DB2 9 根柢内幕底子(730 测验)认证指南,第 4 部分: 措置责罚 DB2 数据(2)

本文主要是介绍DB2 9 根柢内幕底子(730 测验)认证指南,第 4 部分: 措置责罚 DB2 数据(2),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

developerWorks








布局化盘诘措辞(Structured Query Language,SQL)

SQL 的组成部分

SQL 是一种用来定义和操纵数据库工具的措辞。利用 SQL 定义数据库表、将数据拔出表中、点窜表中的数据和从表中检索数据。与统统措辞一样,SQL 也定义了语法和一套措辞元素。

大多半 SQL 语句包括一个或多个以下措辞元素:

  • 单字节的字符 可所以字母(A-Z、a-z、$、# 和 @,或某个扩展字符集的成员)、数字(0-9)或额外字符(网罗逗号、星号、加号、百分号、与标记等等)。
  • 标记(token) 是包括一个或多个字符的序列。它不能包括空白字符,除非它是被限界的标识符(由双引号获救的一个或多个字符)或字符串常量。
  • SQL 标识符 是用来组成称号的标记。
  • 值的数据类型 抉择 DB2 怎样诠释这个值。DB2 支撑许多内置的数据类型,还支撑用户定义的类型(UDT)。
  • 常量 指定一个值。它们分为字符、图形或十六进制字符串常量,以及整数、小数或浮点数字常量
  • 额外存放器 是数据库经管法度为一个利用法度过程定义的一个存储区域,用来存储可以在 SQL 语句中援用的信息。额外存放器的示例是 CURRENT DATECURRENT DBPARTITIONNUMCURRENT SCHEMA
  • 例程 可所以函数、编制或过程。
    • 函数 施展阐发一个或多个输入数据值与一个或多个效果值之间的关连。数据库函数可所以内置的或用户定义的。

      (即聚合函数 对一个列中的一组值阻止操纵,前往单一值。比方:

      • SUM(sales) 前往 Sales 列中值的总和。
      • AVG(sales) 前往 Sales 列中值的匀称值(即总和除以值的数量)
      • MIN(sales) 前往 Sales 列中的最小值。
      • MAX(sales) 前往 Sales 列中的最大值。
      • COUNT(sales) 前往 Sales 列中非空值的数量。

      标量函数 对单一值阻止操纵,前往另一个单一值。比方:

      • ABS(-5) 前往 -5 的相对值,即 5。
      • HEX(69) 前往数字 69 的十六进制施展阐发,即 45000000。
      • LENGTH('Pierre') 前往字符串 “Pierre” 中的字节数量,即 6。关于 GRAPHIC 字符串,LENGTH 函数前往双字节字符的数量。
      • YEAR('03/14/2002') 提取 03/14/2002 的年份部分,即 2002。
      • MONTH('03/14/2002') 提取 03/14/2002 的月份部分,即 3。
      • DAY('03/14/2002') 提取 03/14/2002 的日部分,即 14。
      • LCASE('SHAMAN')LOWER('SHAMAN') 前往已经转换为全小写字符的字符串,即 ‘shaman’。
      • UCASE('shaman')UPPER('shaman') 前往已经转换为全大写字符的字符串,即 ‘SHAMAN’。

      用户定义的函数利用 CREATE FUNCTION 语句注册到数据库的体系编目中(可以经过 SYSCAT.ROUTINES 编目视图造访)。

    • 编制 也是一组输入数据值和一组效果值之间的关连。可是,数据库编制是作为用户定义的布局化类型的一部分隐式或显式地定义的。比方,一个称为 CITY 的编制(类型为 ADDRESS)承受 VARCHAR 类型的输入值,效果是 ADDRESS 的一个子类型。用户定义的编制利用 CREATE METHOD 语句注册到数据库的体系编目中(可以经过 SYSCAT.ROUTINES 编目视图造访)。关于布局化类型的更多信息,请参考 DB2 根柢内幕底子: 布局化数据类型和类型化表简介
    • 过程 是一个可以经过实行 CALL 语句来启动的利用法度。过程的参数是不合类型的标量值,可以用来将值通报进过程中、承受过程的前往值或许同时有这两种作用。用户定义的过程利用 CREATE PROCEDURE 语句注册到数据库的体系编目中(可以经过 SYSCAT.ROUTINES 编目视图造访)。
  • 表达式 指定一个值。有字符串表达式、算术表达式和情况表达式,情况表达式可以用来根据对一个或多个前提的比赛争论来指定某一效果。
  • 谓词(predicate) 指定关于给定的行或组的一个前提,效果可所以真、假或未知。谓词有几个子类型:
    • 底子谓词 对两个值阻止比力(比方,x > y)。
    • BETWEEN 谓词将一个值与一个值领域阻止比力。
    • EXISTS 谓词测试某些行可否存在。
    • IN 谓词鉴别一个或多个值可否在一个值荟萃中。
    • LIKE 谓词搜刮具有某一方式的字符串。
    • NULL 谓词测试空值。




版权声明: 原创作品,容许转载,转载时请务必以超链接方式标明文章 原始情由 、作者信息和本声明。否则将清查功令责任。

转载于:https://www.cnblogs.com/zgqjymx/archive/2011/03/07/1972958.html

这篇关于DB2 9 根柢内幕底子(730 测验)认证指南,第 4 部分: 措置责罚 DB2 数据(2)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/589729

相关文章

浅析Spring Security认证过程

类图 为了方便理解Spring Security认证流程,特意画了如下的类图,包含相关的核心认证类 概述 核心验证器 AuthenticationManager 该对象提供了认证方法的入口,接收一个Authentiaton对象作为参数; public interface AuthenticationManager {Authentication authenticate(Authenti

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X