IBatis.Net学习笔记六--再谈查询

在ibatis.net学习笔记五--常用的查询方式 中我提到了一些ibatis.net中的查询,特别是配置文件的写法。

后来通过大家的讨论,特别是anders cui 的提醒,又发现了其他的多表查询的方式。
在上一篇文章中我提到了三种方式,都是各有利弊:
第一种方式当数据关联很多的情况下,实体类会很复杂;
第二种方式比较灵活,但是不太符合oo的思想(不过,可以适当使用);
第三种方式最主要的问题就是性能不太理想,配置比较麻烦。

下面是第四种多表查询的方式,相对第二种多了一点配置,但是其他方面都很好
(当然可能还有其他更好地解决方法,希望能多提宝贵意见-_-)
例子还是一样:两张表account和degree,使用account_id关联,需要查出两张表的所有纪录

首先:修改实体类,增加以下属性:
        private degree _degree;
        public degree degree
        {
            get
            {
                return _degree;
            }
            set
            {
                _degree = value;
            }
        }(和第三种方法一样)

然后:修改配置文件,这也是最重要的地方(ps:ibatis.net中的配置文件真的很强)
在resultmaps节加入:
    <resultmap id="com2result"  class="account" >
      <result property="id"           column="account_id"/>
      <result property="firstname"    column="account_firstname"/>
      <result property="lastname"     column="account_lastname"/>
      <result property="emailaddress" column="account_email" nullvalue="no_email@provided.com"/>
      <result property="degree"  resultmapping="account.degree-result"/>
    </resultmap>

    <resultmap id="degree-result"  class="degree">
      <result property="id"           column="account_id"/>
      <result property="degreename"    column="degreename"/>
    </resultmap>这里最主要的就是使用了resultmapping属性,resultmapping="account.degree-result",其中account是当前配置文件的namespace:
<sqlmap namespace="account"  ......

在statements节加入:
    <select id="getcom2tables"
     resultmap="com2result">
      select accounts.*, degree.*
      from accounts,degree
      where accounts.account_id = degree.account_id
    </select>这样就可以随心所欲的写自己需要的sql,性能也很好,不会出现第三种方法中的1+n条的查询语句了。

原文地址: http://www.cnblogs.com/firstyi/archive/2007/08/22/864942.html

转载于:https://www.cnblogs.com/zyfking/archive/2009/01/19/1378513.html

内容概要:本文介绍了基于Python实现的SSA-GRU(麻雀搜索算法优化门控循环单元)时间序列预测项目。项目旨在通过结合SSA的全局搜索能力和GRU的时序信息处理能力,提升时间序列预测的精度和效率。文中详细描述了项目的背景、目标、挑战及解决方案,涵盖了从数据预处理到模型训练、优化及评估的全流程。SSA用于优化GRU的超参数,如隐藏层单元数、学习率等,以解决传统方法难以捕捉复杂非线性关系的问题。项目还提供了具体的代码示例,包括GRU模型的定义、训练和验证过程,以及SSA的种群初始化、迭代更新策略和适应度评估函数。; 适合人群:具备一定编程基础,特别是对时间序列预测和深度学习有一定了解的研究人员和技术开发者。; 使用场景及目标:①提高时间序列预测的精度和效率,适用于金融市场分析、气象预报、工业设备故障诊断等领域;②解决传统方法难以捕捉复杂非线性关系的问题;③通过自动化参数优化,减少人工干预,提升模型开发效率;④增强模型在不同数据集和未知环境中的泛化能力。; 阅读建议:由于项目涉及深度学习和智能优化算法的结合,建议读者在阅读过程中结合代码示例进行实践,理解SSA和GRU的工作原理及其在时间序列预测中的具体应用。同时,关注数据预处理、模型训练和优化的每个步骤,以确保对整个流程有全面的理解。
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