Month: April 2019

SQL Server 存储过程 Transact-SQL中的存储过程，非常类似于Java语言中的方法，它可以重复调用。当存储过程执行一次后，可以将语句缓存中，这样下次执行的时候直接使用缓存中的语句。这样就可以提高存储过程的性能。 Ø 存储过程的概念     存储过程Procedure是一组为了完成特定功能的SQL语句集合，经编译后存储在数据库中，用户通过指定存储过程的名称并给出参数来执行。     存储过程中可以包含逻辑控制语句和数据操纵语句，它可以接受参数、输出参数、返回单个或多个结果集以及返回值。     由于存储过程在创建时即在数据库服务器上进行了编译并存储在数据库中，所以存储过程运行要比单个的SQL语句块要快。同时由于在调用时只需用提供存储过程名和必要的参数信息，所以在一定程度上也可以减少网络流量、简单网络负担。     1、 存储过程的优点         A、 存储过程允许标准组件式编程         存储过程创建后可以在程序中被多次调用执行，而不必重新编写该存储过程的SQL语句。而且数据库专业人员可以随时对存储过程进行修改，但对应用程序源代码却毫无影响，从而极大的提高了程序的可移植性。         B、 存储过程能够实现较快的执行速度         如果某一操作包含大量的T-SQL语句代码，分别被多次执行，那么存储过程要比批处理的执行速度快得多。因为存储过程是预编译的，在首次运行一个存储过程时，查询优化器对其进行分析、优化，并给出最终被存在系统表中的存储计划。而批处理的T-SQL语句每次运行都需要预编译和优化，所以速度就要慢一些。         C、 存储过程减轻网络流量         对于同一个针对数据库对象的操作，如果这一操作所涉及到的T-SQL语句被组织成一存储过程，那么当在客户机上调用该存储过程时，网络中传递的只是该调用语句，否则将会是多条SQL语句。从而减轻了网络流量，降低了网络负载。         D、 存储过程可被作为一种安全机制来充分利用         系统管理员可以对执行的某一个存储过程进行权限限制，从而能够实现对某些数据访问的限制，避免非授权用户对数据的访问，保证数据的安全。 Ø 系统存储过程     系统存储过程是系统创建的存储过程，目的在于能够方便的从系统表中查询信息或完成与更新数据库表相关的管理任务或其他的系统管理任务。系统存储过程主要存储在master数据库中，以“sp”下划线开头的存储过程。尽管这些系统存储过程在master数据库中，但我们在其他数据库还是可以调用系统存储过程。有一些系统存储过程会在创建新的数据库的时候被自动创建在当前数据库中。     常用系统存储过程有： exec sp_databases; –查看数据库exec sp_tables; –查看表exec sp_columns student;–查看列exec sp_helpIndex student;–查看索引exec sp_helpConstraint student;–约束exec sp_stored_procedures;exec sp_helptext ‘sp_stored_procedures’;–查看存储过程创建、定义语句exec …

Read more “SQL Server存储过程(review系统级)”

1. 定义变量 简单赋值 使用select语句赋值 使用update语句赋值 2、表、临时表、表变量 创建临时表1 向临时表1插入一条记录 从ST_User查询数据，填充至新生成的临时表 查询并联合两临时表 删除两临时表 创建临时表 将查询结果集（多条数据）插入临时表 不能这样插入 添加一列，为int型自增长子段 添加一列，默认填充全球唯一标识 给查询结果集增加自增长列 无主键时： 有主键时： 定义表变量 3、循环 4、条件语句 if,else条件分支 when then条件分支 5、游标 6、触发器 7、存储过程 8、自定义函数 存储过程 1. 不能返回表变量 　　2. 限制少，可以执行对数据库表的操作，可以返回数据集 　　3. 可以return一个标量值，也可以省略return 　　　存储过程一般用在实现复杂的功能，数据操纵方面。 作者：郎中_大成链接：https://www.jianshu.com/p/2e94db33e8a3来源：简书简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。 Part II 一:存储过程概述  SQL Server中的存储过程是使用T_SQL编写的代码段。它的目的在于能够方便的从系统表中查询信息，或者完成与更新数据库表相关的管理任务和其他的系统管理任务.T_SQL语句是SQL Server数据库与应用程序之间的编程接口。在很多情况下，一些代码会被开发者重复编写多次，如果每次都编写相同功能的代码，不但繁琐，而且容易出错，而且由于SQL Server逐条的执行语句会降低系统的运行效率。  简而言之，存储过程就是SQL Server为了实现特定任务，而将一些需要多次调用的固定操作语句编写成程序段，这些程序段存储在服务器上，有数据库服务器通过程序来调用。 存储过程的优点: 存储过程加快系统运行速度，存储过程只在创建时编译，以后每次执行时不需要重新编译。 存储过程可以封装复杂的数据库操作，简化操作流程，例如对多个表的更新，删除等。 可实现模块化的程序设计，存储过程可以多次调用，提供统一的数据库访问接口，改进应用程序的可维护性。 存储过程可以增加代码的安全性，对于用户不能直接操作存储过程中引用的对象，SQL  Server可以设定用户对指定存储过程的执行权限。 存储过程可以降低网络流量，存储过程代码直接存储于数据库中，在客户端与服务器的通信过程中，不会产生大量的T_SQL代码流量。 存储过程的缺点： 数据库移植不方便，存储过程依赖与数据库管理系统， SQL Server 存储过程中封装的操作代码不能直接移植到其他的数据库管理系统中。 不支持面向对象的设计，无法采用面向对象的方式将逻辑业务进行封装，甚至形成通用的可支持服务的业务逻辑框架. 代码可读性差，不易维护。不支持集群。 回到顶部 二：存储过程分类 …

Read more “SQL Server存储过程(review基本概念)”

NumPy的主要特点： ndarray，快速，节省空间的多维数组，提供数组化的算术运算和高级的广播功能。 使用标准数学函数对整个数组的数据进行快速运算，而不需要编写循环。 读取/写入磁盘上的阵列数据和操作存储器映像文件的工具。 线性代数，随机数生成，以及傅里叶变换的能力。 集成C、C++、Fortran代码的工具。 在使用 NumPy 之前，需要先导入该模块： import numpy as np 01 生成ndarray的几种方式 NumPy封装了一个新的数据类型ndarray，一个多维数组对象，该对象封装了许多常用的数学运算函数，方便我们进行数据处理以及数据分析，那么如何生成ndarray呢？这里我们介绍生成ndarray的几种方式，如从已有数据中创建；利用random创建；创建特殊多维数组；使用arange函数等。 1. 从已有数据中创建 直接对python的基础数据类型（如列表、元组等）进行转换来生成ndarray。 （1）将列表转换成ndarray import numpy as nplist1 = [3.14,2.17,0,1,2]nd1 = np.array(list1)print(nd1)print(type(nd1)) 打印结果： [ 3.14 2.17 0. 1. 2. ]<class ‘numpy.ndarray’> （2）嵌套列表可以转换成多维ndarray import numpy as nplist2 = [[3.14,2.17,0,1,2],[1,2,3,4,5]]nd2 = np.array(list2)print(nd2)print(type(nd2)) 打印结果： [[ 3.14 2.17 0. 1. 2. ] [ …

Read more “numpy的一些操作”

本文介绍了在使用阿里云 Redis 的开发规范，从键值设计、命令使用、客户端使用、相关工具等方面进行说明，通过本文的介绍可以减少使用 Redis 过程带来的问题。 一、键值设计 1. key 名设计 (1)【建议】: 可读性和可管理性 以业务名 (或数据库名) 为前缀 (防止 key 冲突)，用冒号分隔，比如业务名: 表名:id ugc:video:1 (2)【建议】：简洁性 保证语义的前提下，控制 key 的长度，当 key 较多时，内存占用也不容忽视，例如： user:{uid}:friends:messages:{mid}简化为 u:{uid}:fr:m:{mid}。 (3)【强制】：不要包含特殊字符 反例：包含空格、换行、单双引号以及其他转义字符 详细解析 2. value 设计 (1)【强制】：拒绝 bigkey(防止网卡流量、慢查询) string 类型控制在 10KB 以内，hash、list、set、zset 元素个数不要超过 5000。 反例：一个包含 200 万个元素的 list。 非字符串的 bigkey，不要使用 del 删除，使用 hscan、sscan、zscan 方式渐进式删除，同时要注意防止 bigkey 过期时间自动删除问题 (例如一个 200 …

Read more “Redis 开发规范”

本文来自著名的计算机视觉教学网站「pyimagesearch」，文章作者为 Adrian Rosebrock。在本文中，Adrian 将就「如何鉴别图像/视频中的真实人脸和伪造人脸」这一问题进行深入的分析，并介绍使用基于 OpenCV 的模型进行活体检测的具体方法。雷锋网 AI 科技评论编译如下。雷锋网 本教程将教授你如何使用 OpenCV 进行活性检测。通过学习，你将能够在人脸识别系统中创建一个可以发现伪造人脸并执行反人脸欺骗的活体检测器。 在过去一年中，本文作者已经写过了多篇人脸识别教程，包括： 基于 OpenCV 的人脸识别（阅读地址：https://www.pyimagesearch.com/2018/09/24/opencv-face-recognition/） 使用 dlib、Python 和深度学习进行人脸识别（阅读地址：https://www.pyimagesearch.com/2018/06/18/face-recognition-with-opencv-python-and-deep-learning/） 基于树莓派的人脸识别（阅读地址：https://www.pyimagesearch.com/2018/06/25/raspberry-pi-face-recognition/） 然而，在我收到的一些邮件以及这些关于人脸识别的博文的评论中，我经常被问到的一个问题是： 我如何才能区分真人脸和伪造人脸？ 试想一下，如果一个居心叵测的用户有目的地试图骗过你的人脸识别系统，会发生什么？ 他们可能会尝试向执行人脸识别的摄像头展示一张照片或一段视频（例如在本文顶部的图像）。而这张照片和视频中的人并不是这些用户本人。 在这种情况下，人脸识别系统完全有可能把展示到它们面前的图片识别为正确的人脸，这最终会导致未授权的用户躲过人脸识别系统！ 如何才能区分出这些「伪造的」与「真实的/合法的」人脸呢？ 如何才能将反人脸欺骗算法应用到你的人脸识别应用中呢？ 答案是使用 OpenCV 进行活体检测，这正是本文要讨论的内容。 那么，如何将基于 OpenCV 的活体检测功能结合到你自己的人脸识别系统中呢？本文接下来将给出答案。 基于 OpenCV 的活体检测 在本教程的第一部分，我们将对活体检测进行讨论，包括「活体检测是什么？」以及「为什么我们需要活体检测来改进人脸识别系统？」 在这里，我们首先回顾一下接下来将用来进行活体检测的数据集，内容包括： 如何构建用于活体检测的数据集 我们的真假人脸的图像示例 我们还将回顾针对活体检测器项目的项目结构。 我们将训练一个能够区分真人脸和伪造人脸的深度神经网络，来创建活体检测器。 因此，我们需要： 1. 构建图像数据集 2. 实现一个能够进行活体检测的卷积神经网络（我们称之为「LivenessNet」） 3. 训练活体检测网络 4. 创建一个能够使用我们训练好的活体检测模型并将其应用于实时视频的 Python+OpenCV 的脚本 接下来，让我们进入正题吧！ 什么是活体检测， 我们为什么需要它？ …

Read more “OpenCV 活体检测”

在很多时候，我们的数据来源形式是多种多样的，有时候数据（或表格）也会呈现在图片中。那么，我们如何来获取图片中的有用数据呢？当一张图片中含有表格数据的时候，我们可以用OpenCV识别表格中的直线，然后再用OCR技术识别其中的文字。 本文仅作为如何识别图片中的表格的一个例子，希望能给读者一些启示。笔者用到的工具如下： opencv pyteressact numpy 我们用opencv来识别表格中的直线，用pyteressact来识别单元格文字，用numpy做数值处理。我们要识别的示例图片（AI.png）如下： 示例图片 AI.png 我们分以下几步进行识别： 识别表格中的横线，即分割记录（每一行）的横线； 识别表格中的竖线，即每个列的分割线； 找到数据所在的单元格； 利用pyteressact识别单元格的文字。 识别表格中的横线 识别横线之前，我们先创建一个图片表格识别类（ImageTableOCR），如下： # -*- coding: utf-8 -*-import cv2import pytesseractimport numpy as npclass ImageTableOCR(object): # 初始化 def __init__(self, ImagePath): # 读取图片 self.image = cv2.imread(ImagePath, 1) # 把图片转换为灰度模式 self.gray = cv2.cvtColor(self.image, cv2.COLOR_BGR2GRAY) 其中self.image为RGB模块的图片，self.gray为灰度模式的图片。 接下来，我们识别图片中的分割两条记录的横线。注意到，相邻两条记录之间的颜色是不一致的，因此，我们利用图片灰度化后，每一行像素的平均值的差的绝对值来作为相邻两条记录的分割线，这样就能检测出分割两条记录的横线了。具体的识别横线的函数的Python代码如下：（接以上代码） # 横向直线检测 def HorizontalLineDetect(self): # 图像二值化 ret, thresh1 = cv2.threshold(self.gray, …

Read more “OpenCV&OCR简单识别图片表格数据”

有时需要测试一下某个功能的并发性能，又不要想借助于其他工具，索性就自己的开发语言，来一个并发请求就最方便了。 java中模拟并发请求，自然是很方便的，只要多开几个线程，发起请求就好了。但是，这种请求，一般会存在启动的先后顺序了，算不得真正的同时并发！怎么样才能做到真正的同时并发呢？是本文想说的点，java中提供了闭锁 CountDownLatch, 刚好就用来做这种事就最合适了。 只需要： 开启n个线程，加一个闭锁，开启所有线程； 待所有线程都准备好后，按下开启按钮，就可以真正的发起并发请求了。 package com.test;import java.io.BufferedReader;import java.io.IOException;import java.io.InputStream;import java.io.InputStreamReader;import java.io.OutputStream;import java.net.HttpURLConnection;import java.net.MalformedURLException;import java.net.URL;import java.util.concurrent.CountDownLatch;public class LatchTest { public static void main(String[] args) throws InterruptedException { Runnable taskTemp = new Runnable() {　　　　　　　// 注意，此处是非线程安全的，留坑 private int iCounter; @Override public void run() { for(int i = 0; i < 10; i++) { // 发起请求// …

Read more “Java 模拟同时并发请求”