mybatis入门案例

1.导包 mybatis.jar 数据库jar包
2.配置 mybatis核心配置文件
3.配置 mapper xml文件
parameterType:输入参数的类型
resultType:返回结果集的类型
resultMap:
两个拼接符的区别:
1.#{} 代表占位符 表示连接符2.{}表示连接符 2.2.{} 存在sql注入危险,铭感数据不可使 用,排序类似场景使用比较方便
3. 简单数值类型 #{}:任意,${} value
对象类型 #{} ${} 都是属性名
map:都是key
useGenerateKey=true;在插入和修改时返回主键,放在keyProperty="bid"中,主要针对主键自增的数据库。
对加载连接信息 可通过

<properties resources="test/jdbc.properties">
<properties>
对类的全名称过长,可通过

mapper接口(接口+映射文件) mybatis
1)mapper接口和mapper映射文件同包同名
2)mapper接口的命名空间和mapper接口的完全限定名称保持一致
3)mapper接口方法名和标签id保持一致
4)mapper接口方法的参数和标签的输入参数类型一致
5)mapper接口方法的返回值类型和标签的输出结果类型一致

输出结果:
resultType:结果集(sql语句执行后得到的结果)中的字段名称和对象属性名称一一对应,才能封装成功
resultMap:

其他字段封装到对象集合用<collecion>
封装到对象中用<assosiation>

DeptMapper.xml

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE mapper
  PUBLIC "-//mybatis.org//DTD Mapper 3.0//EN"
  "http://mybatis.org/dtd/mybatis-3-mapper.dtd">
  <mapper namespace="mapper.DeptMapper">
  <resultMap type="Dept" id="deptMap">    //Type对应要返回的对象类型,id与select语句的resultMap标签值对应
  <id column="deptno" property="deptno"/>          //主键属性
  <result column="dname" property="dname" />	      
  <result column="loc" property="loc" />
  <collection property="emp" ofType="Emp" column="deptno">     //返回对象集合的属性,如果是返回单个对象,则用标签<association property=""></association>
  <id column="empno" property="empno"/>
  <result column="ename" property="ename" />
    <result column="job" property="job" />
      <result column="mgr" property="mgr" />
        <result column="hiredate" property="hiredate" />
          <result column="sal" property="sal" />
            <result column="comm" property="comm" />
  </collection>
  </resultMap>
  <select id="SearchDeptAndEmp" resultMap="deptMap">
  select * from dept left join emp on dept.deptno=emp.deptno
  </select>
  </mapper>
【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)》的技术资源,聚焦于电力系统中低碳经济调度问题,结合N-1安全准则与分布鲁棒机会约束(DRCC)方法,提升调度模型在不确定性环境下的鲁棒性和可行性。该资源提供了完整的Matlab代码实现,涵盖建模、优化求解及仿真分析全过程,适用于复杂电力系统调度场景的科研复现与算法验证。文中还列举了大量相关领域的研究主题与代码资源,涉及智能优化算法、机器学习、电力系统管理、路径规划等多个方向,展示了广泛的科研应用支持能力。; 适合人群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研人员及从事能源调度、智能电网相关工作的工程师。; 使用场景及目标:①复现高水平期刊(如EI/SCI)关于低碳经济调度的研究成果;②深入理解N-1安全约束与分布鲁棒优化在电力调度中的建模方法;③开展含新能源接入的电力系统不确定性优化研究;④为科研项目、论文撰写或工程应用提供可运行的算法原型和技术支撑。; 阅读建议:建议读者结合文档提供的网盘资源,下载完整代码与案例数据,按照目录顺序逐步学习,并重点理解DRCC建模思想与Matlab/YALMIP/CPLEX等工具的集成使用方式,同时可参考文中列出的同类研究方向拓展研究思路。
内容概要:本文详细介绍了一个基于MATLAB实现的电力负荷预测项目,采用K近邻回归(KNN)算法进行建模。项目从背景意义出发,阐述了电力负荷预测在提升系统效率、优化能源配置、支撑智能电网和智慧城市建设等方面的重要作用。针对负荷预测中影响因素多样、时序性强、数据质量差等挑战,提出了包括特征工程、滑动窗口构造、数据清洗与标准化、K值与距离度量优化在内的系统性解决方案。模型架构涵盖数据采集、预处理、KNN回归原理、参数调优、性能评估及工程部署全流程,并支持多算法集成与可视化反馈。文中还提供了MATLAB环境下完整的代码实现流程,包括数据加载、归一化、样本划分、K值选择、模型训练预测、误差分析与结果可视化等关键步骤,增强了模型的可解释性与实用性。; 适合人群:具备一定MATLAB编程基础和机器学习基础知识,从事电力系统分析、能源管理、智能电网或相关领域研究的研发人员、工程师及高校师生;适合工作1-3年希望提升实际项目开发能力的技术人员; 使用场景及目标:①应用于短期电力负荷预测,辅助电网调度与发电计划制定;②作为教学案例帮助理解KNN回归在实际工程中的应用;③为新能源接入、需求响应、智慧能源系统提供数据支持;④搭建可解释性强、易于部署的轻量级预测模型原型; 阅读建议:建议结合MATLAB代码实践操作,重点关注特征构造、参数调优与结果可视化部分,深入理解KNN在时序数据中的适应性改进方法,并可进一步拓展至集成学习或多模型融合方向进行研究与优化。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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