MySQL中文参考手册

普通网友 普通网友 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.9k累计阅读 2k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄22年
关注
原创 最新推荐文章于 2026-03-05 10:42:47 发布 1.9k 阅读 AI 写同款· GEO 优化 ›
MySQL 5.7 参考手册（官方中文版） | 2.2 安装和升级MySQL 文章目录安装和升级 MySQL一般安装指南使用通用二进制文件在 Unix/Linux 上安装 MySQL 安装和升级 MySQL 一般安装指南 使用通用二进制文件在 Unix/Linux 上安装 MySQL Oracle 提供了一组 MySQL 的二进制发行版。其中包括针对许多平台的压缩tar文件（扩展名为.tar.gz的文件）形式的通用二进制发行版，以及针对选定平台的特定于平台的包格式的二进制发行版。 本节介绍在Unix/Linux平台上，使用压缩的tar文件二进制发行版安装MySQL。关于侧重于 MyS 阅读详情

mysql-logo.gif (3082 bytes)MySQL中文参考手册

译者：晏子 (clyan@sohu.com）      主页：http://linuxdb.yeah.net

标签
#mysql #数据库 #服务器 #table #transactions
#优化
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
【《MySQL 8 参考手册》中文翻译】前言 本书前言 阅读详情

相关推荐

MySQL 中文参考手册 译者序 MySQL

本文介绍了 MySQL 数据库的基本概念、安装和配置过程，以及常见的数据库操作。本文将介绍 MySQL 数据库的基本概念、常见操作和使用示例。上述代码将创建一个名为 “customers” 的数据表，其中包含 id、name 和 email 列。这将更新 “customers” 数据表中 id 为 1 的记录的 email 列。数据表是 MySQL 中用于组织和存储数据的结构。要更新数据表中的记录，可以使用 UPDATE 语句。这将从 “customers” 数据表中删除 id 为 1 的记录。

MwgmPhilosophy的博客 286

MySQL8 中文参考（一）

原文：dev.mysql.com/doc/refman/8.0/en/preface.html这是 MySQL 数据库系统版本 8.0 的参考手册，直至 8.0.36 版本。MySQL 8.0 的次要版本之间的差异在本文中以发布编号（8.0.x）的形式进行标注。有关许可信息，请参阅法律声明。由于 MySQL 8.0 与旧版本之间存在许多功能和其他差异，本手册不适用于旧版本的 MySQL 软件。如果您使用的是 MySQL 软件的早期版本，请参考相应的手册。例如，MySQL 5.7 参考手册。

龙哥盟 3003

MySQL中文参考手册详尽指南

本文还有配套的精品资源，点击获取 简介：MySQL是一款广泛使用的开源关系型数据库系统，高效、可靠且易用。中文参考手册为MySQL用户提供全面指导，覆盖从基础操作到高级特性的管理与优化。通过详尽的讲解，帮助用户理解MySQL的基本概念、学习SQL语言，并掌握在实际项目中的有效运用。内容包括数据库和表的创建、修改和删除；SQL语言的核心操作，如数据查询、插入、更新和删除；事务...

weixin_30021053的博客 1491

MySQL中文参考手册5(安装MySQL下)

MySQL中文参考手册5(安装MySQL下)转载 译者：晏子〖返回〗〖转发〗译者：晏子 (clyan@sohu.com)主页：http://linuxdb.yeah.net4.12 Win32 注意事项这节描述在Win32上安装和使用MySQL，这也在MySQL Win32分发所带的“readme”文件中描述。 4.12.1 在Win32上安装MySQL如果你没有一个注册的My

hem的专栏 2818

MySQL官方用户手册中文版详细指南

MySQL是一个流行的开源关系型数据库管理系统（RDBMS），由瑞典MySQL AB公司开发，现属于甲骨文公司。它使用结构化查询语言（SQL）进行数据库管理，支持大型数据库，具有高性能、高可靠性和易用性等特点。MySQL广泛应用于互联网应用程序，尤其是作为网站后台数据库。它的灵活性和可扩展性使得它成为从小型个人项目到大型企业级应用的首选数据库解决方案。在数据库管理中，数据定义语言(DDL)是用于定义和管理数据库结构的主要SQL命令集。

weixin_31176789的博客 1723

MySQL中文参考手册CHM版

MySQL数据库， MySQL中文帮助手册合集， MySQL中文文档， DOS命令大全， HTML5中文帮助手册， CHM版本， 数据库优化总结，

MySQL中文参考手册2（MySQL 的一般信息）

MySQL中文参考手册2（MySQL 的一般信息）转载 翻译：晏子〖返回〗〖转发〗译者：晏子 (clyan@sohu.com)主页：http://linuxdb.yeah.net1 MySQL 的一般信息这是MySQL参考手册；它记载了MySQL版本3.23.7-alpha。MySQL 是一个快速、多线程、多用户和强壮的SQL数据库服务器。对Unix和 OS/2 平台，MySQ

hem的专栏 2300

Spring WebFlux响应式编程实战（三）：优雅处理异常与高效调试技巧

本文深入探讨了Spring WebFlux响应式编程中的异常处理与调试技巧。文章通过电商订单流处理场景，详细解析了Reactor核心操作符onErrorReturn、onErrorResume和onErrorMap的实战应用，并介绍了如何构建@ControllerAdvice和WebExceptionHandler全局异常处理防线。同时，提供了使用.log()操作符、Hooks.onOperatorDebug()及BlockHound进行高效调试的方法，旨在帮助开发者构建健壮、可维护的响应式应用。

weixin_29252171的博客 65

mysql中文参考手册

MySQL中文参考手册译者：晏子 (clyan@sohu.com） ???? 主页：http://linuxdb.yeah.net0? 译者序 1 MySQL的一般的信息 1.1 什么是MySQL？ 1.2 关于本手册 1.2.1 本手册中使用的约定 1.3 MySQL的历史 1.4 MySQL的主要特征 1.5 MySQL稳定性？ 1.

Eric.Jonah! 1517

Photoshop实战技巧（9）——高效去除复杂水印的五种进阶方法

本文详细介绍了Photoshop中高效去除复杂水印的五种进阶方法，包括色阶通道爆破法、频率分离高阶应用、智能填充+手动修复组合拳等专业技巧。针对半透明水印、密集文字水印等复杂场景，提供分步操作指南和实战案例，帮助用户精准去除水印同时保留原始图像细节，大幅提升工作效率。

cake8的博客 959

QT开发技术 [QXlsx 导出大量数据的崩溃大坑]

QXlsx 是一个基于 Qt 框架开发的开源库，用于读写 Excel 文件（.xlsx 格式），无需依赖 Microsoft Office 或第三方库。以下从多个方面为你详细介绍 QXlsx：主要特性读写功能：支持创建、读取和修改 Excel 文件，能处理单元格的数值、公式、格式等基本操作。样式设置：可以设置单元格的字体、颜色、对齐方式、边框等样式，还能创建自定义样式并应用到多个单元格。图表支持：支持创建多种类型的图表，如柱状图、折线图、饼图等，并能对图表的样式和属性进行配置。

weixin_45397344的博客 653

mysql参考手册官方版（中文）

mysql参考手册官方版（中文）http://www.linuxforum.net/books/mysqlmanual/manual_Privilege_system.html

安顿咖啡 andunkafei 9784

高项备考论文：规划绩效域

高项备考论文：规划绩效域

liuxu324的博客 1126

MySQL8中文参考手册下载仓库

MySQL8中文参考手册下载仓库 去发现同类优质开源项目:https://gitcode.com/ 欢迎来到MySQL8中文参考手册的下载仓库！这里提供了MySQL参考手册的中文版，文件基于MySQL 8.0.14版本编制。本手册详细介绍了MySQL数据库的相关功能和使用方法，是学习和使用MySQL的宝贵资料。 手册内容说明 本手册涵盖了以下内容： MySQL数据库的基本概念和操作 数据库管理、...

gitblog_06770的博客 318

想使用dify实现docx文档的自动生成？试了一圈，感觉还是根据python-docx更靠谱

在软件开发过程中，需求文档、设计文档等材料的编写是每个开发者都绕不开的工作。最近笔者接到一个需要批量生成标准化需求文档的任务，尝试了目前热门的低代码工具Dify后，发现对于稍微复杂格式的文档生成需求（例如文本居中这么简单的需求），最终还是回归到基于python-docx库的解决方案。本文将分享两种技术路线的对比实践。

xiezhipu的博客 2547

把云端打印带回办公室：通信场景 SAP_COM_0466 打通 SAP BTP ABAP environment 与本地打印机的 Pull Integration 实战

摘要： 本文探讨云端SAP系统如何通过SAP_COM_0466通信场景实现与本地打印机的安全连接。核心方案采用Pull Integration模式，由本地组件（如SAP Cloud Print Manager或第三方OMS）主动从云端打印队列拉取任务，避免网络边界冲突。配置流程涵盖通信安排创建、打印队列绑定及权限管理，并强调队列类型必须选择"Pull Integration Queue"的关键细节。方案通过分离云端生产与本地打印环节，既保障安全性又便于运维监控，适用于SAP BTP AB

2007 年 ~ 2025 年，深耕 SAP 技术 18 年 141

MySQL中文参考手册5(安装MySQL上)

MySQL中文参考手册5(安装MySQL上)转载 译者：晏子〖返回〗〖转发〗译者：晏子 (clyan@sohu.com)主页：http://linuxdb.yeah.net4 安装MySQL本章描述怎样获得并安装MySQL： 对于你能从其获得MySQL的站点列表，见4.1 怎样获得MySQL。 要了解支持哪些平台，见4.2 MySQL支持的操作系统。 可获得MySQL的多个版本

hem的专栏 3255

第二天 原来Labview语言结构也挺自然（2.1 顺序结构）

新建项目文件StructureTest.lvproj，新建四个子VI（FlatSequence.vi、CaseStructure.vi、LoopStructure.vi、EventStructure.vi），具体新建流程可以参考1.2节。

weixin_38637405的博客 1003

《MySQL中文参考手册》CHM格式

《MySQL中文参考手册》CHM格式         目前在网上的晏子翻译的>都是html形式的,使用起来很不方便.我做了一个电子书的版本,希望能给朋友带来一点帮助。 下载地址：http://www.softshome.com/uploads/info/books/Mysqlbook.rar

CoolDesigner的专栏 2071

无线充电Qi协议正向通信FSK的解调设计

常见的FSK解调方法是使用频率锁相环（PLL）来跟踪输入信号中的频率变化。PLL根据输入信号的频率变化来生成数字信号，从而实现FSK信号的解调。本文将详细介绍无线充电Qi协议正向通信FSK的解调设计，并提供相应的源代码。在上述示例代码中，我们首先定义了FSK解调的参数，包括采样率、载波频率、每个比特的持续时间和比特判定阈值。最后，通过比较滤波后的信号与比特判定阈值，我们将解调后的数字数据转换为0和1的序列。请注意，上述代码仅为示例，实际的解调设计可能需要根据具体的应用场景和系统要求进行调整和优化。

IunScala的博客 2442

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

MySQL-5.5中文参考手册

MySQL-5.5中文参考手册 去发现同类优质开源项目:https://gitcode.com/ 此仓库提供MySQL-5.5中文参考手册的PDF文件下载，该文件详细介绍了MySQL数据库的相关内容，适用于个人学习和交流。 文件描述 MySQL_5.5中文参考手册.pdf：这是一份详尽的MySQL数据库5.5版本的中文参考手册，包含了数据库的安装、配置、使用和管理等多方面内容。 亲身试用：该资源...

gitblog_06716的博客 426

NTscan扫描工具

ntscan是一个扫描器，可以扫描没有密码和弱密码的共享，先到配置文件中填写猜测的用户名和密码，扫描过程中右侧出现的是扫描日志。

掌握MYSQL 8.0的必备宝典：中文参考手册推荐

掌握MYSQL 8.0的必备宝典：中文参考手册推荐 【下载地址】MYSQL8.0中文参考手册 本仓库提供了一份详尽的 **MYSQL 8.0 中文参考手册**，旨在帮助开发者、数据库管理员以及对MYSQL感兴趣的用户更好地理解和使用MYSQL 8.0版本。该手册涵盖了MYSQL 8.0的各个方面，包括安装、配置、SQL语...

gitblog_09747的博客 399

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的，已经排好版了，而且还是完整的，适合小白

mysql最新版中文参考手册在线浏览

MySQL是最流行的开放源码SQL数据库管理系统，具有快速、可靠和易于使用的特点。同时MySQL也是一种关联数据库管理系统，具有很高的响应速度和灵活性。又因为mysql拥有良好的连通性、速度和安全性，这使的MySQL十分适合于访问Internet上的数据库。 现在MySQL的普及率已经非常高，几乎所有的中小型项目都在用，因此学好MySQL至关重要。我们在编程过程中经常...

ixiaoyang的专栏 4391

【亲测免费】 MySQL 8中文参考手册：DBA与开发者的必备宝典

MySQL 8中文参考手册：DBA与开发者的必备宝典 【下载地址】MySQL8中文参考手册-MySQLDBA必备 MySQL 8中文参考手册 - MySQL DBA必备欢迎使用MySQL 8中文参考手册！本手册专为MySQL数据库管理员(DBA)及所有使用MySQL 8.0.14及以上版本的开发者精心准备 ...

gitblog_09786的博客 762
上一篇： VC++实现对远程计算机屏幕的监视
下一篇： 当前FreeBSD的版本
点赞 1
评论 2
书签 书签 14
普通网友
普通网友
博客等级 码龄22年 1万+粉丝 3156原创
+ 关注
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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