转载http://www.iteye.com/problems/77177

探讨如何在Hibernate中使用sum()聚合函数查询,并将其结果映射到POJO类中。介绍了使用Criteria API和Projections进行聚合查询的方法,以及如何在实体类中添加临时变量以匹配查询结果。
0 0

使用hibernate的sum()查询时,新生成的sum()属性如何对应POJO类的属性?5

[size=medium]我用hibernate逆向工程生成了一个表stock对应POJO类。 
表的字段有name(vchar),value(number),id(vchar),主键为id 
对应POJO类的属性为name(String),value(double),id(String). 
现在我需要做查询 select id,sum(value) from stock group by id 
但是hibernate查询时一般都是from stock where ... 即查询的属性可以对应到POJO类的属性。但是sum(value)怎么对应到POJO类中? 
我以前的方法是如下: 
List<Stock> getStocks(String hql){ 
  HibernateTemplate ht=this.getHibernateTemplate(); 
  return ht.find(hql) 


但是现在hql中sum(value)属性没有POJO的属性与之对应,求教求教啊

问题补充:那hql语句从哪里传入呢?
kidding87 写道
使用Criteria 
网上找了个例子 
List cats=session.createCriteria(Cat.class) 
               .setProjection(Projections.projectionList() 
               .add(Projections.rowCount()) 
               .add(Projections.avg("weight")) 
               .add(Projections.max("weight")) 
               .add(Projections.min("weight")) 
               .add(Projections.groupProperty("color")) 
           ).addOrder(Order.asc("color")).list(); 


问题补充:
斐斐宝贝 写道
select new (a.id,a.value,a.name,a.sum) from 实体类  a group by a.id 
在实体类中加一个临时变量sum,get set 以后 
然后构造方法中加进去 
比如实体类为A 
public class A 

  private int id; 
   private String name; 
   private int value; 
   private int sum=0;//临时变量 
  public A(){} 
  public A(int id,int value,String name,int sum){} 
   this.id=id; 
   this.name=name; 
   this.value=value; 
   sum+=this.value; 

就是这么个形式,你再改改,也许就能用了。


这样或许可以,但是每次新增一个查询的属性都要在POJO类中添加对应的属性会不会很麻烦?有没有类似我直接写一个StockUtil的类,添加属性对应select后的属性,如id,sum(value)等,然后用hql查询返回一个StockUtil的List对象。

问题补充:那通过criteria方法可以返回一个List对象,假如我的数据库中ID字段是char(8)的话,在List对象中对应的id属性的值只能取到实际id的头一个字母。也就是把char(8)直接当成char型了。请问除了改数据库还有没别的办法?
kidding87 写道
hibernate有两种查询方式啊 
hql和criteria 
criteria是纯对象的查询
基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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