国产无码综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

openGauss學(xué)習(xí)筆記-50 openGauss 高級特性-DB4AI

2年前作者：superman超哥分類：Toy博客閱讀(18)違法舉報

這篇具有很好參考價值的文章主要介紹了openGauss學(xué)習(xí)筆記-50 openGauss 高級特性-DB4AI。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方，請大家不吝賜教，您也可以點擊"舉報違法"按鈕提交疑問。

openGauss學(xué)習(xí)筆記-50 openGauss 高級特性-DB4AI

openGauss當(dāng)前版本支持了原生DB4AI能力，通過引入原生AI算子，簡化操作流程，充分利用數(shù)據(jù)庫優(yōu)化器、執(zhí)行器的優(yōu)化與執(zhí)行能力，獲得高性能的數(shù)據(jù)庫內(nèi)模型訓(xùn)練能力。更簡化的模型訓(xùn)練與預(yù)測流程、更高的性能表現(xiàn)，讓開發(fā)者在更短時間內(nèi)能更專注于模型的調(diào)優(yōu)與數(shù)據(jù)分析上，而避免了碎片化的技術(shù)棧與冗余的代碼實現(xiàn)。

當(dāng)前版本的DB4AI支持基于SGD算子的邏輯回歸(目前支持二分類任務(wù))、線性回歸和支持向量機算法(分類任務(wù))，以及基于K-Means算子的Kmeans聚類算法。

50.1 關(guān)鍵字解析

表 1 DB4AI語法及關(guān)鍵字

名稱	描述
語句	CREATE MODEL	創(chuàng)建模型并進行訓(xùn)練，同時保存模型。
PREDICT BY	利用已有模型進行推斷。
關(guān)鍵字	TARGET	訓(xùn)練/推斷任務(wù)的目標(biāo)列名。
FEATURES	訓(xùn)練/推斷任務(wù)的數(shù)據(jù)特征列名。
MODEL	訓(xùn)練任務(wù)的模型名稱。

50.2 使用指導(dǎo)

使用“CREATE MODEL”語句可以進行模型的創(chuàng)建和訓(xùn)練。

模型訓(xùn)練SQL語句，現(xiàn)有一個數(shù)據(jù)集為kmeans_2d，該表的數(shù)據(jù)內(nèi)容如下：

openGauss=# select * from kmeans_2d;
 id |              position
----+-------------------------------------
  1 | {74.5268815685995,88.2141939294524}
  2 | {70.9565760521218,98.8114827475511}
  3 | {76.2756086327136,23.8387574302033}
  4 | {17.8495847294107,81.8449544720352}
  5 | {81.2175785354339,57.1677675866522}
  6 | {53.97752255667,49.3158342130482}
  7 | {93.2475341879763,86.934042100329}
  8 | {72.7659293473698,19.7020415100269}
  9 | {16.5800288529135,75.7475957670249}
 10 | {81.8520747194998,40.3476078575477}
 11 | {76.796671198681,86.3827232690528}
 12 | {59.9231450678781,90.9907738864422}
 13 | {70.161884885747,19.7427458665334}
 14 | {11.1269539105706,70.9988166182302}
 15 | {80.5005071521737,65.2822235273197}
 16 | {54.7030725912191,52.151339428965}
 17 | {103.059707058128,80.8419883321039}
 18 | {85.3574452036992,14.9910179991275}
 19 | {28.6501615960151,76.6922890325077}
 20 | {69.7285806713626,49.5416352967732}
(20 rows)

該表的字段position的數(shù)據(jù)類型為 double precision[].

從kmeans_2d訓(xùn)練集中指定position為特征列，使用kmeans算法，創(chuàng)建并保存模型point_kmeans。

openGauss=# CREATE MODEL point_kmeans USING kmeans FEATURES position FROM kmeans_2d WITH num_centroids=3;
NOTICE:  Hyperparameter max_iterations takes value DEFAULT (10)
NOTICE:  Hyperparameter num_centroids takes value 3
NOTICE:  Hyperparameter tolerance takes value DEFAULT (0.000010)
NOTICE:  Hyperparameter batch_size takes value DEFAULT (10)
NOTICE:  Hyperparameter num_features takes value DEFAULT (2)
NOTICE:  Hyperparameter distance_function takes value DEFAULT (L2_Squared)
NOTICE:  Hyperparameter seeding_function takes value DEFAULT (Random++)
NOTICE:  Hyperparameter verbose takes value DEFAULT (0)
NOTICE:  Hyperparameter seed takes value DEFAULT (0)
MODEL CREATED. PROCESSED 1

上述命令中：

“CREATE MODEL”語句用于模型的訓(xùn)練和保存。
USING關(guān)鍵字指定算法名稱。
FEATURES用于指定訓(xùn)練模模型的特征，需根據(jù)訓(xùn)練數(shù)據(jù)表的列名添加。
TARGET指定模型的訓(xùn)練目標(biāo)，它可以是訓(xùn)練所需數(shù)據(jù)表的列名，也可以是一個表達式，例如: price > 10000。

WITH用于指定訓(xùn)練模型時的超參數(shù)。當(dāng)超參未被用戶進行設(shè)置的時候，框架會使用默認(rèn)數(shù)值。

針對不同的算子，框架支持不同的超參組合，見表2。

表 2 算子支持的超參

算子	超參
GD(logistic_regression、linear_regression、svm_classification)	optimizer(char*); verbose(bool); max_iterations(int); max_seconds(double); batch_size(int); learning_rate(double); decay(double); tolerance(double)其中，SVM限定超參lambda(double)
Kmeans	max_iterations(int); num_centroids(int); tolerance(double); batch_size(int); num_features(int); distance_function(char); seeding_function(char); verbose(int);seed(int)

當(dāng)前各個超參數(shù)設(shè)置的默認(rèn)值和取值范圍，見表3。

表 3 超參的默認(rèn)值以及取值范圍

算子	超參(默認(rèn)值)	取值范圍	超參描述
GD (logistic_regression、linear_regression、svm_classification)	optimizer = gd（梯度下降法）	gd/ngd（自然梯度下降）	優(yōu)化器
verbose = false	T/F	日志顯示
max_iterations = 100	(0, INT_MAX_VALUE]	最大迭代次數(shù)
max_seconds = 0 (不對運行時長設(shè)限制)	[0,INT_MAX_VALUE]	運行時長
batch_size = 1000	(0, MAX_MEMORY_LIMIT]	一次訓(xùn)練所選取的樣本數(shù)
learning_rate = 0.8	(0, DOUBLE_MAX_VALUE]	學(xué)習(xí)率
decay = 0.95	(0, DOUBLE_MAX_VALUE]	權(quán)值衰減率
tolerance = 0.0005	(0, DOUBLE_MAX_VALUE]	公差
seed = 0（對seed取隨機值）	[0, INT_MAX_VALUE]	種子
just for SVM：lambda = 0.01	(0, DOUBLE_MAX_VALUE)	正則化參數(shù)
Kmeans	max_iterations = 10	[1, INT_MAX_VALUE]	最大迭代次數(shù)
num_centroids = 10	[1, MAX_MEMORY_LIMIT]	簇的數(shù)目
tolerance = 0.00001	(0,1)	中心點誤差
batch_size = 10	[1, MAX_MEMORY_LIMIT]	一次訓(xùn)練所選取的樣本數(shù)
num_features = 2	[1, GS_MAX_COLS]	輸入樣本特征數(shù)
distance_function = “L2_Squared”	L1\L2\L2_Squared\Linf	正則化方法
seeding_function = “Random++”	“Random++”“KMeans\|\|”	初始化種子點方法
verbose = 0U	{ 0, 1, 2 }	冗長模式
seed = 0U	[0, INT_MAX_VALUE]	種子
MAX_MEMORY_LIMIT = 最大內(nèi)存加載的元組數(shù)量
GS_MAX_COLS = 數(shù)據(jù)庫單表最大屬性數(shù)量

模型保存成功，則返回創(chuàng)建成功信息如下。

MODEL CREATED. PROCESSED x

查看模型信息。

當(dāng)訓(xùn)練完成后模型會被存儲到系統(tǒng)表gs_model_warehouse中。系統(tǒng)表gs_model_warehouse可以查看到關(guān)于模型本身和訓(xùn)練過程的相關(guān)信息。

用戶可以通過查看系統(tǒng)表的方式查看模型，例如查看模型名為“point_kmeans”的SQL語句如下：

openGauss=# select * from gs_model_warehouse where modelname='point_kmeans';
-[ RECORD 1 ]---------+----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
modelname             | point_kmeans
modelowner            | 10
createtime            | 2021-04-30 17:30:39.59044
processedtuples       | 20
discardedtuples       | 0
pre_process_time      | 6.2001e-05
exec_time             | .000185272
iterations            | 5
outputtype            | 23
modeltype             | kmeans
query                 | CREATE MODEL point_kmeans USING kmeans FEATURES position FROM kmeans_2d WITH num_centroids=3;
modeldata             |
weight                |
hyperparametersnames  | {max_iterations,num_centroids,tolerance,batch_size,num_features,distance_function,seeding_function,verbose,seed}
hyperparametersvalues | {10,3,1e-05,10,2,L2_Squared,Random++,0,0}
hyperparametersoids   | {23,23,701,23,23,1043,1043,23,23}
coefnames             | {original_num_centroids,actual_num_centroids,dimension,distance_function_id,seed,coordinates}
coefvalues            | {3,3,2,2,572368998,"(77.282589,23.724434)(74.421616,73.239455)(18.551682,76.320914)"}
coefoids              |
trainingscoresname    |
trainingscoresvalue   |
modeldescribe         | {"id:1,objective_function:542.851169,avg_distance_to_centroid:108.570234,min_distance_to_centroid:1.027078,max_distance_to_centroid:297.210108,std_dev_distance_to_centroid:105.053257,cluster_size:5","id:2,objective_function:5825.982139,avg_distance_to_centroid:529.634740,min_distance_to_centroid:100.270449,max_distance_to_centroid:990.300588,std_dev_distance_to_centroid:285.915094,cluster_size:11","id:3,objective_function:220.792591,avg_distance_to_centroid:55.198148,min_distance_to_centroid:4.216111,max_distance_to_centroid:102.117204,std_dev_distance_to_centroid:39.319118,cluster_size:4"}

利用已存在的模型做推斷任務(wù)。

使用“SELECT”和“PREDICT BY”關(guān)鍵字利用已有模型完成推斷任務(wù)。

查詢語法：SELECT…PREDICT BY…(FEATURES…)…FROM…;
```
openGauss=# SELECT id, PREDICT BY point_kmeans (FEATURES position) as pos FROM (select * from kmeans_2d limit 10);
 id | pos
----+-----
  1 |   2
  2 |   2
  3 |   1
  4 |   3
  5 |   2
  6 |   2
  7 |   2
  8 |   1
  9 |   3
 10 |   1
(10 rows)
```
針對相同的推斷任務(wù)，同一個模型的結(jié)果是穩(wěn)定的。且基于相同的超參數(shù)和訓(xùn)練集訓(xùn)練的模型也具有穩(wěn)定性，同時AI模型訓(xùn)練存在隨機成分（每個batch的數(shù)據(jù)分布、隨機梯度下降），所以不同的模型間的計算表現(xiàn)、結(jié)果允許存在小的差別。

查看執(zhí)行計劃。

使用explain語句可對“CREATE MODEL”和“PREDICT BY”的模型訓(xùn)練或預(yù)測過程中的執(zhí)行計劃進行分析。Explain關(guān)鍵字后可直接拼接CREATE MODEL/ PREDICT BY語句（子句），也可接可選的參數(shù)，支持的參數(shù)見表4。

表 4 EXPLAIN支持的參數(shù)

參數(shù)名	描述
ANALYZE	布爾型變量，追加運行時間、循環(huán)次數(shù)等描述信息
VERBOSE	布爾型變量，控制訓(xùn)練的運行信息是否輸出到客戶端
COSTS	布爾型變量
CPU	布爾型變量
DETAIL	布爾型變量，不可用。
NODES	布爾型變量，不可用
NUM_NODES	布爾型變量，不可用
BUFFERS	布爾型變量
TIMING	布爾型變量
PLAN	布爾型變量
FORMAT	可選格式類型：TEXT / XML / JSON / YAML

示例：

openGauss=# Explain CREATE MODEL patient_logisitic_regression USING logistic_regression FEATURES second_attack, treatment TARGET trait_anxiety > 50 FROM patients WITH batch_size=10, learning_rate = 0.05;
NOTICE:  Hyperparameter batch_size takes value 10
NOTICE:  Hyperparameter decay takes value DEFAULT (0.950000)
NOTICE:  Hyperparameter learning_rate takes value 0.050000
NOTICE:  Hyperparameter max_iterations takes value DEFAULT (100)
NOTICE:  Hyperparameter max_seconds takes value DEFAULT (0)
NOTICE:  Hyperparameter optimizer takes value DEFAULT (gd)
NOTICE:  Hyperparameter tolerance takes value DEFAULT (0.000500)
NOTICE:  Hyperparameter seed takes value DEFAULT (0)
NOTICE:  Hyperparameter verbose takes value DEFAULT (FALSE)
NOTICE:  GD shuffle cache size 212369
                            QUERY PLAN
-------------------------------------------------------------------
 Gradient Descent  (cost=0.00..0.00 rows=0 width=0)
   ->  Seq Scan on patients  (cost=0.00..32.20 rows=1776 width=12)
(2 rows)

異常場景。

訓(xùn)練階段。

場景一：當(dāng)超參數(shù)的設(shè)置超出取值范圍，模型訓(xùn)練失敗，返回ERROR，并提示錯誤，例如：

openGauss=# CREATE MODEL patient_linear_regression USING linear_regression FEATURES second_attack,treatment TARGET trait_anxiety  FROM patients WITH optimizer='aa';
NOTICE:  Hyperparameter batch_size takes value DEFAULT (1000)
NOTICE:  Hyperparameter decay takes value DEFAULT (0.950000)
NOTICE:  Hyperparameter learning_rate takes value DEFAULT (0.800000)
NOTICE:  Hyperparameter max_iterations takes value DEFAULT (100)
NOTICE:  Hyperparameter max_seconds takes value DEFAULT (0)
NOTICE:  Hyperparameter optimizer takes value aa
ERROR:  Invalid hyperparameter value for optimizer. Valid values are: gd, ngd. (default is gd)

場景二：當(dāng)模型名稱已存在，模型保存失敗，返回ERROR，并提示錯誤原因：

openGauss=# CREATE MODEL patient_linear_regression USING linear_regression FEATURES second_attack,treatment TARGET trait_anxiety  FROM patients;
NOTICE:  Hyperparameter batch_size takes value DEFAULT (1000)
NOTICE:  Hyperparameter decay takes value DEFAULT (0.950000)
NOTICE:  Hyperparameter learning_rate takes value DEFAULT (0.800000)
NOTICE:  Hyperparameter max_iterations takes value DEFAULT (100)
NOTICE:  Hyperparameter max_seconds takes value DEFAULT (0)
NOTICE:  Hyperparameter optimizer takes value DEFAULT (gd)
NOTICE:  Hyperparameter tolerance takes value DEFAULT (0.000500)
NOTICE:  Hyperparameter seed takes value DEFAULT (0)
NOTICE:  Hyperparameter verbose takes value DEFAULT (FALSE)
NOTICE:  GD shuffle cache size 5502
ERROR:  The model name "patient_linear_regression" already exists in gs_model_warehouse.

場景三：FEATURE或者TARGETS列是*，返回ERROR，并提示錯誤原因：

openGauss=# CREATE MODEL patient_linear_regression USING linear_regression FEATURES *  TARGET trait_anxiety  FROM
patients;
ERROR:  FEATURES clause cannot be *
-----------------------------------------------------------------------------------------------------------------------、
openGauss=# CREATE MODEL patient_linear_regression USING linear_regression FEATURES second_attack,treatment TARGET *  FROM patients;
ERROR:  TARGET clause cannot be *

場景四：對于無監(jiān)督學(xué)習(xí)方法使用TARGET關(guān)鍵字，或者在監(jiān)督學(xué)習(xí)方法中不適用TARGET關(guān)鍵字，均會返回ERROR，并提示錯誤原因：

openGauss=# CREATE MODEL patient_linear_regression USING linear_regression FEATURES second_attack,treatment FROM patients;
ERROR:  Supervised ML algorithms require TARGET clause
-----------------------------------------------------------------------------------------------------------------------------
CREATE MODEL patient_linear_regression USING linear_regression TARGET trait_anxiety  FROM patients;   ERROR:  Supervised ML algorithms require FEATURES clause

場景五：當(dāng)GUC參數(shù)statement_timeout設(shè)置了時長，訓(xùn)練超時執(zhí)行的語句將被終止：執(zhí)行CREATE MODEL語句。訓(xùn)練集的大小、訓(xùn)練輪數(shù)(iteration)、提前終止條件(tolerance、max_seconds)、并行線程數(shù)(nthread)等參數(shù)都會影響訓(xùn)練時長。當(dāng)時長超過數(shù)據(jù)庫限制，語句被終止模型訓(xùn)練失敗。

推斷階段。

場景六：當(dāng)模型名在系統(tǒng)表中查找不到，數(shù)據(jù)庫會報ERROR：

openGauss=# select id, PREDICT BY patient_logistic_regression (FEATURES second_attack,treatment) FROM patients;
ERROR:  There is no model called "patient_logistic_regression".

場景七：當(dāng)做推斷任務(wù)FEATURES的數(shù)據(jù)維度和數(shù)據(jù)類型與訓(xùn)練集存在不一致，將報ERROR，并提示錯誤原因，例如：

openGauss=# select id, PREDICT BY patient_linear_regression (FEATURES second_attack) FROM patients;
ERROR:  Invalid number of features for prediction, provided 1, expected 2
CONTEXT:  referenced column: patient_linear_regression_pred
-------------------------------------------------------------------------------------------------------------------------------------
openGauss=# select id, PREDICT BY patient_linear_regression (FEATURES 1,second_attack,treatment) FROM patients;
ERROR:  Invalid number of features for prediction, provided 3, expected 2
CONTEXT:  referenced column: patient_linear_regression_pre

?? 點贊，你的認(rèn)可是我創(chuàng)作的動力！

?? 收藏，你的青睞是我努力的方向！

?? 評論，你的意見是我進步的財富！

openGauss學(xué)習(xí)筆記-50 openGauss 高級特性-DB4AI,openGauss學(xué)習(xí)筆記,openGauss,數(shù)據(jù)庫,開源數(shù)據(jù)庫,開源軟件,sql 文章來源地址http://www.zghlxwxcb.cn/news/detail-673430.html

到了這里，關(guān)于openGauss學(xué)習(xí)筆記-50 openGauss 高級特性-DB4AI的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！

本文來自互聯(lián)網(wǎng)用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務(wù)，不擁有所有權(quán)，不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載，請注明出處：如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實不符，請點擊違法舉報進行投訴反饋，一經(jīng)查實，立即刪除！

分享到：

領(lǐng)支付寶紅包贊助服務(wù)器費用

openGauss學(xué)習(xí)筆記-34 openGauss 高級數(shù)據(jù)管理-SCHEMA
SCHEMA又稱作模式。通過管理SCHEMA，允許多個用戶使用同一數(shù)據(jù)庫而不相互干擾，可以將數(shù)據(jù)庫對象組織成易于管理的邏輯組，同時便于將第三方應(yīng)用添加到相應(yīng)的SCHEMA下而不引起沖突。每個數(shù)據(jù)庫包含一個或多個SCHEMA。數(shù)據(jù)庫中的每個SCHEMA包含表和其他類型的對象。數(shù)據(jù)庫創(chuàng)
2024年02月13日
瀏覽(52)
openGauss學(xué)習(xí)筆記-45 openGauss 高級數(shù)據(jù)管理-物化視圖
物化視圖是相對普通視圖而言的。普通視圖是虛擬表，而物化視圖實際上就是存儲SQL執(zhí)行語句的結(jié)果，可以直接使用數(shù)據(jù)而不用重復(fù)執(zhí)行查詢語句，從而提升性能。按照刷新方式物化視圖分為兩種：全量物化視圖：僅支持對已創(chuàng)建的物化視圖進行全量更新，而不支持進行增
2024年02月11日
瀏覽(49)
openGauss學(xué)習(xí)筆記-28 openGauss 高級數(shù)據(jù)管理-NULL值
NULL值代表未知數(shù)據(jù)。無法比較NULL和0，因為它們是不等價的。創(chuàng)建表時，可以指定列可以存放或者不能存放NULL值，詳情請參見 NOT NULL約束。本節(jié)介紹IS NULL和IS NOT NULL操作符。創(chuàng)建表customer_t1，數(shù)據(jù)如下： 28.1 IS NOT NULL 在WHERE子句中查找為NULL值的字段。例如，列出表customer
2024年02月14日
瀏覽(18)
openGauss學(xué)習(xí)筆記-35 openGauss 高級數(shù)據(jù)管理-ALTER TABLE語句
修改表，包括修改表的定義、重命名表、重命名表中指定的列、重命名表的約束、設(shè)置表的所屬模式、添加/更新多個列、打開/關(guān)閉行訪問控制開關(guān)。 35.1 語法格式在一張已經(jīng)存在的表上添加列。在一張已經(jīng)存在的表上刪除列。修改表的字段類型。為一張已經(jīng)存在表的列增
2024年02月13日
瀏覽(55)
重溫《深入理解Java虛擬機：JVM高級特性與最佳實踐（第二版）》 –– 學(xué)習(xí)筆記（一）
第1章：走近Java 1.1 Java的技術(shù)體系 SUN 官方所定義的 Java 技術(shù)體系包括：Java程序設(shè)計語言、Java虛擬機、Class文件格式、Java API類庫、第三方（商業(yè)機構(gòu)和開源社區(qū)）Java類庫。其中，「Java程序設(shè)計語言」、「Java虛擬機」、「Java API類」這三個被稱為 JDK（Java Deployment Kit），即
2024年01月23日
瀏覽(21)
openGauss學(xué)習(xí)筆記-25 openGauss 聚集函數(shù)
25.1 sum(expression) 描述：所有輸入行的expression總和。返回類型：通常情況下輸入數(shù)據(jù)類型和輸出數(shù)據(jù)類型是相同的，但以下情況會發(fā)生類型轉(zhuǎn)換：對于SMALLINT或INT輸入，輸出類型為BIGINT。對于BIGINT輸入，輸出類型為NUMBER 。對于浮點數(shù)輸入，輸出類型為DOUBLE PRECISION。示例：
2024年02月14日
瀏覽(15)
openGauss學(xué)習(xí)筆記-01 什么是openGauss
openGauss學(xué)習(xí)筆記-01 什么是openGauss openGauss是一款全面友好開放，攜手伙伴共同打造的企業(yè)級開源關(guān)系型數(shù)據(jù)庫。openGauss提供面向多核架構(gòu)的極致性能、全鏈路的業(yè)務(wù)、數(shù)據(jù)安全、基于AI的調(diào)優(yōu)和高效運維的能力。openGauss深度融合華為在數(shù)據(jù)庫領(lǐng)域多年的研發(fā)經(jīng)驗，結(jié)合企業(yè)級場
2024年02月12日
瀏覽(14)
openGauss學(xué)習(xí)筆記-02 openGauss系統(tǒng)架構(gòu)
openGauss學(xué)習(xí)筆記-02 openGauss系統(tǒng)架構(gòu) openGauss是單機系統(tǒng)，在這樣的系統(tǒng)架構(gòu)中，業(yè)務(wù)數(shù)據(jù)存儲在單個物理節(jié)點上，數(shù)據(jù)訪問任務(wù)被推送到服務(wù)節(jié)點執(zhí)行，通過服務(wù)器的高并發(fā)，實現(xiàn)對數(shù)據(jù)處理的快速響應(yīng)。同時通過日志復(fù)制可以把數(shù)據(jù)復(fù)制到備機，提供數(shù)據(jù)的高可靠和讀擴展
2024年02月12日
瀏覽(10)
openGauss學(xué)習(xí)筆記-03 openGauss極簡版單節(jié)點安裝
openGauss支持以腳本方式進行極簡安裝，極簡安裝包括單節(jié)點安裝和一主一備節(jié)點安裝。 3.1 獲取安裝包 3.1.1 下載對應(yīng)平臺的安裝包從openGauss開源社區(qū)下載對應(yīng)平臺的安裝包登錄openGauss開源社區(qū)，選擇對應(yīng)平臺的最新安裝包下載。對于個人開發(fā)者或非企業(yè)級環(huán)境，下載極簡安
2024年02月13日
瀏覽(43)
openGauss學(xué)習(xí)筆記-18 openGauss 簡單數(shù)據(jù)管理-WHERE子句
當(dāng)我們需要根據(jù)指定條件從表中查詢數(shù)據(jù)時，就可以在SELECT語句中添加WHERE子句，從而過濾掉我們不需要數(shù)據(jù)。WHERE子句構(gòu)成一個行選擇表達式，用于指定條件而獲取的數(shù)據(jù)，如果給定的條件滿足，才返回從表中的具體數(shù)值。 18.1 語法格式 18.2 參數(shù)說明 WHERE子句 WHERE子句構(gòu)成一
2024年02月16日
瀏覽(29)