mybatis学习笔记(2) ---- 环境搭建与入门程序

mybatis学习笔记(2) ---- 环境搭建与入门程序

环境搭建步骤
  • 新建maven工程
  • pom.xml文件中引入相关的依赖,主要包含mybatis,mysql,log4j,单元测试junit
  • 准备数据库及表
配置xml文件
  • 主配置文件SqlMapConfige.xml 名字随意,但最好具有一定的标识性。
<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE configuration PUBLIC "-//mybatis.org//DTD Config 3.0//EN"
        "http://mybatis.org/dtd/mybatis-3-config.dtd">

<configuration>
    <!--配置环境-->
    <environments default="mysql">
        <environment id="mysql">
           <!--事务-->
            <transactionManager type="JDBC"/>
            <dataSource type="POOLED">
                <property name="driver" value="com.mysql.jdbc.Driver"/>
                <property name="url" value="jdbc:mysql://localhost:3306/mybatis"/>
                <property name="username" value="root"/>
                <property name="password" value="root"/>
            </dataSource>
        </environment>
    </environments>

    
    <!--映射配置文件-->
    <mappers>
        <mapper resource="com/github/excellent/dao/userMapper.xml"/>
    </mappers>
</configuration>
  • 配置xxxMapper.xml文件
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE mapper PUBLIC "-//mybatis.org//DTD Mapper 3.0//EN"
        "http://mybatis.org/dtd/mybatis-3-mapper.dtd">

<!--接口文件和映射文件的目录结构相同,映射文件的mapper的namespace里面写接口全路径-->

<mapper namespace="com.github.excellent.dao.UserDao">

    <!-- id  唯一标识 和 当前接口的方法名称一致-->

    <!--resultType  返回类型 -->
    <select id="findAll" resultType="com.github.excellent.domain.User">
        select * from user
    </select>
</mapper>
定义接口
public interface UserDao {
    List<User> findAll() throws IOException;
}
测试
public class MyBatisTest {
    // 1 读取核心配置文件
    // 2 创建SqlSessionFactory工厂对象(创建SqlSessionFactoryBuilder --- 构建者模式)
    // 3 创建SqlSession对象 (工厂模式)  --- 操作数据库的对象
    // 4 创建UserDao接口对象
    // 5 执行sql语句
    // 6 释放资源


    private SqlSessionFactory factory = null;
   @Before
    public void init() throws IOException {
       InputStream in = Resources.getResourceAsStream("sqlMaperConfiger.xml");
       InputStream in1 = Resources.getResourceAsStream("sqlMaperConfiger2.xml");
       factory = new SqlSessionFactoryBuilder().build(in);
   }


    /**
     * 基于配置Maper动态代理
     */
    @Test
    public void testFindAll() throws IOException {
       SqlSession sqlSession = factory.openSession();
       UserDao user = sqlSession.getMapper(UserDao.class);
       List<User> list = user.findAll();
       for(User user1 : list){
           System.out.println(user1);
       }
       sqlSession.close();
   }
}
步骤
  • 读取核心配置文件
  • 创建SqlSessionFactory工厂对象(创建SqlSessionFactoryBuilder — 构建者模式)
  • 创建SqlSession对象 (工厂模式) — 操作数据库的对象
  • 创建接口对象
  • 执行sql语句
  • 释放资源
作用域和生命周期
  • SqlSessionFactoryBuilder : 这个类可以被实例化,该类的主要作用是用来创建SqlSessionFactory对象,只要产生了这个Factory对象,这个对象就没有作用了,因此最佳的作用域为局部方法中。
  • SqlSessonFactory: 一旦创建就应该在整个应用的运行期间一直存在,保持一个单例,作用域为类属性。
  • SqlSession:每个session都应该有一个自己的SqlSession,线程不安全,每次都需要创建,因此作用域为方法作用域。
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。
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