黑马程序员--Oracle学习_day03

----------  android培训 、java培训、期待与您交流! ----------

1java程序如何操作oracle

a,使用 jdbc_odbc桥连接方式

//1,加载驱动

Class.forName("sun.jdbc.odbc.JdbcOdbcDriver");

//2,得到连接

Connection ct=DriverManager.getConnection("jdbc:odbc:testxp","scott","tiger");

//从下面开始和sql server 一模一样

 Statement sm=ct.createStatement();

ResultSet rs=sm.executeQuery("select * from emp");

b,使用jdbc连接oracle

//1,加载驱动

Class.forName("oracle.jdbc.driver.OracleDriver");

//2,得到连接

           Connection  ct=DriverManager.getConnection("jdbc:oracle:thin:@127.0.0.1:1521:orcl","scott","tiger");

//从下面开始和sql server 一模一样

Statement sm=ct.createStatement();

ResultSet rs=sm.executeQuery("select * from emp");

 

2,如何在oracle中操作数据

·使用to_date函数

sql>insert  into  emp  values(‘9999’,’小马’,’

MANAGER’,7782,to_date(‘1988-12-12’,’yyyy-mm-dd’),12000,1200,20);

 

·使用子查询插入数据

例:建立一张新表Myemp,将emp10号部门的员工数据导入MyempMyemp  

中包括myidmyname,mydeptno

 sql>insert  into Myemp(myid,myname,mydeptno) select empno,ename,deptno from 

 emp  where  deptno=10;

·使用子查询更新数据

 使用update语句更新数据时,既可以使用表达或者数值直接修改数据,也可以使

用子查询修改数据。

 例:希望员工小马的岗位、工资、补助与smith员工一样。

sql>update  emp set (job,sal, comm)=(select job,sal,comm from emp where 

   ename='SMITH') where ename='小马';

 

3oracle事务处理

·什么是事务?

事务用于保证数据的一致性,它由一组相关的dml语句(增,删,改)组成,该组的

dml要么全部成功,要么全部失败。

如:网上转账就是典型的用事务来处理,用以保证数据的一致性。

·事务加锁

当执行事务操作时(dml语句),oracle会在被作用的表上加锁,防止其它用户修改

表的结构,这里对我们用户来讲是非常重要的。

  ·提交事务

当执行使用commit语句可以提交事务,当执行了commit语句后,会确认事务的变化、结束事务、删除保存点、释放锁,当使用commit语句结束事务后,其它会话将可以查看到事务变化后的新数据。

·事务的几个重要操作

a,设置保存点  savepoint  a;

b,取消部分事务  rollback  to a;

c,取消全部事务  rollback;

·java程序中如何使用事务

java操作数据库时,为了保证数据的一致性,比如转账操作:

     从一个账户减掉10$,在另一个账户上加入10$

·只读事务

只读事务是指只允许执行查询的操作,而不允许执行任何其它dml操作的事务,使用只读事务可以确保用户只能取得某时间点的数据。假定机票代售点每天18点开始统计今天的销售情况,这里可以使用只读事务,在设置了只读事务后,尽管其它会话可能会提交新的事务,但是只读事务不会取得最新数据的变化,从而可以保证取得特定时间点的数据信息。

·设置只读事务

sql>transaction  read  only ;

 

4sql函数的使用

 

·字符函数

a,lower(char)  将字符串转换成小写格式

b,upper(char)  将字符串转换成大写格式

c,length(char) 返回字符串的长度

    d,substr(char,m,n) 取字符串的子串

    e,replace(char1,search_string,replace_string) 替换

    f,instr(char1,char2,start_position,appearance_num) 取子串在字符串的位置

1,以首字母大写的方式显示所有员工的姓名。

 分析:

1,完成首字母大写

sql>select  upper(substr(ename,1,1))  from  emp;

2,完成后面字母小写

sql>select  lower(substr(ename,2,length(ename)))  from  emp;

3,合并

sql>select  upper(substr(ename,1,1)) || 

lower(substr(ename,2,length(ename)))  from  emp;

·数学函数

数学函数的输入参数和返回值的数据类型都是数字类型的,数学函数包括cos,cosh,exp,ln,log,sin,sinh,sqrt,tan,tanh,acos,asin,atan,round。最常用的:

a, round(n,[m]) 执行四舍五入

b, trunc(n,[m]) 用于截取数字

c, mod(m,n)   取模,   在做oracle测试时,可以使用dual表。

d, floor(n) 返回小于或等于n的最大数整数 ,向下取整

e, ceil(m) 返回大于或等于n的最小整数,向上取整

 

f, abs(n) 返回数字n的绝对值

g, acos(n) 返回数字的反余弦值

h, asin(n) 返回数字的反正弦值

i, atan(n) 返回数字的反正切

j, cos

l, exp(n) 返回en次幂

m, log(m,n) 返回nm的多少次幂

n, power(m,n) 返回mn次幂

  ·日期函数,用于处理date类型的数据。

默认情况下日期格式是dd-mm-yy 20-11-14

a, sysdate 该函数返回系统时间

b, add_months(d,n)  在指定日期d上加上n

c, last_day(d) 返回指定日期所在月份的最后一天的日期

 

·转换函数,用于将数据类型从一种转为另外一种,在某些情况下,oracle server允许   值的数据类型和实际的不一样,这里oracle server会隐含的转化数据类型。

比如:

sql>create table t1(id  int);

sql>insert  into  t1  values(‘10’) -->这样oracle会自动的将’10’ 转换为10.

a, to_char,用于转换字符串的。

1,日期是否可以显示时//

   sql>select ename, to_char (hiredate,'yyyy-mm-dd hh24:mi:ss') from emp;

2,薪水是否可以显示指定的货币符号

sql>select ename,to_char(sal,'L99999.99') from emp;

 

 ?3,显示1980年入职的所有员工

     sql>select  * from emp where to_char(hiredate,'yyyy')=1980;

 

·系统函数sys_context

  sys_context的参数如下:

1)terminal : 当前会话客户所对应的终端标识符

2)language: 语言

3)db_name : 当前数据库名称

4)nls_date_format : 当前会话客户所对应的日期格式

5)session_user : 当前会话客户对应的数据库用户名

6)current_schema : 当前会话客户所对应的默认方案名

7)host : 返回数据库所在主机的名称

通过该函数,可以查询一些重要信息。比如:你正在使用哪个数据库?

  sql>select sys_context('userenv','db_name') from dual;


     ·用户和方案的关系

oracle是以方案的方式来管理你的数据对象的。

 


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。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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。
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