15 rows selected
--可以看到model子句只是改了输出，原表的数据并没有更新
SQL> select * from sales_fact;
PROD                       YEAR       WEEK       SALE   RECEIPTS
-------------------- ---------- ---------- ---------- ----------
口罩                       2020          1        100        200
口罩                       2020          2        100        200
口罩                       2020          3        150        300
口罩                       2020          4       1000       5000
口罩                       2020          5       2000      10000
口罩                       2020          6       3000          0
口罩                       2020          7       5000          0
口罩                       2020          8      10000      10000
口罩                       2020          9     100000     100000
口罩                       2020         10     100000     100000
口罩                       2020         11     100000     100000
口罩                       2020         12     100000     100000
口罩                       2020         13     100000     100000
口罩                       2020         14     100000     100000
14 rows selected

三.符号标记

此时需求14-16周的销售额和进货量都是录入数据的1.2倍

--符号标记不同于位置标记，如果不存在不会新增
--此列自己指定了每个公式的order by  没有用 automatic order，但是推荐使用 automatic order,Oracle还是很智能的
--注释了return updated rows之后，显示所有
select prod ,
       year ,
       week ,
       sale ,    --销售量
       receipts, --进货量
       inventory --库存量
from sales_fact
where 1 = 1
model --return updated rows
partition by(prod)
dimension by(year,week)
measures(0 inventory,sale,receipts)  
rules (--inventory[year,week] order by year,week = nvl(inventory[cv(year),cv(week) - 1],0) - sale[cv(year),cv(week)] + receipts[cv(year),cv(week)] ,
      sale[year in (2020),week in (14,15,16)] order by year,week = sale[cv(year),cv(week)]*1.2,
      receipts[year in (2020),week in (14,15,16)] order by year,week = receipts[cv(year),cv(week)]*1.2
      )
order by prod,year,week;



--符号标记不同于位置标记，如果不存在不会新增
--此列自己指定了每个公式的order by  没有用 automatic order，但是推荐使用 automatic order,Oracle还是很智能的
--加上return updated rows之后，只显示更改的
select prod ,
       year ,
       week ,
       sale ,    --销售量
       receipts, --进货量
       inventory --库存量
from sales_fact
where 1 = 1
model return updated rows
partition by(prod)
dimension by(year,week)
measures(0 inventory,sale,receipts)  
rules (--inventory[year,week] order by year,week = nvl(inventory[cv(year),cv(week) - 1],0) - sale[cv(year),cv(week)] + receipts[cv(year),cv(week)] ,
      sale[year in (2020),week in (14,15,16)] order by year,week = sale[cv(year),cv(week)]*1.2,
      receipts[year in (2020),week in (14,15,16)] order by year,week = receipts[cv(year),cv(week)]*1.2
      )
order by prod,year,week;

SQL> --符号标记不同于位置标记，如果不存在不会新增
SQL> --此列自己指定了每个公式的order by  没有用 automatic order，但是推荐使用 automatic order,Oracle还是很智能的
SQL> --注释了return updated rows之后，显示所有
SQL> select prod ,
  2         year ,
  3         week ,
  4         sale ,    --销售量
  5         receipts, --进货量
  6         inventory --库存量
  7  from sales_fact
  8  where 1 = 1
  9  model --return updated rows
 10  partition by(prod)
 11  dimension by(year,week)
 12  measures(0 inventory,sale,receipts)
 13  rules (--inventory[year,week] order by year,week = nvl(inventory[cv(year),cv(week) - 1],0) - sale[cv(year),cv(week)] + receipts[cv(year),cv(week)] ,
 14        sale[year in (2020),week in (14,15,16)] order by year,week = sale[cv(year),cv(week)]*1.2,
 15        receipts[year in (2020),week in (14,15,16)] order by year,week = receipts[cv(year),cv(week)]*1.2
 16        )
 17  order by prod,year,week;
PROD                       YEAR       WEEK       SALE   RECEIPTS  INVENTORY
-------------------- ---------- ---------- ---------- ---------- ----------
口罩                       2020          1        100        200          0
口罩                       2020          2        100        200          0
口罩                       2020          3        150        300          0
口罩                       2020          4       1000       5000          0
口罩                       2020          5       2000      10000          0
口罩                       2020          6       3000          0          0
口罩                       2020          7       5000          0          0
口罩                       2020          8      10000      10000          0
口罩                       2020          9     100000     100000          0
口罩                       2020         10     100000     100000          0
口罩                       2020         11     100000     100000          0
口罩                       2020         12     100000     100000          0
口罩                       2020         13     100000     100000          0
口罩                       2020         14     120000     120000          0
14 rows selected
SQL> --符号标记不同于位置标记，如果不存在不会新增
SQL> --此列自己指定了每个公式的order by  没有用 automatic order，但是推荐使用 automatic order,Oracle还是很智能的
SQL> --加上return updated rows之后，只显示更改的
SQL> select prod ,
  2         year ,
  3         week ,
  4         sale ,    --销售量
  5         receipts, --进货量
  6         inventory --库存量
  7  from sales_fact
  8  where 1 = 1
  9  model return updated rows
 10  partition by(prod)
 11  dimension by(year,week)
 12  measures(0 inventory,sale,receipts)
 13  rules (--inventory[year,week] order by year,week = nvl(inventory[cv(year),cv(week) - 1],0) - sale[cv(year),cv(week)] + receipts[cv(year),cv(week)] ,
 14        sale[year in (2020),week in (14,15,16)] order by year,week = sale[cv(year),cv(week)]*1.2,
 15        receipts[year in (2020),week in (14,15,16)] order by year,week = receipts[cv(year),cv(week)]*1.2
 16        )
 17  order by prod,year,week;
PROD                       YEAR       WEEK       SALE   RECEIPTS  INVENTORY
-------------------- ---------- ---------- ---------- ---------- ----------
口罩                       2020         14     120000     120000          0

四.for循环

假设现在有需求，2020年第8周开始，每周进货量和销售额都是150000

for dimension for <value1> to <value2> 
[increment | decrement] <value3>

--此时不存在的15周也出来了
--for循环可以减少很多代码量
select prod ,
       year ,
       week ,
       sale ,    --销售量
       receipts, --进货量
       inventory --库存量
from sales_fact
where 1 = 1
model return updated rows
partition by(prod)
dimension by(year,week)
measures(0 inventory,sale,receipts)  
rules automatic order(
      sale[2020,for week from 8 to 15 increment  1]  = 150000,
      receipts[2020,for week from 8 to 15 increment  1]  = 150000,
      inventory[year,week]  = nvl(inventory[cv(year),cv(week) - 1],0) - sale[cv(year),cv(week)] + receipts[cv(year),cv(week)] 
      )
order by prod,year,week;

SQL> --此时不存在的15周也出来了
SQL> --for循环可以减少很多代码量
SQL> select prod ,
  2         year ,
  3         week ,
  4         sale ,    --销售量
  5         receipts, --进货量
  6         inventory --库存量
  7  from sales_fact
  8  where 1 = 1
  9  model return updated rows
 10  partition by(prod)
 11  dimension by(year,week)
 12  measures(0 inventory,sale,receipts)
 13  rules automatic order(
 14        sale[2020,for week from 8 to 15 increment  1]  = 150000,
 15        receipts[2020,for week from 8 to 15 increment  1]  = 150000,
 16        inventory[year,week]  = nvl(inventory[cv(year),cv(week) - 1],0) - sale[cv(year),cv(week)] + receipts[cv(year),cv(week)]
 17        )
 18  order by prod,year,week;
PROD                       YEAR       WEEK       SALE   RECEIPTS  INVENTORY
-------------------- ---------- ---------- ---------- ---------- ----------
口罩                       2020          1        100        200        100
口罩                       2020          2        100        200        200
口罩                       2020          3        150        300        350
口罩                       2020          4       1000       5000       4350
口罩                       2020          5       2000      10000      12350
口罩                       2020          6       3000          0       9350
口罩                       2020          7       5000          0       4350
口罩                       2020          8     150000     150000       4350
口罩                       2020          9     150000     150000       4350
口罩                       2020         10     150000     150000       4350
口罩                       2020         11     150000     150000       4350
口罩                       2020         12     150000     150000       4350
口罩                       2020         13     150000     150000       4350
口罩                       2020         14     150000     150000       4350
口罩                       2020         15     150000     150000       4350
15 rows selected

五.聚合

Model子句还可以配合avg、sum、max等函数一起使用

select prod ,
       year ,
       week ,
       sale ,    --销售量
       receipts, --进货量
       inventory, --库存量
       avg_inventory , --平均库存
       max_sale      --单周最大销售额
from sales_fact
where 1 = 1
model return updated rows
partition by(prod)
dimension by(year,week)
measures(0 inventory,sale,receipts,0 avg_inventory,0 max_sale) rules automatic
order(inventory[year,week] = nvl(inventory[cv(year),cv(week) - 1],0) - sale[cv(year),cv(week)] + receipts[cv(year),cv(week)],
      avg_inventory[year,ANY] = round(avg(inventory)[cv(year),week],2),
      max_sale[year,ANY] = max(sale)[cv(year),week]   
      )
order by prod,year,week;

SQL> --在求库存的基础上,增加平均库存及最大销售额
SQL> select prod ,
  2         year ,
  3         week ,
  4         sale ,    --销售量
  5         receipts, --进货量
  6         inventory, --库存量
  7         avg_inventory , --平均库存
  8         max_sale      --单周最大销售额
  9  from sales_fact
 10  where 1 = 1
 11  model return updated rows
 12  partition by(prod)
 13  dimension by(year,week)
 14  measures(0 inventory,sale,receipts,0 avg_inventory,0 max_sale) rules automatic
 15  order(inventory[year,week] = nvl(inventory[cv(year),cv(week) - 1],0) - sale[cv(year),cv(week)] + receipts[cv(year),cv(week)],
 16        avg_inventory[year,ANY] = round(avg(inventory)[cv(year),week],2),
 17        max_sale[year,ANY] = max(sale)[cv(year),week]
 18        )
 19  order by prod,year,week;
PROD                       YEAR       WEEK       SALE   RECEIPTS  INVENTORY AVG_INVENTORY   MAX_SALE
-------------------- ---------- ---------- ---------- ---------- ---------- ------------- ----------
口罩                       2020          1        100        200        100       4392.86     100000
口罩                       2020          2        100        200        200       4392.86     100000
口罩                       2020          3        150        300        350       4392.86     100000
口罩                       2020          4       1000       5000       4350       4392.86     100000
口罩                       2020          5       2000      10000      12350       4392.86     100000
口罩                       2020          6       3000          0       9350       4392.86     100000
口罩                       2020          7       5000          0       4350       4392.86     100000
口罩                       2020          8      10000      10000       4350       4392.86     100000
口罩                       2020          9     100000     100000       4350       4392.86     100000
口罩                       2020         10     100000     100000       4350       4392.86     100000
口罩                       2020         11     100000     100000       4350       4392.86     100000
口罩                       2020         12     100000     100000       4350       4392.86     100000
口罩                       2020         13     100000     100000       4350       4392.86     100000
口罩                       2020         14     100000     100000       4350       4392.86     100000
14 rows selected
只是甲
关注
专栏目录
oracle数据库的model,Oracle 11g学习笔记–model子句
weixin_32529407的博客
04-04 873
Oracle 11g学习笔记–model子句oracle 10g中新增的model子句可以用来进行行间计算。model子句允许像访问数组中元素那样访问记录中的某个列，这就提供了诸如电子表格计算之类的计算能力；先来看一个简单的例子：selectprd_type_id, year, month, sales_amountfrom all_saleswhere prd_type_id between 1...
ORACLE MODEL子句学习笔记
热门推荐
朝着梦想 渐行前进
11-07 1万+
ORACLE 10G中新增的MODEL子句可以用来进行行间计算。MODEL子句允许像访问数组中元素那样访问记录中的某个列。这就提供了诸如电子表格计算之类的计算能力。 1、MODEL子句示例下面这个查询获取2003年内由员工#21完成的产品类型为#1和#2的销量，并根据2003年的销售数据预测出2004年1月、2月、3月的销量。 select prd_type_id,year,m
oracle model 入门（行间计算）
甲骨文进行曲
06-11 9142
一、给出我的测试表和测试数据。CREATE TABLE MODEL_TEST ( DOMAINS VARCHAR2(20), NAME VARCHAR2(20), YEAR NUMBER, INPUTS NUMBER, INCREAMENTS NUMBER ) insert into MODEL_TEST (DOMAINS
Oracle的Model语句使用
Keody
10-24 675
1. 什么是model语句 Model语句是Oracle10g的新功能，可以在select语句里面像其他编程语言操作数组一样，对SQL的结果集进行处理。  (1) 语法 　　　　MODEL 　　　　[MAIN ]   　　　 [PARTITION BY ()]   　　    DIMENSION BY ()   　　    MEASURES ()   　　　 [RULES]   　　　 (,...
Oracle 学习之 MODEL
xxydzyr的博客
02-05 690
Oracle 学习之 MODEL 文章目录Oracle 学习之 MODEL概念官网格式自己用到的简略版格式官网例程练习1. 通过具体的维度进行四则运算2. 直接赋值3. 新生成的字段(左边)中指定范围，使用 <、>、<=、>=4. 数据计算字段(右边) 指定范围5. CV()6. ANY7. 等号左边的维度需要选择一个范围，并且获取到新值8. 设置规则评估的顺序9. nul...
Oracle SQL高级编程——Model子句全解析
与数据和AI有关的东西
09-02 1471
参见 《Oracle SQL高级编程》。第一个例子，初步认识SH@ prod> col product format a30 SH@ prod> col country format a10 SH@ prod> col region format a10 SH@ prod> col year format 9999 SH@ prod> col week format 99 SH@ prod> col
oraclemodel
01-06
"OracleModel"是一个针对Oracle数据库的实体框架模型生成工具，用于简化数据库操作并提供与ORM（对象关系映射）框架的集成。以下是对这个工具及其包含文件的详细解释： 1. **OracleEFModel.dll.config**: 这是...
Oracle分析函数model使用时需要注意的几个地方（一）
观想的专栏
03-23 2575
分析函数中的model函数功能强大，对于做数据分析的人来说绝对是一个利器。 我曾经用model函数改写了数十个用存储过程实现的报表取数，一个SQL语句就完全替代了一个上百行代码的存储过程，而且报表口径也完成了统一，这一点在我另外一篇文章中做了详细说明： 基于model函数建设口径统一的统计指标库 虽然model函数很强大，但刚接触的时候还是不免有很多需要留意的地方，一不小心就会发现统计结果与...
oracle数据库下统计专营店的男女数量的语句
12-16
Web_THBC 为表示层也就是页面（.aspx） BLL_THBC 为业务逻辑层 DAL_THBC 为数据库交互层 （向数据库执行SQL语句） Model_THBC 为实体类 DbHelper 为数据库连接类 统计个专营店的男女数量 代码如下: select dua....
oracle高级语法(事物、函数、存储过程、触发器、异常)[参照].pdf
10-11
oracle高级语法(事物、函数、存储过程、触发器、异常)[参照].pdf
Oracle的model用法简介
werwolf
09-13 375
Model语句是Oracle 10g的新功能之一。　本文通过一些简单的例子帮助理解Model语句的用法，复杂使用场景请参考其他文章。 环境：当然需要Oracle 10g以上，本人是在11g上测试的。 1. 什么是model语句 　model语句是Oracle10g的新功能，可以在select语句里面像其他编程语言操作数组一样，对SQL的结果集进行处理。执行顺序是位于Having之后...
Oracle Model子句
xiongxu的专栏
03-19 348
Model子句的使用 Model子句是Oracle1g中新增的一个性特性，model子句提供了诸如电子表格计算之类的计算能力。即像访问数据元素那样访问表格中某行的某个列 首先展示一个简单Model示例的介绍 --create table create table t_product_sale_detail ( pid number(12,0), y...
oracle的model子句
congtoufa5866的博客
12-21 115
建表语句如下：create table tmp1(CITY varchar2(20), PRODUCT varchar2(20), YEAR number, SALES number);insert into tmp1 val...
Oracle的model语句入门-转
weixin_30546189的博客
05-17 196
Model语句是Oracle 10g的新功能之一。　本文通过一些简单的例子帮助理解Model语句的用法，复杂使用场景请参考其他文章。 环境：当然需要Oracle 10g以上，本人是在11g上测试的。 1. 什么是model语句 　model语句是Oracle10g的新功能，可以在select语句里面像其他编程语言操作数组一样，对SQL的结果集进行处理。执行顺序是位于Having之后。 ...
oracle model类型,Oracle SQL高级编程——Model子句全解析-Oracle
weixin_36334262的博客
04-12 385
下面的语句会报错，因既没有显式的指定求解顺序，又没有加Automatic Order，此时Oracle会使用Sequential Order这种顺序，并不适合这个规则。SH@ prod> select product , country , year , week , inventory , sale , receipts from sales_fact2 where country in ...
oracle高级语法
laosun12的专栏
03-28 3932
1.union和union all区别？ 1）查询数量而言 union针对于重复的数据进行了过滤，只展示一条，起到了distinct的效果。而union all则展示全部。 2）顺序而言 union默认按第一列进行升序排列。而union all则按语句的先后顺序直接进行排序。 3）效率 因为union all不需要去重并且排序，效率相对而言高一...
oracle model字句,model子句学习笔记
weixin_35761245的博客
04-12 192
SQL> WITH tmp AS2 (SELECT *3 FROM (SELECT rn,col,prod4 FROM (SELECT ROWNUM rn5 FROM DUAL6 CONNECT B...
oracle 查询语句字符串日期转换
最新发布
09-14
在Oracle数据库中，如果需要在查询语句中将字符串转换为日期类型，可以使用`TO_DATE`函数。这个函数允许你指定字符串的格式，并将它转换为Oracle可以识别的日期格式。`TO_DATE`函数的一般语法如下： ```sql TO_DATE(string, format_model) ``` 其中`string`参数是你想要转换的日期字符串，`format_model`参数是字符串所遵循的日期格式。 例如，如果你有一个字符串`'2023-04-01'`并且它遵循`YYYY-MM-DD`的格式，你可以使用以下SQL语句进行转换： ```sql SELECT TO_DATE('2023-04-01', 'YYYY-MM-DD') FROM dual; ``` 这将会返回转换后的日期值。 如果你需要在查询中进行条件筛选，比如查找特定日期范围内的记录，也可以将字符串转换为日期后进行比较。例如： ```sql SELECT * FROM your_table WHERE TO_DATE(your_date_column, 'YYYY-MM-DD') BETWEEN TO_DATE('2023-04-01', 'YYYY-MM-DD') AND TO_DATE('2023-04-30', 'YYYY-MM-DD'); ``` 这个查询语句将会返回`your_table`中`your_date_column`在2023年4月份的所有记录。
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
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