课堂学习 Day01 |MyBatis框架-初探mybatis

本文介绍如何使用MyBatis框架进行数据库操作,包括创建数据库与表、配置MyBatis环境及执行基本的增删改查操作。通过示例代码演示了如何搭建MyBatis项目并实现用户数据的查询。

写在前面的话

1、参考自:https://blog.youkuaiyun.com/howard2005/article/details/114298636
2、内容如果有不对的,希望可以指出或补充。
3、课堂回顾

一、操作

MyBatis:是对JDBC(Java Database Connectivity,Java数据库连接)的封装,操作的是数据库连接,执行各种增删改查的语句。

转↓

  • MyBatis是一个优秀的基于Java的持久层框架,支持自定义SQL,存储过程和高级映射。
  • MyBatis对原有JDBC操作进行了封装,几乎消除了所有JDBC代码,使开发者只需关注SQL本身。
  • MyBatis可以使用简单的XML或Annotation来配置执行SQL,并自动完成ORM操作,将执行结果返回。

(一)创建数据库与表

打开Navicat→双击现有的mysql连接→右击选择创建一个名为test_mybatis的数据库(字符集为utf-8)→在该数据库中新建查询,利用SQL语句创建表和记录,如下。

(二)MyBatis基本使用

Maven Repository官网网址:http://mvnrepository.com(可由此查询到关于mybatis框架等的依赖的最新版本)

1、准备

打开IntelliJ IDEA→选择file里面的new后的project并找到对应的maven,点击next进行相应设置→在对应的pom文件里添加相应的依赖,并点击刷新符号进行刷新,如下。

2、具体实施

① 创建与用户表对应的用户实体类
:用user.java里的属性名与t_user的字段名相对应。

② 创建用户实体关系映射配置文件(UserMapper.xml)、MyBatis配置文件(mybatis-config.xml)、日志属性文件(log4j.properties):


在resources下创建log4j.properties,在其中编写如下内容。

log4j.rootLogger=WARN, stdout, logfile
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spring.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

3、测试

① 创建测试类

在test/java目录下创建com.ch.demo.bean包,在该包里创建TestUserOperation.java,其编写如下。

package com.ch.demo.bean;

import org.apache.ibatis.io.Resources;
import org.apache.ibatis.session.SqlSession;
import org.apache.ibatis.session.SqlSessionFactory;
import org.apache.ibatis.session.SqlSessionFactoryBuilder;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;

import java.io.IOException;
import java.io.Reader;
import java.util.List;

/**MyBatis框架======MyBatis初探
 * 2021-03-03*/
//测试user行为
public class TestUserOperation {
    private SqlSession sqlSession;//sql会话

    @Before
    public void init(){
        try{
            //读取mybatis配置文件mybatis-config.xml
            Reader reader = Resources.getResourceAsReader("mybatis-config.xml");
            //基于mybatis配置文件构建sql会话工厂
            SqlSessionFactory factory = new SqlSessionFactoryBuilder().build(reader);
            //利用sql会话工厂获取sql会话
            sqlSession = factory.openSession();

            //==提示
            System.out.println("sqlSession对象已创建");
        }catch (IOException e){
            e.printStackTrace();
        }
    }

    @Test
    public void testFindById(){
        int id = 1;//参数
        /**根据UserMapper.xml来*/
        User user = sqlSession.selectOne("com.ch.demo.mapper.UserMapper.findById",id);
        if (user != null){
            System.out.println(user);
        }else{
            System.out.println("编号为【"+id+"】的用户未找到或不存在");
        }
    }
    @Test
    public void testFindAll(){
        List<User> users = sqlSession.selectList("com.ch.demo.mapper.UserMapper.findAll");
        users.forEach(user -> System.out.println(user));
    }

    @After
    public void destroy(){
        //关闭sql会话
        sqlSession.close();

        //==提示
        System.out.println("sqlSession对象已关闭");
    }
}

② 运行结果展示

testFindById()方法:

参数(id)存在的情况下。

参数(id)不存在的情况下。

testFindAll()方法:

二、补充

百度网盘资源(千锋教育-mybatis.pdf)
链接: https://pan.baidu.com/s/1JhRzctDoW1YwmagIHpdw5Q
提取码: 3b8g

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
评论 9
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