用MyBatis框架進行資料的持久化處理
初學MyBatis ---- 個人心得之
MyBatis框架的使用例項與分析
一、例項
首先讓我們來看一段測試程式碼
這段程式碼的執行結果為:
後臺輸出的sql語句為:
那麼這些都是為什麼呢?下面就讓我們來分析一下,它是如何實現的!
一、分析 --- 配置檔案
1、首先讓我們看下這一句:
這說明MyBatis存在配置檔案,那好我們進入配置檔案看它是如何配置的
我在每行程式碼處幾乎都做了註釋,為的就是讓和我一樣的初學者能更好的理解。
2、我們來看這一句:
為什麼會這麼寫呢?jdbc.properties在哪裡寫著呢?為什麼說是相對於src進行查詢的呢?
我們看下它在我專案中的位置
紅色區域內都是src範圍,可以看到我們就是把jdbc.properties放進src內了,它就是根據src找的
那麼問題又來了,jdbc.properties裡邊寫的是什麼呢?請看
它把連線資料庫的資訊都寫好了,我們只需要在配置檔案中配置下就好了
於是有了配置檔案下文中的以下程式碼:
3、我們再來看這一句:
domain層就相當於model層,裡面放的是實體類
這句程式碼就是讓MyBatis找到具體類的位置,它也在src下,如圖
這樣就把com.haina.domain中的所有的實體類都配置到了MyBatis框架中了
以便對映檔案中使用
4、我們來看這一句
就是圖中劃紅線的部分,這個是把對映檔案配置到配置檔案中去,
讓我們看看對映檔案的位置,它也在src下
讓我們選擇一個看看,比如說UserMapper.java和UserMapper.xml
UserMapper.java是介面,程式碼如下
UserMapper.xml
在配置過程中中我們需要注意的是:
對映檔案和介面是相輔相成,一 一對應的
注意事項:
1、對映檔案必須把相應的介面對映進來,程式碼如下
2、對資料庫進行增刪改查,分別對應不同的標籤,需要注意的是:
標籤內的id的屬性值必須和介面中方法名一致,傳參的型別也要對應相同
提醒:
parameterType 設定的是傳參的型別
resultType 設定的是返回值型別
resultMap 設定的是返回值型別,當返回的是很多物件的集合是,用這個
三、分析 --- 獲取SqlSession
詳情請看我的另一篇文章 --- 初學MaBatis
四、分析 --- 在測試類中,對映檔案中方法的呼叫
這是一種方法,mapperid 說明 呼叫UserMapper對映檔案中addUser方法,user是傳過去的引數
當然,我們一般用以下方法
好了,大致就這樣了,明天繼續!
相關推薦
用MyBatis框架進行資料的持久化處理
初學MyBatis ---- 個人心得之 MyBatis框架的使用例項與分析 一、例項 首
3-6 用 Pandas 進行資料預處理:資料清洗與視覺化(版本:py3)
主要內容: 格式轉換 缺失資料 異常資料 資料標準化操作 格式轉換 如Python記錄時間的方式,不能夠直接實現減運算,就需要進行轉換 pandas.to_datetime 缺失資料 忽略缺失資料 直接標記 利用平均值、最常出現值進行填充 異常資料 處
spark機器學習筆記:(二)用Spark Python進行資料處理和特徵提取
下面用“|”字元來分隔各行資料。這將生成一個RDD,其中每一個記錄對應一個Python列表,各列表由使用者ID(user ID)、年齡(age)、性別(gender)、職業(occupation)和郵編(ZIP code)五個屬性構成。4之後再統計使用者、性別、職業和郵編的數目。這可通過如下程式碼
機器學習(一):用sklearn進行資料預處理:缺失值處理、資料標準化、歸一化
在我們平時進行資料資料探勘建模時,一般首先得對資料進行預處理,其中就包括資料缺失值、異常值處理、資料的標準化、歸一化等等。 下面主要介紹如何對一個數據檔案進行資料的缺失值處理、標準化和歸一化 MID_SP MID_AC MID_R25 MID_COND LITHO1 55.
JEECG-自己用程式碼生成器生成的controller類是怎樣進行資料持久化的
unitInfoService的宣告方式是這個樣的: @Autowired private UnitInfoServiceI <span style="color:#ff0000;">unitInfoService</span>; 檢視
用python進行資料預處理,過濾特殊符號,英文和數字。(適用於中文分詞)
要進行中文分詞,必須要求資料格式全部都是中文,需求過濾掉特殊符號、標點、英文、數字等。當然了使用者可以根據自己的要求過濾自定義字元。 實驗環境:python、mysql 實驗目的:從資料庫讀取資料,
spark | 手把手教你用spark進行資料預處理
本文始發於個人公眾號:**TechFlow**,原創不易,求個關注 今天是spark專題的第七篇文章,我們一起看看spark的資料分析和處理。 過濾去重 在機器學習和資料分析當中,對於資料的瞭解和熟悉都是最基礎的。所謂巧婦難為無米之炊,如果說把用資料構建一個模型或者是支撐一個複雜的上層業務比喻成做飯的話
MyBatis框架入門小案例(關於用mybatis框架對數據庫的增刪改查)
throw gets ioe ssa 靜態代碼塊 文件 boolean 實現 where 1.新建一個maven項目,建好相對應的包,在https://mvnrepository.com中導入MyBatis需要的依賴,復制到配置文件中 2.在resources文件下
用mybatis查資料庫資料,報錯提示### Error building SqlSession.
錯誤提示: ### Error building SqlSession. ### The error may exist in SQL Mapper Configuration ### Cause: org.apache.ibatis.builder.BuilderException: Err
關於使用Sklearn進行資料預處理 —— 缺失值(Missing Value)處理
關於缺失值(missing value)的處理 在sklearn的preprocessing包中包含了對資料集中缺失值的處理,主要是應用Imputer類進行處理。 首先需要說明的是,numpy的陣列中可以使用np.nan/np.NaN(Not A Number)來代替
【轉】關於使用sklearn進行資料預處理 —— 歸一化/標準化/正則化
一、標準化(Z-Score),或者去除均值和方差縮放 公式為:(X-mean)/std 計算時對每個屬性/每列分別進行。 將資料按期屬性(按列進行)減去其均值,並處以其方差。得到的結果是,對於每個屬性/每列來說所有資料都聚集在0附近,方差為1。 實現時,有兩種不同的方式:
用power bi進行資料建模
2018年07月04日 09:07:26 黃小技術包 閱讀數:1397 標籤: Power BI視覺化效果資料建模 更多 l 建模 通常情況下,你將會連線到多個數據源以建立報表,且需所有資料協同工作。 建模就是實現這一點的辦法。 若要建立不同資料來源之
利用python Pandas進行資料預處理
目錄: 1.安裝pandas 2.pandas的引入 3.資料清洗 ①處理缺
乾貨:用R語言進行資料提取的方法!
資料提取是資料分析當中重要的一環,也是需要資料分析師耐心細心地做好。我們大聖眾包(www.dashengzb.cn)小編今天就和大家分享藍鯨的文章,如何通過R語言對資料進行提取分析,達到所需。 讀取並建立資料表 首先第一步是讀取資料,並建立名稱為lo
關於使用sklearn進行資料預處理 —— 歸一化/標準化/正則化
一、標準化(Z-Score),或者去除均值和方差縮放 公式為:(X-mean)/std 計算時對每個屬性/每列分別進行。 將資料按期屬性(按列進行)減去其均值,並處以其方差。得到的結果是,對於每個屬性/每列來說所有資料都聚集在0附近,方差為1。 實現時,有兩種不同的方
【重溫基礎的SQL注入】圖文詳細解說,java後臺用mybatis框架的SQL注入漏洞和效果展示,以及預防
1. SQL注入1.1原因描述:使用者名稱和密碼的引數是直接引用,可用拼接的方式。1.2 拼接方式' or '1'='1 (這個可以作為參考原型,變種很多,百度都有)主要是拼接成這樣的SQL:效果如此:即使沒有拼接查詢張三,依然能查到資料庫的張三,因為 '
AIX下采用dd方式進行資料遷移的過程,供參考
簡化需求: 主機A,IBM P570,連EMC 儲存,AIX 5.3,oracle資料庫(9.2.0.7) 資料庫使用者 oracle9 兩個目錄 /oracle 存放資料庫執行的程式檔案 /data1 存放資料庫的資料檔案,假設是200GB。 資料庫沒有使用裸裝置
Spring與Mybatis框架整合——資料分頁
1.建立結構如下圖的Maven專案 2.引入所需jar包的依賴座標 <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XML
使用sklearn進行資料預處理 —— 歸一化/標準化/正則化
本文主要是對照scikit-learn的preprocessing章節結合程式碼簡單的回顧下預處理技術的幾種方法,主要包括標準化、資料最大最小縮放處理、正則化、特徵二值化和資料缺失值處理。內容比較簡單,僅供參考! 首先來回顧一下下面要用到的基本知識。 均值公式:
利用Python Pandas進行資料預處理-資料清洗
資料缺失、檢測和過濾異常值、移除重複資料 資料缺失 資料缺失在大部分資料分析應用中都很常見,Pandas使用浮點值NaN表示浮點和非浮點陣列中的缺失資料,他只是一個便於被檢測出來的資料而已。 from pandas import Series,Da