估算表的长度

--估算表的长度
--varchar(max),nvarchar(max),varbinary(max)未估算在内
declare
@TableName nvarchar(50);

SELECT @TableName='admin.Menu';

WITH Base AS
(
SELECT DATA_TYPE
--可变长度类型取最大值的一半,不包含bit类型
,CASE DATA_TYPE
WHEN 'bigint' THEN 8
WHEN 'smallint' THEN 2
WHEN 'int' THEN 4
WHEN 'tinyint' THEN 1
WHEN 'money' THEN 8
WHEN 'smallmoney' THEN 4
WHEN 'datetime' THEN 8
WHEN 'smalldatetime' THEN 4
WHEN 'numeric' THEN CASE WHEN NUMERIC_PRECISION BETWEEN 1 AND 9 THEN 5
WHEN NUMERIC_PRECISION BETWEEN 10 AND 19 THEN 9
WHEN NUMERIC_PRECISION BETWEEN 20 AND 28 THEN 13
WHEN NUMERIC_PRECISION BETWEEN 29 AND 38 THEN 17
ELSE 0
END
WHEN 'float' THEN CASE WHEN NUMERIC_PRECISION BETWEEN 1 AND 24 THEN 4
WHEN NUMERIC_PRECISION BETWEEN 25 AND 53 THEN 8
ELSE 0
END
WHEN 'real' THEN 4
WHEN 'char' THEN CHARACTER_MAXIMUM_LENGTH
WHEN 'varchar' THEN CASE WHEN CHARACTER_MAXIMUM_LENGTH=-1 THEN 0 ELSE CHARACTER_MAXIMUM_LENGTH/2 END
WHEN 'nchar' THEN CHARACTER_OCTET_LENGTH
WHEN 'nvarchar' THEN CASE WHEN CHARACTER_MAXIMUM_LENGTH=-1 THEN 0 ELSE CHARACTER_MAXIMUM_LENGTH END
WHEN 'binary' THEN CHARACTER_MAXIMUM_LENGTH
WHEN 'varbinary' THEN CASE WHEN CHARACTER_MAXIMUM_LENGTH=-1 THEN 0 ELSE CHARACTER_MAXIMUM_LENGTH/2 END
ELSE 0
END AS DATA_LENGTH
FROM INFORMATION_SCHEMA.COLUMNS
WHERE TABLE_SCHEMA+'.'+TABLE_NAME=@TableName
AND DATA_TYPE<>'bit'
UNION
--bit类型一个字节存储8位
SELECT DATA_TYPE,(COUNT(*)-1)/8+1
FROM INFORMATION_SCHEMA.COLUMNS
WHERE TABLE_SCHEMA+'.'+TABLE_NAME=@TableName
AND DATA_TYPE='bit'
GROUP BY DATA_TYPE
UNION
--可变长度类型每列需要两个字节开销,每行需要两个字节开销
SELECT '可变',COUNT(*)*2+2
FROM INFORMATION_SCHEMA.COLUMNS
WHERE TABLE_SCHEMA+'.'+TABLE_NAME=@TableName
AND DATA_TYPE IN ('varchar','nvarchar','varbinary')
)
SELECT SUM(DATA_LENGTH)+10 AS [每行估计字节数] --每行需要10个字节开销
,8096/(SUM(DATA_LENGTH)+10) AS [每页估计行数]
FROM Base

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
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