JDBC 的三个W

代码重构DBUtils工具类
  1)连接管理起来(static方法)
  2)资源关闭

how:
1.注册驱动 三种方式(a. DriverManager.registerDriver(new com.mysql.jdbc.Driver())
           b. Class.ForName("com.mysql.jdbc.Driver") 常用这一种
           c. java -Djdbc.drivers=com.mysql.jdbc.Driver.FirstJDBC)
   三种方式的区别
          Class.ForName("..");是通过字节码文件 .class (在硬盘)在JVM上创建类对象
          DriverManager.registerDriver(new com.mysql.jdbc.Driver())的对象是 new 出来的
2.获取数据库连接
   Connection conn = DriverManager.getConnection(url, username, password);
3.创建Statement对象
   Statement stmt = conn.createStatement();
   预编译语句  PreparedStatement pstmt = conn.createPreparedStatement(); 优点 提高效率?sql语句可以重复利用?结构相同 可以批量地处理数据,使用 ?作占位符,在执行sql语句之前必须输入参数
       pstmt.setString(1,"..");
       .....
       pstmt.executeUpdate();
       pstmt.clearParameter();
   CallableStatement 
       调用存储过程(部署在数据库)真正的批处理
       procedure
         begin
            ....
         end
         
       缺点: 可移植性比较差
4.执行(发送)sql语句
   select : ResultSet rs = stmt.executeQuerry(sql);
        ResultSet rs = pstmt.execute();
   update/insert into/ delete : 返回一个整数 (smst.executeUpdate(sql))
5.处理结果集
   select :  while(rs.next()){....}
6.关闭JDBC资源
   逆序关闭 rs stmt/pstmt conn        

 

处理结果集

select :  ResultSet rs = stmt.executeQuerry(sql)  一个Statement对象在某一时刻只能有一个ResultSet对象,意味着必须处理上一次查询结果后才能做下一个查询
update/insert into/ delete : int n = stmt.executeUpdate(sql) 如果执行的是DDL,则返回0


ResultSet接口

重载的两个方法:
1)String getString(int columnIndex)
2)String getString(String columnIndex)


在不知道sql语句类型的情况下   boolean execute(String sql) 返回布尔值
如果第一结果是ResultSet对象,返回true
如果是更新计数或不存在任何结果,返回false


CallableStatement
作用:执行存储过程  (效率高,可移植性差)
设置OUT和IN参数: in:参数从Java程序传到数据库的存储过程 
         out:参数从数据库传到JAVA程序的存储过程
         

存储过程

不同数据库管理系统有各自定义的存储过程的方式

--mysql
delimiter //

drop procedure procedure_name;//  --删除已有的存储过程

create procedure procedure_name(in p_字段, ...)
begin
insert into table_name(字段, ...)values(p_字段, ...) 
commit;
select count(*) into total from table_name where 字段 = p_字段 and ... and ...
end;//

delimiter;


java程序调用存储过程

java数据类型和DBMS数据类型相互对应


3NF

    

List队列和泛型的结合使用
 List<类型> list = new ArrayList<类型>();
 把数据添加到List队列中  list.add(数组名);
 
 
构造器(无参和有参)的作用?
  初始化

资源下载链接为: https://pan.quark.cn/s/140386800631 通用大模型文本分类实践的基本原理是,借助大模型自身较强的理解和推理能力,在使用时需在prompt中明确分类任务目标,并详细解释每个类目概念,尤其要突出类目间的差别。 结合in-context learning思想,有效的prompt应包含分类任务介绍及细节、类目概念解释、每个类目对应的例子和待分类文本。但实际应用中,类目和样本较多易导致prompt过长,影响大模型推理效果,因此可先通过向量检索缩小范围,再由大模型做最终决策。 具体方案为:离线时提前配置好每个类目的概念及对应样本;在线时先对给定query进行向量召回,再将召回结果交给大模型决策。 该方法不更新任何模型参数,直接使用开源模型参数。其架构参考GPT-RE并结合相关实践改写,加入上下文学习以提高准确度,还使用BGE作为向量模型,K-BERT提取文本关键词,拼接召回的相似例子作为上下文输入大模型。 代码实现上,大模型用Qwen2-7B-Instruct,Embedding采用bge-base-zh-v1.5,向量库选择milvus。分类主函数的作用是在向量库中召回相似案例,拼接prompt后输入大模型。 结果方面,使用ICL时accuracy达0.94,比bert文本分类的0.98低0.04,错误类别6个,处理时添加“家居”类别,影响不大;不使用ICL时accuracy为0.88,错误58项,可能与未修改prompt有关。 优点是无需训练即可有较好结果,例子优质、类目界限清晰时效果更佳,适合围绕通用大模型api打造工具;缺点是上限不高,仅针对一个分类任务部署大模型不划算,推理速度慢,icl的token使用多,用收费api会有额外开销。 后续可优化的点是利用key-bert提取的关键词,因为核心词语有时比语意更重要。 参考资料包括
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