精华内容
下载资源
问答
  • MYSQL基础查询各位小伙伴们晚上好,今天是10月22号。我是你们Freya。...二、特点1、查询列表可以是字段、常量、表达式、函数,也可以是多个2、查询结果是一个虚拟表三、示例1、查询单个字段select 字段名 ...
    fd29c282c596b46fcb705f5fbe598be3.gif

    MYSQL

    基础查询

    各位小伙伴们晚上好,今天是10月22号。

    我是你们的Freya。

    今天我们开始学习MySQL中的DQL语言。

    Do Not Stop Learning

    71a8df77e7837e39706097978c53de19.png

    79b3ba2d47e55b07cd5ff0fefad9a2b4.png7cb79a4394950b9df1c974569099ceb6.png

    我爱学习,学习使我快乐

    今天你学习了吗?

    一、语法

    select 查询列表

    from 表名;

    二、特点

    1、查询列表可以是字段、常量、表达式、函数,也可以是多个

    2、查询结果是一个虚拟表

    三、示例

    1、查询单个字段

    select 字段名 from 表名;

    2、查询多个字段

    select 字段名,字段名 from 表名;

    3、查询所有字段

    select * from 表名

    4、查询常量

    select 常量值;

    注意:字符型和日期型的常量值必须用单引号引起来,数值型不需要

    5、查询函数

    select 函数名(实参列表);

    6、查询表达式

    select 100/1234;

    7、起别名

    ①as

    ②空格

    8、去重

    select distinct 字段名 from 表名;

    9、+

    作用:做加法运算

    select 数值+数值; 直接运算

    select 字符+数值;先试图将字符转换成数值,如果转换成功,则继续运算;否则转换成0,再做运算

    select null+值;结果都为null

    10、【补充】concat函数

    功能:拼接字符

    select concat(字符1,字符2,字符3,...);

    11、【补充】ifnull函数

    功能:判断某字段或表达式是否为null,如果为null 返回指定的值,否则返回原本的值

    select ifnull(commission_pct,0) from employees;

    12、【补充】isnull函数

    功能:判断某字段或表达式是否为null,如果是,则返回1,否则返回0

    74902286d4e0274d9c6bd2c4f512f23e.png

    00b3ea585dc51240d3a2fa0d84cdce1f.pnge2c83c0bdecdddfa5f41a8604414ca22.png

    恋爱可以慢慢谈,知识必须现在学

    #进阶1:基础查询

    /*

    语法:

    select 查询列表 from 表名;

    类似于:System.out.println(打印东西);

    特点:

    1、查询列表可以是:表中的字段、常量值、表达式、函数

    2、查询的结果是一个虚拟的表格

    */

    USE myemployees;

    #1.查询表中的单个字段

    SELECT last_name FROM employees;

    #2.查询表中的多个字段

    SELECT last_name,salary,email FROM employees;

    #3.查询表中的所有字段

    #方式一:

    SELECT 

        `employee_id`,

        `first_name`,

        `last_name`,

        `phone_number`,

        `last_name`,

        `job_id`,

        `phone_number`,

        `job_id`,

        `salary`,

        `commission_pct`,

        `manager_id`,

        `department_id`,

        `hiredate` 

    FROM

        employees ;

    #方式二:  

     SELECT * FROM employees;

     #4.查询常量值

     SELECT 100;

     SELECT 'john';

     #5.查询表达式

     SELECT 100%98;

     #6.查询函数

     SELECT VERSION();

     #7.起别名

     /*

     ①便于理解

     ②如果要查询的字段有重名的情况,使用别名可以区分开来

     */

     #方式一:使用as

    SELECT 100%98 AS 结果;

    SELECT last_name AS 姓,first_name AS 名 FROM employees;

    #方式二:使用空格

    SELECT last_name 姓,first_name 名 FROM employees;

    #案例:查询salary,显示结果为 out put

    SELECT salary AS "out put" FROM employees;

    #8.去重

    #案例:查询员工表中涉及到的所有的部门编号

    SELECT DISTINCT department_id FROM employees;

    #9.+号的作用

    /*

    java中的+号:

    ①运算符,两个操作数都为数值型

    ②连接符,只要有一个操作数为字符串

    mysql中的+号:

    仅仅只有一个功能:运算符

    select 100+90; 两个操作数都为数值型,则做加法运算

    select '123'+90;只要其中一方为字符型,试图将字符型数值转换成数值型

    如果转换成功,则继续做加法运算

    select 'john'+90;如果转换失败,则将字符型数值转换成0

    select null+10; 只要其中一方为null,则结果肯定为null

    */

    #案例:查询员工名和姓连接成一个字段,并显示为 姓名

    SELECT CONCAT('a','b','c') AS 结果;

    SELECT 

    CONCAT(last_name,first_name) AS 姓名

    FROM

    employees;

    eeee52b6cd27215f3c8a07dea07af4dd.png

    课后作业

    测 试

    1. 下面的语句是否可以执行成功

    select last_name , job_id , salary as sal

    from employees;

    2. 下面的语句是否可以执行成功

    select * from employees;

    3. 找出下面语句中的错误

    select employee_id , last_name,

    salary * 12 “ANNUAL SALARY”

    from employees;

    4. 显示表departments的结构,并查询其中的全部数据

    5. 显示出表employees中的全部job_id(不能重复)

    6. 显示出表employees的全部列,各个列之间用逗号连接,列头显示成OUT_PUT

    -END-

    f11d5851e5d9687d947fa621fc04245a.pnge48aa095d37fe872e948726d90a0e1b4.png420b7b8633fb425b5c692debad48be42.png

    Freya 学数据分析

    关注我,带你学知识~

    展开全文
  • api查询参数查询参数从API网址转换为MongoDB查询(高级查询,过滤,排序等) 产品特点 功能强大。 支持大多数MongoDB运算符( $in , $regexp …)和功能(嵌套对象,投影,类型转换等) 自定义。 允许自定义键...
  • 特点: 快速实现(不需要做太重,满足初期推广运营即可) 快速投入市场去运营收集用户经纬度: 用户在每次启动时将当前地理位置(经度,维度)上报给后台提到附近人,脑海中首先浮现特点: 需要记录每位用户...

    前言

    最近在做社交的业务,用户进入首页后需要查询附近的人;

    项目状况:前期尝试业务阶段;

    特点:

    快速实现(不需要做太重,满足初期推广运营即可)

    快速投入市场去运营

    收集用户的经纬度:

    用户在每次启动时将当前的地理位置(经度,维度)上报给后台

    提到附近的人,脑海中首先浮现特点:

    需要记录每位用户的经纬度

    查询当前用户附近的人,搜索在N公里内用户

    架构设计

    • 时序图
    f5c14ca98c5232b7e543255efc86be01.png
    • 技术实现方案

    SpringBoot

    Redis(version>=3.2)

    Redis原生命令实现

    • 存入用户的经纬度

    1.geoadd 用于存储指定的地理空间位置,可以将一个或多个经度(longitude)、纬度(latitude)、位置名称(member)添加到指定的 key 中

    2.命令格式:

    GEOADD key longitude latitude member [longitude latitude member ...]

    3.模拟五个用户存入经纬度,redis客户端执行如下命令:

    GEOADD zhgeo 116.48105 39.996794 zhangsanGEOADD zhgeo 116.514203 39.905409 lisiGEOADD zhgeo 116.489033 40.007669 wangwuGEOADD zhgeo 116.562108 39.787602 sunliuGEOADD zhgeo 116.334255 40.027400 zhaoqi

    4.通过redis客户端查看效果:

    1d08fbc6db6607a020d00822ccfa2875.png
    • 查找距当前用户由近到远附近100km用户

    1.georadiusbymember可以找出位于指定范围内的元素,georadiusbymember 的中心点是由给定的位置元素决定的

    2.命令格式:

    GEORADIUSBYMEMBER key member radius m|km|ft|mi [WITHCOORD] [WITHDIST] [WITHHASH] [COUNT count] [ASC|DESC] [STORE key] [STOREDIST key]

    3.模拟查找100km里距离sunliu由近到远五个人

     georadiusbymember zhgeo sunliu 100 km asc count 5

    4.命令执行效果如下:

    3ed22d537141d49f0d6bbcca76e6ef3f.png
    • 如何实现分页查询那?

    1.每次分页查询的请求都计算一次然后拿到程序中在取相应的分页数据,优缺点:

    (1)优点:实现简单,无需额外的存储空间

    (2)缺点:当用户量大时,很显然不仅效率低,而且容易把程序的内存搞溢出

    2.经过查找发现redis的github官网给出了分页Issues(参考:Will the GEORADIUS support pagination?),解决方案如下:

    (1)利用GEORADIUSBYMEMBER 命令中的 STOREDIST 将排好序的数据存入一个Zset集合中,以后分页查直接从Zset

    (2)命令如下:

    georadiusbymember zhgeo sunliu 100 km asc count 5 storedist sunliu 

    (3)有序集合效果如下:

    e0eb5755cc347f8b3b036df01e0ba685.png

    (4)以后分页查询命令:

    //首先删除本身元素zrem sunliu sunliu//分页查找元素(在此以:查找第1页,每页数量是3为例)zrange sunliu 0 2 withscores 

    (5)效果如下:

    c9fde7016b64a92d2dc43b5208604ae9.png

    代码实现

    • 完整代码(GitHub,欢迎大家Star,Fork,Watch) https://github.com/dangnianchuntian/springboot
    • 主要代码展示
    • Controller
      /*   * Copyright (c) 2020. zhanghan_java@163.com All Rights Reserved.   * 项目名称:Spring Boot实战分页查询附近的人: Redis+GeoHash+Lua   * 类名称:GeoController.java   * 创建人:张晗   * 联系方式:zhanghan_java@163.com   * 开源地址: https://github.com/dangnianchuntian/springboot   * 博客地址: https://zhanghan.blog.csdn.net   */  package com.zhanghan.zhnearbypeople.controller;  import org.springframework.beans.factory.annotation.Autowired;  import org.springframework.validation.annotation.Validated;  import org.springframework.web.bind.annotation.RequestBody;  import org.springframework.web.bind.annotation.RequestMapping;  import org.springframework.web.bind.annotation.RequestMethod;  import org.springframework.web.bind.annotation.RestController;  import com.zhanghan.zhnearbypeople.controller.request.ListNearByPeopleRequest;  import com.zhanghan.zhnearbypeople.controller.request.PostGeoRequest;  import com.zhanghan.zhnearbypeople.service.GeoService;  @RestController  public class GeoController {      @Autowired      private GeoService geoService;      /**       * 记录用户地理位置       */      @RequestMapping(value = "/post/geo", method = RequestMethod.POST)      public Object postGeo(@RequestBody @Validated PostGeoRequest postGeoRequest) {          return geoService.postGeo(postGeoRequest);      }      /**       * 分页查询当前用户附近的人       */      @RequestMapping(value = "/list/nearby/people", method = RequestMethod.POST)      public Object listNearByPeople(@RequestBody @Validated ListNearByPeopleRequest listNearByPeopleRequest) {          return geoService.listNearByPeople(listNearByPeopleRequest);      }  }
    • service
      /*   * Copyright (c) 2020. zhanghan_java@163.com All Rights Reserved.   * 项目名称:Spring Boot实战分页查询附近的人: Redis+GeoHash+Lua   * 类名称:GeoServiceImpl.java   * 创建人:张晗   * 联系方式:zhanghan_java@163.com   * 开源地址: https://github.com/dangnianchuntian/springboot   * 博客地址: https://zhanghan.blog.csdn.net   */  package com.zhanghan.zhnearbypeople.service.impl;  import java.util.ArrayList;  import java.util.List;  import java.util.Set;  import org.slf4j.Logger;  import org.slf4j.LoggerFactory;  import org.springframework.beans.factory.annotation.Autowired;  import org.springframework.beans.factory.annotation.Value;  import org.springframework.data.geo.Point;  import org.springframework.data.redis.connection.RedisGeoCommands;  import org.springframework.data.redis.core.RedisTemplate;  import org.springframework.data.redis.core.ZSetOperations;  import org.springframework.stereotype.Service;  import com.zhanghan.zhnearbypeople.controller.request.ListNearByPeopleRequest;  import com.zhanghan.zhnearbypeople.controller.request.PostGeoRequest;  import com.zhanghan.zhnearbypeople.dto.NearByPeopleDto;  import com.zhanghan.zhnearbypeople.service.GeoService;  import com.zhanghan.zhnearbypeople.util.RedisLuaUtil;  import com.zhanghan.zhnearbypeople.util.wrapper.WrapMapper;  @Service  public class GeoServiceImpl implements GeoService {      private static Logger logger = LoggerFactory.getLogger(GeoServiceImpl.class);      @Autowired      private RedisTemplate objRedisTemplate;      @Value("${zh.geo.redis.key:zhgeo}")      private String zhGeoRedisKey;      @Value("${zh.geo.zset.redis.key:zhgeozset:}")      private String zhGeoZsetRedisKey;      /**       * 记录用户访问记录       */      @Override      public Object postGeo(PostGeoRequest postGeoRequest) {          //对应redis原生命令:GEOADD zhgeo 116.48105 39.996794 zhangsan          Long flag = objRedisTemplate.opsForGeo().add(zhGeoRedisKey, new RedisGeoCommands.GeoLocation<>(postGeoRequest                  .getCustomerId(), new Point(postGeoRequest.getLatitude(), postGeoRequest.getLongitude())));          if (null != flag && flag > 0) {              return WrapMapper.ok();          }          return WrapMapper.error();      }      /**       * 分页查询附近的人       */      @Override      public Object listNearByPeople(ListNearByPeopleRequest listNearByPeopleRequest) {          String customerId = listNearByPeopleRequest.getCustomerId();          String strZsetUserKey = zhGeoZsetRedisKey + customerId;          List nearByPeopleDtoList = new ArrayList<>();          //如果是从第1页开始查,则将附近的人写入zset集合,以后页直接从zset中查          if (1 == listNearByPeopleRequest.getPageIndex()) {              List scriptParams = new ArrayList<>();              scriptParams.add(zhGeoRedisKey);              scriptParams.add(customerId);              scriptParams.add("100");              scriptParams.add(RedisGeoCommands.DistanceUnit.KILOMETERS.getAbbreviation());              scriptParams.add("asc");              scriptParams.add("storedist");              scriptParams.add(strZsetUserKey);              //用Lua脚本实现georadiusbymember中的storedist参数              //对应Redis原生命令:georadiusbymember zhgeo sunliu 100 km asc count 5 storedist sunliu              Long executeResult = objRedisTemplate.execute(RedisLuaUtil.GEO_RADIUS_STOREDIST_SCRIPT(), scriptParams);              if (null == executeResult || executeResult  listNearByPeopleFromZset(String strZsetUserKey, Integer pageIndex, Integer pageSize) {          Integer startPage = (pageIndex - 1) * pageSize;          Integer endPage = pageIndex * pageSize - 1;          List nearByPeopleDtoList = new ArrayList<>();          //对应Redis原生命令:zrange key 0 2 withscores          Set> zsetUsers = objRedisTemplate.opsForZSet()                  .rangeWithScores(strZsetUserKey, startPage,                          endPage);          for (ZSetOperations.TypedTuple zsetUser : zsetUsers) {              NearByPeopleDto nearByPeopleDto = new NearByPeopleDto();              nearByPeopleDto.setCustomerId(zsetUser.getValue().toString());              nearByPeopleDto.setDistance(zsetUser.getScore());              nearByPeopleDtoList.add(nearByPeopleDto);          }          return nearByPeopleDtoList;      }  }
    • RedisLuaUtil
      /*   * Copyright (c) 2020. zhanghan_java@163.com All Rights Reserved.   * 项目名称:Spring Boot实战分页查询附近的人: Redis+GeoHash+Lua   * 类名称:RedisLuaUtil.java   * 创建人:张晗   * 联系方式:zhanghan_java@163.com   * 开源地址: https://github.com/dangnianchuntian/springboot   * 博客地址: https://zhanghan.blog.csdn.net   */  package com.zhanghan.zhnearbypeople.util;  import org.springframework.data.redis.core.script.DigestUtils;  import org.springframework.data.redis.core.script.RedisScript;  public class RedisLuaUtil {      private static final RedisScript GEO_RADIUS_STOREDIST_SCRIPT;      public static RedisScript GEO_RADIUS_STOREDIST_SCRIPT() {          return GEO_RADIUS_STOREDIST_SCRIPT;      }      static {          StringBuilder sb = new StringBuilder();          sb.append("return redis.call('georadiusbymember',KEYS[1],KEYS[2],KEYS[3],KEYS[4],KEYS[5],KEYS[6],KEYS[7])");          GEO_RADIUS_STOREDIST_SCRIPT = new RedisScriptImpl<>(sb.toString(), Long.class);      }      private static class RedisScriptImpl implements RedisScript {          private final String script;          private final String sha1;          private final Class resultType;          public RedisScriptImpl(String script, Class resultType) {              this.script = script;              this.sha1 = DigestUtils.sha1DigestAsHex(script);              this.resultType = resultType;          }          @Override          public String getSha1() {              return sha1;          }          @Override          public Class getResultType() {              return resultType;          }          @Override          public String getScriptAsString() {              return script;          }      }  }

    测试

    • 模拟用户上传地理位置进行存储

    1.进行请求

    00adefc2ac9cb03c5b92795f7d6052fe.png

    2.查看效果

    da6b4b57f5d73070e2b8087df84939dd.png

    3.模拟用户sunliu查找附近100km的人,按3条一分页进行查询 进行请求

    11bed31a5ebe1afa1118b2b6f3b26234.png

    总结

    • 亮点:

    1.分页实现思路:将geo集合中的数据按距离由近到远筛选好后,通过storedist放入一个新的Zset集合

    2.redisTemplate没有针对原生命令georadiusbymember的storedist参数实现,灵活运用Lua脚本去实现

    • geo集合在亿级别以内的数据量没有问题,当超过亿后需要根据产品需要对Redis中的大值进行拆分,比如按照地域进行拆分等
    • 有了地理位置,自己正在研究如何通过经纬度绘制出自己的运动路线,验证出来后与大家共享
    展开全文
  • 满足初期推广运营即可)快速投入市场去运营 收集用户经纬度:用户在每次启动时将当前地理位置(经度,维度)上报给后台 提到附近人,脑海中首先浮现特点:需要记录每位用户经纬度查询当前用户附近...

    25c107686d27e186f91efb04a302352c.png
    • CSDN博客地址(关注,点赞)
    • 人工智能推荐
    • GitHub(Star,Fork,Watch)

    前言

    最近在做社交的业务,用户进入首页后需要查询附近的人;
    项目状况:前期尝试业务阶段;
    特点:
    • 快速实现(不需要做太重,满足初期推广运营即可)
    • 快速投入市场去运营

    收集用户的经纬度:

    • 用户在每次启动时将当前的地理位置(经度,维度)上报给后台

    提到附近的人,脑海中首先浮现特点:

    • 需要记录每位用户的经纬度
    • 查询当前用户附近的人,搜索在N公里内用户

    架构设计

    • 时序图

    32229c4281005acabd3c031c5c142db2.png
    • 技术实现方案

    SpringBoot

    Redis(version>=3.2)

    Redis原生命令实现

    • 存入用户的经纬度
    • geoadd 用于存储指定的地理空间位置,可以将一个或多个经度(longitude)、纬度(latitude)、位置名称(member)添加到指定的 key 中
    • 命令格式:
    GEOADD key longitude latitude member [longitude latitude member ...] 
    • 模拟五个用户存入经纬度,redis客户端执行如下命令:
    GEOADD zhgeo 116.48105 39.996794 zhangsan 
    GEOADD zhgeo 116.514203 39.905409 lisi 
    GEOADD zhgeo 116.489033 40.007669 wangwu 
    GEOADD zhgeo 116.562108 39.787602 sunliu 
    GEOADD zhgeo 116.334255 40.027400 zhaoqi
    • 通过redis客户端查看效果:

    ed8aa59fa40e3a4b25f415ae5667f5c2.png
    • 查找距当前用户由近到远附近100km用户
    • georadiusbymember可以找出位于指定范围内的元素,georadiusbymember 的中心点是由给定的位置元素决定的
    • 命令格式:
     GEORADIUSBYMEMBER key member radius m|km|ft|mi [WITHCOORD] [WITHDIST] [WITHHASH] [COUNT count] [ASC|DESC] [STORE key] [STOREDIST key]
    • 模拟查找100km里距离sunliu由近到远五个人
    georadiusbymember zhgeo sunliu 100 km asc count 5
    • 命令执行效果如下:

    6b6b3c3b42f6ad15677dfb9e47e7e2d2.png
    • 如何实现分页查询那?
    • 每次分页查询的请求都计算一次然后拿到程序中在取相应的分页数据,优缺点:
      • 优点:实现简单,无需额外的存储空间
      • 缺点:当用户量大时,很显然不仅效率低,而且容易把程序的内存搞溢出
    • 经过查找发现redis的github官网给出了分页Issues(参考:Will the GEORADIUS support pagination?),解决方案如下:
      • 利用GEORADIUSBYMEMBER 命令中的 STOREDIST 将排好序的数据存入一个Zset集合中,以后分页查直接从Zset
      • 命令如下:
    georadiusbymember zhgeo sunliu 100 km asc count 5 storedist sunliu
      • 有序集合效果如下:

    c5e6eccdff75ecb80194a60136a29ae4.png
      • 以后分页查询命令: c //首先删除本身元素 zrem sunliu sunliu //分页查找元素(在此以:查找第1页,每页数量是3为例) zrange sunliu 0 2 withscores
      • 效果如下:

    eb76e7d6b6b6a6f492c929bdb7ab5a5a.png

    代码实现

    • 完整代码(GitHub,欢迎大家Star,Fork,Watch)

    https://github.com/dangnianchuntian/springboot

    • 主要代码展示
    • Controller
     /*
     * Copyright (c) 2020. zhanghan_java@163.com All Rights Reserved.
     * 项目名称:Spring Boot实战分页查询附近的人: Redis+GeoHash+Lua
     * 类名称:GeoController.java
     * 创建人:张晗
     * 联系方式:zhanghan_java@163.com
     * 开源地址: https://github.com/dangnianchuntian/springboot
     * 博客地址: https://zhanghan.blog.csdn.net
     */
    
    package com.zhanghan.zhnearbypeople.controller;
    
    import org.springframework.beans.factory.annotation.Autowired;
    import org.springframework.validation.annotation.Validated;
    import org.springframework.web.bind.annotation.RequestBody;
    import org.springframework.web.bind.annotation.RequestMapping;
    import org.springframework.web.bind.annotation.RequestMethod;
    import org.springframework.web.bind.annotation.RestController;
    
    import com.zhanghan.zhnearbypeople.controller.request.ListNearByPeopleRequest;
    import com.zhanghan.zhnearbypeople.controller.request.PostGeoRequest;
    import com.zhanghan.zhnearbypeople.service.GeoService;
    
    @RestController
    public class GeoController {
    
        @Autowired
        private GeoService geoService;
    
        /**
         * 记录用户地理位置
         */
        @RequestMapping(value = "/post/geo", method = RequestMethod.POST)
        public Object postGeo(@RequestBody @Validated PostGeoRequest postGeoRequest) {
            return geoService.postGeo(postGeoRequest);
        }
    
        /**
         * 分页查询当前用户附近的人
         */
        @RequestMapping(value = "/list/nearby/people", method = RequestMethod.POST)
        public Object listNearByPeople(@RequestBody @Validated ListNearByPeopleRequest listNearByPeopleRequest) {
            return geoService.listNearByPeople(listNearByPeopleRequest);
        }
    
    }
    • Service
    /*
     * Copyright (c) 2020. zhanghan_java@163.com All Rights Reserved.
     * 项目名称:Spring Boot实战分页查询附近的人: Redis+GeoHash+Lua
     * 类名称:GeoServiceImpl.java
     * 创建人:张晗
     * 联系方式:zhanghan_java@163.com
     * 开源地址: https://github.com/dangnianchuntian/springboot
     * 博客地址: https://zhanghan.blog.csdn.net
     */
    
    package com.zhanghan.zhnearbypeople.service.impl;
    
    import java.util.ArrayList;
    import java.util.List;
    import java.util.Set;
    
    import org.slf4j.Logger;
    import org.slf4j.LoggerFactory;
    import org.springframework.beans.factory.annotation.Autowired;
    import org.springframework.beans.factory.annotation.Value;
    import org.springframework.data.geo.Point;
    import org.springframework.data.redis.connection.RedisGeoCommands;
    import org.springframework.data.redis.core.RedisTemplate;
    import org.springframework.data.redis.core.ZSetOperations;
    import org.springframework.stereotype.Service;
    
    import com.zhanghan.zhnearbypeople.controller.request.ListNearByPeopleRequest;
    import com.zhanghan.zhnearbypeople.controller.request.PostGeoRequest;
    import com.zhanghan.zhnearbypeople.dto.NearByPeopleDto;
    import com.zhanghan.zhnearbypeople.service.GeoService;
    import com.zhanghan.zhnearbypeople.util.RedisLuaUtil;
    import com.zhanghan.zhnearbypeople.util.wrapper.WrapMapper;
    
    @Service
    public class GeoServiceImpl implements GeoService {
    
        private static Logger logger = LoggerFactory.getLogger(GeoServiceImpl.class);
    
        @Autowired
        private RedisTemplate<String, Object> objRedisTemplate;
    
        @Value("${zh.geo.redis.key:zhgeo}")
        private String zhGeoRedisKey;
    
        @Value("${zh.geo.zset.redis.key:zhgeozset:}")
        private String zhGeoZsetRedisKey;
    
        /**
         * 记录用户访问记录
         */
        @Override
        public Object postGeo(PostGeoRequest postGeoRequest) {
    
            //对应redis原生命令:GEOADD zhgeo 116.48105 39.996794 zhangsan
            Long flag = objRedisTemplate.opsForGeo().add(zhGeoRedisKey, new RedisGeoCommands.GeoLocation<>(postGeoRequest
                    .getCustomerId(), new Point(postGeoRequest.getLatitude(), postGeoRequest.getLongitude())));
    
            if (null != flag && flag > 0) {
                return WrapMapper.ok();
            }
    
            return WrapMapper.error();
        }
    
        /**
         * 分页查询附近的人
         */
        @Override
        public Object listNearByPeople(ListNearByPeopleRequest listNearByPeopleRequest) {
    
            String customerId = listNearByPeopleRequest.getCustomerId();
    
            String strZsetUserKey = zhGeoZsetRedisKey + customerId;
    
            List<NearByPeopleDto> nearByPeopleDtoList = new ArrayList<>();
    
            //如果是从第1页开始查,则将附近的人写入zset集合,以后页直接从zset中查
            if (1 == listNearByPeopleRequest.getPageIndex()) {
                List<String> scriptParams = new ArrayList<>();
                scriptParams.add(zhGeoRedisKey);
                scriptParams.add(customerId);
                scriptParams.add("100");
                scriptParams.add(RedisGeoCommands.DistanceUnit.KILOMETERS.getAbbreviation());
                scriptParams.add("asc");
                scriptParams.add("storedist");
                scriptParams.add(strZsetUserKey);
    
                //用Lua脚本实现georadiusbymember中的storedist参数
                //对应Redis原生命令:georadiusbymember zhgeo sunliu 100 km asc count 5 storedist sunliu
                Long executeResult = objRedisTemplate.execute(RedisLuaUtil.GEO_RADIUS_STOREDIST_SCRIPT(), scriptParams);
    
                if (null == executeResult || executeResult < 1) {
                    return WrapMapper.ok(nearByPeopleDtoList);
                }
    
                //zset集合中去除自己
                //对应Redis原生命令:zrem sunliu sunliu
                Long remove = objRedisTemplate.opsForZSet().remove(strZsetUserKey, customerId);
    
            }
    
            nearByPeopleDtoList = listNearByPeopleFromZset(strZsetUserKey, listNearByPeopleRequest.getPageIndex(),
                    listNearByPeopleRequest.getPageSize());
    
            return WrapMapper.ok(nearByPeopleDtoList);
    
        }
    
        /**
         * 分页从zset中查询指定用户附近的人
         */
        private List<NearByPeopleDto> listNearByPeopleFromZset(String strZsetUserKey, Integer pageIndex, Integer pageSize) {
    
            Integer startPage = (pageIndex - 1) * pageSize;
            Integer endPage = pageIndex * pageSize - 1;
            List<NearByPeopleDto> nearByPeopleDtoList = new ArrayList<>();
            //对应Redis原生命令:zrange key 0 2 withscores
            Set<ZSetOperations.TypedTuple<Object>> zsetUsers = objRedisTemplate.opsForZSet()
                    .rangeWithScores(strZsetUserKey, startPage,
                            endPage);
    
            for (ZSetOperations.TypedTuple<Object> zsetUser : zsetUsers) {
                NearByPeopleDto nearByPeopleDto = new NearByPeopleDto();
                nearByPeopleDto.setCustomerId(zsetUser.getValue().toString());
                nearByPeopleDto.setDistance(zsetUser.getScore());
                nearByPeopleDtoList.add(nearByPeopleDto);
            }
    
            return nearByPeopleDtoList;
        }
    
    }
    
    • RedisLuaUtil
    /*
     * Copyright (c) 2020. zhanghan_java@163.com All Rights Reserved.
     * 项目名称:Spring Boot实战分页查询附近的人: Redis+GeoHash+Lua
     * 类名称:RedisLuaUtil.java
     * 创建人:张晗
     * 联系方式:zhanghan_java@163.com
     * 开源地址: https://github.com/dangnianchuntian/springboot
     * 博客地址: https://zhanghan.blog.csdn.net
     */
    
    package com.zhanghan.zhnearbypeople.util;
    
    
    import org.springframework.data.redis.core.script.DigestUtils;
    import org.springframework.data.redis.core.script.RedisScript;
    
    public class RedisLuaUtil {
    
        private static final RedisScript<Long> GEO_RADIUS_STOREDIST_SCRIPT;
    
        public static RedisScript<Long> GEO_RADIUS_STOREDIST_SCRIPT() {
            return GEO_RADIUS_STOREDIST_SCRIPT;
        }
    
        static {
            StringBuilder sb = new StringBuilder();
            sb.append("return redis.call('georadiusbymember',KEYS[1],KEYS[2],KEYS[3],KEYS[4],KEYS[5],KEYS[6],KEYS[7])");
            GEO_RADIUS_STOREDIST_SCRIPT = new RedisScriptImpl<>(sb.toString(), Long.class);
        }
    
        private static class RedisScriptImpl<T> implements RedisScript<T> {
            private final String script;
            private final String sha1;
            private final Class<T> resultType;
    
            public RedisScriptImpl(String script, Class<T> resultType) {
                this.script = script;
                this.sha1 = DigestUtils.sha1DigestAsHex(script);
                this.resultType = resultType;
            }
    
            @Override
            public String getSha1() {
                return sha1;
            }
    
            @Override
            public Class<T> getResultType() {
                return resultType;
            }
    
            @Override
            public String getScriptAsString() {
                return script;
            }
        }
    
    
    }
    

    测试

    • 模拟用户上传地理位置进行存储
    • 进行请求

    fb78d3f4d866732c2d6d0c1ff96510f6.png
    • 查看效果

    70f8379fa6576dd5a9f40d8f2f1ad5df.png

    eff7159a9fa3531d8224c25da0428c61.png
    • 模拟用户sunliu查找附近100km的人,按3条一分页进行查询
      • 进行请求

    f7f0b1dbeccf2f58c48e90be30897b1a.png

    总结

    • 亮点:
    • 分页实现思路:将geo集合中的数据按距离由近到远筛选好后,通过storedist放入一个新的Zset集合
    • redisTemplate没有针对原生命令georadiusbymember的storedist参数实现,灵活运用Lua脚本去实现
    • geo集合在亿级别以内的数据量没有问题,当超过亿后需要根据产品需要对Redis中的大值进行拆分,比如按照地域进行拆分等
    • 有了地理位置,自己正在研究如何通过经纬度绘制出自己的运动路线,验证出来后与大家共享
    展开全文
  • 这在构建API并接受各种用户特定的查询时很有用。 产品特点 别名查询参数 黑名单查询参数 白名单查询参数 基本运算符 $eq $gt $gte $lt $lte $ne $in $nin $exists $regex 解析字符串整数并浮点为数字 将...
  • 带任意数量参数的函数你可能已经知道了Python允许你定义可选参数。但还有一个方法,可以定义函数任意数量的参数。首先,看下面是一个只定义可选参数的例子deffunction(arg1="",arg2=""):print"ar...

    在使用Python多年以后,我偶然发现了一些我们过去不知道的功能和特性。一些可以说是非常有用,但却没有充分利用。考虑到这一点,我编辑了一些你应该了解的Python功能特色。

    带任意数量参数的函数

    你可能已经知道了Python允许你定义可选参数。但还有一个方法,可以定义函数任意数量的参数。

    首先,看下面是一个只定义可选参数的例子

    def function(arg1="",arg2=""):

    print "arg1: {0}".format(arg1)

    print "arg2: {0}".format(arg2)

    function("Hello", "World")

    # prints args1: Hello

    # prints args2: World

    function()

    # prints args1:

    # prints args2:

    现在,让我们看看怎么定义一个可以接受任意参数的函数。我们利用元组来实现。

    def foo(*args): # just use "*" to collect all remaining arguments into a tuple

    numargs = len(args)

    print "Number of arguments: {0}".format(numargs)

    for i, x in enumerate(args):

    print "Argument {0} is: {1}".format(i,x)

    foo()

    # Number of arguments: 0

    foo("hello")

    # Number of arguments: 1

    # Argument 0 is: hello

    foo("hello","World","Again")

    # Number of arguments: 3

    # Argument 0 is: hello

    # Argument 1 is: World

    # Argument 2 is: Again

    使用Glob()查找文件

    大多Python函数有着长且具有描述性的名字。但是命名为glob()的函数你可能不知道它是干什么的除非你从别处已经熟悉它了。

    它像是一个更强大版本的listdir()函数。它可以让你通过使用模式匹配来搜索文件。

    import glob

    # get all py files

    files = glob.glob('*.py')

    print files

    # Output

    # ['arg.py', 'g.py', 'shut.py', 'test.py']

    你可以像下面这样查找多个文件类型:

    import itertools as it, glob

    def multiple_file_types(*patterns):

    return it.chain.from_iterable(glob.glob(pattern) for pattern in patterns)

    for filename in multiple_file_types("*.txt", "*.py"): # add as many filetype arguements

    print filename

    # output

    #=========#

    # test.txt

    # arg.py

    # g.py

    # shut.py

    # test.py

    如果你想得到每个文件的绝对路径,你可以在返回值上调用realpath()函数:

    import itertools as it, glob, os

    def multiple_file_types(*patterns):

    return it.chain.from_iterable(glob.glob(pattern) for pattern in patterns)

    for filename in multiple_file_types("*.txt", "*.py"): # add as many filetype arguements

    realpath = os.path.realpath(filename)

    print realpath

    # output

    #=========#

    # C:\xxx\pyfunc\test.txt

    # C:\xxx\pyfunc\arg.py

    # C:\xxx\pyfunc\g.py

    # C:\xxx\pyfunc\shut.py

    # C:\xxx\pyfunc\test.py

    调试

    下面的例子使用inspect模块。该模块用于调试目的时是非常有用的,它的功能远比这里描述的要多。

    这篇文章不会覆盖这个模块的每个细节,但会展示给你一些用例。

    import logging, inspect

    logging.basicConfig(level=logging.INFO,

    format='%(asctime)s %(levelname)-8s %(filename)s:%(lineno)-4d: %(message)s',

    datefmt='%m-%d %H:%M',

    )

    logging.debug('A debug message')

    logging.info('Some information')

    logging.warning('A shot across the bow')

    def test():

    frame,filename,line_number,function_name,lines,index=\

    inspect.getouterframes(inspect.currentframe())[1]

    print(frame,filename,line_number,function_name,lines,index)

    test()

    # Should print the following (with current date/time of course)

    #10-19 19:57 INFO     test.py:9   : Some information

    #10-19 19:57 WARNING  test.py:10  : A shot across the bow

    #(, 'C:/xxx/pyfunc/magic.py', 16, '', ['test()\n'], 0)

    生成唯一ID

    在有些情况下你需要生成一个唯一的字符串。我看到很多人使用md5()函数来达到此目的,但它确实不是以此为目的。

    其实有一个名为uuid()的Python函数是用于这个目的的。

    import uuid

    result = uuid.uuid1()

    print result

    # output => various attempts

    # 9e177ec0-65b6-11e3-b2d0-e4d53dfcf61b

    # be57b880-65b6-11e3-a04d-e4d53dfcf61b

    # c3b2b90f-65b6-11e3-8c86-e4d53dfcf61b

    你可能会注意到,即使字符串是唯一的,但它们后边的几个字符看起来很相似。这是因为生成的字符串与电脑的MAC地址是相联系的。

    为了减少重复的情况,你可以使用这两个函数。

    import hmac,hashlib

    key='1'

    data='a'

    print hmac.new(key, data, hashlib.sha256).hexdigest()

    m = hashlib.sha1()

    m.update("The quick brown fox jumps over the lazy dog")

    print m.hexdigest()

    # c6e693d0b35805080632bc2469e1154a8d1072a86557778c27a01329630f8917

    # 2fd4e1c67a2d28fced849ee1bb76e7391b93eb12

    序列化

    你曾经需要将一个复杂的变量存储在数据库或文本文件中吧?你不需要想一个奇特的方法将数组或对象格转化为式化字符串,因为Python已经提供了此功能。

    import pickle

    variable = ['hello', 42, [1,'two'],'apple']

    # serialize content

    file = open('serial.txt','w')

    serialized_obj = pickle.dumps(variable)

    file.write(serialized_obj)

    file.close()

    # unserialize to produce original content

    target = open('serial.txt','r')

    myObj = pickle.load(target)

    print serialized_obj

    print myObj

    #output

    # (lp0

    # S'hello'

    # p1

    # aI42

    # a(lp2

    # I1

    # aS'two'

    # p3

    # aaS'apple'

    # p4

    # a.

    # ['hello', 42, [1, 'two'], 'apple']

    这是一个原生的Python序列化方法。然而近几年来JSON变得流行起来,Python添加了对它的支持。现在你可以使用JSON来编解码。

    import json

    variable = ['hello', 42, [1,'two'],'apple']

    print "Original {0} - {1}".format(variable,type(variable))

    # encoding

    encode = json.dumps(variable)

    print "Encoded {0} - {1}".format(encode,type(encode))

    #deccoding

    decoded = json.loads(encode)

    print "Decoded {0} - {1}".format(decoded,type(decoded))

    # output

    # Original ['hello', 42, [1, 'two'], 'apple'] - 

    # Encoded ["hello", 42, [1, "two"], "apple"] - 

    # Decoded [u'hello', 42, [1, u'two'], u'apple'] - 

    这样更紧凑,而且最重要的是这样与JavaScript和许多其他语言兼容。然而对于复杂的对象,其中的一些信息可能丢失。

    压缩字符

    当谈起压缩时我们通常想到文件,比如ZIP结构。在Python中可以压缩长字符,不涉及任何档案文件。

    import zlib

    string =  """   Lorem ipsum dolor sit amet, consectetur

    adipiscing elit. Nunc ut elit id mi ultricies

    adipiscing. Nulla facilisi. Praesent pulvinar,

    sapien vel feugiat vestibulum, nulla dui pretium orci,

    non ultricies elit lacus quis ante. Lorem ipsum dolor

    sit amet, consectetur adipiscing elit. Aliquam

    pretium ullamcorper urna quis iaculis. Etiam ac massa

    sed turpis tempor luctus. Curabitur sed nibh eu elit

    mollis congue. Praesent ipsum diam, consectetur vitae

    ornare a, aliquam a nunc. In id magna pellentesque

    tellus posuere adipiscing. Sed non mi metus, at lacinia

    augue. Sed magna nisi, ornare in mollis in, mollis

    sed nunc. Etiam at justo in leo congue mollis.

    Nullam in neque eget metus hendrerit scelerisque

    eu non enim. Ut malesuada lacus eu nulla bibendum

    id euismod urna sodales. """

    print "Original Size: {0}".format(len(string))

    compressed = zlib.compress(string)

    print "Compressed Size: {0}".format(len(compressed))

    decompressed = zlib.decompress(compressed)

    print "Decompressed Size: {0}".format(len(decompressed))

    # output

    # Original Size: 1022

    # Compressed Size: 423

    # Decompressed Size: 1022

    注册Shutdown函数

    有可模块叫atexit,它可以让你在脚本运行完后立马执行一些代码。

    假如你想在脚本执行结束时测量一些基准数据,比如运行了多长时间:

    import atexit

    import time

    import math

    def microtime(get_as_float = False) :

    if get_as_float:

    return time.time()

    else:

    return '%f %d' % math.modf(time.time())

    start_time = microtime(False)

    atexit.register(start_time)

    def shutdown():

    global start_time

    print "Execution took: {0} seconds".format(start_time)

    atexit.register(shutdown)

    # Execution took: 0.297000 1387135607 seconds

    # Error in atexit._run_exitfuncs:

    # Traceback (most recent call last):

    #   File "C:\Python27\lib\atexit.py", line 24, in _run_exitfuncs

    #     func(*targs, **kargs)

    # TypeError: 'str' object is not callable

    # Error in sys.exitfunc:

    # Traceback (most recent call last):

    #   File "C:\Python27\lib\atexit.py", line 24, in _run_exitfuncs

    #     func(*targs, **kargs)

    # TypeError: 'str' object is not callable

    打眼看来很简单。只需要将代码添加到脚本的最底层,它将在脚本结束前运行。但如果脚本中有一个致命错误或者脚本被用户终止,它可能就不运行了。

    当你使用atexit.register()时,你的代码都将执行,不论脚本因为什么原因停止运行。

    结论

    你是否意识到那些不是广为人知Python特性很有用?请在评论处与我们分享。谢谢你的阅读!

    展开全文
  • 1.聚合查询,分组查询的关键字各是什么,各有什么特点或者注意事项 2.F与Q查询的功能,他们的导入语句是什么,针对Q有没有其他用法 3.列举常见的数据库字段及主要参数(越多越好) 4.orm数据库查询优化相关有哪些各有...
  • 详解数据库多表连接查询的实现方法通过连接运算符可以实现多个表查询。连接是关系数据库模型的主要特点,也是它区别于其它类型数据库管理系统的一个标志。在关系数据库管理系统中,表建立时各数据之间的关系不必确定...
  • 作者:仁劼注:以下分析基于开源 v19.15.2.2-stable 版本进行引言ClickHouse是最近比较火的一款开源列式存储分析型数据库,它最核心的特点就是极致存储压缩率和查询性能,本人最近正在学习ClickHouse这款产品中。...
  • 1. JVM运行参数

    2019-09-08 17:42:09
    文章目录1 jvm运行参数1.1 三种参数类型1.2 标准参数 1 jvm运行参数 1.1 三种参数类型 标准参数 ...特点:一般很稳定,在未来jvm版本不会变化,用java -help查询所有标准参数。 [root@l...
  • DTU错误日志上报查询 FOTA升级计划 远程脚本配置 对DTU接口:参数获取、FOTA、基站定位 系统架构 DTU参数管理平台是我们云平台全栈方案一部分,后端技术栈为: VertX全家桶 Mysql Redis
  • 查询集可以有多个过滤器,过滤器就是一个函数(方法),基于所给参数限制查询集结果从sql角度来说,查询集和select等价,过滤器和where等价查询特点:惰性执行:创建查询集不会带来任何数据访问,直到调用数据...
  • 根据您应用程序使用数据自动生成GraphQL查询。 产品特点 无需编写查询-在运行时自动生成 支持100%GraphQL规范-并集,接口,标量,字段参数,输入,枚举... -无需在每次更改时运行代码生成 -无需apollo客户端...
  • RPM原理及rpm命令常用参数

    千次阅读 2015-09-14 15:39:43
    RPM最大的特点就是需要安装的软件已经编译过,并已经打包成RPM机制的文件格式,通过里头默认的数据库记录,记录这个软件安装时需要的依赖软件。  当安装到linux主机时,RPM会先先依照软件里头的数据查询linux主机
  • 包装类型的参数绑定   需求:商品查询条件。在商品查询方法中,实现商品查询条件的传入。   ...第一种方法:在形参中添加HttpServletRequest request形参。... 分析:页面传参的特点:  复杂,多样性,条
  • python本身官方已经提供了很多函数,向常见的数学运算,进制转换,打印图像的操作python都已经内置了相应的API,我们使用的时候只要调API就好了,当然python更广为人知的特点是广而强大的第三方库支持。python内置了...
  • * 特点查询的范围有限,只能查询一定的范围,封装性比较好,没有SQL/HQL语句; * * Query : 1、是HQL语句的一个专用工具 2、通过该工具对具体的参数进行设置 * 注意:当查询语句添加条件的时候需要...
  • 包装类型pojo参数绑定 需求:商品查询controller方法中实现商品查询条件传入。 实现方法 第一种方法:在形参中 添加...页面传参数的特点:复杂,多样性。条件包括 :用户账号、商品编号、订单信息。。。 如果将用
  • list三个子类,增强for循环,可变参数 Vector< E > (1)特点 底层数据结构是数组,查询快,增删慢,线程安全,效率低。 (2)主要方法: 1.addElement(E obj) 将指定组件添加到此向量末尾,将其大小...
  • 包装类型pojo参数绑定 1 、需求 商品查询的Controller方法中实现商品查询条件的传入 2 、实现方法 第一种:在形参中添加...页面传参数的特点:复杂,多样。条件包括:用户账号,商品编号,订单信息等 如果要将用户账
  • beego orm包除了支持model查询的方式,也支持直接编写sql语句的方式查询数据。sql原生查询有如下特点:使用 Raw SQL 查询,无需使用 ORM 表定义多数据库,都可直接使用占位符号 ?,自动转换查询时的参数,支持使用 ...
  • 包装类型pojo参数绑定 需求: 商品查询controller方法中实现商品查询条件传入。 实现方法: 第一种方法:在形参中 添加...页面传参数的特点:复杂,多样性。 若使用简单的pojo(属性是简单类型),会导致pojo类...
  • 它支持自定义 SQL、存储过程以及高级映射而且因为Mybatis具有简单易学和灵活性高的特点,所以在开发时是使用Mybatis可以提高开发效率,因为MyBatis 免除了几乎所有的 JDBC 代码以及设置参数和获取结果集的工作使用时...
  • requests.get()参数

    千次阅读 2019-10-01 19:01:51
    查询参数-params 1.参数类型  字典,字典中键值对作为查询参数 2.使用方法 ... * url为基准url地址,不包含查询参数 * 该方法会自动对params字典编码,然后和url拼接 3.示例 import req...
  • 与其它数据库相比GIS数据库有着自身一些特点:⑴ GIS数据库不仅有与一般数据库数据性质相似地理要素属性数据,还有大量空间数据,即描述地理要素空间分布位置数据,且这两种数据之间具有不可分割联系;...
  • 包装类型pojo参数绑定 需求:用户查询Controller方法中实现用户名称查询条件传入 ...页面传参的特点:复杂,多样性,条件包括:用户账号、商品编号、订单信息等等 如果将用户账号、商品编号、
  • RPM的特点RPM最大的特点就是需要安装的软件已经编译过,并已经打包成RPM机制的文件格式,通过里头默认的数据库记录,记录这个软件安装时需要的依赖软件。 当安装到linux主机时,RPM会先先依照软件里头的数据查询...
  • 网趣网上购物系统部分特点与精华:  一、支持商品批量增加、批量修改功能,所有商品可一次修改完成,特别方便!  二、支持7种在线支付:北京网银、NPS、快钱、贝宝、云网、支付宝、财付通接口。  三、率先支持...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,006
精华内容 402
关键字:

参数查询的特点