MySQL数据类型

a. 整型

整型占字节大小(单位byte)数值范围(unsigned)数值范围(signed) 
tinyint1(0,255)(-128,127) 
smallint2(0,65 535)(-32 768,32 767) 
mediumint3(0,16 777 215)(-8 388 608,8 388 607) 
int4(0,4 294 967 295)(-2 147 483 648,2 147 483 647) 
bigint8(0,18 446 744 073 709 551 615)(-9,223,372,036,854,775,808,9 223 372 036 854 775 807) 

整型应用细节:

。生产中应该选择哪种类型

在满足业务所需数值范围的情况下,选择占用字节更少的类型。可以节省内存空间

。int(11) 、tinyint(4)与 zerofill(0填充)的问题

只是显示属性,没有实际意义,只表示宽度,不会影响字段的值

alter table t1 modify a tinyint zerofill not null;

a tinyint(3) unsigned zerofill NOT NULL

负数加zerofill是不被允许的

 

。int类型转换为bigint注意事项

如果该列是主键,则无法使用onlineddl

如果不是主键,支持onlineddl

onlineddl:执行ddl语句,可以支持dml语句,不会阻塞dml语句

 

。ipv4地址选择什么类型存放

建议使用int类型存储。

inet_aton('ip') 将ip地址转为整型select inet_aton('255.255.255.255');

inet_ntoa('int') 将整型转为ip地址 select inet_ntoa('4294967295');

 

 

b.浮点型

浮点型占字节大小(单位byte)精度  
float4单精度  
double8双精度  
decimal对DECIMAL(M,D) ,如果M>D,为M+2否则为D+2高精度  

浮点型应用细节:

。生产中浮点数如何选择?

凡是涉及到资金的,建议选择decimal。

。测试环境中插入随机字符?

floor() :向下取整 select floor('1.23');

ceil():select ceil('1.23');

round():select round(0.54); select round(0.5354, 2);

rand():取0-1随机值 select rand();

公式:floor(i+rand()(j-i)) 随机取i-j整数 select floor(1+rand()(10-1));随机取1-10

insert into t2 values(repeat('a', floor(1+rand()*(30-1))));

 

。float长度细节

float没有定义长度,默认占4字节

float(p) , 0<=p<=24,占4字节

25<=p<=53,占8字节

 

。float列不指定精度时,不能做等值查询

 

等值查询结果为空。

。decimal最大长度

decimal(M,D) M最大值65,D最大值30。

 

c.字符串类型

字符串类型说明N的含义是否有字符集最大长度
char(n)定长字符字符255
varchar(n)变长字符字符65535
binary(n)定长二进制字节字节255
varbinary(n)变长二进制字节字节65535
tinyblob二进制大对象字节256
blob二进制大对象字节16k
mediumblob二进制大对象字节16M
longblob二进制大对象字节4G
tinytext大对象字节256
text大对象字节16k
mediumtext大对象字节16M
longtext大对象字节4G

字符串类型应用细节:

。varchar是变长类型,需要额外的1-2个字节

varchar(30) <255 额外占用1字节,>255额外占2字节

 

。char(30)、varchar(30),在utf8字符集下,占字节数计算

char(30) 占用字节数=30*3

varchar(30) 占用字节数=30*3+1

 

。varchar实际长度超过255字节时,会被作为text处理

 

。varchar长度越长排序时使用更多的内存空间,所以varchar类型的字段长度越短越好

 

。字段超长可能会造成页溢出(off page)

page 16k,字段超过page大小的一半,就会发生off page

 

。大文本大字段尽量不要去使用,业务上必须有的话,可以存放到独立子表中

 

。对text列进行排序,只会用到max_sort_length字节去作排序

 

。enum() 枚举类型,细节

enum(v_list), v_list最多可以是65535个,如果不超过255占1字节,超过255占2字节。

 

d.日期类型

日期类型大小范围  
datetime81000-01-01 00:00:00/9999-12-31 23:59:59  
timestamp4结束时间是北京时间 2038-1-19 11:14:07  
date31000-01-01/9999-12-31  
time3'-838:59:59'/'838:59:59'  
year11901/2155  

日期类型应用细节:

。timestamp,当行被更改时,会自动更新为当前时间

5.6.5之后datetime也可以设置自动更新为当前时间

alter table t3 modify d datetime default current_timestamp on update current_timestamp;

 

。5.6.4之后底层都是以整型存储,效率高,推荐使用datetime

。日期函数

now() 当前时间select now();

cast(now() as date) 时间转换 select cast(now() as date);

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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