`
jiushiwo_yanbo
  • 浏览: 52453 次
  • 性别: Icon_minigender_1
  • 来自: 哈尔滨
社区版块
存档分类
最新评论

infromix基础知识

阅读更多
当前位置:首页>>Informix教程>>Informix教程
INFORMIX-4GL实用手册(二)(1)

Informix-SQLVersion6.05.UD1应用

一.有关数据库,基表,索引的创建与删除

1.语法约定:

<......>表示必选项

{......}表示必选其中项

[......]表示可选项

(......)表示语句的一部分

|表示多项选一

大写[A-Z]表示Informix的保留字

小写[a-z]表示Informix的库名,表名,字段名,变量名

2.数据库(Database):

①.创建一个DB:

CREATEDATABASE[WITHBUFFEREDLOG]

└─┴→语法关键字└→数据库名└→是否带数据库日志

创建一个DB同时也打开了这个DB

②.数据库命名规则:

㈠.数据库名不超过10个字符.

㈡.必须以字母打头,其余部分可以是字母,数字,下划线的任意组合.

㈢.在同一数DBServer(据库服务器)中数据库名应具有唯一性.

㈣.数据库名不得是Informix的保留字

3.数据库基表(Table):



①.创建一个DBTable:

DATABASE→数据库名

CREATETABLE→数据库表名

字段名称字段类型字段说明

(column0serial(1),#有序整数型,其初始值为1

column1integer,#从-2147483647到+2147483647之间的整数

column2smallint,#从-32767到+32767之间的整数

column3floatdefault0.00notnull,#双精度浮点数

column4smallfloat,#单精度浮点数

column5decimal(m,n),#具有可定义精度的数字(左边m-n位,右边n位)

column6money(m,n),#与decimal型相同(货币型)

column7date,#日期型

column8datetimeyeartosecond,#日期时间型(1999-09-0709:52:52)

column9char(n),#字符型n表示字符长度

column10varchar(n),#字符型(最后一个字段无逗号)

check(字段名in(值1,值2,值3)constraint名称,

primarykey(字段1,字段2,字段n)constraint名称##主键唯一,非空

);

数据类型 字段长度

CHAR 语句中定义的长度

VARCHAR 语句中定义的长度

SMALLINT 2个字节

INTEGER 4个字节

SMALLFLOAT 4个字节

FLOAT 8个字节

SERIAL 4个字节

DATE 4个字节

DATETIME 8个字节(YeartoSecond),其它为4

DECIMAL(m,n) 依赖精度(m/2+1四舍五入到下一整数)

MONEY(m,n) 依赖精度(m/2+1四舍五入到下一整数)

②.基表命名规则:

㈠.表名最多不超过18个字符,除此以外与数据库命名规则雷同.

㈡.必须以字母打头,其余部分可以是字母,数字,下划线的任意组合.

㈢.在同一数据库中表名应具有唯一性.

㈣.表名不得是Informix的保留字.

㈤.表中字段名不得超过18个字符,定义liketable.*必须保证前8个字符的唯一性。

㈥.表中字段名不得重复(不区分大小写)。

4.索引(Index):

①.索引分类:

㈠.单字段索引:提高查询和分类操作效率。

㈡.多字段索引:加快几个字段分类处理的速度。

索引仅是加快数据分类处理的速度。

②.索引规则:

㈠.直到表中有上百条记录时才加索引.

㈡.经常用于检索和排序操作的字段.

㈢.用于连接表和使用频率高的字段。

㈣.不要对含有大量重复值的字段加索引,索引字段中相同的值不得出现多于65536次

㈤.不得对多于8个字段的组加索引。

㈥.不得对长度超过120字节的一个字段或一组字段加索引。

㈦.索引命名规则与表名命名规则相似。

③.创建索引:

CREATE[UNIQUE|DISTINCT]INDEX→索引名

└→唯一索引ON→表名

(column1[DESC],column2,..,columnn)

└→降序索引

5.视图(View):

①.视图定义:视图是数据库上动态的窗口而不是静态的状况,并且是以数据库表的形式出现在数据库中,授权与增、删、改操作与基表的操作一致。

②.视图命名规则:

㈠.表名最多不超过18个字符,除此以外与数据库基表的命名规则雷同.

㈡.必须以字母打头,其余部分可以是字母,数字,下划线的任意组合.

㈢.在同一数据库中视图名应具有唯一性.

㈣.视图名不得是Informix的保留字.

㈤.视图中字段名不得超过18个字符,必须保证前8个字符的唯一性。

㈥.视图中字段名不得重复(不区分大小写),应具有唯一性。

③.视图任务:

㈠.在数据库上为不同的用户提供不同的数据窗口,一个单独的视图可以包含来自不同的表的字段(字段不得同名)。

㈡.限制某些敏感数据的存取,只允许用户查看聚合信息。

㈢.允许用户象修改、插入和删除数据库中如同在视图中出现那样被组织起来的数据

④.视图与基表的区别:

㈠.不能利用视图取代格式说明文件中的表。

㈡.不能在视图上建立索引。

㈢.某些条件下不能通过视图更新或删除看到的数据。

㈣.不能通过ROWID存取表。

⑤.创建与删除视图:

CREATEVIEW[(字段1,...,字段n)]

└→视图名称

ASSELECT<标准Select语句>→不得使用UNION操作符

[WITHCHECKOPTION]→输入与修改是否满足SELECT语句条件

6.删除数据库、表、索引、视图

①.删除数据库:drop

②.删除表:droptable

③.删除索引:dropindex

④.删除视图:dropview

删除数据库前必须关闭此数据库,删除数据库同时也删除了该数据库的所有表、索引、视图。



二.SQL实际应用

1.INSERT语句:(向数据库的表中插入一条行记录)

INSERTINTO(column1,comumn2,...,comumnn)

└→表名└→字段名表→缺省为所有字段

VALUES(value_list)→值列表

2.DELETE语句:(从数据库的表中删除若干条满足条件的行记录)

DELETEFROM(WHERE条件列表)→缺省为所有行记录

└→表名

3.UPDATE语句:(修改数据库表中满足条件的若干条行记录)

UPDATESTATISTICS(TBname)→为指定数据库表更统计(缺省为所有)

└→表名

UPDATESET<字段1=值1,字段n=值n>

└→表名

(WHERE条件列表)→缺省为所有行记录

UPDATESET<字段列表>=<值列表>

└→表名

(WHERE条件列表)→缺省为所有行记录

UPDATESET<字段.*>=<记录.*>

└→表名

(WHERE条件列表)→缺省为所有行记录

4.SELECT语句:(从一数据库表中选择满足条件的行记录)

SELECT→*表示所有字段

(INTO<程序变量列表>)或(INTOTEMP<临时表>)

FROM[表别名]→数据库表名

(WHERE<条件列表>)→缺省为所有行记录

ORDERBY[column1,column2,...,column8][DESC]→排序(可选)可用1-8代替字段

GROUPBY[column1,column2,...,columnn]→分组(可选)可用1-8代替字段

[HAVING<条件>]→为组提供一个或多个限制条件

INTOTEMP<临时表>(可选)

5.多表连接(Join)的SELECT语句:(从多个数据库表中选择满足条件的行记录)

SELECT<表1.字段>,<表2.字段>,<表2.字段>,<表3.字段>,...,<表n.字段>

FROM<表1>[别名1],<表2>[别名2],<表3>[别名3],...,<表n>[别名n]

WHERE<条件列表>→WHERE子句不能省略

ORDERBY[1,2,3,4,5,6,7,8][DESC]→排序,1-8表示字段在SELECT中出现的顺序。

GROUPBY[column1,column2,...,columnn]→分组(可选)

[HAVING<条件>]→为组提供一个或多个限制条件

INTOTEMP<临时表>(将查询结果放到临时表中)

当在WHERE子句中建立多表连接时,表与表之间至少有一个字段用于连接。连接的功能是建立一个临时组合的表,在对应表中符合连接条件的记录被连接形成一个记录。

6.SELECT语句中的聚合函数和日期函数:

语法功能

COUNT(*)满足条件的记录个数

COUNT(DISTINCT*)去除重复项后满足条件的记录个数

SUM(DISTINCTx)满足条件字段x的总和

AVG(DISTINCTx)满足条件字段x的平均值

MAX(x)满足条件字段x的最大值

MIN(x)满足条件字段x的最小值

DATE()为表达式返回一个DATE类型的值

DAY()返回DATE类型表达式月份的日期(多少号)

MDY()分别代表月、日、年的整数返回一个DATE类型的值

MONTH()返回DATE类型表达式的月份

WEEKDAY()返回DATE类型表达式星期的整数0-6(星期日至星期六)

YEAR()返回DATE类型表达式的年份

7.SELECT语句中的算术操作符:

符号功能

+加法

-减法

*乘法

/除法

mod取模(取余数)

**幂(乘方)

8.WHERE子句的详细说明:

①.关系操作符:

操作符功能

=或==等于

!=或<>不等于

>大于

>=大于或等于


分享到:
评论

相关推荐

    Informix ESQL/C 开发手册中文版

    综上,"Informix ESQL/C 开发手册中文版"是一份详尽的指南,对于使用Informix数据库进行后台开发的工程师来说,它提供了从基础到高级的全面知识,是学习和提升ESQL/C技能的重要参考资料。通过深入学习,开发者可以...

    DBAcess用户指南

    通过以上知识点的介绍,我们可以了解到IBM Informix DB-Access是一款功能强大且易于使用的数据库管理工具,不仅支持基础的数据管理功能,还提供了高级的性能监控与优化功能,非常适合那些希望提高工作效率并确保数据...

    韩顺平oracle学习笔记

    记住:欲速则不达,做任何事情要遵循他的规律,循序渐进,信心很重要 成为一个oracle高手过程:理解小知识点-&gt;做小练习-&gt;把小的只是点连成线-&gt;做oracle项目-&gt;形成只是面-&gt;深刻理解 Oracle基础部分:oracle基础使用; ...

    基于机器学习的疾病数据集分析

    该代码使用scikit-learn的乳腺癌数据集,完成分类模型训练与评估全流程。主要功能包括:数据标准化、三类模型(逻辑回归、随机森林、SVM)的训练、模型性能评估(分类报告、混淆矩阵、ROC曲线)、随机森林特征重要性分析及学习曲线可视化。通过`train_test_split`划分数据集,`StandardScaler`标准化特征,循环遍历模型进行统一训练和评估。关键实现细节包含:利用`classification_report`输出精确度/召回率等指标,绘制混淆矩阵和ROC曲线量化模型效果,随机森林的特征重要性通过柱状图展示,学习曲线分析模型随训练样本变化的拟合趋势。最终将原始数据和预测结果保存为CSV文件,便于后续分析,并通过matplotlib进行多维度可视化比较。代码结构清晰,实现了数据处理、模型训练、评估与可视化的整合,适用于乳腺癌分类任务的多模型对比分析。

    PyTorch入门指南:从零开始掌握深度学习框架.pdf

    内容概要:本文作为PyTorch的入门指南,首先介绍了PyTorch相较于TensorFlow的优势——动态计算图、自动微分和丰富API。接着讲解了环境搭建、PyTorch核心组件如张量(Tensor)、autograd模块以及神经网络的定义方式(如nn.Module),并且给出了详细的神经网络训练流程,包括前向传播、计算损失值、进行反向传播以计算梯度,最终调整权重参数。此外还简要提及了一些拓展资源以便进一步探索这个深度学习工具。 适用人群:初次接触深度学习技术的新学者和技术爱好者,有一定程序基础并希望通过PyTorch深入理解机器学习算法实现的人。 使用场景及目标:该文档有助于建立使用者对于深度学习及其具体实践有更加直观的理解,在完成本教程之后,读者应当能够在个人设备上正确部署Python环境,并依据指示独立创建自己的简易深度学习项目。 其他说明:文中所提及的所有示例均可被完整重现,同时官方提供的资料链接也可以方便有兴趣的人士对感兴趣之处继续挖掘,这不仅加深了对PyTorch本身的熟悉程度,也为未来的研究或者工程项目打下了良好的理论基础和实践经验。

    基于Springboot框架的高校心理教育辅导管理系统的设计与实现(含完整源码+完整毕设文档+数据库文件).zip

    此高校心理教育辅导系统功能分析主要分为管理员功能模块、教师功能模块和学生功能模块三大模块,下面详细介绍这三大模块的主要功能: (1)管理员:管理员登陆后可对系统进行全面管理,管理员主要功能模块包括个人中心、学生管理、教师管理、辅导预约管理、学生信息管理、测评结果分析管理、心理健康学习管理、试题管理、留言板管理、试卷管理、系统管理以及考试管理,管理员实现了对系统信息的查看、添加、修改和删除的功能。管理员用例图如图3-1所示。(2)学生:学生进入本高校心理教育辅导系统前台可查看系统信息,包括首页、心理健康信息、试卷列表、公告通知以及留言反馈等,注册登录后主要功能模块包括个人中心、辅导预约管理以及考试管理。(3)教师:教师学生登录后主要实现的功能模块包括个人中心、辅导预约管理、学生信息管理、测试结果分析管理、心理健康学习管理、试卷管理、试题管理、留言板管理、考试管理。Spring Boot是一个简化程序设置的拥有开箱即用的框架,它主要的优点是根据程序员不同的设置而生成不同的代码配置文件,这样开发人员就不用每个项目都配置相同的文件,从而减低了开发人员对于传统配置文件的时间,提高了开发效率。它内

    网络文化互动中的虚拟现实技术应用.doc

    网络文化互动中的虚拟现实技术应用

    自驾游中如何预防迷路情况.doc

    自驾游中如何预防迷路情况

    实现多人聊天的客户端小程序

    实现多人聊天的客户端小程序

    空间误差分析:统一的应用导向处理 附Matlab代码.rar

    1.版本:matlab2014/2019a/2024a 2.附赠案例数据可直接运行matlab程序。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。

    漫画中的文化元素挖掘.doc

    漫画中的文化元素挖掘

    【Bender】基于Bender进行光线追踪研究 附Matlab代码.rar

    1.版本:matlab2014/2019a/2024a 2.附赠案例数据可直接运行matlab程序。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。

    ,,Qt源程序~界面设计例程(XML文件读取+滚动区域放置控件+保存多sheetExcel文件) IDE版本: Qt creator 4.8.0 Qt 5.12.0 代码特点: 1.能读取xml格式文

    ,,Qt源程序~界面设计例程(XML文件读取+滚动区域放置控件+保存多sheetExcel文件) IDE版本: Qt creator 4.8.0 Qt 5.12.0 代码特点: 1.能读取xml格式文件,并通过其配置界面; 2.能在滚动区域内放置多种控件,界面大小不够会出现滚动条来扩展界面; 3.能通过xml配置文件初始化联动的单选框,输入框和表格; 4.通过程序动态新建单选框,输入框和表格; 5.将表格保存为Excel文件,每个表格就是一个sheet。 视频不够清晰,请上B站看: 【Qt例程:界面设计项目(XML文件读取+滚动区域放置控件+保存Excel文件)- ,Qt源程序; XML文件读取; 滚动区域放置控件; 保存多sheet Excel文件; Qt Creator 4.8.0; Qt 5.12.0; 动态创建控件; 界面设计例程。,Qt程序进阶:XML文件读取与处理,滚动区域控件布局,多sheet Excel文件保存功能

    ,,FPGA 以太网 UPD IP 协议实现 fpga 千兆以FPGA 以太网 UPD IP 协议实现 fpga 千兆以FPGA 以太网 UPD IP 协议实现, fpga 千兆以太网接口控制器

    ,,FPGA 以太网 UPD IP 协议实现 fpga 千兆以FPGA 以太网 UPD IP 协议实现 fpga 千兆以FPGA 以太网 UPD IP 协议实现, fpga 千兆以太网接口控制器,FPGA UDP IP协议实现 在FPGA上实现UDP通信,Verilog HDL描述语言实现,数据链路层,网络层,传输层有纯逻辑实现。 接口为GMII接口,与外部phy对接。 实验器件为s6,因此编译环境用的是ISE14.7。 vivado轻松无压力,随意移植。 ,FPGA; 以太网; UPD; IP协议; 千兆以太网接口控制器; Verilog HDL描述语言; 数据链路层; 网络层; 传输层; 接口为GMII接口; 编译环境为ISE14.7。,基于FPGA的千兆以太网UDP IP协议实现与优化

    eclipse-inst-jre-win64.rar

    eclipse-inst-jre-win64.rar

    Matlab实现基于BO贝叶斯优化Transformer结合BiLSTM双向长短期记忆神经网络时间序列预测的详细项目实例(含完整的程序,GUI设计和代码详解)

    内容概要:本文档详细介绍了一个基于Transformer和BiLSTM双向长短期记忆神经网络结合贝叶斯优化(BO)进行时间序列预测的项目。该项目主要解决传统方法在处理复杂非线性关系、多变量依赖和大规模数据时存在的局限性,提升预测精度和计算效率。项目通过MATLAB实现完整的程序、GUI设计和详细的代码说明,涵盖数据预处理、模型设计与训练、超参数调优、评估与应用等各个环节。同时探讨了项目的挑战和未来改进方向,为深度学习技术在时间序列预测中的应用提供了实用价值。 适合人群:对时间序列预测感兴趣的研究人员和技术人员,尤其是具有一定深度学习基础并且希望深入了解和实践Transformer、BiLSTM及相关优化技术的专业人士。 使用场景及目标:①为金融、能源、气象等多个领域的实际问题提供时间序列预测解决方案,包括股市预测、电力负载预估等;②提高预测模型的泛化能力和准确性;③优化模型的超参数选取,从而提高训练速度和效率。 其他说明:文中特别强调了数据处理的重要性,如去除噪声、特征选择等问题,并介绍了贝叶斯优化技术的应用,使得模型能够在较少尝试下找到最优配置。同时展示了如何通过图形化界面展示训练过程和评估结果,确保用户体验友好。此外,文档还包括了防止过拟合、提高模型性能的各种技巧,如正则化、早期停止、Dropout等措施。总体而言,本项目致力于提供一套完善的深度学习解决方案,促进跨学科应用和发展。

    励志图书中的时间管理、目标设定与自我提升.doc

    励志图书中的时间管理、目标设定与自我提升

    HarmonyOS NEXT 闯关习题答案(无解析)

    当前资源包含初中高级闯关习题

    亲子自驾游趣味活动推荐.doc

    亲子自驾游趣味活动推荐

    自然语言处理领域的深度双向变压器预训练模型BERT及其应用

    内容概要:本文介绍了BERT(Bidirectional Encoder Representations from Transformers),它是一种新型的语言表示模型,通过利用掩码语言模型(MLM)和下一句预测任务(NSP),实现了从无标注文本中预训练深层双向表示模型的方法。这种双向注意力机制允许模型在同一层联合调节左右语境,极大地提升了下游自然语言处理任务的性能。与单向语言模型如ELMo、GPT不同,BERT能直接捕捉句子内部复杂的依存关系,在多项NLP基准测试中刷新了记录,显著优于以前的最佳表现。 适合人群:从事自然语言处理研究的技术人员以及对该领域有兴趣的研究学者和开发者。 使用场景及目标:适用于需要高级别自然语言理解和推理能力的任务,特别是涉及问答系统、机器翻译和情感分析等任务的研发团队和技术部门。通过采用BERT可以快速提高相关应用场景中的精度。 其他说明:BERT不仅展示了双向建模相对于传统单向方法的优势,还强调了充分预训练对于改善小型数据集上模型表现的关键作用。此外,文中还详细比较了与其他几种现有先进模型的特点,并提供了具体的实验设置和技术细节供进一步探究。

Global site tag (gtag.js) - Google Analytics