SpringBoot初学习——SpringBoot JPA

一.什么是SpringData JPA

要了解SpringData JPA。我们首先要了解什么叫SpringData。我们知道数据库类型有多种,有关系型数据库,非关系型数据库,云数据库等等。不同的数据库的访问形式条件不一,于是就有了SpringData的出现,其主要是统一了各类数据库的访问。那什么是JPA?可以理解为是一种JAVA的标准规范,这个规范为JAVA对象的持久化制定了一些标准的接口,而不同的数据库产家(hibernate,Toplink等)都很好地实现了JPA接口(所以调用JPA的时候,我们只调用对应的接口方法,具体的实现方法底层会自动实现。)

二.SpringData JPA的使用

1.首先我们需要有一个是实体类和数据库中的表对应
//使用JPA注解配置映射关系
@Entity //告诉JPA这是一个实体类(和数据表映射的类)
@Table(name = “tbl_user”) //@Table来指定和哪个数据表对应;如果省略默认表名就是user;
public class User {

@Id //这是一个主键
@GeneratedValue(strategy = GenerationType.IDENTITY)//自增主键
private Integer id;

@Column(name = "last_name",length = 50) //这是和数据表对应的一个列
private String lastName;
@Column //省略默认列名就是属性名
private String email;

2.我先来写一个Dao接口来实现SpringBoot JPA 接口,然后对数据进行操作
2.1:Repository:最顶层的接口,是一个空的接口,目的是为了统一所有Repository的类型,且能让组件扫描的时候自动识别。
2.2.:CrudRepository :是Repository的子接口,提供CRUD的功能
2.3:PagingAndSortingRepository:是CrudRepository的子接口,添加分页和排序的功能
2.4:JpaRepository:是PagingAndSortingRepository的子接口,增加了一些实用的功能,比如:批量操作等。
2.5:JpaSpecificationExecutor:用来做负责查询的接口
2.6:Specification:是Spring Data JPA提供的一个查询规范,要做复杂的查询,只需围绕这个规范来设置查询条件即可

这里我们使用的是JpaRepository

//继承JpaRepository来完成对数据库的操作
public interface UserRepository extends JpaRepository<User,Integer> {

}

调用的时候,我们先注入该repository, 然后我们就可以调用相关自动方法了。这里有一定的规范,要的可以参考相关文章
https://www.jianshu.com/p/c23c82a8fcfc

@RestController
public class UserController {
    @Autowired
    UserRepository userRepository;
    @GetMapping("/user/{id}")
    public User getUser(@PathVariable("id") Integer id){
        User user = userRepository.findOne(id);
        return user;
    }
    @GetMapping("/user")
    public User insertUser(User user){
        User save = userRepository.save(user);
        return save;
    }
}

3.通过配置文件配置相关参数

spring:  
 jpa:
    hibernate:
#     更新或者创建数据表结构
      ddl-auto: update
#    控制台显示SQL
    show-sql: true

4.别忘记相对应的pom

<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-starter-data-jpa</artifactId>
		</dependency>
内容概要:《2024年中国城市低空经济发展指数报告》由36氪研究院发布,指出低空经济作为新质生产力的代表,已成为中国经济新的增长点。报告从发展环境、资金投入、创新能力、基础支撑发展成效五个维度构建了综合指数评价体系,评估了全国重点城市的低空经济发展状况。北京深圳在总指数中名列前茅,分别以91.2684.53的得分领,展现出强大的资金投入、创新能力基础支撑。低空经济主要涉及无人机、eVTOL(电动垂直起降飞行器)直升机等产品,广泛应用于农业、物流、交通、应急救援等领域。政策支持、市场需求技术进步共同推动了低空经济的快速发展,预计到2026年市场规模将突破万亿元。 适用人群:对低空经济发展感兴趣的政策制定者、投资者、企业研究人员。 使用场景及目标:①了解低空经济的定义、分类发展驱动力;②掌握低空经济的主要应用场景市场规模预测;③评估各城市在低空经济发展中的表现潜力;④为政策制定、投资决策企业发展提供参考依据。 其他说明:报告强调了政策监管、产业生态建设区域融合错位的重要性,提出了加强法律法规建设、人才储备基础设施建设等建议。低空经济正加速向网络化、智能化、规模化集聚化方向发展,各地应找准自身比较优势,实现差异化发展。
数据集一个高质量的医图像数据集,专门用于脑肿瘤的检测分类研究以下是关于这个数据集的详细介绍:该数据集包含5249张脑部MRI图像,分为训练集验证集。每张图像都标注了边界框(Bounding Boxes),并按照脑肿瘤的类型分为四个类别:胶质瘤(Glioma)、脑膜瘤(Meningioma)、无肿瘤(No Tumor)垂体瘤(Pituitary)。这些图像涵盖了不同的MRI扫描角度,包括矢状面、轴面冠状面,能够全面覆盖脑部解剖结构,为模型训练提供了丰富多样的数据基础。高质量标注:边界框是通过LabelImg工具手动标注的,标注过程严谨,确保了标注的准确性可靠性。多角度覆盖:图像从不同的MRI扫描角度拍摄,包括矢状面、轴面冠状面,能够全面覆盖脑部解剖结构。数据清洗与筛选:数据集在创建过程中经过了彻底的清洗,去除了噪声、错误标注质量不佳的图像,保证了数据的高质量。该数据集非常适合用于训练验证深度学习模型,以实现脑肿瘤的检测分类。它为开发医图像处理中的计算机视觉应用提供了坚实的基础,能够帮助研究人员开发人员构建更准确、更可靠的脑肿瘤诊断系统。这个数据集为脑肿瘤检测分类的研究提供了宝贵的资源,能够帮助研究人员开发出更准确、更高效的诊断工具,从而为脑肿瘤患者的早期诊断治疗规划提供支持。
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