SQLAlchemy 介绍与实践

postgresql 实践
pydantic 实践

1. SQLAlchemy 介绍

SQLAlchemy 是一个 ORM 框架。SQLAlchemy 是一个用于 Python 的 SQL 工具和对象关系映射（ORM）库。它允许你通过 Python 代码来与关系型数据库交互，而不必直接编写SQL语句。
简单介绍一下对象关系映射吧，对象关系映射（英语：Object Relational Mapping，简称 ORM，或O/RM，或O/R mapping），是一种程序设计技术， 用于实现面向对象编程语言里不同类型系统的数据之间的转换。 从效果上说，它其实是创建了一个可在编程语言里使用的“虚拟对象数据库”。大白话：对象模型与数据库表的映射。

1.1. SQLAlchemy 使用场景

SQLAlchemy 是一个强大的 Python ORM 框架，主要应用于以下场景：
数据库访问和操作： SQLAlchemy 提供了高层抽象来操作数据库，可以避免写原生 SQL 语句。支持多种数据库后端（MySQL、MongoDB、SQLite、PostgreSQL）。
ORM映射： 建立 Python 类与数据库表的映射关系，简化数据模型的操作，支持声明式操作。
复杂查询： SQLAlchemy 提供丰富的查询方式，如过滤、分组、联结等，可以构建复杂查询。
异步查询： 基于Greenlet 等实现异步查询，提高查询效率。
事务控制： 通过 Session 管理数据库会话和事务。
工具集成： 如数据迁移工具 Alembic，可以实现 Schema 版本控制和迁移。
大数据集查询： 基于 Pagination 实现数据分页，避免大量数据查询内存溢出。
多数据库支持： 支持 Postgres、MySQL、Oracle 等主流数据库。
Web框架集成： 框架如 Flask 可以集成 SQLAlchemy，便于 Web 应用开发。

2. SQLAlchemy 基本用法

参考：
https://www.jb51.net/python/325524ud6.htm
https://blog.51cto.com/u_13019/12307379

2.1. 安装 SQLAlchemy

在使用 SQLAlchemy 之前，首先需要安装它。可以使用以下命令使用 pip 安装：

pip install sqlalchemy 
pip install pymysql		# 安装 MySQL

2.2. 连接数据库

使用 SQLAlchemy 连接到数据库，需要提供数据库的连接字符串，其中包含有关数据库类型、用户名、密码、主机和数据库名称的信息。

from sqlalchemy import create_engine# 例如，连接到 SQLite 数据库
engine = create_engine('sqlite:///example.db')# 例如，连接到 MySQL 数据库
username = 'your_mysql_username'
password = 'your_mysql_password'
host = 'your_mysql_host'  # 例如：'localhost' 或 '127.0.0.1'
port = 'your_mysql_port'  # 通常是 3306
database = 'your_database_name'
# 创建连接引擎
engine = create_engine(f'mysql+pymysql://{username}:{password}@{host}:{port}/{database}')

2.3. 定义数据模型

使用 SQLAlchemy 的 ORM 功能，可以定义 Python 类来映射数据库中的表。每个类对应数据库中的一张表，类的属性对应表中的列。

# 导入必要的模块
from sqlalchemy import Column, Integer, String, Sequence
from sqlalchemy.ext.declarative import declarative_base# 创建一个基类，用于定义数据模型的基本结构
Base = declarative_base()# 定义一个数据模型类，对应数据库中的 'users' 表
class User(Base):# 定义表名__tablename__ = 'users'# 定义列：id，是整数类型，主键（primary_key=True），并使用 Sequence 生成唯一标识id = Column(Integer, Sequence('user_id_seq'), primary_key=True)# 定义列：name，是字符串类型，最大长度为50name = Column(String(50))# 定义列：age，是整数类型age = Column(Integer)

2.4. 创建表

通过在代码中调用 create_all 方法，可以根据定义的模型创建数据库表。

Base.metadata.create_all(engine)

2.5. 插入数据

使用 SQLAlchemy 进行插入数据的操作，首先需要创建一个会话（Session）对象，然后使用该对象添加数据并提交。

# 导入创建会话的模块
from sqlalchemy.orm import sessionmaker# 使用 sessionmaker 创建一个会话类 Session，并绑定到数据库引擎（bind=engine）
Session = sessionmaker(bind=engine)# 创建一个实例化的会话对象 session
session = Session()# 创建一个新的 User 实例，即要插入到数据库中的新用户
new_user = User(name='John Doe', age=30)# 将新用户添加到会话中，即将其添加到数据库操作队列中
session.add(new_user)# 提交会话，将所有在此会话中的数据库操作提交到数据库
session.commit()

2.6. 使用事务添加数据

如果添加过程中发生任何错误，我们将回滚事务，确保数据库的一致性。

try:# 开始一个新的事务session.begin()# 创建新用户对象user1 = User(name='Alice', email='alice@example.com')user2 = User(name='Bob', email='bob@example.com')# 添加到会话中session.add(user1)session.add(user2)# 提交事务，将所有更改保存到数据库session.commit()print("Users added successfully.")
except Exception as e:# 如果在添加用户过程中发生错误，则回滚事务session.rollback()print(f"An error occurred: {e}")
finally:# 关闭会话session.close()

在这个示例中，我们使用 session.begin() 显式地开始了一个新的事务。然后，我们尝试添加两个新用户到会话中。如果在这个过程中没有发生任何错误，我们使用 session.commit() 提交事务，将所有更改保存到数据库中。但是，如果在添加用户的过程中发生了任何异常（例如，由于重复的电子邮件地址或数据库连接问题），我们将使用 session.rollback() 回滚事务，确保数据库的一致性。

2.7. 查询数据

使用 SQLAlchemy 进行查询数据的操作，可以通过查询语句或使用 ORM 查询接口。

# 使用查询语句
result = engine.execute('SELECT * FROM users')# 使用 ORM 查询接口
users = session.query(User).all()

3. 复杂查询条件

3.1. 连接查询（Join）

假设我们有两个模型， User 和 Order ，并且一个用户可以有多个订单。

from sqlalchemy import Column, Integer, String, ForeignKey
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import relationship
Base = declarative_base()
class User(Base):__tablename__ = 'users'id = Column(Integer, primary_key=True)name = Column(String)orders = relationship("Order", back_populates="user")class Order(Base):__tablename__ = 'orders'id = Column(Integer, primary_key=True)user_id = Column(Integer, ForeignKey('users.id'))product = Column(String)quantity = Column(Integer)user = relationship("User", back_populates="orders")

现在，如果我们想要查询所有下过订单的用户及其订单信息，我们可以进行连接查询：

from sqlalchemy.orm import joinedload
# 加载所有用户的订单信息
users_with_orders = session.query(User).options(joinedload(User.orders)).all()
for user in users_with_orders:print(f"User: {user.name}")for order in user.orders:print(f"  Order: {order.product}, Quantity: {order.quantity}")

3.2. 分组和聚合（Grouping and Aggregation）

假设我们想要统计每个用户下的订单总数。

from sqlalchemy import func
# 按用户分组，并计算每个用户的订单数量
order_count_by_user = session.query(User.id, User.name, func.count(Order.id).label('order_count')).\join(Order).group_by(User.id, User.name).all()
for user_id, user_name, order_count in order_count_by_user:print(f"User ID: {user_id}, Name: {user_name}, Order Count: {order_count}")

3.3. 子查询（Subquery）

如果我们想要找出订单数量超过平均订单数量的用户，我们可以使用子查询。

from sqlalchemy import func, select
# 计算平均订单数量作为子查询
avg_order_quantity = select([func.avg(Order.quantity).label('avg_quantity')]).select_from(Order).alias()
# 查询订单数量超过平均值的用户及其订单信息
users_above_avg = session.query(User, Order.product, Order.quantity).\join(Order).filter(Order.quantity > avg_order_quantity.c.avg_quantity).all()
for user, product, quantity in users_above_avg:print(f"User: {user.name}, Product: {product}, Quantity: {quantity}")

3.4. 复杂筛选条件（Complex Filtering）

假设我们想要找到名字以 “A” 开头的用户，并且他们的订单中包含 “apple” 这个产品。

# 查询名字以“A”开头的用户，且订单中包含“apple”产品的用户信息
users_with_apple = session.query(User).join(Order).\filter(User.name.startswith('A')).\filter(Order.product.contains('apple')).\distinct().all()  # 使用distinct() 确保结果中的用户不重复
for user in users_with_apple:print(f"User: {user.name}")

4. SQLAlchemy 实践1

4.1. 定义数据模型类

我们定义三个数据模型类：User（用户）、Post（文章）和Comment（评论）。这些类之间通过外键和关系进行关联。

# 导入 SQLAlchemy 中所需的模块
from sqlalchemy import create_engine, Column, Integer, String, Text, ForeignKey
from sqlalchemy.orm import declarative_base, relationship# 创建一个基类，用于定义数据模型的基本结构
Base = declarative_base()# 定义数据模型类 User，对应数据库中的 'users' 表
class User(Base):__tablename__ = 'users'# 定义列：id，是整数类型，作为主键id = Column(Integer, primary_key=True)# 定义列：username，是字符串类型，最大长度为50，唯一且不可为空username = Column(String(50), unique=True, nullable=False)# 定义列：email，是字符串类型，最大长度为100，唯一且不可为空email = Column(String(100), unique=True, nullable=False)# 定义关系，与 Post 类的关系为一对多关系，通过 back_populates 指定反向关系属性名posts = relationship('Post', back_populates='author')# 定义数据模型类 Post，对应数据库中的 'posts' 表
class Post(Base):__tablename__ = 'posts'# 定义列：id，是整数类型，作为主键id = Column(Integer, primary_key=True)# 定义列：title，是字符串类型，最大长度为100，不可为空title = Column(String(100), nullable=False)# 定义列：content，是文本类型，不可为空content = Column(Text, nullable=False)# 定义列：user_id，是整数类型，外键关联到 'users' 表的 id 列user_id = Column(Integer, ForeignKey('users.id'))# 定义关系，与 User 类的关系为多对一关系，通过 back_populates 指定反向关系属性名author = relationship('User', back_populates='posts')# 定义关系，与 Comment 类的关系为一对多关系，通过 back_populates 指定反向关系属性名comments = relationship('Comment', back_populates='post')# 定义数据模型类 Comment，对应数据库中的 'comments' 表
class Comment(Base):__tablename__ = 'comments'# 定义列：id，是整数类型，作为主键id = Column(Integer, primary_key=True)# 定义列：text，是文本类型，不可为空text = Column(Text, nullable=False)# 定义列：user_id，是整数类型，外键关联到 'users' 表的 id 列user_id = Column(Integer, ForeignKey('users.id'))# 定义列：post_id，是整数类型，外键关联到 'posts' 表的 id 列post_id = Column(Integer, ForeignKey('posts.id'))# 定义关系，与 User 类的关系为多对一关系author = relationship('User')# 定义关系，与 Post 类的关系为多对一关系，通过 back_populates 指定反向关系属性名post = relationship('Post', back_populates='comments')

4.2. 创建数据库引擎和会话

这里我们选择了 SQLite 数据库，并使用 create_all 创建相应的表。

# 导入 SQLAlchemy 中所需的模块
from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker# 创建一个 SQLite 数据库引擎，连接到名为 'blog.db' 的数据库文件
engine = create_engine('sqlite:///blog.db')# 使用 Base 对象的 metadata 属性，创建数据库中定义的所有表
Base.metadata.create_all(engine)# 使用 sessionmaker 创建一个会话类 Session，并将其绑定到上面创建的数据库引擎
Session = sessionmaker(bind=engine)# 创建一个实例化的会话对象 session，用于进行数据库操作
session = Session()

4.3. 进行数据库操作

这段代码演示了如何使用 SQLAlchemy 对数据库进行插入和查询操作。首先，创建了一个用户、一篇文章和一条评论，然后通过查询用户的方式，打印出该用户的所有文章及评论。

# 创建一个新用户对象并设置其属性
user1 = User(username='john_doe', email='john@example.com')# 将新用户对象添加到会话，表示要进行数据库插入操作
session.add(user1)# 提交会话，将所有在此会话中的数据库操作提交到数据库
session.commit()# 创建一篇新文章对象并设置其属性
post1 = Post(title='Introduction to SQLAlchemy', content='SQLAlchemy is a powerful ORM for Python.')# 将文章的作者关联到之前创建的用户
post1.author = user1# 将新文章对象添加到会话，表示要进行数据库插入操作
session.add(post1)# 提交会话，将所有在此会话中的数据库操作提交到数据库
session.commit()# 创建一条新评论对象并设置其属性
comment1 = Comment(text='Great article!', author=user1, post=post1)# 将评论对象添加到会话，表示要进行数据库插入操作
session.add(comment1)# 提交会话，将所有在此会话中的数据库操作提交到数据库
session.commit()# 查询用户名为 'john_doe' 的用户，并打印其所有文章及评论
user = session.query(User).filter_by(username='john_doe').first()
print(f"User: {user.username}")# 遍历用户的所有文章
for post in user.posts:print(f"Post: {post.title}")# 遍历文章的所有评论for comment in post.comments:print(f"Comment: {comment.text}")

5. SQLAlchemy 实践2 数据库初始化操作

main.py

from sqlalchemy import create_engine
from sqlalchemy_utils import create_database, database_existsfrom sqlalchemy import and_, or_, func
from sqlalchemy.exc import SQLAlchemyError
from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
from sqlalchemy.pool import SingletonThreadPoolfrom database import Base
from database import TUsersdef is_db_exist(db_url: str):engine = create_engine(db_url, max_overflow=0, pool_size=16, pool_timeout=5, pool_recycle=-1)if not database_exists(engine.url):create_database(engine.url)return Falseelse:    return Truedef init_database(db_url: str):# SQLALCHEMY_DATABASE_URL = "mysql+pymysql://root:password@localhost:3306/location_db"# # SQLALCHEMY_DATABASE_URL = "sqlite:///./location_db.db"# 设置连接池的大小engine = create_engine(db_url, max_overflow=0,         # 超过连接池大小外最多创建的连接pool_size=16,           # 连接池大小pool_timeout=5,         # 池中没有线程最多等待的时间，否则报错pool_recycle=-1         # 多久之后对线程池中的线程进行一次连接的回收（重置）)# 创建数据库Base.metadata.create_all(engine)# # 创建数据库连接# _session = sessionmaker(autocommit=False, autoflush=False, bind=engine)()if __name__ == '__main__':# 数据库参考db_host = "127.0.0.1"db_user = "root"db_password = "********"db_url = '%s%s:%s@%s/%s' % ("mysql+pymysql://", db_user, db_password, db_host, "local_db")if not is_db_exist(db_url):init_database(db_url)from account import AlchemyToolalchemytool = AlchemyTool(db_url=db_url)alchemytool.create_user()

database.py

from sqlalchemy import Column, Integer, String, DateTime, Text
from sqlalchemy.ext.declarative import declarative_base
from datetime import datetime, timedelta# sqlalchemy
Base = declarative_base()class TUsers(Base):__tablename__ = 'users'user_id     = Column(String(32), primary_key=True, index=True)user_name   = Column(String(32), nullable=False)def to_dict(self):return {c.name: getattr(self, c.name, None) for c in self.__table__.columns}

account.py

from sqlalchemy import and_, or_, func
from sqlalchemy.exc import SQLAlchemyError
from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
from sqlalchemy.pool import SingletonThreadPoolfrom database import Base
from database import TUsersclass AlchemyTool(object):def __init__(self, db_url: str):print("AlchemyTool init")# 设置连接池的大小db_config = {"pool_size": 10}#engine = create_engine(SQLALCHEMY_DATABASE_URL, **db_config)# engine = create_engine(db_url, #         #poolclass = SingletonThreadPool,#         connect_args = {'check_same_thread': False}#     )engine = create_engine(db_url, max_overflow=0, pool_size=16, pool_timeout=5, pool_recycle=-1)# # 创建数据库# Base.metadata.create_all(engine)# 创建数据库连接self.__session = sessionmaker(autocommit=False, autoflush=False, bind=engine)()# ############################### User ###############################def create_user(self):try:# db_location = TUsers(**user_base.dict(), user_id=user_id, creator=creator, editor=editor, state=state)db_location = TUsers(user_id="id2222", user_name="name")self.__session.add(db_location)self.__session.commit()except SQLAlchemyError as e:print(f"Error.AlchemyTool.create_user SQLAlchemyError:{str(e)}")self.__session.rollback()db_location = Nonefinally:pass

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.rhkb.cn/news/465018.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

Docker安装MongoDB详解(mongo.latest)

Docker安装MongoDB详解(mongo.latest)

一、MongoDB介绍 MongoDB是一种基于分布式文件存储的数据库，使用C语言开发，旨在为Web应用提供可扩展且高性能的数据存储解决方案。作为一种介于关系数据库和非关系数据库之间的技术，MongoDB具有强大的功能和高效的性能，特别适用于…
阅读更多...
金箍棒变化-第15届蓝桥杯国赛Scratch初/中级组真题第1题

金箍棒变化-第15届蓝桥杯国赛Scratch初/中级组真题第1题

[导读]：超平老师的《Scratch蓝桥杯真题解析100讲》已经全部完成，后续会不定期解读蓝桥杯真题，这是Scratch蓝桥杯真题解析第193讲。 如果想持续关注Scratch蓝桥真题解读，可以点击《Scratch蓝桥杯历年真题》并订阅合集，…
阅读更多...
简单的 docker 部署ELK

简单的 docker 部署ELK

简单的 docker 部署ELK 这是我的运维同事部署ELK的文档，我这里记录转载一下 服务规划 架构: Filebeat->kafka->logstash->ES kafka集群部署参照: kafka集群部署 部署服务程序路径/数据目录端口配置文件elasticsearch/data/elasticsearch9200/data/elas…
阅读更多...
Unity XR Interaction Toolkit 开发教程（3）快速配置交互：移动、抓取、UI交互【3.0以上版本】

Unity XR Interaction Toolkit 开发教程（3）快速配置交互：移动、抓取、UI交互【3.0以上版本】

获取完整课程以及答疑，工程文件下载： https://www.spatialxr.tech/ 视频试看链接： 3.快速配置交互：移动、抓取、UI交互【Unity XR Interaction Toolkit 跨平台开发教程】（3.0以上版本） 系列教程专栏&…
阅读更多...
深度体验SCNet超算平台：SCNet「AI跃升季」·谁是下一个“AI”跃人？

深度体验SCNet超算平台：SCNet「AI跃升季」·谁是下一个“AI”跃人？

平时做大模型训练的时候总是苦于没有服务器资源来做微调实验，于是这次深度体验了一下SCNet超算平台。 SCNet超算平台是一个超算互联网计算服务平台，有着更大更全更专业的超级算力。显卡从异构加速卡到A800都有。 本次我尝试了大模型的推理和微调。 第一…
阅读更多...
求助帖【如何学习核磁共振的原理】

求助帖【如何学习核磁共振的原理】

最近提前进组了 我完全不懂磁共振的相关知识 想问问各位大佬有没有推荐的学习路线 或者是学习资料、论坛都可以的（我做的方向是磁共振成像技术） 老师给了一本书，但是有点看不懂，全英文的 叫Principles Of Magnetic Resonance …
阅读更多...
MySQL查询where中包含多个in条件问题

MySQL查询where中包含多个in条件问题

示例： select * from x_table where a in (1,2,3) and b in (4,8) 上面这种查询方法，如果可以通过a和b唯一确定一条数据，但a和b列可以有相同值时，会造成查询数据不准确。 验证： 假设有以下数据（手机号为…
阅读更多...
HiveSQL 中判断字段是否包含某个值的方法

HiveSQL 中判断字段是否包含某个值的方法

HiveSQL 中判断字段是否包含某个值的方法 在 HiveSQL 中，有时我们需要判断一个字段是否包含某个特定的值。下面将介绍几种常用的方法来实现这个功能。 一、创建示例表并插入数据 首先，我们创建一个名为employee的表，并插入一些示例数据&am…
阅读更多...
python-读写Excel：openpyxl-（4）下拉选项设置

python-读写Excel：openpyxl-（4）下拉选项设置

使用openpyxl库的DataValidation对象方法可添加下拉选择列表。 DataValidation参数说明： type： 数据类型("whole", "decimal", "list", "date", "time", "textLength", "custom"…
阅读更多...
求平面连接线段组成的所有最小闭合区间

求平面连接线段组成的所有最小闭合区间

这个功能确实非常实用，我在过去开发地面分区编辑器时就曾应用过这一算法。最近，在新产品的开发中再次遇到了类似的需求。尽管之前已经实现过，但由于长时间未接触，对算法的具体细节有所遗忘，导致重新编写时耗费了不少时…
阅读更多...
springboot - 定时任务

springboot - 定时任务

定时任务是企业级应用中的常见操作 定时任务是企业级开发中必不可少的组成部分，诸如长周期业务数据的计算，例如年度报表，诸如系统脏数据的处理，再比如系统性能监控报告，还有抢购类活动的商品上架，这些都离不…
阅读更多...
ES管理工具Cerebro 0.8.5 Windows版本安装及启动

ES管理工具Cerebro 0.8.5 Windows版本安装及启动

前言： Cerebro 的下载地址 https://github.com/lmenezes/cerebro/releases Cerebro 默认监听IP 0.0.0.0 ，默认端口9000，访问地址：http://localhost:9000 启动 cmd命令到安装目录下：cerebro-0.8.5\bin 执行命令 ce…
阅读更多...
Flutter 正在切换成 Monorepo 和支持 workspaces

Flutter 正在切换成 Monorepo 和支持 workspaces

其实关于 Monorepo 和 workspaces 相关内容在之前《Dart 3.5 发布，全新 Dart Roadmap Update》 和 《Flutter 之 ftcon24usa 大会，创始人分享 Flutter 十年发展史》 就有简单提到过，而目前来说刚好看到 flaux 这个新进展，所以就再…
阅读更多...
[论文][环境]3DGS+Colmap环境搭建_WSL2_Ubuntu22.04 - 副本

[论文][环境]3DGS+Colmap环境搭建_WSL2_Ubuntu22.04 - 副本

0. 前言 仅使用Ubuntu进行场景编译，场景渲染查看则使用Windows下官方提供的编译好的预编译包打开即可，非常方便（要注意即使是预编译版本，Windows端也应该安装VS和CUDA Toolkit，要注意的是，最新的SIBR预编译…
阅读更多...
json-server的使用（根据json数据一键生成接口）

json-server的使用（根据json数据一键生成接口）

一.使用目的 在前端开发初期，后端 API 可能还未完成，json-server 可以快速创建模拟的 RESTful API，帮助前端开发者进行开发和测试。 二.安装 npm install json-server //局部安装npm i json-server -g //全局安装 三.使用教程 1.准备一…
阅读更多...
导入和部署自定义 LLM 大模型

导入和部署自定义 LLM 大模型

本文以【Qwen2-7B-Instruct】模型为例，指导如何将自定义大模型导入到 TI 平台，并使用平台内置推理镜像部署大模型对话推理服务。 前置要求 申请 CFS 本文所涉及到的操作需要通过 CFS 存储模型文件，详情请查看创建文件系统及挂载点。 操作…
阅读更多...
开源办公软件 ONLYOFFICE 深入探索

开源办公软件 ONLYOFFICE 深入探索

文章目录 引言1. ONLYOFFICE 创建的背景1. 1 ONLYOFFICE 项目启动1. 2 ONLYOFFICE 的发展历程 2. 核心功能介绍2. 1 桌面编辑器2. 1. 1 文档2. 1. 2 表格2. 1. 3 幻灯片 2. 2 协作空间2. 3 文档编辑器 - 本地部署版 3. 技术介绍4. 安装5. 优势与挑战6. 个人体验7. 强大但不止于…
阅读更多...
HTTP慢速攻击原理及解决办法

HTTP慢速攻击原理及解决办法

目录 引言 HTTP慢速攻击原理 解决办法 Nginx Tomcat 华宇TAS IIS 结论 引言 HTTP慢速攻击（Slow HTTP Attack）是一种拒绝服务攻击（DoS），攻击者通过故意缓慢地发送HTTP请求来耗尽服务器资源，导致合法…
阅读更多...
[mysql]修改表和课后练习

[mysql]修改表和课后练习

目录 DDL数据定义语言 添加一个字段 添加一个字段到最后一个 添加到表中的第一个一个字段 选择其中一个位置: 修改一个字段:数据类型,长度,默认值(略) 重命名一个字段 删除一个字段 重命名表 删除表 清空表 DCL中事务相关内容 DCL中COMMIT和ROLLBACK的讲解 对比TR…
阅读更多...
SpringBoot+ClickHouse集成

SpringBoot+ClickHouse集成

前面已经完成ClickHouse的搭建&#xff0c;创建账号&#xff0c;创建数据库&#xff0c;保存数据库等&#xff0c;接下来就是在SpringBoot项目中集成ClickHouse。 一&#xff0c;引入依赖 <!-- SpringBoot集成ClickHouse --> <dependency><groupId>com.baom…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023