电话：400-618-9090 Mybatis 框架课程第二天 第1章 回顾 1.1 自定义流程再分析 传智播客——专注于 Java、.Net 和 Php、网页平面设计工程师的培训 北京市昌平区建材城西路金燕龙办公楼一层 电话：400-618-9090 1.2 mybatis 环境搭建步骤 第一步：创建 maven 工程 第二步：导入坐标 第三步：编写必要代码（实体类和持久层接口） '%${value}%' 我们在上面将原来的#{}占位符，改成了${value}。注意如果用模糊查询的这种写法，那么${value}的写 法就是固定的，不能写成其它名字。 第二步：测试，如下： /** * 测试模糊查询操作 */ @Test public void testFindByName(){ //5.执行查询一个方法 Dao，通常有两个方法，即原始 Dao 开发方式和 Mapper 接口代理开发方式。而现在主流 的开发方式是接口代理开发方式，这种方式总体上更加简便。我们的课程讲解也主要以接口代理开发方式为主。在 第二章节已经给大家介绍了基于代理方式的 dao 开发，现在给大家介绍一下基于传统编写 Dao 实现类的开发方式。 5.1 Mybatis 实现 DAO 的传统开发方式 5.1.1 持久层 Dao

//获取预处理statement preparedStatement = connection.prepareStatement(sql); //设置参数，第一个参数为sql语句中参数的序号（从1开始），第二个 参数为设置的参数值 preparedStatement.setString(1, "王五"); //向数据库发出sql执行查询，查询出结果集 resultSet = preparedStatement 根据用户名称模糊查询用户信息列表 添加用户 更新用户 删除用户 1.6.2 第一步：创建 java 工程 使用 eclipse 创建 java 工程，jdk 使用 1.7.0_72。 1.6.3 第二步：加入 jar 包 加入 mybatis 核心包、依赖包、数据驱动包。 1.6.4 第三步：log4j.properties 在 classpath 下创建 log4j.properties Mapper(namespace)二级缓存 Mybatis 一级缓存的作用域是同一个 SqlSession，在同一个 sqlSession 中两次执行相同的 sql 语句，第一次执行完毕会将数据库中查询的数据写到缓存（内存），第二次会从缓存中获取 数据将不再从数据库查询，从而提高查询效率。当一个 sqlSession 结束后该 sqlSession 中的 一级缓存也就不存在了。Mybatis 默认开启一级缓存。 Mybatis

中查询数据并导入。 Example Example 1. 向 表中导入一行数据 其中第一条、第二条语句是一样的效果。在不指定目标列时，使用表中的列顺序来作为默认的目标列。 第三条、第四条语句表达的意思是一样的，使用 列的默认值，来完成数据导入。 2. 向 表中一次性导入多行数据 其中第一条、第二条语句效果一样，向 表中一次性导入两条数据 第三条、第四条语句效果已知，使用 列的默认值向 表中导入两条数据 BOS 导入数据，使用通配符匹配两批两批文件。分别导入到两个表中。 使用通配符匹配导入两批文件 和 。分别导入到 和 两张表中。其中 指定 导入到分区 中，并且将导入源文件中第二列和第三列的值 +1 后导入。 3. 从 HDFS 导入一批数据。 LOAD LOAD LABEL example_db LABEL example_db..label1 label1 (( 外部表需要在建表语句中填写外部数据源连接信息。 有两种方式提供连接信息。 一种是直接想连接信息描述在建表语句中。 一种是通过创建资源的形式统一管理连接信息，并在建表语句中引用该资源。 建议使用第二种方式，便于连接信息的管理。创建资源可参阅 资源管理 文档。 ON LOCATION ON LOCATION bos_repo bos_repo bos://my_bucket/doris_backup/

Aurora 导出全量数据至 Amazon S3 请参考 AWS 官方文档：将数据库快照数据导出到 Amazon S3 将 Aurora 数据的快照导出到 Amazon S3。 5.3.1.2 第二步：部署 TiDB Lightning 具体的部署方法见TiDB Lightning 部署。 5.3.1.3 第三步：配置 TiDB Lightning 的数据源 根据部署方式不同，按如下步骤编辑配置文件 write 阶段）的耗时。 • Commit_time：表示事务两阶段提交中第二阶段（commit 阶段）的耗时。 • Get_commit_ts_time：表示事务两阶段提交中第二阶段（commit 阶段）获取 commit 时间戳的耗时。 • Local_latch_wait_time：表示事务两阶段提交中第二阶段（commit 阶段）发起前在 TiDB 侧等锁的耗时。 • Write_keys：表示该事务向 分析这类慢查询的原因 第一步可以通过慢日志、statement-summary 方便地定位，推荐直接使用TiDB Dashboard，它整合了这两个功能， 且能方便直观地在浏览器中展示出来。本文聚焦第二步。 首先将慢查询归因成两大类： • 优化器问题：如选错索引，选错 Join 类型或顺序。 • 系统性问题：将非优化器问题都归结于此类。如：某个 TiKV 实例忙导致处理请求慢，Region 信息过期导

.......................................................................................... - 19 - 第二章：分布式数据库概念 ........................................................................................ Greenplum Database 管理员指南 V6.2.1 版权所有：Esena(陈淼 +86 18616691889) 编写：陈淼 - 21 - 第二章：分布式数据库概念 GP 是一个分布式数据库集群系统。这就意味着在物理上，数据是存储在多个数据 库上的(称为 Instance)。这些独立的数据库通过网络进行通信(称为内联网络)。分 布 下面是一个3级分区表的例子，这里sales表被按照年、月、区域进行三级分区。 第一个SUBPARTITION TEMPLATE子句确保每年的一个一级分区都有12个月的子分区 和1个默认分区，第二个SUBPARTITION TEMPLATE子句确保每个月的二级分区都有3 个LIST分区和1个默认分区： =# CREATE TABLE sales ( id int,

write 阶段）的耗时。 • Commit_time：表示事务两阶段提交中第二阶段（commit 阶段）的耗时。 • Get_commit_ts_time：表示事务两阶段提交中第二阶段（commit 阶段）获取 commit 时间戳的耗时。 • Local_latch_wait_time：表示事务两阶段提交中第二阶段（commit 阶段）发起前在 TiDB 侧等锁的耗时。 • Write_keys：表示该事务向 分析这类慢查询的原因 第一步可以通过慢日志、statement-summary 方便地定位，推荐直接使用TiDB Dashboard，它整合了这两个功能， 且能方便直观地在浏览器中展示出来。本文聚焦第二步。 首先将慢查询归因成两大类： • 优化器问题：如选错索引，选错 Join 类型或顺序。 • 系统性问题：将非优化器问题都归结于此类。如：某个 TiKV 实例忙导致处理请求慢，Region 信息过期导 SHARD_ROW_ID_BITS 特性。要了解关于 CLUSTERED 主键的详细信 息，请参考聚簇索引。 以下是两张无主键情况下使用 SHARD_ROW_ID_BITS 打散热点后的流量图，第一张展示了打散前的情况，第二 张展示了打散后的情况。 419 图 60: Dashboard 示例 5 420 图 61: Dashboard 示例 6 从流量图可见，设置 SHARD_ROW_ID_BITS 后，流量热点由之前的只在一个

Aurora 导出全量数据至 Amazon S3 请参考 AWS 官方文档：将数据库快照数据导出到 Amazon S3 将 Aurora 数据的快照导出到 Amazon S3。 5.3.1.2 第二步：部署 TiDB Lightning 具体的部署方法见TiDB Lightning 部署。 5.3.1.3 第三步：配置 TiDB Lightning 的数据源 根据部署方式不同，按如下步骤编辑配置文件 write 阶段）的耗时。 • Commit_time：表示事务两阶段提交中第二阶段（commit 阶段）的耗时。 • Get_commit_ts_time：表示事务两阶段提交中第二阶段（commit 阶段）获取 commit 时间戳的耗时。 • Local_latch_wait_time：表示事务两阶段提交中第二阶段（commit 阶段）发起前在 TiDB 侧等锁的耗时。 • Write_keys：表示该事务向 分析这类慢查询的原因 第一步可以通过慢日志、statement-summary 方便地定位，推荐直接使用TiDB Dashboard，它整合了这两个功能， 且能方便直观地在浏览器中展示出来。本文聚焦第二步。 首先将慢查询归因成两大类： • 优化器问题：如选错索引，选错 Join 类型或顺序。 • 系统性问题：将非优化器问题都归结于此类。如：某个 TiKV 实例忙导致处理请求慢，Region 信息过期导

Aurora 导出全量数据至 Amazon S3 请参考 AWS 官方文档：将数据库快照数据导出到 Amazon S3 将 Aurora 数据的快照导出到 Amazon S3。 5.3.1.2 第二步：部署 TiDB Lightning 具体的部署方法见TiDB Lightning 部署。 5.3.1.3 第三步：配置 TiDB Lightning 的数据源 根据部署方式不同，按如下步骤编辑配置文件 write 阶段）的耗时。 • Commit_time：表示事务两阶段提交中第二阶段（commit 阶段）的耗时。 • Get_commit_ts_time：表示事务两阶段提交中第二阶段（commit 阶段）获取 commit 时间戳的耗时。 • Local_latch_wait_time：表示事务两阶段提交中第二阶段（commit 阶段）发起前在 TiDB 侧等锁的耗时。 • Write_keys：表示该事务向 分析这类慢查询的原因 第一步可以通过慢日志、statement-summary 方便地定位，推荐直接使用TiDB Dashboard，它整合了这两个功能， 且能方便直观地在浏览器中展示出来。本文聚焦第二步。 首先将慢查询归因成两大类： • 优化器问题：如选错索引，选错 Join 类型或顺序。 • 系统性问题：将非优化器问题都归结于此类。如：某个 TiKV 实例忙导致处理请求慢，Region 信息过期导

useCursorFetch = true。 TiDB 同时支持以上两种方式，但更推荐使用第一种将 FetchSize 设置为 Integer.MIN_VALUE 的方式，比第二种 功能实现更简单且执行效率更高。 对于第二种方式，TiDB 会先将所有数据加载到 TiDB 节点上，然后根据 FetchSize 依次返回给客户端。因此，通 常会比第一种方式使用更多内存。如果将tidb_enable_tmp_storage_on_oom full group by 语法，所有在 select 子句中引用的字段，都在 group by 子句中有所声明，所以它的结果集是稳定的，可以看到 class 与 stuname 的全部组合共有三种；第二条与第 三条是同一个 SQL，但它在两次执行时得到了不同的结果，这条 SQL 的 group by 子句中仅声明了一个 class 字 段，因此结果集只会针对 class 进行聚集，class 的唯 20000200996,20000200... | +-------------------------------------------------------------------------+ 第二次查询： mysql> select GROUP_CONCAT( customer_id SEPARATOR ',' ) FROM customer where customer_id �→ like

useCursorFetch = true。 TiDB 同时支持以上两种方式，但更推荐使用第一种将 FetchSize 设置为 Integer.MIN_VALUE 的方式，比第二种 功能实现更简单且执行效率更高。 对于第二种方式，TiDB 会先将所有数据加载到 TiDB 节点上，然后根据 FetchSize 依次返回给客户端。因此，通 常会比第一种方式使用更多内存。如果将tidb_enable_tmp_storage_on_oom full group by 语法，所有在 select 子句中引用的字段，都在 group by 子句中有所声明，所以它的结果集是稳定的，可以看到 class 与 stuname 的全部组合共有三种；第二条与第 三条是同一个 SQL，但它在两次执行时得到了不同的结果，这条 SQL 的 group by 子句中仅声明了一个 class 字 段，因此结果集只会针对 class 进行聚集，class 的唯 20000200996,20000200... | +-------------------------------------------------------------------------+ 第二次查询： mysql> select GROUP_CONCAT( customer_id SEPARATOR ',' ) FROM customer where customer_id �→ like