sql实践

news2024/11/20 15:37:28

1.从excel导入数据

在excel导入数据时要先在数据库中创建对应的数据库表

CREATE TABLE your_table_name (
    crawl_datetime DATE,
    url CHAR(255),
    company_name CHAR(255),
    company_size CHAR(255),
    company_type CHAR(255),
    job_type CHAR(255),
    job_name CHAR(255),
    edu CHAR(255),
    empltype CHAR(255),
    tag VARCHAR(255), -- 删除逗号
    salary CHAR(255),
    city CHAR(255),
    workingexp CHAR(255),
    resume_count SMALLINT,
    company_score DOUBLE, -- 删除长度
    work_place VARCHAR(255),
    require_content TEXT
);

接下来是操作的步骤

先选择导入向导,

 

然后选择excel

选择文件,选择需要导入的表

之后点击开始等待一会就结束了

2.尝试简单查询/复杂查询

#select COUNT(*) FROM 智联招聘
#select COUNT(*) FROM 智联招聘 WHERE crawl_datetime > '2018-12-28'; 
#select * FROM 智联招聘 UNION select * FROM 智联招聘 #14.07s
#select url as 地址 FROM 智联招聘
select 
	url as 地址,
	crawl_datetime AS 时间,
	resume_count AS 申请人数 
FROM 智联招聘
ORDER BY resume_count DESC; #1.509S

3.在select中使用if/case语句(from、where中也可以)

select 
	url as 地址,
	crawl_datetime AS 时间,
	resume_count AS 申请人数 
FROM 智联招聘
WHERE resume_count >= ALL (
	select resume_count FROM 智联招聘 WHERE crawl_datetime = '2018-12-29' 
)
ORDER BY resume_count DESC; #2.333S

4.创建视图

/*
CREATE VIEW 时间分类 AS
select 
	job_name,
	CASE 
		WHEN DAY(crawl_datetime) = 28 THEN 'good'
		ELSE 'bad'
	END 
from 智联招聘 #1.347s
*/

#SELECT * from 时间分类 #1.348s

5.创建存储过程

DELIMITER $$
CREATE PROCEDURE get_job_name()
BEGIN
	SELECT job_name FROM `智联招聘`;
END $$
DELIMITER ;

CALL get_job_name();

6.存储过程中的本地变量

DROP PROCEDURE get_locak;
DELIMITER $$
CREATE DEFINER='sa'@localhost PROCEDURE get_locak(
	jobname VARCHAR(50),
	OUT tag2 VARCHAR(50),
	OUT edu2 VARCHAR(50)
)
BEGIN
	SELECT tag,edu
	INTO tag2,edu2
	FROM `智联招聘` 
	WHERE job_name = jobname;
END $$
DELIMITER ;
CALL get_locak('湖南业务代表', @tag, @edu);

SELECT @tag AS tag, @edu AS edu;
#注意不要重名

7.创建函数

CREATE FUNCTION get_risk_factor2()
RETURNS INTEGER
READS SQL DATA
BEGIN
    DECLARE risk_id DECIMAL(9,2) DEFAULT 0;
    -- 计算风险因素的逻辑
    -- 假设你有一个与该函数相关的数据表来获取风险因素
    -- 可以是一些计算,或者从其他地方获取的值
    -- 这里我只是简单地给 risk_id 赋值为 1,你需要根据实际情况进行修改
    SET risk_id = 1;
    -- 将风险因素乘以 5
    SET risk_id = risk_id * 5;
    -- 返回风险因素的值
    RETURN risk_id;
END;

8.创建触发器

CREATE TRIGGER 添加之前触发
	BEFORE INSERT ON `智联招聘`
	FOR EACH ROW
BEGIN
	INSERT INTO 实践触发器(content)
	VALUES (NOW());
END

9.创建事件

CREATE EVENT 每一分钟都添加
ON SCHEDULE
	EVERY 1 MINUTE
DO BEGIN
	INSERT INTO 实践事件(content)
	VALUES (NOW());
END;

SHOW EVENTS LIKE '每一分钟%';
ALTER EVENT 每一分钟都添加 DISABLE;

10.创建事务

START TRANSACTION;

SELECT * FROM `智联招聘`;

COMMIT ;

SHOW VARIABLES;

11.创建索引

EXPLAIN SELECT tag FROM `智联招聘` #查看
create INDEX 标签 on `智联招聘`(tag); #2.881
SELECT tag FROM `智联招聘` #0.008s #没有索引是1.303s
DROP INDEX 标签 on `智联招聘`; 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1675115.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

tomcat--安装

官网:Apache Tomcat - Welcome! 官网文档:Apache Tomcat 8 (8.5.100) - Documentation Index 帮助文档:Apache Tomcat Home - Apache Tomcat - Apache Software Foundation FAQ - Apache Tomcat - Apache Software Foundation yum安装 查…

Lumina-T2X 一个使用 DiT 架构的内容生成模型,可通过文本生成图像、视频、多视角 3D 对象和音频剪辑。

Lumina-T2X 是一个新的内容生成系列模型,统一使用 DiT 架构。通过文本生成图像、视频、多视角 3D 对象和音频剪辑。 可以在大幅提高生成质量的前提下大幅减少训练成本,而且同一个架构支持不同的内容生成。图像质量相当不错。 由 50 亿参数的 Flag-DiT …

Online RL + IL : TGRL: An Algorithm for Teacher Guided Reinforcement Learning

ICML 2023 Poster paper Intro 文章设定一个专家策略,给出两种优化目标。一个是基于专家策略正则的累计回报,一个是原始累计回报。通过比较二者动态的衡量专家策略对智能体在线学习的影响程度,进而实现在线引导过程。 Method 原始的RL目标…

【LangChain系列 15】语言模型——LLMs(一)

原文地址:【LangChain系列 15】语言模型——LLMs(一) 本文速读: 异步API 自定义LLM Fake LLM HumanInput LLM 本文将介绍LLMs在LangChain中的一些用法,帮助我们更好地了解LLM模块。 01 异步API LangChain通过异步库实现了对异步的支持&a…

创意无限!AI一键生成漫画视频,每天轻松收入300+,粘贴复制简单操作!

AI项目算是2023到2024一直都非常火爆的项目,这次的AI漫画项目也是相当暴利的项目了,我知道一个老铁通过AI漫画半年已经获利100W了,真的是相当暴利了。 不再多说,直接上手拆解项目。 项目获取: https://zzmbk.com/htt…

Springboot+MybatisPlus如何实现分页和模糊查询

实现分页查询的时候我们需要创建一个config配置类 1、创建MybatisPlusConfig类 Configuration //表明这是一个配置类 ConditionalOnClass(Value{PaginationInterceptor.class} //ConditionalOnClass:当指定的类存在时,才会创建对应的Bean // 这里当PaginationInt…

解决springboot+vue静态资源刷新后无法访问的问题

一、背景 原项目是有前后端分离设计,测试环境是centos系统,采用nginx代理和转发,项目正常运行。 项目近期上线到正式环境,结果更换了系统环境,需要放到一台windows系统中,前后端打成一个jar包,…

最高可得 300 元现金!分享实操经验,即可轻松获得奖励

OpenBayes贝式计算平台第二期「创作者激励计划」上线啦,快来和 HyperAI超神经一起参加吧! 无论你是深度学习、数据科学或大模型的资深玩家,还是刚入门技术小白; 无论你是拥有丰富创作经验的老手,还是刚踏入社交媒体世…

(2024,MambaOut,Mamba 适合长序列,区分指标,不适合分类,适合检测和分割)视觉真的需要 Mamba 吗?

MambaOut: Do We Really Need Mamba for Vision? 公和众和号:EDPJ(进 Q 交流群:922230617 或加 VX:CV_EDPJ 进 V 交流群) 目录 0. 摘要 1. 简介 3. 概念讨论 3.1 Mamba 适合哪些任务? 3.2 视觉识别任…

【小笔记】streamlit使用笔记

【小笔记】streamlit使用笔记 1.streamlit是什么,为什么要用它? 一句话,这个东西是一个python的可视化库,当你想要给你的程序添加个web界面,而又不会或不想用前端技术时,你就可以考虑用它。 类似的可视化库…

惠普发布全新AI战略,重塑办公空间 引领企业智能化新浪潮

近日、全球知名科技公司惠普在北京隆重举办了以“用智能,开启无限可能”为主题的2024惠普商用AI战略暨AI PC新品发布会,此次盛会标志着惠普在人工智能领域迈出了重要一步,惠普紧跟时代步伐,推出了更高效、更安全、更灵活的AI PC产…

redis报错500

之前自己举一反三把value也给序列化了: 然后报错了: 原因是这里传入的是Integer类型,序列化的话就变为string类型了

web入门练手案例(一)

下面是一下web入门案例和实现的代码,带有部分注释,倘若代码中有任何问题或疑问,欢迎留言交流~ 新闻页面 案例描述: 互联网的发展使信息的传递变得方便、快捷,浏览新闻称为用户获取信息的重要渠道。下面将实现一个简…

云服务器和主机的区别

在今天的数字化时代,对于个人和企业来说,选择适当的服务器托管解决方案至关重要。然而,很多人对于云服务器和传统主机之间的区别不太清楚。本文将为您提供一个详细的指南,帮助您理解云服务器与主机之间的区别,以便您能…

Chatgpt教你使用Python开发iPhone风格计算器

上次使用Chatgpt写爬虫,虽然写出来的代码很多需要修改后才能运行,但Chatgpt提供的思路和框架都是没问题。 这次让Chatgpt写一写GUI程序,也就是你常看到的桌面图形程序。 由于第一次测试,就来个简单点的,用Python写用…

Linux防火墙iptalbes

1 iptalbes 1.1 概念 防火墙(Firewall)是一种隔离技术,用于安全管理与筛选的软件和硬件设备,使计算机内网和外网分开,可以防止外部网络用户以非法手段通过外部网络进入内部网络,保护内网免受外部非法用户的侵入。 1.2 SELinux …

【瑞萨RA6M3】2. UART 实验

https://blog.csdn.net/qq_35181236/article/details/132789258 使用 uart9 配置 打印 void hal_entry(void) {/* TODO: add your own code here */fsp_err_t err;uint8_t c;/* 配置串口 */err g_uart9.p_api->open(g_uart9.p_ctrl, g_uart9.p_cfg);while (1){g_uart9.…

有 10000 个 if else 该如何优化?被问懵了!

这个问题可以看作是一道场景题,它考察一个程序员在面对复杂逻辑判断时的优化能力,也是在考察一个程序员临场发挥技术能力。 方案1:策略模式 使用策略模式确实可以提升代码的优雅性,但也会存在以下问题: 如果是大量的…

代码随想录算法训练营Day 42| 动态规划part04 | 01背包问题理论基础I、01背包问题理论基础II、416. 分割等和子集

代码随想录算法训练营Day 42| 动态规划part04 | 01背包问题理论基础I、01背包问题理论基础II、416. 分割等和子集 文章目录 代码随想录算法训练营Day 42| 动态规划part04 | 01背包问题理论基础I、01背包问题理论基础II、416. 分割等和子集01背包问题理论基础一、01背包问题二、…

Transformer 模型

文章目录 前言一、模型结构 前言 Transformer 模型是由谷歌在 2017 年提出并首先应用于机器翻译的神经网络模型结构。机器翻译的目标是从源语言(Source Language)转换到目标语言(Target Language)。Transformer 结构完全通过注意力…