`
zhangfeilo
  • 浏览: 405103 次
  • 性别: Icon_minigender_1
  • 来自: 昆明
社区版块
存档分类
最新评论

JPA查询语言之EJBQL+JPQL

阅读更多

简单查询

返回所有Topic对象的记录:

SELECT t FROM Topic t

按条件查询Topic

SELECT DISTINCT t FROM Topic t WHERE t.topicTitle = ?1

?1表示用位置标识参数,通过QuerysetParameter(1, "主题1")绑定参数。DISTINCT表示过滤重复数据。

如果以命名绑定数据,改成:

SELECT DISTINCT t FROM Topic t WHERE t.topicTitle = :title

需要通过QuerysetParameter("title", "主题1")绑定参数。

 

关联查询

1.One To Many

返回PollOptions对应的PollTopic对象,可以:

SELECT DISTINCT p FROM PollTopic p, IN(p.options) o WHERE o.optionItem LIKE ?1

语法和SQL以及HQL都有很大的区别,它直接实体属性连接关联的实体,通过PollTopicoptions属性关联到PollOption实体上。

该查询语句的另外两种等价写法分别是:

SELECT DISTINCT p FROM PollTopic p JOIN p.options o WHERE o.optionItem LIKE ?1

SELECT DISTINCT p FROM PollTopic p WHERE p.options.optionItem LIKE ?1

 

2.Many To One

希望查询某一个调查主题下的所示调查项,可以:

SELECT p FROM PollOption p JOIN p.pollTopic t WHERE t.topicId = :topicId

 

关系操作符

空值比较符:is nullis not null is emptyis not empty

范围比较符:BETWEEN..AND>>= <<=<>

 

子查询

支持EXISTSALLANY。如查询出拥有6个以上选项的调查主题:

SELECT t FROM PollTopic t WHERE (SELECT COUNT(o) FROM t.options o) > 6

 

可用函数

     CONCAT(String, String):合并字段串;

LENGTH(String):求字段串的长度;

LOCATE(String, String [, start]):查询字段串的函数,第一个参数为需要查询的字段串,看它在出现在第二个参数字符串的哪个位置,start表示从哪个位置开始查找,返回查 找到的位置,没有找到返回0。如LOCATE ('b1','a1b1c1',1)返回为3

SUBSTRING(String, start, length):子字段串函数;

TRIM([[LEADING|TRAILING|BOTH] char) FROM] (String):将字段串前后的特殊字符去除,可以通过选择决定具体的去除位置和字符;

LOWER(String):将字符串转为小写;

UPPER(String):将字符串转为大写。

ABS(number):求绝对值;

MOD(int, int):求模;

SQRT(double):求平方;

SIZE(Collection):求集合大小。

 

更改删除语句

可用EntityManagerJPA查询语言进行实体的更新、删除操作。

1.更新:

UPDATE PollOption p SET p.optionItem = :value WHERE p.optionId = :optionId

2.删除:

DELETE FROM PollOption p WHERE p.optionId = :optioned

之后使用Query接口的executeUpdate()方法执行更新、删除。

 

排序和分组

排序:Order by 属性名 desc [asc]

聚集函数:

AVG:平均值,返回double

MAX:最大值;

MIN:最小值;

SUM:累加和;

COUNT:集合数

通过HAVING对聚集结果进行条件过滤:

 

SELECT COUNT(p),p.pollTopic.topicId

FROM PollOption p GROUP BY p.pollTopic.topicId HAVING

p.pollTopic.topicId IN(1,2,3)

 

如何取得结果?注意使用聚集函数不是返回一个对应的实体List,而是返回一个List<Object>,以下是返回上面查询的结果(使用Object数组):

List list= query.list();

Object obj[] = null;//声明对象数组

Integer count = null;

Integer topicId = null;

for(int i=0;i<list.size();i++){

    obj = (Object[]) list.get(i);

    count = (Integer) obj[0];

    topicId = (Integer) obj[1];

    //逻辑操作

}

 

 

select name ,age from user; //原生SQL语句

select u.name,u.age from User u; //JPQL语句

select u from User u; //JPQL语句

SQL语句是在数据库空间中对字段,列,行进行操作

JPQL语句是在EJB实体空间中面向对象,属性进行操作

JPQL必须由JPA的JPQL解析器解析为SQL才能执行,必须先获取Query对象

参数查询

1命名参数查询

entityManager.createQuery("select u from User u where u.age=:param");

query.setParameter("param",24);

List<User> result=(List<User>)query.getResultList();

2位置参数查询

"select u from User u where u.age=?1"

query.setParameter(1,24);

3实体参数(JPQL中除了基本类型外,还可以是对象类型)

"select u from User u where u.person=?1"

Person p=new Person();

p.setId(1);

query.setParameter(1,p);

JPQL运算符

算术运算符 + - * /

关系运算符 = > < >= <= <>

逻辑运算符 between ,like , in , is null,is empty,member of,not ,and ,or

1 not

"select u from User u where not(u.cityid=?1)"

2 between和sql中一样

3 in 在给定的值列表中查询

"select u from User u where u.cityid in(1,2,3)"

4 like ( _ 表示一个字符,%表示任意数量字符 )

xxxx where u.name like ' 张% '

5 is null (实体的属性是否为空,即实体属性映射的字段是否为空)

"select u from User u where u.cityid is null"

6 is empty (与is null 不同的是,它针对实体的集合属性 内有没有元素。

虽然集合对象是存在的,但是集合内没有元素)

select o from Order o where o.orderItems is empty

条件查询

1排序查询 asc升序 desc降序

order by p.age desc,p.birthday asc

2聚合函数查询

avg() 平均值,返回Double count()返回Long max() min() sum()

以上除了count外其它的函数的参数对应的是 单个的字段,即属性而不是对象

HAVING和WHERE的区别。一个是先分组,再对组进行筛选;一个是先筛选,然后对筛选后的记录进行分组。

构造器查询

"select new com.jsun.Person(p.name) from Person p"

Person有这个构造器时,即Person(String name),成功返回对象。

关联查询(实际工作中仍然会有这种需求)

left join 允许右边实体表达式的实体为空,这里的实体指 集合属性

inner join 右边必须存在

"select o from Order o inner join o.orderItems"

默认查询中,集合属性是懒加载的。只有用的时候JPA才会再发SQL语句

在查询的时候我们希望一次全抓取出来怎么办?用 fetch

(其实left join和inner join在这里使用主要是为了配合fetch,一次抓取,因为默认的是懒加载)

"select o from Order oinner join fetcho.orderItems"

排除相同记录DISTINCT

select distinct o from Order o

(还可以配合聚合函数使用)

如 select count(distinct o) from Order o

JPQL内置函数

字符串函数

concat(str1,str2)

substring(string,position,length)

trim( [leading | trailing | both] sub_str from str)

upper(str)

lower(str)

length(str)

locate(searchString,initPosition)

日期,时间函数

CURRENT_DATE //返回当前日期(这是数据库端的时间)

CURRENT_TIME //返回当前时间

CURRENT_TIMESTAMP //返回当前日期时间

数学函数

ABS(number) //绝对值

SQRT(number) //平方根

MOD(num,div)//取模

SIZE(collection) //返回集合中元素的数量

如:select o from Order o where size(o.items)>10

使用子查询

xxxx in(子查询)

xxxx not in(子查询)

exists(子查询)

notexists(子查询 ) exists存在的意思 即子查询的结果不为空就是存在

分页查询

用到了query接口的两个方法

setMaxResults(int) //设置获取多少条记录

和setFirstResult(int)//结果集开始的索引,索引默认从0开始

以上两个方法都返回Query对象所以可以组成方法链

query.setMaxResults(max).setFirstResult(index).getResultList()

批量操作(批量更新和批量删除)

建议将所有批量操作与不连续的事务隔离开,

批量操作可能造成受管实体与数据库的不一致

原生SQL查询与调用存储过程(EJB3.0不支持以OUT参数的形式返回的存储过程)

Query query=entityManager.createNativeQuery(" {call pro_1(?)} ");

query.setParameter(1,"jsun");

//无返回值存储过程

query.executeUpdate();

//返回单个值的存储过程

String result=(String)query.getSingleResult();

//返回全部列的存储过程

List<User> results=(List<User>)query.getResultList();

//返回部分列的存储过程

List<Object[]> results=(List<Object[]>)query.getResultList();

for(Object[] row:results){

row[0],row[1]

}

0
1
分享到:
评论

相关推荐

    spring-ai-bedrock-converse-1.0.0-M7.jar中文文档.zip

    # 【spring-ai-bedrock-converse-1.0.0-M7.jar中文文档.zip】 中包含: 中文文档:【spring-ai-bedrock-converse-1.0.0-M7-javadoc-API文档-中文(简体)版.zip】 jar包下载地址:【spring-ai-bedrock-converse-1.0.0-M7.jar下载地址(官方地址+国内镜像地址).txt】 Maven依赖:【spring-ai-bedrock-converse-1.0.0-M7.jar Maven依赖信息(可用于项目pom.xml).txt】 Gradle依赖:【spring-ai-bedrock-converse-1.0.0-M7.jar Gradle依赖信息(可用于项目build.gradle).txt】 源代码下载地址:【spring-ai-bedrock-converse-1.0.0-M7-sources.jar下载地址(官方地址+国内镜像地址).txt】 # 本文件关键字: spring-ai-bedrock-converse-1.0.0-M7.jar中文文档.zip,java,spring-ai-bedrock-converse-1.0.0-M7.jar,org.springframework.ai,spring-ai-bedrock-converse,1.0.0-M7,org.springframework.ai.bedrock.converse,jar包,Maven,第三方jar包,组件,开源组件,第三方组件,Gradle,springframework,spring,ai,bedrock,converse,中文API文档,手册,开发手册,使用手册,参考手册 # 使用方法: 解压 【spring-ai-bedrock-converse-1

    房地产 -可视化管理课件.ppt

    房地产 -可视化管理课件.ppt

    tokenizers-0.18.0.jar中文-英文对照文档.zip

    # 【tokenizers-***.jar***文档.zip】 中包含: ***文档:【tokenizers-***-javadoc-API文档-中文(简体)版.zip】 jar包下载地址:【tokenizers-***.jar下载地址(官方地址+国内镜像地址).txt】 Maven依赖:【tokenizers-***.jar Maven依赖信息(可用于项目pom.xml).txt】 Gradle依赖:【tokenizers-***.jar Gradle依赖信息(可用于项目build.gradle).txt】 源代码下载地址:【tokenizers-***-sources.jar下载地址(官方地址+国内镜像地址).txt】 # 本文件关键字: tokenizers-***.jar***文档.zip,java,tokenizers-***.jar,ai.djl.huggingface,tokenizers,***,ai.djl.engine.rust,jar包,Maven,第三方jar包,组件,开源组件,第三方组件,Gradle,djl,huggingface,中文API文档,手册,开发手册,使用手册,参考手册 # 使用方法: 解压 【tokenizers-***.jar***文档.zip】,再解压其中的 【tokenizers-***-javadoc-API文档-中文(简体)版.zip】,双击 【index.html】 文件,即可用浏览器打开、进行查看。 # 特殊说明: ·本文档为人性化翻译,精心制作,请放心使用。 ·只翻译了该翻译的内容,如:注释、说明、描述、用法讲解 等; ·不该翻译的内容保持原样,如:类名、方法名、包名、类型、关键字、代码 等。 # 温馨提示: (1)为了防止解压后路径太长导致浏览器无法打开,推荐在解压时选择“解压到当前文件夹”(放心,自带文件夹,文件不会散落一地); (2)有时,一套Java组件会有多个jar,所以在下载前,请仔细阅读本篇描述,以确保这就是你需要的文件; # Maven依赖: ``` <dependency> <groupId>ai.djl.huggingface</groupId> <artifactId>tokenizers</artifactId> <version>***</version> </dependency> ``` # Gradle依赖: ``` Gradle: implementation group: 'ai.djl.huggingface', name: 'tokenizers', version: '***' Gradle (Short): implementation 'ai.djl.huggingface:tokenizers:***' Gradle (Kotlin): implementation("ai.djl.huggingface:tokenizers:***") ``` # 含有的 Java package(包): ``` ai.djl.engine.rust ai.djl.engine.rust.zoo ai.djl.huggingface.tokenizers ai.djl.huggingface.tokenizers.jni ai.djl.huggingface.translator ai.djl.huggingface.zoo ``` # 含有的 Java class(类): ``` ai.djl.engine.rust.RsEngine ai.djl.engine.rust.RsEngineProvider ai.djl.engine.rust.RsModel ai.djl.engine.rust.RsNDArray ai.djl.engine.rust.RsNDArrayEx ai.djl.engine.rust.RsNDArrayIndexer ai.djl.engine.rust.RsNDManager ai.djl.engine.rust.RsSymbolBlock ai.djl.engine.rust.RustLibrary ai.djl.engine.rust.zoo.RsModelZoo ai.djl.engine.rust.zoo.RsZooProvider ai.djl.huggingface.tokenizers.Encoding ai.djl.huggingface.tokenizers.HuggingFaceTokenizer ai.djl.huggingface.tokenizers.HuggingFaceTokenizer.Builder ai.djl.hu

    基于MATLAB的BP神经网络预测模型构建与应用

    内容概要:本文详细介绍了如何使用MATLAB构建和应用BP神经网络预测模型。首先,通过读取Excel数据并进行预处理,如归一化处理,确保数据的一致性和有效性。接着,配置网络结构,选择合适的训练算法(如SCG),设置训练参数(如最大迭代次数、目标误差等)。然后,进行模型训练,并通过可视化窗口实时监控训练过程。训练完成后,利用测试集评估模型性能,计算均方误差(MSE)和相关系数(R²),并通过图表展示预测效果。最后,将训练好的模型保存以便后续调用,并提供了一个简单的预测函数,确保新数据能够正确地进行归一化和预测。 适合人群:具有一定MATLAB基础,从事数据分析、机器学习领域的研究人员和技术人员。 使用场景及目标:适用于需要对多维数据进行预测的任务,如电力负荷预测、金融数据分析等。主要目标是帮助用户快速搭建一个可用的BP神经网络预测系统,提高预测准确性。 其他说明:文中提供了完整的代码框架和详细的注释,便于理解和修改。同时,强调了数据预处理的重要性以及一些常见的注意事项,如数据量的要求、归一化的必要性等。

    tokenizers-0.22.1.jar中文-英文对照文档.zip

    # 【tokenizers-***.jar***文档.zip】 中包含: ***文档:【tokenizers-***-javadoc-API文档-中文(简体)版.zip】 jar包下载地址:【tokenizers-***.jar下载地址(官方地址+国内镜像地址).txt】 Maven依赖:【tokenizers-***.jar Maven依赖信息(可用于项目pom.xml).txt】 Gradle依赖:【tokenizers-***.jar Gradle依赖信息(可用于项目build.gradle).txt】 源代码下载地址:【tokenizers-***-sources.jar下载地址(官方地址+国内镜像地址).txt】 # 本文件关键字: tokenizers-***.jar***文档.zip,java,tokenizers-***.jar,ai.djl.huggingface,tokenizers,***,ai.djl.engine.rust,jar包,Maven,第三方jar包,组件,开源组件,第三方组件,Gradle,djl,huggingface,中文API文档,手册,开发手册,使用手册,参考手册 # 使用方法: 解压 【tokenizers-***.jar***文档.zip】,再解压其中的 【tokenizers-***-javadoc-API文档-中文(简体)版.zip】,双击 【index.html】 文件,即可用浏览器打开、进行查看。 # 特殊说明: ·本文档为人性化翻译,精心制作,请放心使用。 ·只翻译了该翻译的内容,如:注释、说明、描述、用法讲解 等; ·不该翻译的内容保持原样,如:类名、方法名、包名、类型、关键字、代码 等。 # 温馨提示: (1)为了防止解压后路径太长导致浏览器无法打开,推荐在解压时选择“解压到当前文件夹”(放心,自带文件夹,文件不会散落一地); (2)有时,一套Java组件会有多个jar,所以在下载前,请仔细阅读本篇描述,以确保这就是你需要的文件; # Maven依赖: ``` <dependency> <groupId>ai.djl.huggingface</groupId> <artifactId>tokenizers</artifactId> <version>***</version> </dependency> ``` # Gradle依赖: ``` Gradle: implementation group: 'ai.djl.huggingface', name: 'tokenizers', version: '***' Gradle (Short): implementation 'ai.djl.huggingface:tokenizers:***' Gradle (Kotlin): implementation("ai.djl.huggingface:tokenizers:***") ``` # 含有的 Java package(包): ``` ai.djl.engine.rust ai.djl.engine.rust.zoo ai.djl.huggingface.tokenizers ai.djl.huggingface.tokenizers.jni ai.djl.huggingface.translator ai.djl.huggingface.zoo ``` # 含有的 Java class(类): ``` ai.djl.engine.rust.RsEngine ai.djl.engine.rust.RsEngineProvider ai.djl.engine.rust.RsModel ai.djl.engine.rust.RsNDArray ai.djl.engine.rust.RsNDArrayEx ai.djl.engine.rust.RsNDArrayIndexer ai.djl.engine.rust.RsNDManager ai.djl.engine.rust.RsSymbolBlock ai.djl.engine.rust.RustLibrary ai.djl.engine.rust.zoo.RsModelZoo ai.djl.engine.rust.zoo.RsZooProvider ai.djl.huggingface.tokenizers.Encoding ai.djl.huggingface.tokenizers.HuggingFaceTokenizer ai.djl.huggingface.tokenizers.HuggingFaceTokenizer.Builder ai.djl.hu

    基于蒙特卡洛算法的电动汽车对IEEE 33节点电网影响的研究及应用场景分析

    内容概要:本文探讨了电动汽车(EV)对IEEE 33节点电网的影响,特别是汽车负荷预测与节点潮流网损、压损计算。通过蒙特卡洛算法模拟电动汽车负荷的时空特性,研究了四种不同场景下电动汽车接入电网的影响。具体包括:负荷接入前后的网损与电压计算、不同节点接入时的变化、不同时段充电的影响以及不同负荷大小对电网的影响。通过这些分析,揭示了电动汽车充电行为对电网的具体影响机制,为未来的电网规划和优化提供了重要参考。 适合人群:从事电力系统研究的专业人士、电网规划工程师、电动汽车行业从业者、能源政策制定者。 使用场景及目标:①评估电动汽车大规模接入对现有电网基础设施的压力;②优化电动汽车充电设施的布局和运营策略;③为相关政策和技术标准的制定提供科学依据。 其他说明:文中提供的Python代码片段用于辅助理解和验证理论分析,实际应用中需要更复杂的模型和详细的电网参数。

    房地产 -【万科经典-第五园】第五园产品推介会.ppt

    房地产 -【万科经典-第五园】第五园产品推介会.ppt

    稳压器件.SchLib

    稳压器件.SchLib

    1.jpg

    1

    模拟符号.SCHLIB

    模拟符号.SCHLIB

    基于Simulink的三相电压型逆变器SPWM与电压单闭环控制仿真

    内容概要:本文详细介绍了如何在Simulink中构建并仿真三相电压型逆变器的SPWM调制和电压单闭环控制系统。首先,搭建了由六个IGBT组成的三相全桥逆变电路,并设置了LC滤波器和1000V直流电源。接着,利用PWM Generator模块生成SPWM波形,设置载波频率为2kHz,调制波为50Hz工频正弦波。为了实现精确的电压控制,采用了abc/dq变换将三相电压信号转换到旋转坐标系,并通过锁相环(PLL)进行同步角度跟踪。电压闭环控制使用了带有抗饱和处理的PI调节器,确保输出电压稳定。此外,文中还讨论了标幺值处理方法及其优势,以及如何通过FFT分析验证输出波形的质量。 适用人群:电力电子工程师、自动化控制专业学生、从事逆变器研究的技术人员。 使用场景及目标:适用于希望深入了解三相电压型逆变器控制原理和技术实现的研究人员和工程师。主要目标是掌握SPWM调制技术和电压单闭环控制的设计与调试方法,提高系统的稳定性和效率。 其他说明:文中提供了详细的建模步骤和参数设置指南,帮助读者快速上手并在实践中不断优化模型性能。同时,强调了一些常见的调试技巧和注意事项,如载波频率的选择、积分器防饱和处理等。

    【蓝桥杯EDA】客观题解析:第十三届立创EDA出品省赛模拟题一.pdf

    【蓝桥杯EDA】客观题解析

    房地产 -物业 苏州设备房管理标准.ppt

    房地产 -物业 苏州设备房管理标准.ppt

    3.png

    3

    房地产 -2024H1房地产市场总结与展望(新房篇).docx

    房地产 -2024H1房地产市场总结与展望(新房篇).docx

    LabVIEW与PLC基于TCP协议的自动化数据交互解决方案

    内容概要:本文详细介绍了利用LabVIEW与PLC进行自动化数据交互的技术方案,涵盖参数管理、TCP通信、串口扫描、数据转移等方面。首先,通过配置文件(INI)实现参数的自动加载与保存,确保参数修改不影响程序运行。其次,在TCP通信方面采用异步模式和心跳包设计,增强通信稳定性,并加入CRC16校验避免数据丢失。对于串口扫描,则通过VISA配置实现状态触发,确保进出站检测的准确性。最后,针对不同类型的数据转移提出具体方法,如TDMS文件存储策略,确保高效可靠的数据处理。 适合人群:从事工业自动化领域的工程师和技术人员,尤其是熟悉LabVIEW和PLC编程的从业者。 使用场景及目标:适用于需要将LabVIEW作为上位机与PLC进行数据交互的工业生产线环境,旨在提高系统的自动化程度、稳定性和易维护性。 其他说明:文中提供了多个实用代码片段和注意事项,帮助读者更好地理解和应用相关技术。

    d65689da7ed20e21882a634f8f5ce6c9_faad2735d293907fb32f7c5837f7302a.png

    d65689da7ed20e21882a634f8f5ce6c9_faad2735d293907fb32f7c5837f7302a

    信息安全管理和技术的综合练习题集(NISP&CISP)

    内容概要:本文档《NISP&CISP考试题库.pdf》汇集了大量关于信息安全专业领域的练习题,涵盖风险评估、安全策略、访问控制、恶意代码防范、加密技术、安全模型等多个方面。文档通过选择题的形式探讨了信息安全保障、风险管理和技术实施等核心内容,强调了信息安全保障的动态性和持续性,以及信息安全管理体系(ISMS)的重要性。文档还详细介绍了多种安全技术和标准,如ISO27001、GB/T 22080、SSE-CMM、CC标准等,并通过具体案例和场景分析,帮助读者理解如何在实际环境中应用这些标准和技术。 适用人群:文档适用于信息安全领域的从业者,尤其是准备参加NISP(国家信息安全水平考试)和CISP(注册信息安全专业人员)认证考试的考生,以及从事信息安全管理工作、对信息安全有兴趣的技术人员。 使用场景及目标:①帮助考生系统复习信息安全领域的基础知识和技能,为考试做准备;②为企业内部信息安全培训提供参考资料;③加深信息安全从业人员对安全标准和技术的理解,提升其在实际工作中的应用能力;④帮助信息安全管理者了解如何构建和维护有效的信息安全管理体系。 其他说明:文档不仅提供了理论知识,还结合了实际案例,有助于读者理解信息安全的复杂性和多样性。文档强调了信息安全的多层次、多维度特性,指出信息安全不仅依赖于技术手段,还需要结合管理措施和人员培训。此外,文档中的题目设计贴近实际工作场景,能够有效提升读者应对信息安全挑战的能力。

    3dmax插件K_Tools.v2.6.ms

    3dmax插件K_Tools.v2.6

    【数学建模竞赛】华中杯数学建模竞赛介绍:参赛指南与备赛建议

    内容概要:“华中杯”是由华中地区高校或相关机构举办的数学建模竞赛,旨在培养学生的创新能力和团队合作精神。比赛主要面向全国高校在校生(以本科生为主,部分赛事允许研究生参加),采用团队赛形式(3人一组),参赛队伍需在72小时内完成建模、编程及论文写作。竞赛一般在每年4月或5月举行,设有多个奖项,具体比例根据参赛队伍数量确定。; 适合人群:对数学建模感兴趣并希望提升自身能力的全国高校在校生(本科生为主,部分赛事允许研究生参加)。; 使用场景及目标:①帮助学生了解数学建模竞赛的形式与流程;②为参赛者提供备赛建议,如学习往届真题、掌握Matlab、Python、LaTeX等工具以及明确团队分工;③鼓励学生关注官方通知,确保获取最新赛程和规则信息。; 其他说明:2025年的具体赛程、规则可能会有所调整,请以“华中杯数学建模竞赛官网”或主办方通知为准。可通过学校数学系或相关社团获取报名信息。

Global site tag (gtag.js) - Google Analytics