数据检索方法的比较

query:使用hsql语句,可以设置参数是常用的一种方式
criteria:尽量避免了写hql语句,看起来更面向对象了。
find:这种方式已经被新的hibernate丢弃

get和load方式是根据id取得一个记录
下边详细说一下get和load的不同,因为有些时候为了对比也会把find加进来。

1,从返回结果上对比:
load方式检索不到的话会抛出org.hibernate.ObjectNotFoundException异常
get方法检索不到的话会返回null

2,从检索执行机制上对比:
get方法和find方法都是直接从数据库中检索
而load方法的执行则比较复杂
1,首先查找session的persistent Context中是否有缓存,如果有则直接返回
2,如果没有则判断是否是lazy,如果不是直接访问数据库检索,查到记录返回,查不到抛出异常
3,如果是lazy则需要建立代理对象,对象的initialized属性为false,target属性为null
4, 在访问获得的代理对象的属性时,检索数据库,如果找到记录则把该记录的对象复制到代理对象的target
上,并将initialized=true,如果找不到就抛出异常

对于线数据的检索,可以采用R树的数据结构进行设计。R树是一种多维点、矩形或者多边形的索引结构,适用于空间数据的存储和检索,在地理信息系统中得到广泛应用。 R树的节点可以表示一个矩形,其中每个矩形与一个或多个子节点相对应。每个节点包含一个矩形和子节点列表,其中矩形是所有子节点矩形的最小包围矩形。这样,通过搜索R树,可以快速找到包含查询点或者查询矩形的所有矩形,从而实现线数据的检索。 具体的实现方法如下: 1. 将每条线数据表示为一个矩形,其中矩形的边界为线数据的起点和终点坐标的最小包围矩形。 2. 将所有矩形作为叶子节点插入R树中,每个叶子节点表示一个线数据。 3. 对于查询点或查询矩形,通过R树的搜索算法,在R树中查找包含该点或矩形的所有叶子节点。 4. 返回所有叶子节点代表的线数据。 性能: R树的检索性能非常高效,时间复杂度为O(log n),其中n为数据元素的个数。由于R树是多维的索引结构,可以对多维数据进行高效的检索。此外,R树还可以进行范围检索,非常适合于空间数据的存储和检索。 缺点: R树的插入和删除操作比较复杂,需要进行节点的分裂和合并,容易出错。此外,R树的节点大小也是固定的,如果节点大小过小,会导致树的高度过高,降低检索效率;如果节点大小过大,则会浪费内存空间。 优点: R树支持高效的多维数据检索和范围检索,适合于空间数据的存储和快速检索。它可以自适应调整节点大小,具有较好的空间利用率。 通过R树的检索方法,可以快速检索线数据,提高数据检索的效率和准确性。
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