mysql的常用函数及样例

在mysql中有些注意的小tip对我们很有帮助,我们求余数的时候,可以用a%b,但是如果有一天我们看到了mod函数,不要惊讶,mod(a,b)也是求余数,和%一样。
mod的语法格式:
mod(n,m)
n mod m
n % m

以'M'开头的表示我们可以用like关键字,也可以用rlike关键字,具体示例如下:
通配符
用like引导,这里是'M%'
正则表达式
用rlike引导,这里是'^M'

当我们需要用聚合函数的时候,我们的条件字句用where也不行,因为where关键字无法与聚合函数一起使用,这个时候需要用到having关键字,当我们想判空的时候,不要用字段名=null,而要用is null。

如果我们需要排序的话,可以考虑rank() over, dense_rank() over,row_number() over三个函数,简单的介绍下他们的区别:

rank() over与dense_rank() over的作用都是查出指定条件后的进行排名,条件相同排名相同,排名间断不连续。区别在于rank() over是结果相同的并列排名,下一位留空,也就是说结果展示为:1 1 3 4 5 5 7,但是dense_rank() over 排名是密集连续的,结果相同的两名是并列,下一位同学接着下一名次,也就是说结果会出现这样的情景:1 1 2 3 4 5 5 6,row_number() over和前两个不同的地方在于,row_number() over查出指定条件后的进行排名,条件相同排名也不相同,排名间断不连续。也就是说这个函数不考虑是否并列,即使根据条件查询出来的数值相同也会连续排序,最后的查询结果是:1 2 3 4 5 6 7这种展示模式。

下面给大家分享一个小例题解析及结果:

编写一个 SQL 查询来查找每个日期、销售的不同产品的数量及其名称。
每个日期的销售产品名称应按词典序排列。
返回按 sell_date 排序的结果表。

我们可以考虑用group_concat函数进行群组拼接,把每一天的产品名称拼接在一起,排序的话可以考虑使用order by ,desc降序排列,asc升序排列,查找数量的话可以考虑用count进行计数,需要去掉重复元素的话,用distinct关键字,每个日期进行分组的话,使用group by函数,最后我们的sql可以写成这样:

输出结果如下:

### 部署 Stable Diffusion 的准备工作 为了成功部署 Stable Diffusion,在本地环境中需完成几个关键准备事项。确保安装了 Python 和 Git 工具,因为这些对于获取源码和管理依赖项至关重要。 #### 安装必要的软件包和支持库 建议创建一个新的虚拟环境来隔离项目的依赖关系。这可以通过 Anaconda 或者 venv 实现: ```bash conda create -n sd python=3.9 conda activate sd ``` 或者使用 `venv`: ```bash python -m venv sd-env source sd-env/bin/activate # Unix or macOS sd-env\Scripts\activate # Windows ``` ### 下载预训练模型 Stable Diffusion 要求有预先训练好的模型权重文件以便能够正常工作。可以从官方资源或者其他可信赖的地方获得这些权重文件[^2]。 ### 获取并配置项目代码 接着要做的就是把最新的 Stable Diffusion WebUI 版本拉取下来。在命令行工具里执行如下指令可以实现这一点;这里假设目标路径为桌面下的特定位置[^3]: ```bash git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git ~/Desktop/stable-diffusion-webui cd ~/Desktop/stable-diffusion-webui ``` ### 设置 GPU 支持 (如果适用) 当打算利用 NVIDIA 显卡加速推理速度时,则需要确认 PyTorch 及 CUDA 是否已经正确设置好。下面这段简单的测试脚本可以帮助验证这一情况[^4]: ```python import torch print(f"Torch version: {torch.__version__}") if torch.cuda.is_available(): print("CUDA is available!") else: print("No CUDA detected.") ``` 一旦上述步骤都顺利完成之后,就可以按照具体文档中的指导进一步操作,比如调整参数、启动服务端口等等。整个过程中遇到任何疑问都可以查阅相关资料或社区支持寻求帮助。
评论 1
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