终于按时完成第二篇。本来准备着手讲一些实践，但是数据库部分没有讲到，部分实践会存在一些问题，于是就有了此篇以及后续——数据库容器化。本篇将从SQL Server容器化实践开始，并逐步讲解其他数据库的容器化实践，中间再穿插一些知识点和实践细节。
终于按时完成第二篇。本来准备着手讲一些实践，但是数据库部分没有讲到，部分实践会存在一些问题，于是就有了此篇以及后续——数据库容器化。本篇将从SQL Server容器化实践开始，并逐步讲解其他数据库的容器化实践，中间再穿插一些知识点和实践细节。在编写的过程中，我一直处于一种矛盾的心理，是一笔带过呢？还是尽可能的将实践细节全部讲到位呢？最后，我选择了后者，虽然要花费更多的精力，但是既然开始了本次教程，就尽量写到位吧。
Scripting是ES提供的一种支持自定义编程的用于复杂查询的脚本语言.主要用于复杂的计算,其类型主要有Painless、expressions等等,下面开始分析,运行数据在ES 聚合查询中,自行查找.
从 -2^63 (-9223372036854775808) 到 2^63-1(9223372036854775807) 的整型数据
墨墨导读：在 Oracle 20c 中，SQL的宏支持 - SQL Macro 为 SQL 开发带来了进一步的敏捷和便利，在这篇文章中，我们来详细了解一下 SQL Macro 的特性用法。
为什么要使用参数化查询呢？参数化查询写起来看起来都麻烦，还不如用拼接sql语句来的方便快捷。当然，拼接sql语句执行查询虽然看起来方便简洁，其实不然。远没有参数化查询来的安全和快捷。
一.本文所涉及的内容（Contents） 本文所涉及的内容（Contents） 背景（Contexts） 实现代码（SQL Codes） 方法一：使用拼接SQL，静态列字段； 方法二：使用拼接SQL，动态列字段； 方法三：使用PIVOT关系运算符，静态列字段； 方法四：使用PIVOT关系运算符，动态列字段； 扩展阅读一：参数化表名、分组列、行转列字段、字段值； 扩展阅读二：在前面的基础上加入条件过滤； 参考文献（References） 二.背景（Contexts） 其实行转列并不是一个什么新鲜的话题
关系型数据库严重依赖底层的硬件资源，CPU是服务器的大脑，当CPU开销很高时，内存和硬盘系统都会产生不必需要的压力。CPU的性能问题，直观来看，就是任务管理器中看到的CPU利用率始终处于100%，而侦测CPU压力的工具，最精确的就是性能监控器。
目前，深度神经网络在计算机视觉、机器学习和人工智能等领域取得了巨大的实际成功。然而，从理论上对深度神经网络的理解相对于其在经验上的成功来说是较为缺乏的。在理论上，理解深度神经网络的一个主要难点是用于训练网络的目标函数的非凸性以及高维度。由于非凸性和高维度，能否保证深度神经网络在训练过后具有理想的性质，而不是陷入一个随机的糟糕的局部极小值点附近，往往还不清楚。实际上，寻找一个通用的非凸函数（Murty & Kabadi, 1987）以及用于训练特定种类神经网络的非凸目标函数（Blum & Rivest, 1992）的全局极小值是 NP-Hard 的问题，这引起了研究人员对高维问题的关注（Kawaguchi et al., 2015）。在过去，这类理论问题被认为是人们偏向于选择只需要进行凸优化的经典机器学习模型（无论带不带有核方法）的原因之一。尽管深度神经网络近来取得了一系列的成功，但始终绕不开一个问题：能否在理论上保证深度神经网络避开糟糕的局部极小值点？
摘要 在上一篇文章《你必须知道的ADO.NET（一） 初识ADO.NET》中，我们知道ADO.NET的两大核心组件分别是Data Provider和DataSet。如果说DataSet是ADO.NET的心脏，那么Data Provider绝对是ADO.NET的左臂右膀。Data Provider提供了访问外部数据数据源的可能性，而且外部的数据源是多样的。本文将详细说明.NET数据提供程序的作用以及如何访问不同的数据源。 ---- 目录 什么是.NET数据提供程序？ .NET数据提供程序的核心对象
为什么翻译这篇文章，因为本人对于这两种数据库是在熟悉不过了，一个是有10多年的经验，一个也有5-6年的经验，而且这两种数据库在很多部分很相似，所以翻译了此篇。另外前两天有一个同学告知，他们单位SQL SERVER 被替换成 MYSQL ，OMG 这篇文字更的写，明明有 SQL SERVER 表兄弟 POSTGRESQL ，非要找 SQL SERVER 他二舅大伯三姨的儿媳妇 MYSQL 做替换的数据库，做这样决定的人，应该被开除。
一个简单理解参数化查询的方式是把它看做只是一个T-SQL查询，它接受控制这个查询返回什么的参数。通过使用不同的参数，一个参数化查询返回不同的结果。要获得一个参数化查询，你需要以一种特定的方式来编写你的代码，或它需要满足一组特定的标准。 有两种不同的方式来创建参数化查询。第一个方式是让查询优化器自动地参数化你的查询。另一个方式是通过以一个特定方式来编写你的T-SQL代码，并将它传递给sp_executesql系统存储过程，从而编程一个参数化查询。 这样的解释还是有点模糊，先看一例：
SQL注入是影响企业运营且破坏性最强的漏洞之一，它曾经几次在TOP10登顶，它会泄漏保存在应用程序数据库中的敏感信息，例如：用户名，口令，姓名，地址，电话号码以及所有有价值的信息。 如何定义SQL注入:应用程序在向后台数据库传递SQL(Structured Query Language,结构化查询语言)查询时，如果为攻击者提供了影响该查询的能力，则会引发SQL注入。攻击者通过影响传递给数据库的内容来修改SQL自身的语法和功能，并且会影响SQL所支持数据库和操作系统的功能灵活性。SQL注入不只是一种会影响Web应用的漏洞；对于任何从不可信源获取输入的代码来说，如果使用了该输入来构造SQL语句，那么就很可能受到攻击。
什么是参数化查询？我们来看百科对此的定义和示例： 一，定义 ------------------------------------------------------------------ 参数化查询（Parameterized Query 或 Parameterized Statement）是指在设计与数据库链接并访问数据时，在需要填入数值或数据的地方，使用参数 (Parameter) 来给值，这个方法目前已被视为最有效可预防SQL注入攻击 (SQL Injection) 的攻击手法的防御方式。
第七章第 1 节： ADO.Net简介 MYSQL的.Net驱动mysql-connector-net-***.msi下载地址：
使用 CSV 数据文件的方式，可以将请求中的参数值替换为文件中的值。具体步骤如下：
之前在学习JDBC使用的过程中，主要使用了实现类是StatementImpl单独执行的一些SQL语句，一直也是相安无事。在最近复习JDBC的过程中，发现了一些新知识，发现了新大陆 PreparedStatement 。
**原理：**将不受信任的数据作为命令或查询的一部分发送到解析器，会产生诸如sql注入、nosql注入、os注入和LADP注入的注入缺陷。攻击者的恶意数据可以诱使解析器在没有适当授权的情况下执行非预期的命令或的访问数据。
毕业开始从事winfrm到今年转到 web ，在码农届已经足足混了快接近3年了，但是对安全方面的知识依旧薄弱，事实上是没机会接触相关开发……必须的各种借口。这几天把sql注入的相关知识整理了下，希望大家多多提意见。 （对于sql注入的攻防，我只用过简单拼接字符串的注入及参数化查询，可以说没什么好经验，为避免后知后觉的犯下大错，专门查看大量前辈们的心得，这方面的资料颇多，将其精简出自己觉得重要的，就成了该文） 下面的程序方案是采用 ASP.NET + MSSQL，其他技术在设置上会有少许不同。 示例程序下载：
对比传统关系型数据库，NoSQL有着更为复杂的分类——键值、面向文档、列存储以及图数据库。这里就带你一览NoSQL各种类型的适用场景及一些知名公司的方案选择。
在当今数字时代，数据是任何应用程序的核心。Python提供了丰富的数据库编程工具和库，使得与各种数据库进行交互变得更加容易。本文将深入探讨Python数据库编程的各个方面，从基础概念到高级技术，为读者提供全方位的指南。
PutDatabaseRecord处理器使用指定的RecordReader从传入的流文件中读取（可能是多个，说数组也成）记录。这些记录将转换为SQL语句，并作为一个批次执行。如果发生任何错误，则将流文件路由到failure或retry，如果执行成功，则将传入的流文件路由到success。处理器执行的SQL语句类型通过Statement Type属性指定，该属性接受一些硬编码的值，例如INSERT，UPDATE和DELETE，使用“Use statement.type Attribute”可以使处理器获取流文件属性中的语句类型。
【新智元导读】VAE（变分自编码器） 和 ADAM 优化算法是深度学习使用率极高的方法。二者的发明者之一、OpenAI 的研究科学家 Durk Kingma 日前公布了自己的博士论文《变分推理和深度学习：一种新的综合方法》，新智元第一时间为您介绍。 论文下载：https://pan.baidu.com/s/1eSPDGv4 变分推理和深度学习：一种新的综合方法 近年，随着有监督学习的低枝果实被采摘的所剩无几，无监督学习成为了研究热点。VAE（Variational Auto-Encoder，变分自编码器）和
本文将从sql注入风险说起，并且比较addslashes、mysql_escape_string、mysql_real_escape_string、mysqli和pdo的预处理的区别。
在Python中，我们经常需要与各种数据库进行交互，其中MySQL和SQL Server是两个常见的选择。本文将介绍如何使用pymysql和pymssql库进行基本的数据库操作，并通过实际代码示例来展示这些操作。
前面一篇我介绍了执行计划缓存以及执行之前批处理经过的流程。这篇将用几个最普通的例子介绍查询的几种执行方式。
NewLife.XCode是一个有10多年历史的开源数据中间件，由新生命团队(2002~2019)开发完成并维护至今，以下简称XCode。
所谓SQL注入，就是通过把SQL命令插入到Web表单提交或输入域名或页面请求的查询字符串，最终达到欺骗服务器执行恶意的SQL命令。具体来说，它是利用现有应用程序，将（恶意的）SQL命令注入到后台数据库引擎执行的能力，它可以通过在Web表单中输入（恶意）SQL语句得到一个存在安全漏洞的网站上的数据库，而不是按照设计者意图去执行SQL语句。
前面一篇我介绍了执行计划缓存以及执行之前批处理经过的流程。这篇将用几个最普通的例子介绍查询的几种执行方式。 请看下面这个我使用的这个查询: SELECT Id , Name , LastPurchaseDate FROM Marketing.Customers WHERE Country = N'IL'; 这是一个简单的检索指定国家的顾客的查询。现在我们来测试前面这个查询，并且展示七个不同的查询方式。同时介绍执行方法对计划缓存和计划重用的影响。 为了检测影响，我们使用下面的视图
PreparedStatement是java.sql包下面的一个接口，用来执行SQL语句查询，通过调用connection.preparedStatement(sql)方法可以获得PreparedStatment对象。数据库系统会对sql语句进行预编译处理（如果JDBC驱动支持的话），预处理语句将被预先编译好，这条预编译的sql查询语句能在将来的查询中重用，这样一来，它比Statement对象生成的查询速度更快。下面是一个例子：
通过不可信来源的输入构建动态 SQL 指令，攻击者就能够修改指令的含义或者执行任意 SQL 命令。
本章节会介绍在优化器产生的查询执行计划和预期不符时，如何通过 TiDB 提供的调优手段来调整及稳定查询计划。本篇文章为查询执行计划的调整及优化原理解析，主要会介绍如何通过使用 HINT 来调整查询的执行计划，以及如何利用 TiDB SPM 来绑定查询语句的查询执行计划；最后将介绍一些规划中的功能。
前言 这篇博客不是我写的，是由刘志军大大翻译的，真心觉得很棒，而且是必学要掌握的东西，所以就转载过来了，我个人的第一篇转载文章。 开始 PreparedStatement是用来执行SQL查询语句的API之一，Java提供了 Statement、PreparedStatement 和 CallableStatement三种方式来执行查询语句，其中 Statement 用于通用查询， PreparedStatement 用于执行参数化查询，而 CallableStatement则是用于存储过程。同时Prepar
PreparedStatement是用来执行SQL查询语句的API之一，Java提供了 Statement、PreparedStatement 和 CallableStatement三种方式来执行查询语句，其中 Statement 用于通用查询， PreparedStatement 用于执行参数化查询，而 CallableStatement则是用于存储过程。同时PreparedStatement还经常会在Java面试被提及，譬如：Statement与PreparedStatement的区别以及如何避免SQL注入式攻击？这篇教程中我们会讨论为什么要用PreparedStatement？使用PreparedStatement有什么样的优势？PreparedStatement又是如何避免SQL注入攻击的？
PreparedStatement是用来执行SQL查询语句的API之一，Java提供了 Statement、PreparedStatement 和 CallableStatement三种方式来执行查询语句，其中 Statement 用于通用查询， PreparedStatement 用于执行参数化查询，而 CallableStatement则是用于存储过程。同时PreparedStatement还经常会在Java面试被提及，譬如：Statement与PreparedStatement的区别以及如何避免SQL
SQL(Structured Query Language) ，结构化查询语言，是用于访问和处理数据库的标准的计算机语言，简单易学还好用。
JPA支持两种表达查询的方法来检索实体和来自数据库的其他持久化数据：查询语句（Java Persistence Query Language，JPQL）和条件API（criteria API）。JPQL是独立于数据库的查询语句，其用于操作逻辑上的实体模型而非物理的数据模型。条件API是根据实体模型构建查询条件 1.Java持久化查询语句入门 1.这个查询语句类似于SQL。但它与真正的SQL的区别是，它不是从一个表中进行选择查询，而是指定来自应用程序域模型的实体。 2.查询select子句也只是列出了查询
作为长期占据 OWASP Top 10 首位的注入，OWASP 对于注入的解释如下：
在进行性能测试时，模拟真实用户行为是至关重要的。JMeter是一款功能强大的开源性能测试工具，通过使用CSV文件读取参数化功能，我们可以轻松地为测试添加多样性和复杂性。本文将详细介绍如何使用JMeter的CSV文件读取参数化功能。
本文以及接下来的几篇 MySQL 笔记是本人在「极客时间」的专栏『MySQL实战45讲』和掘金小册「MySQL 是怎样运行的：从根儿上理解 MySQL」的学习笔记整理，并参考了一些其他材料加上个人的总结和思考。顺便推荐下这两个专栏。
MySQL 的慢查询日志，用来记录在 MySQL 中响应时间超过阀值的语句，具体指运行时间超过 long_query_time 值的SQL，则会被记录到慢查询日志中。long_query_time 的默认值为10，意思是运行10秒以上(不含10秒)的语句，认为是超出了我们的最大忍耐时间值。
It's up to you how far you go. If you don't try, you'll never know!
概念简介 我们平时所说的查询在SQLServer 中主要有两部分来实现： 编译查询，主要包括了五个环节（缓存查找、分析、代数化、优化、缓存新计划） 流程描述： 首先，在计划缓存中查找是
The sp_executesql is a built-in stored procedure in SQL Server that enables to execute of the dynamically constructed SQL statements or batches. Executing the dynamically constructed SQL batches is a technique used to overcome different issues in SQL programming sometimes. For example, when we want to determine the displayed columns in our reports, this procedure might be a solution option for us. In the simplest sense, this procedure takes a dynamically constructed SQL batch and other parameters, then execute it in the runtime and, finally, it returns the result.
By Gregory Larsen, 2016/07/29 (首次发表于: 2014/07/23) 关于系列 本文属于进阶系列：Stairway to T-SQL: Beyond The Basics 跟随Gregory Larsen的T-SQL DML进阶系列，其涵盖了更多的高级方面的T-SQL语言，如子查询。 ---- 有时您需要编写创建特定TSQL代码的TSQL代码并执行它。 执行此操作时，您将创建动态TSQL代码。 用于创建动态TSQL的代码可能很简单，或者可能很复杂。 编写动态TSQL时，您需要了
提示：存在中文的时候，连接需要添加charset='utf8'，否则中文显示乱码。
NoSQL是指非关系型的数据库，NoSQL（Not Only SQL），意即“不仅仅是SQL”，是一项全新的数据库革命性运动，随着互联网web2.0网站的兴起，传统的关系数据库在应付web2.0网站，特别是超大规模和高并发的SNS（Social Networking Services，即社会性网络服务）类型的web2.0纯动态网站已经显得力不从心，暴露了很多难以克服的问题，而非关系型的数据库则由于其本身的特点得到了非常迅速的发展。
本文节选自我正在撰写的一本新的PowerBI书籍，书名还没有想好，目录也没有，内容目前也很少。本不打算发出来，但最近遇到了很多小伙伴的一些共性问题，如今天所要讲的路径参数化。路径参数化有很多用途，一个简单的作用是更换数据源时方便快捷，但是由于最近很多小伙伴将PowerBI账号升级为PowerBI+office365，将数据源从本地Excel文件切换到onedrive for business，不知道该怎么方便地在两种“介质”中转换，所以这篇文章提前放出来以飨诸位。
领取专属 10元无门槛券
手把手带您无忧上云
