mybatis学习笔记(一)

本文探讨了使用MyBatis框架解决数据库操作中的常见问题,包括连接池管理、SQL语句配置、参数映射及结果集处理等。介绍了如何通过MyBatis的配置文件和接口映射实现高效的数据访问。
jdbc 编程中的问题
  1. 数据库连接频繁的创建和关闭,缺点 浪费数据库的资源,影响操作效率。

    设想: 使用数据库连接池

  2. sql 语句是硬编码,如果需求变更需要修改sql,就需要是修改java代码。需要重新编译,系统不易维护。

    设想: 将sql 语句 统一配置在文件中,修改sql不需要修改java代码。

    1. 通过preparedStatement 向占位符设置参数,存在硬编码(参数位置,参数)问题。系统不易维护

    设想: 将sql中的占位符及对应的参数类型配置在配置文件中,能够自动输入映射。

    1. 遍历查询结果集存在硬编码(列名)

    设想:自动进行sql 查询结果向java 对象的映射(输出映射)

mybatis 开发过程小结

1、编写SqlMapConfig.xml

2、编写mapper.xml
定义了statement

3、编程通过配置文件创建SqlSessionFactory

4、通过SqlSessionFactory获取SqlSession

5、通过SqlSession操作数据库

如果执行添加、更新、删除需要调用SqlSession.commit()

6、SqlSesion使用完成要关闭

通过user获取主键值

通过LAST_INSERT_ID()获取刚插入记录的自增主键值,在insert语句执行后,执行select LAST_INSERT_ID()就可以获取自增主键。

配置文件说明

SqlMapConfig.xml:是mybatis全局配置文件,只有一个,名称不固定的,主要mapper.xml,mapper.xml中配置 sql语句

mapper.xml:

  是以statement为单位进行配置。(把一个sql称为一个statement),satatement

  中配置 sql语句、parameterType输入参数类型(完成输入映射)、resultType输

  出结果类型(完成输出映射)。还提供了parameterMap配置输入参数类型(过期了

  ,不推荐使用了)还提供resultMap配置输出结果类型(完成输出映射),通过resultMap完成复杂数据类型的映射(一对多,多对多映射)
#{}
   表示一个占位符,向占位符输入参数,mybatis自动进行java类型和jdbc类型的转换。
程序员不需要考虑参数的类型,比如:传入字符串,mybatis最终拼接好的sql就是参数两边加单引号。
#{}接收pojo数据,可以使用OGNL解析出pojo的属性值
${}
表示sql的拼接,通过${}接收参数,将参数的内容不加任何修饰拼接在sql中。
${}也可以接收pojo数据,可以使用OGNL解析出pojo的属性值

缺点:不能防止sql注入。

##### 要想让mybatis自动创建dao接口实现类的代理对象,必须遵循一些规则:

1、mapper.xml中namespace指定为mapper接口的全限定名

此步骤目的:通过mapper.xml和mapper.java进行关联。

2、mapper.xml中statement的id就是mapper.java中方法名

3、mapper.xml中statement的parameterType和mapper.java中方法输入参数类型一致

4、mapper.xml中statement的resultType和mapper.java中方法返回值类型一致.

#### 加载mapper 映射文件

<mappers>

        <mapper resource="config/sqlmap/User.xml" />
        <mapper resource="config/mapper/UserMapper.xml" />

    </mappers>

批量mapper 配置: 通过package进行自动扫描包瞎编的mapper 接口。 要求mapper.xml 和mapper.java 同名并且在一个目录中

  <package name="cn.xiechengxu.mapper"/>
基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论
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