板凳-------Mysql cookbook學習 （九）

第4章：表管理
4.0 引言
MySQL ：： 員工樣例數據庫 ：： 3 安裝
https://dev.mysql.com/doc/employee/en/employees-installation.html

Employees 數據庫與幾種不同的 存儲引擎，默認情況下啟用 InnoDB 引擎。編輯 文件并調整 comments 選擇不同的存儲引擎：employees.sql
SET default_storage_engine = InnoDB;
– set storage_engine = MyISAM;
– set storage_engine = Falcon;
– set storage_engine = PBXT;
– set storage_engine = Maria;

? MySQL 5.7 或更早：使用 storage_engine。
? MySQL 8.0+：使用 default_storage_engine。

D:\sql\Mysql_learning\employee\mysql\master>mysql -u root -p -t < employees.sql
Enter password: ****
+-----------------------------+
| INFO                        |
+-----------------------------+
| CREATING DATABASE STRUCTURE |
+-----------------------------+
+------------------------+
| INFO                   |
+------------------------+
| storage engine: InnoDB |
+------------------------+
+---------------------+
| INFO                |
+---------------------+
| LOADING departments |
+---------------------+
+-------------------+
| INFO              |
+-------------------+
| LOADING employees |
+-------------------+
+------------------+
| INFO             |
+------------------+
| LOADING dept_emp |
+------------------+
+----------------------+
| INFO                 |
+----------------------+
| LOADING dept_manager |
+----------------------+
+----------------+
| INFO           |
+----------------+
| LOADING titles |
+----------------+
+------------------+
| INFO             |
+------------------+
| LOADING salaries |
+------------------+
+---------------------+
| data_load_time_diff |
+---------------------+
| 00:01:09            |
+---------------------+

mysql>  SOURCE D:/sql/Mysql_learning/employee/mysql/master/test_employees_md5.sql;
Database changed
+----------------------+
| INFO                 |
+----------------------+
| TESTING INSTALLATION |
+----------------------+
1 row in set (0.00 sec)Query OK, 0 rows affected, 2 warnings (0.00 sec)Query OK, 0 rows affected (0.06 sec)Query OK, 0 rows affected (0.04 sec)Query OK, 6 rows affected (0.00 sec)
Records: 6  Duplicates: 0  Warnings: 0+--------------+------------------+----------------------------------+
| table_name   | expected_records | expected_crc                     |
+--------------+------------------+----------------------------------+
| departments  |                9 | d1af5e170d2d1591d776d5638d71fc5f |
| dept_emp     |           331603 | ccf6fe516f990bdaa49713fc478701b7 |
| dept_manager |               24 | 8720e2f0853ac9096b689c14664f847e |
| employees    |           300024 | 4ec56ab5ba37218d187cf6ab09ce1aa1 |
| salaries     |          2844047 | fd220654e95aea1b169624ffe3fca934 |
| titles       |           443308 | bfa016c472df68e70a03facafa1bc0a8 |
+--------------+------------------+----------------------------------+
6 rows in set (0.00 sec)Query OK, 0 rows affected, 1 warning (0.01 sec)Query OK, 0 rows affected (0.04 sec)Query OK, 0 rows affected (0.00 sec)Query OK, 300024 rows affected, 1 warning (6.19 sec)
Records: 300024  Duplicates: 0  Warnings: 1Query OK, 1 row affected (0.29 sec)Query OK, 0 rows affected (0.00 sec)Query OK, 9 rows affected, 1 warning (0.01 sec)
Records: 9  Duplicates: 0  Warnings: 1Query OK, 1 row affected (0.01 sec)Query OK, 0 rows affected (0.00 sec)Query OK, 24 rows affected, 1 warning (0.01 sec)
Records: 24  Duplicates: 0  Warnings: 1Query OK, 1 row affected (0.01 sec)Query OK, 0 rows affected (0.00 sec)Query OK, 331603 rows affected, 1 warning (6.28 sec)
Records: 331603  Duplicates: 0  Warnings: 1Query OK, 1 row affected (0.38 sec)Query OK, 0 rows affected (0.00 sec)Query OK, 443308 rows affected, 1 warning (9.02 sec)
Records: 443308  Duplicates: 0  Warnings: 1Query OK, 1 row affected (0.43 sec)Query OK, 0 rows affected (0.00 sec)Query OK, 2844047 rows affected, 1 warning (51.55 sec)
Records: 2844047  Duplicates: 0  Warnings: 1Query OK, 1 row affected (2.60 sec)Query OK, 0 rows affected (0.07 sec)+--------------+------------------+----------------------------------+
| table_name   | found_records    | found_crc                        |
+--------------+------------------+----------------------------------+
| departments  |                9 | d1af5e170d2d1591d776d5638d71fc5f |
| dept_emp     |           331603 | ccf6fe516f990bdaa49713fc478701b7 |
| dept_manager |               24 | 8720e2f0853ac9096b689c14664f847e |
| employees    |           300024 | 4ec56ab5ba37218d187cf6ab09ce1aa1 |
| salaries     |          2844047 | fd220654e95aea1b169624ffe3fca934 |
| titles       |           443308 | bfa016c472df68e70a03facafa1bc0a8 |
+--------------+------------------+----------------------------------+
6 rows in set (0.00 sec)+--------------+---------------+-----------+
| table_name   | records_match | crc_match |
+--------------+---------------+-----------+
| departments  | OK            | ok        |
| dept_emp     | OK            | ok        |
| dept_manager | OK            | ok        |
| employees    | OK            | ok        |
| salaries     | OK            | ok        |
| titles       | OK            | ok        |
+--------------+---------------+-----------+
6 rows in set (0.00 sec)Query OK, 0 rows affected (0.00 sec)Query OK, 0 rows affected (0.00 sec)+------------------+
| computation_time |
+------------------+
| 00:01:18         |
+------------------+
1 row in set (0.01 sec)Query OK, 0 rows affected (0.04 sec)+---------+--------+
| summary | result |
+---------+--------+
| CRC     | OK     |
| count   | OK     |
+---------+--------+
2 rows in set (0.00 sec)

mysql>
SQL CREATE TABLE LIKE 用法及示例
在 MySQL 中，CREATE TABLE LIKE 是一種用于創建新表的語法，該新表的結構與現有表完全相同，但不包含源表中的數據1。以下是詳細的用法和示例：

import mysql.connector
from pathlib import Path
import redef merge_sql_files(main_sql_path):"""遞歸合并所有被引用的SQL文件"""main_path = Path(main_sql_path)base_dir = main_path.parentmerged_sql = []with open(main_path, 'r', encoding='utf-8') as f:for line in f:# 處理source命令if line.strip().startswith('source'):# 提取被引用的文件名match = re.search(r'source\s+[\'"](.+?)[\'"]|source\s+(\S+)', line.strip())ref_file = match.group(1) or match.group(2)ref_path = base_dir / ref_fileif ref_path.exists():merged_sql.append(f"\n-- 開始導入: {ref_file}\n")merged_sql.append(merge_sql_files(str(ref_path)))merged_sql.append(f"\n-- 完成導入: {ref_file}\n")else:raise FileNotFoundError(f"無法找到引用的SQL文件: {ref_path}")else:# 移除DELIMITER等客戶端命令if not line.strip().upper().startswith(('DELIMITER', 'USE ', 'CONNECT ')):merged_sql.append(line)return ''.join(merged_sql)def execute_mega_sql(db_config, full_sql):"""執行大型SQL腳本"""cnx = mysql.connector.connect(**db_config)cursor = cnx.cursor()try:# 設置更大的緩沖區cursor.execute("SET GLOBAL max_allowed_packet=256*1024*1024")cursor.execute("SET GLOBAL net_buffer_length=1000000")# 分割并執行SQL語句statements = [s.strip() for s in full_sql.split(';') if s.strip()]for stmt in statements:try:# 確保語句以分號結尾sql = stmt if stmt.endswith(';') else stmt + ';'for result in cursor.execute(sql, multi=True):if result.with_rows:result.fetchall()  # 消費結果集print(f"執行成功: {result.statement[:100]}...")cnx.commit()except mysql.connector.Error as err:print(f"跳過錯誤: {err}\n語句: {stmt[:200]}...")cnx.rollback()except Exception as e:print(f"意外錯誤: {e}")cnx.rollback()finally:cursor.close()cnx.close()# 配置信息
db_config = {'host': 'localhost','user': 'root','password': 'root','database': 'cookbook'
}# 主SQL文件路徑
main_sql_path = r"D:\sql\Mysql_learning\employee\mysql\dataset_small\employee.sql"try:print("開始合并SQL文件...")full_sql = merge_sql_files(main_sql_path)# 可選：保存合并后的文件供檢查with open('merged_script.sql', 'w', encoding='utf-8') as f:f.write(full_sql)print("開始執行SQL腳本...")execute_mega_sql(db_config, full_sql)print("數據導入成功完成！")except Exception as e:
print(f"導入失敗: {str(e)}")

def verify_import():tables = ['employee', 'department', 'dept_emp','dept_manager', 'title', 'salary']cnx = mysql.connector.connect(**db_config)cursor = cnx.cursor(dictionary=True)for table in tables:cursor.execute(f"SELECT COUNT(*) as count FROM {table}")result = cursor.fetchone()print(f"{table}表記錄數: {result['count']}")cursor.close()cnx.close()verify_import()

employee表記錄數: 1000
department表記錄數: 9
dept_emp表記錄數: 1103
dept_manager表記錄數: 16
title表記錄數: 1470
salary表記錄數: 9488

mysql> SHOW TABLES;
+-----------------------+
| Tables_in_cookbook    |
+-----------------------+
| actors                |
| adcount               |
| al_winner             |
| app_log               |
| artist                |
| book_authors          |
| book_vendor           |
| booksales             |
| catalog_list          |
| cd                    |
| city                  |
| color                 |
| cow_color             |
| cow_order             |
| current_dept_emp      |
| customers             |
| date_val              |
| datetbl               |
| datetime_val          |
| department            |
| dept_emp              |
| dept_emp_latest_date  |
| dept_manager          |
| dialogue              |
| dialogue_analysis     |
| die                   |
| doremi                |
| drawing               |
| driver_log            |
| employee              |
| expt                  |
| formula1              |
| goods_characteristics |
| goods_shops           |
| groceries             |
| groceries_order_items |
| hitcount              |
| hitlog                |
| hostip                |
| hostname              |
| housewares            |
| housewares2           |
| housewares3           |
| housewares4           |
| httpdlog              |
| httpdlog2             |
| hw_category           |
| image                 |
| ingredient            |
| insect                |
| inv_item              |
| invoice               |
| item                  |
| limbs                 |
| limbs_backup          |
| limbs_stats           |
| mail                  |
| mail2                 |
| mail_view             |
| marathon              |
| mark_log              |
| metal                 |
| money                 |
| movies                |
| movies_actors         |
| movies_actors_link    |
| mytable               |
| name                  |
| news                  |
| newsstaff             |
| numbers               |
| obs                   |
| occasion              |
| painting              |
| passtbl               |
| passwd                |
| patients              |
| perl_session          |
| person                |
| php_session           |
| phrase                |
| player_stats          |
| player_stats2         |
| poi                   |
| poll_vote             |
| profile               |
| profile_contact       |
| rainfall              |
| rand_names            |
| rank                  |
| ranks                 |
| reviews               |
| roster                |
| ruby_session          |
| salary                |
| sales_region          |
| sales_tax_rate        |
| sales_volume          |
| sibling               |
| some table            |
| standings1            |
| standings2            |
| states                |
| str_val               |
| sundays               |
| taxpayer              |
| testscore             |
| testscore_withmisses  |
| testscore_withmisses2 |
| time_val              |
| title                 |
| tmp                   |
| tomcat_role           |
| tomcat_session        |
| tomcat_user           |
| top_names             |
| trip_leg              |
| trip_log              |
| tsdemo                |
| weatherdata           |
| weekday               |
+-----------------------+
121 rows in set (0.01 sec)

mysql> SELECT * FROM department LIMIT 5;
+---------+------------------+
| dept_no | dept_name        |
+---------+------------------+
| d009    | Customer Service |
| d005    | Development      |
| d002    | Finance          |
| d003    | Human Resources  |
| d001    | Marketing        |
+---------+------------------+
5 rows in set (0.00 sec)mysql> SELECT COUNT(*) FROM employee;
+----------+
| COUNT(*) |
+----------+
|     1000 |
+----------+
1 row in set (0.01 sec)

基本語法

CREATE TABLE new_table_name LIKE existing_table_name;
new_table_name：要創建的新表的名稱。
existing_table_name：作為模板的現有表的名稱。
此語法會復制 existing_table_name 表的所有列定義、索引以及約束到 new_table_name 表中1。

示例代碼
以下是一個具體的例子，展示如何使用 CREATE TABLE LIKE 創建一個新表：

– 假設有一個名為 employees 的表
CREATE TABLE employees_backup LIKE employees;

上述語句將創建一個名為 employees_backup 的新表，其結構與 employees 表完全一致，但不包含任何數據1。

如果需要同時復制數據，則可以結合 INSERT INTO SELECT 使用：

– 復制數據到新表
INSERT INTO employees_backup SELECT * FROM employees;

注意事項
CREATE TABLE LIKE 不會復制觸發器或視圖等其他數據庫對象3。
在不同數據庫系統中，LIKE 的支持情況可能有所不同。例如，PostgreSQL 支持類似的 CREATE TABLE AS 功能，但行為略有差異2。
結合 INSERT INTO SELECT 的完整示例
以下是一個完整的示例，展示如何結合 CREATE TABLE LIKE 和 INSERT INTO SELECT 創建并填充新表：

– 創建結構相同的空表
CREATE TABLE employees_backup LIKE employees;

– 將數據從原表插入到新表
INSERT INTO employees_backup SELECT * FROM employees WHERE department = ‘Sales’;
上述代碼將創建一個名為 employees_backup 的新表，并僅復制屬于 Sales 部門的數據

4.1 克隆表

mysql> insert into mail2 select * from mail where srcuser = 'barb';
Query OK, 3 rows affected (0.01 sec)
Records: 3  Duplicates: 0  Warnings: 0mysql> select * from mail2;
+---------------------+---------+---------+---------+---------+-------+
| t                   | srcuser | srchost | dstuser | dsthost | size  |
+---------------------+---------+---------+---------+---------+-------+
| 2006-05-11 10:15:08 | barb    | saturn  | tricia  | mars    | 58274 |
| 2006-05-13 13:59:18 | barb    | saturn  | tricia  | venus   |   271 |
| 2006-05-14 14:42:21 | barb    | venus   | barb    | venus   | 98151 |
+---------------------+---------+---------+---------+---------+-------+
3 rows in set (0.00 sec)

4.2 將查詢結果保存到表中
一、CREATE TABLE … LIKE + INSERT INTO … SELECT
原理
結構復制：通過 LIKE 關鍵字復制源表的完整結構（包括字段、索引、約束等），但不復制數據。
數據篩選插入：使用 INSERT INTO … SELECT 將源表中符合條件的數據插入新表。
實例
場景：從 employees 表復制 2023 年入職的員工到新表 employees_2023。
sql
– 1. 創建結構相同的新表
mysql> CREATE TABLE employees_2023 LIKE employee;
Query OK, 0 rows affected (0.04 sec)

– 2. 插入符合條件的數據
INSERT INTO employees_2023
SELECT *
FROM employee
WHERE hire_date >= ‘2023-01-01’ AND hire_date < ‘2024-01-01’;
Query OK, 0 rows affected (0.01 sec)
Records: 0 Duplicates: 0 Warnings: 0
關鍵點：
新表 employees_2023 包含與 employees 相同的字段、索引和約束。
SELECT * 表示復制所有字段，需確保源表與目標表結構完全一致。
二、CREATE TABLE … AS SELECT
原理
結構與數據一次性創建：根據 SELECT 子句的字段動態創建新表，并將查詢結果直接插入。
新表結構：僅包含 SELECT 中顯式指定的字段，不繼承源表的索引和約束（除非手動聲明）。
實例
場景：創建 high_salary_employees 表，僅包含高薪員工的姓名和薪資。
sql
CREATE TABLE high_salary_employees AS
SELECT
emp_no, – 顯式指定字段
first_name+last_name,
salary
FROM employee
WHERE salary > (SELECT AVG(salary) FROM employee); – 篩選高薪員工
關鍵點：
新表 high_salary_employees 僅包含 emp_id、full_name、salary 三個字段。
不繼承源表的索引和約束，如需需手動添加（如 PRIMARY KEY）。
三、兩種方法對比
特性 CREATE TABLE … LIKE + INSERT CREATE TABLE … AS SELECT
結構完整性 完全復制源表結構（含索引、約束） 僅復制 SELECT 中指定的字段
數據篩選靈活性 支持復雜 WHERE 條件和多表連接 支持 WHERE，但需提前規劃字段列表
性能（大數據量） 分兩步執行，可能稍慢 一次性完成，通常更快
適用場景 需要完整保留源表結構，后續可能修改數據 快速創建臨時表或統計結果表
四、注意事項
字段匹配：
使用 INSERT INTO … SELECT 時，SELECT 的字段順序和類型必須與目標表嚴格一致。
示例（指定字段避免順序問題）：
sql
INSERT INTO employees_2023 (emp_id, full_name, hire_date)
SELECT id, name, hired_at FROM employees WHERE …;

約束與索引：
CREATE TABLE … AS 不會復制源表的約束（如 NOT NULL）和索引，需手動添加：
sql
CREATE TABLE high_salary_employees AS
SELECT emp_id, salary FROM employees WHERE …;

ALTER TABLE high_salary_employees ADD PRIMARY KEY (emp_id); – 手動添加主鍵

臨時表優化：
若需快速統計，可結合 TEMPORARY 關鍵字：
sql
CREATE TEMPORARY TABLE temp_stats AS
SELECT dept_id, COUNT(*) FROM employees GROUP BY dept_id;

五、實戰案例
需求：從 orders 表復制 2023 年 1 月的訂單到新表，并添加額外統計字段。
sql
– 方法一：LIKE + INSERT
CREATE TABLE jan2023_orders LIKE orders;

INSERT INTO jan2023_orders
SELECT *
FROM orders
WHERE order_date BETWEEN ‘2023-01-01’ AND ‘2023-01-31’;

– 方法二：AS SELECT（帶計算字段）
CREATE TABLE jan2023_orders_stats AS
SELECT
order_id,
customer_id,
amount,
amount * 0.9 AS discounted_amount – 計算字段
FROM orders
WHERE order_date BETWEEN ‘2023-01-01’ AND ‘2023-01-31’;
通過上述方法，你可以靈活復制表結構和數據，滿足不同場景需求。

https://www.modb.pro/db/408221
MySQL 樣例數據庫 Employee 的制作過程

本文來自互聯網用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。
如若轉載，請注明出處：http://www.pswp.cn/pingmian/82872.shtml
繁體地址，請注明出處：http://hk.pswp.cn/pingmian/82872.shtml
英文地址，請注明出處：http://en.pswp.cn/pingmian/82872.shtml

如若內容造成侵權/違法違規/事實不符，請聯系多彩編程網進行投訴反饋email:809451989@qq.com，一經查實，立即刪除！

相關文章

MySQL省市區數據表

MySQL省市區數據表

數據結構簡單展示一下 具體的可以點擊文章最后的鏈接地址下載 連接地址中有兩個文件一個是詳細的另一個是簡潔的 SET NAMES utf8mb4; SET FOREIGN_KEY_CHECKS 0;-- ---------------------------- -- Table structure for ln_new_region -- ---------------------------- DROP…
閱讀更多...
無人機報警器探測模塊技術解析！

無人機報警器探測模塊技術解析！

一、運行方式 1. 頻譜監測與信號識別 全頻段掃描&#xff1a;模塊實時掃描900MHz、1.5GHz、2.4GHz、5.8GHz等無人機常用頻段&#xff0c;覆蓋遙控、圖傳及GPS導航信號。 多路分集技術&#xff1a;采用多傳感器陣列&#xff0c;通過信號加權合并提升信噪比&#xff0c;…
閱讀更多...
Oracle 導入導出 dmp 數據文件實戰

Oracle 導入導出 dmp 數據文件實戰

一、DMP文件基礎知識?? 1. ??DMP文件定義?? DMP&#xff08;Data Pump Dump File&#xff09;是Oracle數據庫專用的二進制格式文件&#xff0c;由expdp/impdp或舊版exp/imp工具生成。它包含數據庫對象的元數據&#xff08;表結構、索引等&#xff09;和實際數據&#x…
閱讀更多...
Coursier：安裝sbt

Coursier：安裝sbt

命令 ./cs launch sbt -- --version 的含義是??通過 Coursier&#xff08;cs&#xff09;工具啟動 SBT&#xff08;Scala 構建工具&#xff09;&#xff0c;并查詢其版本信息??。具體解析如下&#xff1a; ??1. 命令結構解析?? ??./cs??&#xff1a; 這是 Coursie…
閱讀更多...
【深度學習】12. VIT與GPT 模型與語言生成：從 GPT-1 到 GPT4

【深度學習】12. VIT與GPT 模型與語言生成：從 GPT-1 到 GPT4

VIT與GPT 模型與語言生成&#xff1a;從 GPT-1 到 GPT4 本教程將介紹 GPT 系列模型的發展歷程、結構原理、訓練方式以及人類反饋強化學習&#xff08;RLHF&#xff09;對生成對齊的改進。內容涵蓋 GPT-1、GPT-2、GPT-3、GPT-3.5&#xff08;InstructGPT&#xff09;、ChatGPT …
閱讀更多...
項目更改權限后都被git標記為改變，怎么去除

項目更改權限后都被git標記為改變，怎么去除

?問題描述&#xff1a; 當你修改了項目中的文件權限&#xff08;如使用 chmod 改了可執行權限&#xff09;&#xff0c;Git 會把這些文件標記為“已更改”&#xff0c;即使內容并沒有發生任何改變。 ? 解決方法&#xff1a; ? 方法一&#xff1a;告訴 Git 忽略權限變化&am…
閱讀更多...
openfeignFeign 客戶端禁用 SSL

openfeignFeign 客戶端禁用 SSL

要針對特定的 Feign 客戶端禁用 SSL 驗證&#xff0c;可以通過自定義配置類實現。以下是完整解決方案&#xff1a; 1. 創建自定義配置類&#xff08;禁用 SSL 驗證&#xff09; import feign.Client; import feign.httpclient.ApacheHttpClient; import org.apache.http.conn…
閱讀更多...
移動端 UI自動化測試學習之Appium框架（包含adb調試工具介紹）

移動端 UI自動化測試學習之Appium框架（包含adb調試工具介紹）

文章目錄 前言adb調試工具adb組成常用命令獲取程序的包名和界面名文件傳輸發送文件到手機從手機中拉取文件 獲取app啟動時間獲取手機日志其他命令 Appium 簡介工作原理圖 環境搭建安裝客戶端庫&#xff08;appium lib&#xff09;安裝Appium Server安裝JDK&#xff08;自行下載…
閱讀更多...
【論文解讀】DETR: 用Transformer實現真正的End2End目標檢測

【論文解讀】DETR: 用Transformer實現真正的End2End目標檢測

1st authors: About me - Nicolas Carion?Francisco Massa? - ?Google Scholar? paper: [2005.12872] End-to-End Object Detection with Transformers ECCV 2020 code: facebookresearch/detr: End-to-End Object Detection with Transformers 1. 背景 目標檢測&#…
閱讀更多...
性能測試-jmeter實戰1

性能測試-jmeter實戰1

課程&#xff1a;B站大學 記錄軟件測試-性能測試學習歷程、掌握前端性能測試、后端性能測試、服務端性能測試的你才是一個專業的軟件測試工程師 性能測試-jmeter實戰1 為什么需要性能測試呢&#xff1f;性能測試的作用&#xff1f;性能測試體系性能測試基礎性能測試工具性能監控…
閱讀更多...
HTML、XML、JSON 是什么？有什么區別？又是做什么的？

HTML、XML、JSON 是什么？有什么區別？又是做什么的？

在學習前端開發或者理解互聯網工作原理的過程中&#xff0c;我們經常會遇到三個非常重要的概念&#xff1a;HTML、XML 和 JSON。它們看起來有點像&#xff0c;但其實干的事情完全不同。 &#x1f3c1; 一、他們是誰&#xff1f;什么時候誕生的&#xff1f; 名稱全稱誕生時間誰…
閱讀更多...
HTML5 全面知識點總結

HTML5 全面知識點總結

一、HTML 基礎概念 HTML&#xff1a;超文本標記語言&#xff0c;用于創建網頁和 Web 應用的結構。 超文本&#xff1a;可以包含文字、圖片、音頻、視頻、鏈接等多種媒體。 標記語言&#xff1a;通過標簽標記網頁的各個部分。 二、HTML5 的新特性&#xff08;區別于 HTML4&am…
閱讀更多...
記錄一個難崩的bug

記錄一個難崩的bug

1.后端配置了 Filter 過濾器&#xff0c;如果再配置了Configuration ,那么會出現沖突嗎&#xff1f; 過濾器與Configuration類本身無直接沖突&#xff0c;但需注意注冊機制、執行順序和依賴管理。通過顯式控制過濾器的注冊方式和優先級&#xff0c;結合Spring Security的鏈式配…
閱讀更多...
RabbitMQ 與其他 MQ 的對比分析：Kafka/RocketMQ 選型指南（二）

RabbitMQ 與其他 MQ 的對比分析：Kafka/RocketMQ 選型指南（二）

四、三者性能大比拼 4.1 吞吐量 吞吐量是衡量消息隊列處理能力的重要指標&#xff0c;它反映了在單位時間內消息隊列能夠處理的消息數量。在這方面&#xff0c;Kafka 表現最為出色&#xff0c;其獨特的設計使其能夠輕松處理每秒數百萬條消息 。Kafka 采用分布式架構和分區機制…
閱讀更多...
【C】箭頭運算符

【C】箭頭運算符

在C語言中&#xff0c;p_tone->power_off 是一種通過指針訪問結構體成員的方法&#xff0c;稱為箭頭運算符&#xff08;->&#xff09;。它主要用于以下場景&#xff1a; 1. 語法解釋 p_tone&#xff1a;是一個指向結構體&#xff08;或聯合體&#xff09;的指針。powe…
閱讀更多...
【Unity】 HTFramework框架（六十六）缺省的運行時組件檢視器

【Unity】 HTFramework框架（六十六）缺省的運行時組件檢視器

更新日期&#xff1a;2025年5月29日。 Github 倉庫&#xff1a;https://github.com/SaiTingHu/HTFramework Gitee 倉庫&#xff1a;https://gitee.com/SaiTingHu/HTFramework 索引 一、缺省的運行時組件檢視器1.自定義運行時組件檢視器 二、使用缺省的運行時組件檢視器1.定義組…
閱讀更多...
AI和大數據：是工具，還是操控人心的“隱形之手”？

AI和大數據：是工具，還是操控人心的“隱形之手”？

AI和大數據&#xff1a;是工具&#xff0c;還是操控人心的“隱形之手”&#xff1f; 開場白&#xff1a;聊點現實的 在這個數據至上的時代&#xff0c;我們的生活被AI和大數據悄然改變。從電商推薦、短視頻算法&#xff0c;到招聘篩選、智慧城市&#xff0c;它們像一個貼心的…
閱讀更多...
k8s部署ELK補充篇：kubernetes-event-exporter收集Kubernetes集群中的事件

k8s部署ELK補充篇：kubernetes-event-exporter收集Kubernetes集群中的事件

k8s部署ELK補充篇&#xff1a;kubernetes-event-exporter收集Kubernetes集群中的事件 文章目錄 k8s部署ELK補充篇&#xff1a;kubernetes-event-exporter收集Kubernetes集群中的事件一、kubernetes-event-exporter簡介二、kubernetes-event-exporter實戰部署1. 創建Namespace&a…
閱讀更多...
Apache 高級配置實戰：從連接保持到日志分析的完整指南

Apache 高級配置實戰：從連接保持到日志分析的完整指南

Apache 高級配置實戰&#xff1a;從連接保持到日志分析的完整指南 前言 最近在深入學習 Apache 服務器配置時&#xff0c;發現很多朋友對 Apache 的高級功能還不夠了解。作為一個在運維路上摸爬滾打的技術人&#xff0c;我想把這些實用的配置技巧分享給大家。今天這篇文章會帶…
閱讀更多...
【Stable Diffusion 1.5 】在 Unet 中每個 Cross Attention 塊中的張量變化過程

【Stable Diffusion 1.5 】在 Unet 中每個 Cross Attention 塊中的張量變化過程

系列文章目錄 文章目錄 系列文章目錄前言特征圖和注意力圖的尺寸差異原因在Break-a-Scene中的具體實現總結 前言 特征圖 (Latent) 尺寸和注意力圖(attention map)尺寸在擴散模型中有差異&#xff0c;是由于模型架構和注意力機制的特性決定的。 特征圖和注意力圖的尺寸差異原…
閱讀更多...
最新文章

Copyright @ 2022~2023