一、数据库 Sqlite3 资料
SQLite3 教程
SQLite3 是一个轻量级的嵌入式数据库引擎,它不需要单独的服务器进程,数据库直接存储在磁盘文件中。Python 内置了 sqlite3
模块,可以方便地操作 SQLite 数据库。以下是 SQLite3 的详细教程。
1. SQLite3 简介
- SQLite3 是一个自包含、无服务器、零配置的 SQL 数据库引擎。
- 数据库存储在一个单一的文件中,易于移植和备份。
- 适用于小型应用程序、嵌入式系统或原型开发。
2. Python 中的 SQLite3
Python 的 sqlite3
模块提供了操作 SQLite 数据库的接口。以下是基本用法。
3. 基本操作
3.1 连接数据库
使用 sqlite3.connect()
方法连接数据库。如果数据库文件不存在,会自动创建。
import sqlite3# 连接数据库(如果不存在则创建)
conn = sqlite3.connect('example.db')
3.2 创建游标
游标用于执行 SQL 语句并获取结果。
cursor = conn.cursor()
3.3 创建表
使用 CREATE TABLE
语句创建表。
cursor.execute('''
CREATE TABLE IF NOT EXISTS users (id INTEGER PRIMARY KEY AUTOINCREMENT,name TEXT NOT NULL,age INTEGER
)
''')
3.4 插入数据
使用 INSERT INTO
语句插入数据。
cursor.execute("INSERT INTO users (name, age) VALUES ('Alice', 25)")
cursor.execute("INSERT INTO users (name, age) VALUES ('Bob', 30)")
3.5 提交事务
对数据库的修改需要提交事务才能生效。
conn.commit()
3.6 查询数据
使用 SELECT
语句查询数据。
cursor.execute("SELECT * FROM users")
rows = cursor.fetchall()
for row in rows:print(row)
3.7 更新数据
使用 UPDATE
语句更新数据。
cursor.execute("UPDATE users SET age = 26 WHERE name = 'Alice'")
conn.commit()
3.8 删除数据
使用 DELETE
语句删除数据。
cursor.execute("DELETE FROM users WHERE name = 'Bob'")
conn.commit()
3.9 关闭连接
操作完成后,关闭数据库连接。
conn.close()
4. 完整示例
import sqlite3# 连接数据库
conn = sqlite3.connect('example.db')
cursor = conn.cursor()# 创建表
cursor.execute('''
CREATE TABLE IF NOT EXISTS users (id INTEGER PRIMARY KEY AUTOINCREMENT,name TEXT NOT NULL,age INTEGER
)
''')# 插入数据
cursor.execute("INSERT INTO users (name, age) VALUES ('Alice', 25)")
cursor.execute("INSERT INTO users (name, age) VALUES ('Bob', 30)")
conn.commit()# 查询数据
cursor.execute("SELECT * FROM users")
rows = cursor.fetchall()
print("查询结果:")
for row in rows:print(row)# 更新数据
cursor.execute("UPDATE users SET age = 26 WHERE name = 'Alice'")
conn.commit()# 删除数据
cursor.execute("DELETE FROM users WHERE name = 'Bob'")
conn.commit()# 关闭连接
conn.close()
5. 高级操作
5.1 使用参数化查询
参数化查询可以防止 SQL 注入,并提高代码可读性。
name = "Charlie"
age = 35
cursor.execute("INSERT INTO users (name, age) VALUES (?, ?)", (name, age))
conn.commit()
5.2 获取单个结果
使用 fetchone()
获取查询结果的第一行。
cursor.execute("SELECT * FROM users WHERE name = 'Alice'")
row = cursor.fetchone()
print(row)
5.3 获取列名
使用 description
属性获取查询结果的列名。
cursor.execute("SELECT * FROM users")
columns = [description[0] for description in cursor.description]
print("列名:", columns)
5.4 使用上下文管理器
使用 with
语句自动管理连接和游标。
with sqlite3.connect('example.db') as conn:cursor = conn.cursor()cursor.execute("SELECT * FROM users")rows = cursor.fetchall()for row in rows:print(row)
5.5 处理异常
在操作数据库时,捕获并处理异常。
try:cursor.execute("INSERT INTO users (name, age) VALUES ('Alice', 25)")conn.commit()
except sqlite3.Error as e:print("数据库错误:", e)
6. SQLite3 数据类型
SQLite3 支持以下数据类型:
NULL
:空值。INTEGER
:整数。REAL
:浮点数。TEXT
:文本字符串。BLOB
:二进制数据。
7. SQLite3 常用命令
以下是一些常用的 SQLite3 命令:
.tables
:列出所有表。.schema [table]
:查看表结构。.databases
:列出所有数据库。.exit
:退出 SQLite3 命令行工具。
8. SQLite3 命令行工具
SQLite3 提供了一个命令行工具,可以直接操作数据库文件。
启动命令行工具
sqlite3 example.db
示例:在命令行中操作数据库
-- 创建表
CREATE TABLE users (id INTEGER PRIMARY KEY, name TEXT, age INTEGER);-- 插入数据
INSERT INTO users (name, age) VALUES ('Alice', 25);-- 查询数据
SELECT * FROM users;-- 退出
.exit
9. 总结
SQLite3 是一个简单易用的嵌入式数据库,适合小型应用程序或原型开发。通过 Python 的 sqlite3
模块,你可以轻松地创建、查询、更新和删除数据。掌握 SQLite3 的基本操作后,你可以进一步学习更高级的功能,如事务管理、索引优化等。
二、SQlite3 局限性
SQLite3 是一个轻量级的嵌入式数据库引擎,虽然它非常强大且易于使用,但在某些场景下可能会遇到性能或功能上的限制。以下是 SQLite3 的主要极限和适用场景的分析:
1. 数据库大小限制
- 理论限制:SQLite3 的数据库大小限制为 140 TB(128 TiB)。
- 实际限制:受文件系统和磁盘空间的限制。在大多数情况下,SQLite3 的数据库大小不会超过几 GB 到几十 GB。
2. 并发访问限制
- 写操作并发:SQLite3 使用文件级锁,同一时间只能有一个写操作。如果有多个写操作,后续操作会被阻塞。
- 读操作并发:多个读操作可以同时进行,但在写操作期间,读操作会被阻塞。
- 适用场景:适合低并发或单线程访问的场景,如嵌入式设备、桌面应用程序或小型 Web 应用。
3. 性能限制
- 高并发写操作:由于写操作是串行的,SQLite3 在高并发写操作场景下性能较差。
- 复杂查询:对于非常复杂的查询(如多表连接、子查询等),SQLite3 的性能可能不如 MySQL 或 PostgreSQL 等数据库。
- 适用场景:适合数据量较小、查询简单的场景,如本地缓存、配置文件存储或小型应用。
4. 功能限制
- 存储过程:SQLite3 不支持存储过程。
- 用户管理:SQLite3 没有用户管理和权限控制功能。
- 网络访问:SQLite3 是一个本地数据库,不支持远程访问。如果需要远程访问,需要额外的网络层封装。
- 适用场景:适合不需要高级功能(如存储过程、用户管理)的本地应用。
5. 事务与锁
- 事务:SQLite3 支持 ACID 事务,但在高并发场景下,事务可能会因为锁争用而变慢。
- 锁机制:SQLite3 使用文件级锁,而不是行级锁或表级锁,这在高并发场景下可能导致性能瓶颈。
- 适用场景:适合事务较少或并发度较低的场景。
6. 扩展性
- 水平扩展:SQLite3 不支持分布式存储或水平扩展。
- 垂直扩展:可以通过优化查询、使用索引等方式提高性能,但受限于单文件存储和文件级锁。
- 适用场景:适合单机应用或数据量较小的场景。
7. 适用场景
SQLite3 在以下场景中表现优异:
- 嵌入式设备:如移动应用、IoT 设备。
- 桌面应用程序:如本地数据存储、配置文件管理。
- 原型开发:快速搭建和测试应用程序。
- 小型 Web 应用:低并发、数据量较小的 Web 应用。
8. 不适用场景
SQLite3 在以下场景中可能不适用:
- 高并发 Web 应用:如大型电商平台、社交网络。
- 分布式系统:需要多节点协同工作的系统。
- 大数据量:数据量超过几十 GB 的场景。
- 复杂查询:需要频繁执行复杂查询的场景。
9. 优化建议
如果需要在 SQLite3 中处理较大数据量或提高性能,可以考虑以下优化方法:
- 使用索引:为常用查询字段创建索引。
- 批量操作:将多个写操作合并为一个事务。
- 分库分表:将数据分散到多个数据库或表中。
- 定期清理:删除不需要的数据,减少数据库大小。
10. 总结
SQLite3 是一个轻量级、易用且功能强大的嵌入式数据库,但在高并发、大数据量或复杂查询场景下可能会遇到性能或功能上的限制。选择合适的数据库引擎应根据具体需求来决定:
- 如果需要轻量级、本地化的解决方案,SQLite3 是一个很好的选择。
- 如果需要高并发、分布式或高级功能,可以考虑 MySQL、PostgreSQL 或其他数据库引擎。
相关文章:
一、数据库 Sqlite3 资料
SQLite3 教程 SQLite3 是一个轻量级的嵌入式数据库引擎,它不需要单独的服务器进程,数据库直接存储在磁盘文件中。Python 内置了 sqlite3 模块,可以方便地操作 SQLite 数据库。以下是 SQLite3 的详细教程。 1. SQLite3 简介 SQLite3 是一个自…...
Passlib库介绍及使用指南
什么是Passlib? Passlib是一个强大的Python密码哈希库,它支持多种哈希算法和工具。 Passlib不仅提供了易于使用的API,还集成了多种安全特性,如加盐、密钥派生函数等,广泛应用于用户账户系统、敏感数据保护和多因素认证…...

模型选择+过拟合欠拟合
训练误差和泛化误差 训练误差:模型在训练数据上的误差 泛化误差:模型在新数据上的误差 验证数据集:一个用来评估模型好坏的数据集 例如拿出50%的数据作为训练 测试数据集:只能用一次 K则交叉验证 在没有足够数据时使用 算法…...

绝美的数据处理图-三坐标轴-散点图-堆叠图-数据可视化图
clc clear close all %% 读取数据 load(MyColor.mat) %读取颜色包for iloop 1:25 %提取工作表数据data0(iloop) {readtable(data.xlsx,sheet,iloop)}; end%% 解析数据 countzeros(23,14); for iloop 1:25index(iloop) { cell2mat(table2array(data0{1,iloop}(1,1)))};data(i…...
损失函数-二分类和多分类
二分类和多分类的损失函数 二分类 损失函数 L ( y , y ^ ) − ( y l o g ( y ^ ) ) ( 1 − y ) l o g ( 1 − y ^ ) L(y,\hat{y}) -(ylog(\hat{y})) (1-y)log(1-\hat{y}) L(y,y^)−(ylog(y^))(1−y)log(1−y^) 其中真实标签表示为y(取值为 0 或 1&#…...

汽车损坏识别检测数据集,使用yolo,pasical voc xml,coco json格式标注,6696张图片,可识别11种损坏类型,识别率89.7%
汽车损坏识别检测数据集,使用yolo,pasical voc xml,coco json格式标注,6696张图片,可识别11种损坏类型损坏: 前挡风玻璃(damage-front-windscreen ) 损坏的门 (damaged-d…...
从 Elastic 迁移到 Easysearch 指引
从 Elasticsearch 迁移到 Easysearch 需要考虑多个方面,这取决于当前使用的 Elasticsearch 版本、能容忍的停机时间、应用需求等。在此背景下,我们梳理了一下通用的升级指引,方便大家进行迁移工作。 迁移路径 Elasticsearch 版本快照兼容推…...

Yapi RCE 复现和批量编写
一、漏洞复现 首先祭出fofa,搜索语句为 app"yapi",但是为了避开国内,所以使用 app"yapi" && country"SG",SG为新加坡,结果如图 虽然有30页,但是能利用的可能也没几…...
【2024年-9月-21日-开源社区openEuler实践记录】PilotGo:简化运维管理的开源利器
开篇介绍 大家好,我是 fzr123。在运维领域摸爬滚打许久,我发现了PilotGo这个超实用的开源项目,它正悄然改变着运维人员处理日常任务的方式,为复杂的运维管理工作带来了极大的便利与效率提升。 技术亮点 1. 自动化运维任务编排 …...
ubuntu 20.04 国内源安装docker
先更新软件包,安装备要apt软件 # 更新软件包索引 sudo apt-get update# 安装需要的软件包以使apt能够通过HTTPS使用仓库 sudo apt-get install ca-certificates curl gnupg lsb-release使用阿里云源 # 添加阿里云官方GPG密钥 curl -fsSL http://mirrors.aliyun.co…...

比亚迪30亿教育慈善基金正式启动,助推中国科教进步
12月30日,比亚迪在深圳总部举行了30亿教育慈善基金启动仪式,比亚迪股份有限公司董事长兼总裁王传福与来自全国的35所高校代表及28所科技馆、博物馆代表共同启动比亚迪30亿教育慈善基金捐赠,推动中国科教进步。 捐资30亿教育慈善基金…...

【链表】重排链表,看似复杂实则并不简单~
文章目录 143. 重排链表解题思路 143. 重排链表 143. 重排链表 给定一个单链表 L 的头节点 head ,单链表 L 表示为: L0 → L1 → … → Ln - 1 → Ln 请将其重新排列后变为: L0 → Ln → L1 → Ln - 1 → L2 → Ln - 2 → … 不能…...

yakit-靶场-高级前端加解密与验签实战(for嵌套纯享版)
高级前端加解密与验签实战 一、前端验证签名(验签)表单:HMAC-SHA256 使用hmac-sha256的十六进制key值可以加密 与页面加密后的值相同 热加载: encryptData func(p) { //sha256key值key codec.DecodeHex("313233343132333…...

洛谷 P1328 [NOIP2014 提高组] 生活大爆炸版石头剪刀布
题解: #include<iostream> #include<vector> //定义二维数组,直接标识不同出法相应对应关系 int mark[5][5]{{0,-1,1,1,-1},{1,0,-1,1,-1},{-1,1,0,-1,1},{-1,-1,1,0,1},{1,1,-1,-1,0}}; void JudgeScore(int A,int B,int& countA,int&…...

NLP论文速读(NeurIPS 2024)|BERT作为生成式上下文学习者BERTs are Generative In-Context Learners
论文速读|BERTs are Generative In-Context Learners 论文信息: 简介: 本文探讨了在自然语言处理(NLP)领域中,上下文学习(in-context learning)的能力,这通常与因果语言模型&#x…...

亚马逊云科技 | Amazon Nova:智能技术新势力
在2024年亚马逊云科技re:invent大会上,Amazon Nova 系列自研生成式 AI 多模态模型重磅登场,新一代的AI产品-Amazon Nova,隶属于 Amazon Bedrock,一共发布6款大模型,精准切入不同领域,解锁多元业务可能&…...

Kali 自动化换源脚本编写与使用
1. 背景与需求 在使用 Kali Linux 的过程中,软件源的配置对系统的更新与软件安装速度至关重要。 Kali 的默认官方源提供了安全且最新的软件包,但有时由于网络条件或地理位置的限制,使用官方源可能会出现速度较慢的问题。 为了解决这一问题&a…...

【已解决】PDF文档有密码怎么办(2024新)免费在线工具PDF2Go
强大的解密工具PDF2Go使用指南 一、PDF2Go简介 PDF2Go是由德国QaamGo公司开发的在线PDF工具箱,以其强大的功能和用户友好的界面而闻名。它不仅免费,而且不需要用户注册或安装任何软件,只需打开浏览器即可使用。 二、功能特点 1. 免费且无需…...

华为ensp-BGP联盟
学习新思想,争做新青年,今天学习BGP联盟 实验介绍 一个BGP联盟是一个具有内部层次结构的AS。一个BGP联盟由若干个子AS 组成,子AS也称为成员AS。对于一个BGP联盟,其成员AS内部的各路由器之间需要建立全互联的IBGP邻居关系或使用B…...

ArcGIS中怎么进行水文分析?(思路介绍)
最近有人咨询,ArcGIS中怎么进行水文分析,大致的说一下河网提取的思路哈 解决思路:dem填洼→计算水流方向→计算水流累积矩阵→形成河网 dem填洼 计算水流方向 计算水流累积矩阵 用栅格计算器,设阈值(自己多次尝试&…...
生成xcframework
打包 XCFramework 的方法 XCFramework 是苹果推出的一种多平台二进制分发格式,可以包含多个架构和平台的代码。打包 XCFramework 通常用于分发库或框架。 使用 Xcode 命令行工具打包 通过 xcodebuild 命令可以打包 XCFramework。确保项目已经配置好需要支持的平台…...

Prompt Tuning、P-Tuning、Prefix Tuning的区别
一、Prompt Tuning、P-Tuning、Prefix Tuning的区别 1. Prompt Tuning(提示调优) 核心思想:固定预训练模型参数,仅学习额外的连续提示向量(通常是嵌入层的一部分)。实现方式:在输入文本前添加可训练的连续向量(软提示),模型只更新这些提示参数。优势:参数量少(仅提…...

2025年能源电力系统与流体力学国际会议 (EPSFD 2025)
2025年能源电力系统与流体力学国际会议(EPSFD 2025)将于本年度在美丽的杭州盛大召开。作为全球能源、电力系统以及流体力学领域的顶级盛会,EPSFD 2025旨在为来自世界各地的科学家、工程师和研究人员提供一个展示最新研究成果、分享实践经验及…...

如何在看板中体现优先级变化
在看板中有效体现优先级变化的关键措施包括:采用颜色或标签标识优先级、设置任务排序规则、使用独立的优先级列或泳道、结合自动化规则同步优先级变化、建立定期的优先级审查流程。其中,设置任务排序规则尤其重要,因为它让看板视觉上直观地体…...

Python实现prophet 理论及参数优化
文章目录 Prophet理论及模型参数介绍Python代码完整实现prophet 添加外部数据进行模型优化 之前初步学习prophet的时候,写过一篇简单实现,后期随着对该模型的深入研究,本次记录涉及到prophet 的公式以及参数调优,从公式可以更直观…...

【Java_EE】Spring MVC
目录 Spring Web MVC 编辑注解 RestController RequestMapping RequestParam RequestParam RequestBody PathVariable RequestPart 参数传递 注意事项 编辑参数重命名 RequestParam 编辑编辑传递集合 RequestParam 传递JSON数据 编辑RequestBody …...

用机器学习破解新能源领域的“弃风”难题
音乐发烧友深有体会,玩音乐的本质就是玩电网。火电声音偏暖,水电偏冷,风电偏空旷。至于太阳能发的电,则略显朦胧和单薄。 不知你是否有感觉,近两年家里的音响声音越来越冷,听起来越来越单薄? —…...
【Go语言基础【12】】指针:声明、取地址、解引用
文章目录 零、概述:指针 vs. 引用(类比其他语言)一、指针基础概念二、指针声明与初始化三、指针操作符1. &:取地址(拿到内存地址)2. *:解引用(拿到值) 四、空指针&am…...

WPF八大法则:告别模态窗口卡顿
⚙️ 核心问题:阻塞式模态窗口的缺陷 原始代码中ShowDialog()会阻塞UI线程,导致后续逻辑无法执行: var result modalWindow.ShowDialog(); // 线程阻塞 ProcessResult(result); // 必须等待窗口关闭根本问题:…...
深度学习之模型压缩三驾马车:模型剪枝、模型量化、知识蒸馏
一、引言 在深度学习中,我们训练出的神经网络往往非常庞大(比如像 ResNet、YOLOv8、Vision Transformer),虽然精度很高,但“太重”了,运行起来很慢,占用内存大,不适合部署到手机、摄…...