sql server 使用笔记。

本文涵盖SQL的各种基本操作,包括连接查询、NULL处理、排序、数据聚合、表清空及计数,还介绍了高级技巧如多条件随机数生成、结果集判断、时间间隔计算、逗号分割列表生成及XML路径应用。

1、(内连接 左连接 右连接 交叉连接 全连接 联合查询)
    https://blog.youkuaiyun.com/mango_love/article/details/79651243
     (1)实例 : 联合查询
        SELECT ActiveDB.DBO.T_RankingsConfig.F_Type, ActiveDB.DBO.T_RankingsConfig.F_StartTime, DataWarehouse.DBO.T_TBGoodsLog.F_UserID
        FROM ActiveDB.DBO.T_RankingsConfig,DataWarehouse.DBO.T_TBGoodsLog
        WHERE ActiveDB.DBO.T_RankingsConfig.F_ID = DataWarehouse.DBO.T_TBGoodsLog.F_UserID

2、 NULL 函数
   ISNULL(列名称,0) 参数为空的时候 取0  
   http://www.w3school.com.cn/sql/sql_isnull.asp
3、ORDER BY 用于结果集排序
   ORDER BY 列名称 ASC
   DESC 升序  ASC 降序
  http://www.w3school.com.cn/sql/sql_orderby.asp
4、SELECT DISTINCT 列名称 FROM 表名称
   可以获得的一列中,不相同参数集合
5、truncate table <表名>
   清空表格   
6、 select count(*) from 表名  
7、SQL Server 将Id相同的字段合并,并且以逗号隔开
    select USERID,stuff((select ','+convert(varchar,ROLEID) from  RURDB.dbo.MIS_UserRole
                         where A.USERID=USERID for xml path('')),1,1,'') as orgCode
    from RURDB.dbo.MIS_UserRole AS A   
    group by A.USERID
8、 删除数据 DELETE FROM [RURDB].[dbo].[rbac_organization]  WHERE pk_id = 4
9、create table tab
(
    员工编号 int,
    员工姓名 nvarchar(10),
    员工工资 int,
    上司编号 int
)    
10、
   cast(ceiling(rand() * 100) as int)  随机数   0~100 每行相等  
   cast(ceiling(rand(checksum(newid()))*20000) as int)  随机数   0~20000 每行不相等  
   cast(ceiling(rand(checksum(newid()))*20000) as int) + 10000  随机数   10000~20000 每行不相等  
11、
    exists (sql 返回结果集为真)  
    not exists (sql 不返回结果集为真)
12、sql  计算时间间隔,多少分钟
    功能
    返回两个日期之间的间隔。

    语法
    DATEDIFF ( date-part, date-expression-1, date-expression-2 )

    date-part :
    year | quarter | month | week | day | hour | minute | second | millisecond
    DATEDIFF(MINUTE,startTime,endTime)
    DATEDIFF(DAY,startTime,endTime)  
    
13、mybatis  查询 for循环以逗号分割。
     userIds = 1,2,3,4,5,6,7,8,9,10,11
    <foreach collection="userIds" item="userId" separator="," open="(" close=")" >
          #{userId}
    </foreach>

内容概要:本文是一份针对2025年中国企业品牌传播环境撰写的《全网媒体发稿白皮书》,聚焦企业媒体发稿的策略制定、渠道选择与效果评估难题。通过分析当前企业面临的资源分散、内容同质、效果难量化等核心痛点,系统性地介绍了新闻媒体、央媒、地方官媒和自媒体四大渠道的特点与适用场景,并深度融合“传声港”AI驱动的新媒体平台能力,提出“策略+工具+落地”的一体化解决方案。白皮书详细阐述了传声港在资源整合、AI智能匹配、舆情监测、合规审核及全链路效果追踪方面的技术优势,构建了涵盖曝光、互动、转化与品牌影响力的多维评估体系,并通过快消、科技、零售等行业的实战案例验证其有效性。最后,提出了按企业发展阶段和营销节点定制的媒体组合策略,强调本土化传播与政府关系协同的重要性,助力企业实现品牌声量与实际转化的双重增长。; 适合人群:企业市场部负责人、品牌方管理者、公关传播从业者及从事数字营销的相关人员,尤其适用于初创期至成熟期不同发展阶段的企业决策者。; 使用场景及目标:①帮助企业科学制定媒体发稿策略,优化预算分配;②解决渠道对接繁琐、投放不精准、效果不可衡量等问题;③指导企业在重大营销节点(如春节、双11)开展高效传播;④提升品牌权威性、区域渗透力与危机应对能力; 阅读建议:建议结合自身企业所处阶段和发展目标,参考文中提供的“传声港服务组合”与“预算分配建议”进行策略匹配,同时重视AI工具在投放、监测与优化中的实际应用,定期复盘数据以实现持续迭代。
先展示下效果 https://pan.quark.cn/s/987bb7a43dd9 VeighNa - By Traders, For Traders, AI-Powered. Want to read this in english ? Go here VeighNa是一套基于Python的开源量化交易系统开发框架,在开源社区持续不断的贡献下一步步成长为多功能量化交易平台,自发布以来已经积累了众多来自金融机构或相关领域的用户,包括私募基金、证券公司、期货公司等。 在使用VeighNa进行二次开发(策略、模块等)的过程中有任何疑问,请查看VeighNa项目文档,如果无法解决请前往官方社区论坛的【提问求助】板块寻求帮助,也欢迎在【经验分享】板块分享你的使用心得! 想要获取更多关于VeighNa的资讯信息? 请扫描下方二维码添加小助手加入【VeighNa社区交流微信群】: AI-Powered VeighNa发布十周年之际正式推出4.0版本,重磅新增面向AI量化策略的vnpy.alpha模块,为专业量化交易员提供一站式多因子机器学习(ML)策略开发、投研和实盘交易解决方案: :bar_chart: dataset:因子特征工程 * 专为ML算法训练优化设计,支持高效批量特征计算与处理 * 内置丰富的因子特征表达式计算引擎,实现快速一键生成训练数据 * Alpha 158:源于微软Qlib项目的股票市场特征集合,涵盖K线形态、价格趋势、时序波动等多维度量化因子 :bulb: model:预测模型训练 * 提供标准化的ML模型开发模板,大幅简化模型构建与训练流程 * 统一API接口设计,支持无缝切换不同算法进行性能对比测试 * 集成多种主流机器学习算法: * Lass...
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