MYSQL:
1、报表需要展示连续每天的数据,但业务数据可能是间断的,故关联dim_date表,使日期连续
CREATE TABLE `dim_date` (
`date_key` int(11) NOT NULL,
`date_value` date DEFAULT NULL,
`week_in_year` int(11) DEFAULT NULL,
`week_in_month` int(11) DEFAULT NULL,
`month_number` int(11) DEFAULT NULL,
`quarter_number` int(11) DEFAULT NULL,
`day_in_year` int(11) DEFAULT NULL,
`day_in_month` int(11) DEFAULT NULL,
`year` int(11) DEFAULT NULL,
`month` int(11) DEFAULT NULL,
`day` int(11) DEFAULT NULL,
PRIMARY KEY (`date_key`),
KEY `date_value_idx` (`date_value`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
2、动态拼接年月日、然后分组
SELECT
<if test="type == 1">
DATE(CONCAT(d.YEAR, '-', d.MONTH, '-', d.DAY))
</if>
<if test="type == 2">
DATE(CONCAT(d.YEAR, '-', d.MONTH, '-1'))
</if>
<if test="type == 3">
DATE(CONCAT(d.YEAR, '-1-1'))
</if>
<if test="type == 4">
DATE(CONCAT(d.YEAR, '-', d.MONTH, '-', d.DAY))
</if>
AS statdate,
SUM(a.order_num) AS order_num,
SUM(a.amount) AS amount,
SUM(a.validincome) AS validincome
FROM
dim_date d LEFT JOIN s_orderscount_day a on d.date_value = a.stat_date
<if test="fcId=='' and groupId==null">
AND a.finance_category_id = -1
</if>
<if test="fcId!='' or groupId!=null">
AND a.finance_category_id != -1
</if>
<if test="channel != null and channel != '' ">
AND a.sale_channel= #{channel}
</if>
<if test="fcId != null and fcId != ''">
AND FIND_IN_SET(a.finance_category_id, #{fcId})
</if>
<if test="fcId!='' or groupId!=null">
LEFT JOIN products p
ON
a.finance_category_id = p.oldid and a.product_group_id = p.groupid
</if>
<if test="groupId != null and groupId != '' ">
AND a.finance_category_id != -1
AND p.groupid = #{groupId}
</if>
WHERE 1=1
AND d.date_value <![CDATA[>=]]> #{startTime}
AND d.date_value <![CDATA[<=]]> #{endTime}
GROUP BY
statdate
相关推荐
本项目"dim_date.rar"是基于Java 8、SpringBoot和MyBatis技术栈实现的一个日期维度数据生成工具,旨在帮助开发者快速构建自己的日期维度表。 首先,Java 8引入了新的日期和时间API,如`LocalDate`、`LocalTime`和`...
SSAS Analyzer报表常用到的日期条件简版Dim_Date表结构。
在使用这个预训练模型时,首先需要解压`vgg16_weights_tf_dim_ordering_tf_kernels_notop.rar` 文件,并加载`vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5` 中的权重到你的TensorFlow模型。在Keras库中,这...
这是两个文件,resnet50_weights_tf_dim_ordering_tf_kernels_h5和resnet50_weights_tf_dim_ordering_tf_kernels_notop,刚好可以压缩到一起上传,其他几个也压缩好上传了,需要的找找
标题所提及的`inception_v3_weights_tf_dim_ordering_tf_kernels_notop.h5`文件,是Inception V3模型预训练的权重文件,特别针对TensorFlow和Keras框架进行了优化。文件名中的“tf_dim_ordering”表示使用的是...
这有两个文件,分别为inception_v3_weights_tf_dim_ordering_tf_kernels.h5, inception_v3_weights_tf_dim_ordering_tf_kernels_notop.h5
标题中的"vgg16_weights_tf_dim_ordering_tf_kernels.h5"是VGG16模型预训练权重的文件名。这个文件是以HDF5格式存储的,H5是一种高效的数据存储和交换格式,常用于深度学习模型的权重存储。在Keras框架中,预训练...
在".h5.zip"压缩包内的"vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5"文件中,"tf_dim_ordering"指的是TensorFlow的数据维度排列方式,即通道(Channel)在最后的顺序(通常称为"TF"或"Threading First"),...
deeplabv3_mobilenetv2_tf_dim_ordering_tf_kernels 预训练模型
`vgg19_weights_tf_dim_ordering_tf_kernels_notop.h5` 是Keras框架中VGG19模型预训练权重的文件,用于在新任务上进行迁移学习。Keras是一个高度模块化的深度学习库,支持多种后端,包括TensorFlow。这个文件的命名...
resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5 速度快,准确率高,参数不多 50层残差网络模型,权重训练自ImageNet 该模型在Theano和TensorFlow后端均可使用,并接受channels_first和channels_last两种输入...
inception_v3_weights_tf_dim_ordering_tf_kernels_notop_update Linux下是放在“~/.keras/models/”中 Win下则放在Python的“settings/.keras/models/”中 Windows-weights路径:C:\Users\你的用户名\.keras\models...
resnet50_weights_tf_dim_ordering_tf_kernels_notop Linux下是放在“~/.keras/models/”中 Win下则放在Python的“settings/.keras/models/”中 Windows-weights路径:C:\Users\你的用户名\.keras\models anaconda...
mobilenet_v2在imagrnet上的预训练权重文件:mobilenet_v2_weights_tf_dim_ordering_tf_kernels_1.4_224_no_top.h5
官方h5权重文件,xception_weights_tf_dim_ordering_tf_kernels Linux下是放在“~/.keras/models/”中 windows用户直接将文件放置在:C:\Users\用户名\.keras\models 下即可。官方GitHub下载速度慢,给需要的朋友...
mobilenet_v2_weights_tf_dim_ordering_tf_kernels_1.0_192_no_top.h5,mobilenetv2 tf.keras预训练模型,可用于迁移学习。
`resnet50_weights_tf_dim_ordering_tf_kernels.h5` 文件是ResNet50模型预训练权重参数的文件,它是以HDF5格式存储的。HDF5是一种高效的数据存储格式,常用于机器学习模型的权重和参数保存,因为它可以处理大规模的...