指定第一个和最后一个触发器

本文介绍如何使用存储过程sp_settriggerorder为SQL Server中的表指定AFTER触发器的执行顺序,确保触发器按预设顺序执行。此外还讨论了与复制、INSTEAD OF触发器及ALTER TRIGGER语句相关的注意事项。

原:http://msdn.microsoft.com/zh-cn/library/ms189568.aspx


可将与表关联的 AFTER 触发器之一指定为执行每个 INSERT、DELETE 和 UPDATE 触发操作时激发的第一个或最后一个 AFTER 触发器。 在第一个和最后一个触发器之间激发的 AFTER 触发器将按未定义的顺序执行。

若要指定 AFTER 触发器的顺序,请使用 sp_settriggerorder 存储过程。 sp_settriggerorder 有下列选项。

选项

说明

第一个

指定 DML 触发器是执行触发操作时激发的第一个 AFTER 触发器。

最后一个

指定 DML 触发器是执行触发操作时激发的最后一个 AFTER 触发器。

指定不按特定的顺序激发 DML 触发器。 主要用于将某个触发器重置为第一个或最后一个触发器。

以下示例说明如何使用 sp_settriggerorder

sp_settriggerorder @triggername = 'MyTrigger', @order = 'first', @stmttype = 'UPDATE'
重要说明 重要提示

第一个和最后一个触发器必须是两个不同的 DML 触发器。

可以同时为表定义 INSERT、UPDATE 和 DELETE 触发器。 每个语句类型都可以有其自己的第一个和最后一个触发器,但它们不能是相同的触发器。

如果为某个表定义的第一个或最后一个触发器不包括触发操作,如 FOR UPDATE、FOR DELETE 或 FOR INSERT,则缺少的操作将没有第一个或最后一个触发器。

不能将 INSTEAD OF 触发器指定为第一个或最后一个触发器。 在对基础表进行更新前激发 INSTEAD OF 触发器。 如果由 INSTEAD OF 触发器对基础表进行更新,这些更新将在激发为表定义的任何 AFTER 触发器之前发生。 例如,如果视图上的一个 INSTEAD OF INSERT 触发器将数据插入某个基表,而基表本身包含一个 INSTEAD OF INSERT 触发器和三个 AFTER INSERT 触发器,则会激发基表上的 INSTEAD OF INSERT 触发器而不发生插入操作,而基表上 AFTER 触发器将在执行所有插入操作后激发。 有关详细信息,请参阅 DML 触发器

如果 ALTER TRIGGER 语句更改了第一个或最后一个触发器,则会删除 First 或 Last 属性并将顺序值设置为 None 必须使用 sp_settriggerorder 来重置顺序。

OBJECTPROPERTY 函数使用属性 ExecIsFirstTrigger 和 ExecIsLastTrigger 来报告某个触发器是第一个还是最后一个触发器。

复制将为包含在立即更新订阅或排队更新订阅中的任意表自动生成第一个触发器。 复制要求其触发器为第一个触发器。 在尝试将带有第一个触发器的表包含在立即更新订阅或排队更新订阅中时,复制将引发错误。 如果在表已经包含在订阅中之后,尝试使某个触发器成为第一个触发器,sp_settriggerorder 将返回错误。 如果在复制触发器上使用 ALTER,或使用 sp_settriggerorder 将复制触发器更改为最后一个触发器或无触发器,订阅将无法正常工作。

【多变量输入超前多步预测】基于CNN-BiLSTM的光伏功率预测研究(Matlab代码实现)内容概要:本文介绍了基于CNN-BiLSTM模型的多变量输入超前多步光伏功率预测方法,并提供了Matlab代码实现。该研究结合卷积神经网络(CNN)强大的特征提取能力与双向长短期记忆网络(BiLSTM)对时间序列前后依赖关系的捕捉能力,构建了一个高效的深度学习预测模型。模型输入包含多个影响光伏发电的气象与环境变量,能够实现对未来多个时间步长的光伏功率进行精确预测,适用于复杂多变的实际应用场景。文中详细阐述了数据预处理、模型结构设计、训练流程及实验验证过程,展示了该方法相较于传统模型在预测精度稳定性方面的优势。; 适合人群:具备一定机器学习深度学习基础,熟悉Matlab编程,从事新能源预测、电力系统分析或相关领域研究的研发人员与高校研究生。; 使用场景及目标:①应用于光伏电站功率预测系统,提升电网调度的准确性与稳定性;②为可再生能源并网管理、能量存储规划及电力市场交易提供可靠的数据支持;③作为深度学习在时间序列多步预测中的典型案例,用于科研复现与教学参考。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注数据归一化、CNN特征提取层设计、BiLSTM时序建模及多步预测策略的实现细节,同时可尝试引入更多外部变量或优化网络结构以进一步提升预测性能。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值