Mysql学习历程(17)-事务

本文介绍MySQL中的事务管理,包括事务安全的意义、自动与手动事务的区别、事务的四大特性、锁机制等核心内容,并解释了如何使用回滚点以及系统变量。

事务:一系列要发生的连续操作 transaction

事务安全:一系列保护连续操作同时满足的一种机制   意义:保证数据操作的完整性;


事务操作分为两类:自动事务(默认的)和手动事务  只有innodb支持事务

手动事务操作流程:开启事务 告诉系统以下所有操作不要直接写入数据表,先放到事务日志,start transaction

进行事务操作,一系列操作;

关闭事务,选择性将日志文件中的操作的结果保存到数据表(同步)或者说直接清空事务日志,提交事务:同步数据表 操作成功  commit;  回滚事务:直接清空日志表 操作失败  rollback;


事务原理:事务开启之后,所有操作都会临时保存到事务日志,事务日只有在得到commit指令才会同步到数据表,其他任何情况都会清空(rollback,断电,断开连接);


回滚点:在某个成功的操作完成之后,后续的操作有可能成功也有可能失败,但是不管成功还是失败,前面操作都已经成功,可以在当前成功的点设置一个点,可以供后续失败操作返回该点,而不是返回所有操作,这个点称为回滚点;

设置回滚点:savepoint  回滚点名字;

回到回滚点:rollback  to 回滚点名字;

自动事务处理:mysql中默认都是自动事务处理,用户操作完后立即同步到数据表中;

自动事务:系统通过autocommit变量控制;

show variables like 'autocommit';

关闭自动事务 set autocommit=off/0;

自动关闭之后需要手动来选择处理;commit提交  rollback回滚

事务操作针对数据操作,表结构 数据库操作仍然会生效;


事务四大特性:原子性 事务的整个操作是一个整体 不可分割 要么全部成功 要么全部失败;

一致性  事务操作前后  数据表中数据没有变化

隔离性 事务操作是相互隔离 不影响的;

持久性  数据一旦提交 不可改变 永久改变数据表数据;

锁机制:innodb默认是行锁,但是如果在事务操作过程中没有使用到索引,系统会自动全表检索数据,自动升级为表锁;

行锁:只有当前行被锁住,别的用户不能操作该记录;

表锁:整张表被锁住,别的用户都不能操作;



SQL中变量分为两种:系统变量和自定义变量;

系统变量:系统定义好的变量,大部分时候用户不需要使用系统变量,系统变量是用来控制服务器表现的,如autocommit ,auto_increment;

查看系统变量 show variables;

查看具体变量值:查看任何一个数据返回的内容都是由select 查看

select  @@变量名;


修改系统变量的方式有两种:会话级别和全局级别;

会话级别:临时修改,当前客户端 当次连接有效; set  变量名=值; /set @@变量名=值;

全局级别:一次修改 永久生效 对所有客户端有效;

set global 变量名=值;

如果其他客户端当前已经连接上服务器,那么当次修改无效,要退出重新登陆才会生效;



自定义变量

用户变量必须使用@  set @变量名=值;

自定义变量查看select @变量名;

mysql中=会默认当作比较符号处理,mysql为了区别比较和赋值概念,重新定义了一个赋值符号 :=

set @age :=18;

mysql中允许从数据表中获取数据,然后赋值给变量,两种方式:

1.边赋值  边查看结果;

select @变量名 :=字段名 from 数据源;  -- 从字段中取值赋值给变量,如果使用=会变成比较;

2.只有赋值不看结果,数据记录最多只允许获取一条,Mysql不支持数组;

select 字段列表 from 表名  into 变量列表;


所有自定义变量都是会话级别,当次客户端当次连接有效,不区分数据库;




内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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