科技
类型
可以朗读
语音朗读
2269千字
字数
2022-04-01
发行日期
展开全部
主编推荐语
关于大数据的经典书目集合。
内容简介
本套装包括：《数据合规：入门、实战与进阶》《数据赋能》《从实践中学习sqlmap数据库注入测试》《深入浅出隐私计算：技术解析与应用实践》《云边协同大数据技术与应用》《大规模数据分析和建模：基于Spark与R》《分布式算法精髓》《数据库系统内幕》《数据应用工程：方法论与实践》《MySQL应用实战与性能调优》十本书。
目录
- 数据合规：入门、实战与进阶
- 版权信息
- 作者简介
- 自序
- 开篇 小白入职“数据合规”法务岗位，一头雾水怎么办
- 第一章 “数据合规”都管哪些事儿
- 第一节 这些数据很重要：用户数据、个人信息、隐私
- 第二节 要管理的数据处理活动太多了：覆盖数据全生命周期
- 第三节 数据合规工作面面观：政策研究、合规评估、管理体系、技术措施
- 小结
- 第二章 数据合规之避坑预警
- 第一节 避坑点之产品端在线协议
- 第二节 避坑点之内部管控
- 小结
- 入门篇 对症下药，小白必知的合规要求
- 第三章 我国数据合规立法体系与监管要求
- 第一节 现行数据合规立法体系
- 第二节 多重监管要求的对比分析
- 第三节 数据合规违法案例
- 小结
- 第四章 如何让《个人信息保护法》在业务中落地
- 第一节 摸排场景：识别个人信息和主体身份
- 第二节 遵循个人信息处理的基本规则和通用义务
- 第三节 遵循个人信息处理的特殊义务
- 第四节 个人信息主体的权利及其他
- 小结
- 第五章 欧盟数据保护立法体系与监管要求
- 第一节 欧盟数据保护立法概况
- 第二节 欧盟数据保护监管案例
- 小结
- 第六章 美国数据保护立法体系及监管要求
- 第一节 美国数据保护立法概况
- 第二节 美国数据保护监管案例
- 小结
- 进阶篇 不得不知，小白最常遇到的普通场景
- 第七章 “告知同意”就是用户“点击同意隐私政策”吗
- 第一节 “告知同意”法典化概况
- 第二节 “告知”规则的适用要求
- 第三节 获取个人的有效“同意”
- 小结
- 第八章 隐私政策不能抄！那该怎么办
- 第一节 用户同意的隐私政策是合同吗
- 第二节 隐私政策的合规要求
- 第三节 隐私政策的开发路径
- 小结
- 第九章 账号注销，落实起来不容易
- 第一节 账号注销，这事儿必须做
- 第二节 账号注销需要哪些流程才能完成
- 第三节 用户注销账号之后，企业还需要做什么
- 小结
- 第十章 员工个人信息保护，这事儿不能忘
- 第一节 雇用中国籍员工的注意事项
- 第二节 雇用外国籍员工的注意事项
- 第三节 境外分支机构雇用员工的注意事项
- 小结
- 高阶篇 见招拆招，小白化身数据合规专家应对高难场景
- 第十一章 更懂你的精准营销和个性化推荐
- 第一节 为什么广告是为我量身定做的：精准营销
- 第二节 为什么互联网产品总能“猜你喜欢”：个性化推荐
- 第三节 解开算法中的你和我
- 小结
- 第十二章 数据要素效能发挥：数据共享与交易
- 第一节 数据共享与交易的困境
- 第二节 平台企业有数据垄断“原罪”吗
- 小结
- 第十三章 生物识别技术的发展：人脸识别的恐慌与合规
- 第一节 辨析人脸识别技术及其应用场景
- 第二节 映射人脸识别的数据合规要点
- 小结
- 第十四章 出海业务中如何跨境传输数据才不碰雷
- 第一节 第一道雷：数据本地化
- 第二节 第二道雷：跨境传输合规机制
- 第三节 避雷指南：出海业务跨境传输合规三步走
- 小结
- 第十五章 企业上市中的数据合规：全面布局
- 第一节 证监会上市要求洞察与分析
- 第二节 拟上市企业的前期准备
- 第三节 企业上市后的合规保健
- 小结
- 第十六章 月薪10万元是个小目标：职业跨越式发展
- 第一节 从数据合规律师到数据保护官
- 第二节 数字化转型时代对数据保护官的进一步要求
- 后记
- 附录
- 附录A 名词解释
- 附录B 与数据保护相关的常用法规、规章与规范性文件
- 附录C 数据保护领域单行专项法律
- 附录D 综合性法律中的数据保护专条
- 附录E 关于数据本地化和出境要求的规范汇总
- 数据赋能
- 版权信息
- 作者简介
- 前言
- 第1章 数据赋能概述
- 引导案例 格力电器的数字化转型
- 1.1 数据赋能的时代背景
- 1.1.1 新工业革命——数字化、网络化、智能化
- 1.1.2 新生产要素——大数据
- 1.1.3 新经济形态——数字经济
- 1.2 何谓数据赋能
- 1.2.1 数据感知
- 1.2.2 智能认知
- 1.2.3 动态决策
- 1.2.4 精准执行
- 1.3 数据赋能制造业企业
- 1.3.1 制造业企业创新管理的三大系统与五条路线
- 1.3.2 数据赋能制造业企业创新管理的路径
- 本章小结
- 第2章 数据赋能战略决策
- 引导案例 金域医学的数字化转型战略
- 2.1 数据如何赋能战略决策
- 2.2 数据赋能战略决策的特征
- 2.2.1 战略场景可视化
- 2.2.2 战略分析算法化
- 2.2.3 战略决策动态化
- 2.3 数据赋能的新战略模式：数字化转型
- 2.3.1 数字化转型的内涵
- 2.3.2 数字化转型的三大目标
- 2.3.3 数字化转型的三项任务
- 2.3.4 数字化转型的三个阶段
- 本章小结
- 第3章 数据赋能研究开发
- 引导案例 潍柴动力的数字化研发
- 3.1 数据如何赋能研究开发
- 3.2 数据赋能研究开发的特征
- 3.2.1 需求分析精准化
- 3.2.2 研发设计高效化
- 3.2.3 研发流程并行化
- 3.3 数据赋能的新研发模式
- 3.3.1 数字化协同研发
- 3.3.2 数字化研发知识管理
- 本章小结
- 第4章 数据赋能生产制造
- 引导案例 赛意信息赋能南阳防爆打造智能制造行业标杆
- 4.1 数据如何赋能生产制造
- 4.2 数据赋能生产制造的特征
- 4.2.1 生产制造数字化
- 4.2.2 生产制造个性化
- 4.2.3 生产制造服务化
- 4.3 数据赋能的新制造模式：智能制造
- 4.3.1 智能制造的内涵
- 4.3.2 我国智能制造的四大特点
- 4.3.3 智能制造的基础：信息物理系统（CPS）
- 本章小结
- 第5章 数据赋能营销服务
- 引导案例 三维家：开启数字化营销新变革
- 5.1 数据如何赋能营销服务
- 5.2 数据赋能营销服务的特征
- 5.2.1 客户管理精细化
- 5.2.2 产品推送精准化
- 5.2.3 渠道布局网络化
- 5.2.4 销售管理智能化
- 5.3 数据赋能的新营销模式
- 5.3.1 C2B模式
- 5.3.2 “智能+”模式
- 5.3.3 场景营销模式
- 本章小结
- 第6章 数据赋能组织管理
- 引导案例 格力电器的数据赋能“五维全员管理”
- 6.1 数据如何赋能组织管理
- 6.2 数据赋能组织管理的特征
- 6.2.1 层次结构扁平化
- 6.2.2 组织功能平台化
- 6.2.3 管理模式智能化
- 6.2.4 决策权力自主化
- 6.3 数据赋能的新组织模式
- 6.3.1 数据赋能型组织的结构
- 6.3.2 数据赋能型组织的功能
- 本章小结
- 从实践中学习sqlmap数据库注入测试
- 版权信息
- 作者简介
- 前言
- 第1篇 测试准备
- 第1章 sqlmap环境配置
- 1.1 sqlmap基础知识
- 1.2 安装sqlmap
- 1.3 启动sqlmap
- 1.4 sqlmap使用技巧
- 第2章 指定目标
- 2.1 单个目标
- 2.2 批量测试
- 2.3 日志文件
- 2.4 HTTP请求文件
- 2.5 从谷歌搜索引擎中获取目标
- 2.6 爬取网站
- 第3章 连接目标
- 3.1 设置认证信息
- 3.2 代理网络
- 3.3 Tor匿名网络
- 3.4 处理连接错误
- 3.5 检测WAF/IPS
- 3.6 调整连接选项
- 第4章 探测注入漏洞及数据库类型
- 4.1 探测GET参数
- 4.2 探测POST参数
- 4.3 探测Cookie参数
- 4.4 探测UA参数
- 4.5 探测Referer参数
- 4.6 添加额外的HTTP头
- 4.7 指定测试参数
- 第2篇 信息获取
- 第5章 获取MySQL数据库信息
- 5.1 MySQL数据库简介
- 5.2 获取数据库标识
- 5.3 获取服务器主机名
- 5.4 获取数据库的用户名
- 5.5 获取数据库用户的密码
- 5.6 获取数据库的名称
- 5.7 获取数据表
- 5.8 获取数据库架构
- 5.9 获取数据表中的列
- 5.10 获取数据表中的内容
- 5.11 获取数据表的条目数
- 5.12 获取数据库的所有信息
- 5.13 搜索数据库信息
- 第6章 获取MSSQL数据库信息
- 6.1 获取数据库标识
- 6.2 检测是否为DBA用户
- 6.3 获取数据库的名称
- 6.4 获取数据表的名称
- 6.5 获取数据库架构
- 6.6 获取数据表中的列
- 6.7 获取数据表中的内容
- 6.8 获取数据库用户的权限
- 6.9 获取数据库用户和密码
- 第7章 获取Access数据库信息
- 7.1 Access数据库简介
- 7.2 指纹识别
- 7.3 暴力破解数据表名
- 7.4 暴力破解数据表中的列
- 7.5 导出数据表中的列
- 第8章 获取Oracle数据库信息
- 8.1 指纹信息
- 8.2 获取数据库服务的主机名
- 8.3 获取数据库的用户
- 8.4 获取数据库用户的密码
- 8.5 获取数据库用户的角色
- 8.6 获取数据库用户的权限
- 8.7 获取数据库的名称
- 8.8 获取数据表
- 8.9 获取数据表结构
- 8.10 获取数据表信息
- 第9章 使用SQL语句获取数据库信息
- 9.1 SQL语句
- 9.2 数据库变量与内置函数
- 9.3 执行SQL语句的方式
- 9.4 获取数据库信息
- 第3篇 高级技术
- 第10章 注入技术
- 10.1 基于布尔的盲注
- 10.2 基于错误的注入
- 10.3 基于时间的盲注
- 10.4 联合查询注入
- 10.5 堆叠注入
- 10.6 DNS注入
- 10.7 二级SQL注入
- 10.8 自定义注入
- 第11章 访问后台数据库管理系统
- 11.1 连接数据库
- 11.2 执行操作系统命令
- 11.3 访问文件系统
- 11.4 访问Windows注册表
- 11.5 建立带外TCP连接
- 第12章 使用sqlmap优化注入
- 12.1 跳过低成功率的启发式测试
- 12.2 优化sqlmap性能
- 12.3 设置超时
- 12.4 处理请求和响应
- 第13章 保存和输出数据
- 13.1 保存HTTP数据包信息
- 13.2 处理输出数据
- 13.3 指定输出位置
- 13.4 会话管理
- 第14章 规避防火墙
- 14.1 设置安全模式
- 14.2 绕过CSRF防护
- 14.3 其他绕过防护系统的方式
- 14.4 使用脚本绕过防火墙
- 深入浅出隐私计算：技术解析与应用实践
- 版权信息
- 作者简介
- 序
- 前言
- 第一篇 基础概念
- 第1章 隐私计算技术的起源、发展及应用
- 1.1 隐私计算技术的起源
- 1.2 隐私计算的概念
- 1.3 隐私计算技术的发展脉络
- 1.4 隐私计算技术是重大科技趋势
- 1.5 隐私计算技术的应用场景
- 1.6 本章小结
- 第2章 隐私计算技术的基础知识
- 2.1 非对称加密RSA算法
- 2.2 不经意传输
- 2.3 布隆过滤器
- 2.4 隐私计算安全性假设
- 2.5 本章小结
- 第二篇 安全保护技术
- 第3章 混淆电路技术的原理与实践
- 3.1 混淆电路的原理
- 3.2 开发框架Obliv-C
- 3.3 应用案例：解决“百万富翁”难题
- 3.4 扩展阅读
- 3.5 本章小结
- 第4章 秘密共享技术的原理与实践
- 4.1 秘密共享的概念
- 4.2 Shamir门限秘密共享方案
- 4.3 通过秘密共享实现隐私计算的原理
- 4.4 开发框架JIFF
- 4.5 应用案例：求向量内积
- 4.6 扩展阅读
- 4.7 本章小结
- 第5章 同态加密技术的原理与实践
- 5.1 同态加密算法概述
- 5.2 半同态加密算法实践
- 5.3 开发框架SEAL
- 5.4 应用案例：距离计算
- 5.5 扩展阅读
- 5.6 本章小结
- 第6章 零知识证明技术的原理与实践
- 6.1 零知识证明技术的算法原理
- 6.2 开发框架libsnark
- 6.3 应用案例：以零知识证明方式提供财富达标证明
- 6.4 同态承诺
- 6.5 扩展阅读
- 6.6 本章小结
- 第7章 差分隐私技术的原理与实践
- 7.1 差分隐私概述
- 7.2 开发框架SmartNoise
- 7.3 应用案例：美国人口数据统计
- 7.4 扩展阅读
- 7.5 本章小结
- 第8章 可信执行环境技术的原理与实践
- 8.1 可信执行环境的原理
- 8.2 基于硬件的可信执行环境Intel SGX
- 8.3 Intel SGX开发入门
- 8.4 开发框架Teaclave
- 8.5 应用案例：Private Join and Compute
- 8.6 可信计算
- 8.7 扩展阅读
- 8.8 本章小结
- 第三篇 应用技术
- 第9章 隐私保护集合交集技术的原理与实践
- 9.1 PSI的实现原理
- 9.2 应用案例
- 9.3 扩展阅读
- 9.4 本章小结
- 第10章 联邦学习
- 10.1 联邦学习的源起
- 10.2 联邦学习的分类
- 10.3 基础隐私计算技术在联邦学习中的应用
- 10.4 扩展阅读
- 10.5 本章小结
- 第四篇 展望
- 第11章 隐私计算的困境与展望
- 11.1 隐私计算的困境
- 11.2 隐私计算的趋势与展望
- 11.3 隐私计算技术标准化
- 11.4 数据要素化与隐私计算
- 11.5 本章小结
- 云边协同大数据技术与应用
- 版权信息
- 前言
- 作者简介
- 第1章 云边协同大数据系统概述
- 1.1 云边协同发展历程
- 1.1.1 探索阶段
- 1.1.2 云阶段
- 1.1.3 云边协同阶段
- 1.2 云边协同数据处理
- 1.2.1 数据来源
- 1.2.2 处理模式
- 1.3 云边协同系统管理
- 1.3.1 云边协同负载
- 1.3.2 任务管理
- 1.3.3 资源管理
- 1.3.4 应用管理
- 1.4 云边协同典型场景
- 1.4.1 物联网大数据
- 1.4.2 视频大数据
- 1.4.3 智能驾驶大数据
- 1.5 本章小结
- 参考文献
- 第2章 云边融合的数据处理系统
- 2.1 云边协同环境下的数据处理简介
- 2.1.1 背景
- 2.1.2 环境
- 2.1.3 数据
- 2.1.4 处理模式
- 2.1.5 问题与挑战
- 2.2 云边协同环境下的数据预处理
- 2.2.1 简介
- 2.2.2 数据质量
- 2.2.3 数据清理
- 2.2.4 数据集成
- 2.2.5 数据归约
- 2.2.6 数据预处理小结
- 2.3 批流融合处理架构与系统
- 2.3.1 批流融合处理架构
- 2.3.2 批流处理系统的发展
- 2.3.3 批流融合处理前沿技术
- 2.4 典型技术案例SlimML
- 2.4.1 背景
- 2.4.2 非关键点验证
- 2.4.3 总体思想
- 2.4.4 架构
- 2.4.5 评测
- 2.5 本章小结
- 参考文献
- 第3章 边缘智能
- 3.1 背景
- 3.1.1 边缘计算
- 3.1.2 边缘智能
- 3.2 挑战
- 3.3 边缘训练前沿技术
- 3.3.1 边缘训练简介
- 3.3.2 中心化/去中心化训练简介
- 3.3.3 隐私保护
- 3.3.4 通信开销优化
- 3.3.5 梯度计算优化
- 3.3.6 边缘训练小结
- 3.4 边缘推断前沿技术
- 3.4.1 边缘推断简介
- 3.4.2 模型角度优化
- 3.4.3 系统角度优化
- 3.4.4 模型最优选择
- 3.4.5 模型自动生成
- 3.4.6 边缘推断小结
- 3.5 本章小结
- 参考文献
- 第4章 物联网与边缘智能数据安全隐私
- 4.1 数据安全与隐私技术的起源与发展
- 4.1.1 隐私技术的起源与发展
- 4.1.2 隐私保护技术现状
- 4.2 云边协同下的数据安全挑战
- 4.2.1 云边协同下的数据安全场景
- 4.2.2 云边协同下的恶意威胁模型
- 4.2.3 数据安全关键挑战
- 4.2.4 数据泄露案例
- 4.3 差分隐私技术
- 4.3.1 相关应用场景与挑战
- 4.3.2 差分隐私技术简介
- 4.3.3 差分隐私技术应用
- 4.3.4 相关前沿研究简介
- 4.4 安全多方计算技术
- 4.4.1 相关应用场景与挑战
- 4.4.2 安全多方计算简介
- 4.4.3 安全多方计算应用
- 4.4.4 相关前沿研究简介
- 4.5 同态加密技术
- 4.5.1 相关应用场景与挑战
- 4.5.2 同态加密技术简介
- 4.5.3 同态加密技术应用
- 4.5.4 相关前沿研究简介
- 4.6 区块链技术
- 4.6.1 相关应用场景与挑战
- 4.6.2 区块链技术简介
- 4.6.3 区块链技术应用
- 4.6.4 相关前沿研究简介
- 4.7 未来技术展望
- 4.8 本章小结
- 参考文献
- 第5章 云边协同典型应用
- 5.1 视频大数据
- 5.1.1 简介
- 5.1.2 数据特征
- 5.1.3 相关技术
- 5.1.4 典型案例
- 5.2 工业互联网大数据
- 5.2.1 简介
- 5.2.2 数据特征
- 5.2.3 相关技术
- 5.2.4 典型案例
- 5.3 智慧城市大数据
- 5.3.1 简介
- 5.3.2 数据特征
- 5.3.3 关键问题和前沿技术
- 5.3.4 典型案例
- 5.4 本章小结
- 参考文献
- 大规模数据分析和建模：基于Spark与R
- 版权信息
- O'Reilly Media，Inc. 介绍
- 译者序
- 序言
- 前言
- 第1章 引言
- 1.1 概述
- 1.2 Hadoop
- 1.3 Spark
- 1.4 R
- 1.5 sparklyr
- 1.6 小结
- 第2章 开始
- 2.1 概述
- 2.2 预备操作
- 2.2.1 安装sparklyr
- 2.2.2 安装Spark
- 2.3 连接
- 2.4 使用Spark
- 2.4.1 网络接口
- 2.4.2 分析
- 2.4.3 建模
- 2.4.4 数据
- 2.4.5 扩展
- 2.4.6 分布式R
- 2.4.7 流式数据
- 2.4.8 日志
- 2.5 断开连接
- 2.6 使用RStudio
- 2.7 资源
- 2.8 小结
- 第3章 分析
- 3.1 概述
- 3.2 数据导入
- 3.3 数据整理
- 3.3.1 内置函数
- 3.3.2 相关性
- 3.4 可视化
- 3.4.1 使用ggplot2
- 3.4.2 使用dbplot
- 3.5 建模
- 3.6 沟通
- 3.7 小结
- 第4章 建模
- 4.1 概述
- 4.2 探索性数据分析
- 4.3 特征工程
- 4.4 监督式学习
- 4.4.1 广义线性回归
- 4.4.2 其他模型
- 4.5 非监督式学习
- 4.5.1 数据准备
- 4.5.2 主题建模
- 4.6 小结
- 第5章 管道操作
- 5.1 概述
- 5.2 创建工作
- 5.3 用例
- 5.4 操作模式
- 5.5 交互性
- 5.6 部署
- 5.6.1 批打分
- 5.6.2 实时打分
- 5.7 小结
- 第6章 集群
- 6.1 概述
- 6.2 本地化
- 6.2.1 管理器
- 6.2.2 发行版
- 6.3 云端
- 6.3.1 亚马逊
- 6.3.2 Databricks
- 6.3.3 谷歌
- 6.3.4 IBM
- 6.3.5 微软
- 6.3.6 Qubole
- 6.4 Kubernetes
- 6.5 工具
- 6.5.1 RStudio
- 6.5.2 Jupyter
- 6.5.3 Livy
- 6.6 小结
- 第7章 连接
- 7.1 概述
- 7.1.1 边缘节点
- 7.1.2 Spark主目录
- 7.2 本地模式
- 7.3 单机模式
- 7.4 YARN
- 7.4.1 YARN客户端
- 7.4.2 YARN集群
- 7.5 Livy
- 7.6 Mesos
- 7.7 Kubernetes
- 7.8 云模式
- 7.9 批量模式
- 7.10 工具
- 7.11 多次连接
- 7.12 故障排除
- 7.12.1 记录日志
- 7.12.2 Spark Submit
- 7.12.3 Windows
- 7.13 小结
- 第8章 数据
- 8.1 概述
- 8.2 读取数据
- 8.2.1 路径
- 8.2.2 模式
- 8.2.3 内存
- 8.2.4 列
- 8.3 写入数据
- 8.4 复制数据
- 8.5 文件格式
- 8.5.1 CSV
- 8.5.2 JSON
- 8.5.3 Parquet
- 8.5.4 其他
- 8.6 文件系统
- 8.7 存储系统
- 8.7.1 Hive
- 8.7.2 Cassandra
- 8.7.3 JDBC
- 8.8 小结
- 第9章 调试
- 9.1 概述
- 9.1.1 计算图
- 9.1.2 时间线
- 9.2 配置
- 9.2.1 连接设置
- 9.2.2 提交设置
- 9.2.3 运行时设置
- 9.2.4 sparklyr设置
- 9.3 分区
- 9.3.1 隐式分区
- 9.3.2 显式分区
- 9.4 缓存
- 9.4.1 检查点
- 9.4.2 内存
- 9.5 重洗
- 9.6 序列化
- 9.7 配置文件
- 9.8 小结
- 第10章 扩展
- 10.1 概述
- 10.2 H2O
- 10.3 图模型
- 10.4 XGBoost
- 10.5 深度学习
- 10.6 基因组学
- 10.7 空间数据
- 10.8 故障排除
- 10.9 小结
- 第11章 分布式R
- 11.1 概述
- 11.2 用例
- 11.2.1 定制解析器
- 11.2.2 分区建模
- 11.2.3 网格搜索
- 11.2.4 Web API
- 11.2.5 模拟
- 11.3 分区
- 11.4 分组
- 11.5 列
- 11.6 context参数
- 11.7 函数
- 11.8 程序包
- 11.9 集群需求
- 11.9.1 安装R
- 11.9.2 Apache Arrow
- 11.10 故障排除
- 11.10.1 工作节点日志
- 11.10.2 解决超时
- 11.10.3 检查分区
- 11.10.4 调试工作节点
- 11.11 小结
- 第12章 数据流
- 12.1 概述
- 12.2 转换
- 12.2.1 分析
- 12.2.2 建模
- 12.2.3 管道
- 12.2.4 分布式R
- 12.3 Kafka
- 12.4 Shiny
- 12.5 小结
- 第13章 社区贡献
- 13.1 概述
- 13.2 Spark API
- 13.3 Spark扩展
- 13.4 使用Scala代码
- 13.5 小结
- 附录A 补充参考代码
- 分布式算法精髓
- 版权信息
- 作者简介
- 译者简介
- 译者序
- 前言
- 第1章 顶点着色
- 1.1 问题和模型
- 1.2 着色树
- 1.3 本章注释
- 1.4 参考文献
- 第2章 树算法
- 2.1 广播
- 2.2 融合广播
- 2.3 广度优先搜索树的构建
- 2.4 最小生成树的构建
- 2.5 本章注释
- 2.6 参考文献
- 第3章 领导人选举
- 3.1 匿名领导人选举
- 3.2 异步环
- 3.3 下界
- 3.4 同步环
- 3.5 本章注释
- 3.6 参考文献
- 第4章 分布式排序
- 4.1 数组和网格
- 4.2 排序网络
- 4.3 计数网络
- 4.4 本章注释
- 4.5 参考文献
- 第5章 共享内存
- 5.1 模型
- 5.2 互斥
- 5.3 存储和收集
- 5.4 分离器
- 5.5 二叉分离树
- 5.6 分离器矩阵
- 5.7 本章注释
- 5.8 参考文献
- 第6章 共享对象
- 6.1 集中式解决方案
- 6.2 Arrow算法
- 6.3 Ivy算法
- 6.4 本章注释
- 6.5 参考文献
- 第7章 极大独立集
- 7.1 MIS
- 7.2 原始的快速MIS
- 7.3 快速MIS v2
- 7.4 应用
- 7.5 本章注释
- 7.6 参考文献
- 第8章 本地下界
- 8.1 模型
- 8.2 本地性
- 8.3 邻域图
- 8.4 本章注释
- 8.5 参考文献
- 第9章 全局问题
- 9.1 直径和APSP
- 9.2 下界图
- 9.3 通信复杂度
- 9.4 分布式复杂度理论
- 9.5 本章注释
- 9.6 参考文献
- 第10章 同步
- 10.1 基础知识
- 10.2 本地同步器α
- 10.3 全局同步器β
- 10.4 混合同步器γ
- 10.5 网络分区
- 10.6 时钟同步
- 10.7 本章注释
- 10.8 参考文献
- 第11章 稳定性
- 11.1 自稳定性
- 11.2 高级稳定化
- 11.3 本章注释
- 11.4 参考文献
- 第12章 社交网络
- 12.1 小世界网络
- 12.2 传播研究
- 12.3 本章注释
- 12.4 参考文献
- 第13章 无线协议
- 13.1 基础知识
- 13.2 非统一的初始化
- 13.3 使用碰撞检测的统一初始化
- 13.4 无碰撞检测的统一初始化
- 13.5 领导人选举
- 13.6 使用碰撞检测的快速领导人选举
- 13.7 下界
- 13.8 统一异步唤醒
- 13.9 有用的公式
- 13.10 本章注释
- 13.11 参考文献
- 第14章 标记方案
- 14.1 邻接关系
- 14.2 有根树
- 14.3 道路网络
- 14.4 本章注释
- 14.5 参考文献
- 第15章 练习
- 数据库系统内幕
- 版权信息
- O'Reilly Media, Inc. 介绍
- 本书赞誉
- 推荐序一
- 推荐序二
- 推荐序三
- 译者序
- 前言
- 第一部分 存储引擎
- 第1章 简介与概述
- 1.1 数据库架构
- 1.2 内存数据库与磁盘数据库
- 1.3 面向列与面向行的数据库
- 1.4 数据文件和索引文件
- 1.5 缓冲、不可变性和有序性
- 1.6 本章小结
- 第2章 B树基础知识
- 2.1 二分搜索树
- 2.2 基于磁盘的结构
- 2.3 无处不在的B树
- 2.4 本章小结
- 第3章 文件格式
- 3.1 动机
- 3.2 二进制编码
- 3.3 通用原理
- 3.4 页的结构
- 3.5 分槽页
- 3.6 单元格布局
- 3.7 将单元格放进分槽页
- 3.8 管理变长数据
- 3.9 版本
- 3.10 校验和
- 3.11 本章小结
- 第4章 B树的实现
- 4.1 页头
- 4.2 二分搜索
- 4.3 传播分裂与合并
- 4.4 再平衡
- 4.5 仅在右侧追加
- 4.6 压缩
- 4.7 清扫与维护
- 4.8 本章小结
- 第5章 事务处理与恢复
- 5.1 缓冲区管理
- 5.2 恢复
- 5.3 并发控制
- 5.4 本章小结
- 第6章 B树的变体
- 6.1 写时复制
- 6.2 抽象节点更新
- 6.3 惰性B树
- 6.4 FD树
- 6.5 Bw树
- 6.6 缓存无关B树
- 6.7 本章小结
- 第7章 日志结构存储
- 7.1 LSM树
- 7.2 读写放大与空间放大
- 7.3 实现细节
- 7.4 无序LSM存储
- 7.5 LSM树中的并发
- 7.6 日志堆叠
- 7.7 LLAMA与精心堆叠
- 7.8 本章小结
- 第一部分总结
- 第二部分 分布式系统
- 第8章 简介与概述
- 8.1 并发执行
- 8.2 分布式计算的误区
- 8.3 分布式系统抽象
- 8.4 两将军问题
- 8.5 FLP不可能定理
- 8.6 系统同步性
- 8.7 故障模型
- 8.8 本章小结
- 第9章 故障检测
- 9.1 心跳和ping
- 9.2 phi增量故障检测器
- 9.3 Gossip和故障检测
- 9.4 反向故障检测
- 9.5 本章小结
- 第10章 领导者选举
- 10.1 霸道选举算法
- 10.2 依次故障转移
- 10.3 候选节点/普通节点优化
- 10.4 邀请算法
- 10.5 环算法
- 10.6 本章小结
- 第11章 复制和一致性
- 11.1 实现可用性
- 11.2 臭名昭著的CAP理论
- 11.3 共享内存
- 11.4 顺序
- 11.5 一致性模型
- 11.6 会话模型
- 11.7 最终一致性
- 11.8 可调一致性
- 11.9 见证者副本
- 11.10 强最终一致性和CRDT
- 11.11 本章小结
- 第12章 反熵和传播
- 12.1 读修复
- 12.2 摘要读
- 12.3 提示移交
- 12.4 Merkle树
- 12.5 位图版本向量
- 12.6 Gossip传播
- 12.7 本章小结
- 第13章 分布式事务
- 13.1 多个操作的原子性
- 13.2 两阶段提交
- 13.3 三阶段提交
- 13.4 Calvin分布式事务
- 13.5 Spanner分布式事务
- 13.6 数据库分区
- 13.7 Percolator分布式事务
- 13.8 协调避免
- 13.9 本章小结
- 第14章 共识
- 14.1 广播
- 14.2 原子广播
- 14.3 Paxos
- 14.4 Raft
- 14.5 拜占庭共识
- 14.6 本章小结
- 第二部分总结
- 参考文献
- 作者介绍
- 译者介绍
- 封面介绍
- 数据应用工程：方法论与实践
- 版权信息
- 作者简介
- 赞誉
- 前言
- 第一部分 行业分析
- 第1章 数字化时代的变革与挑战
- 1.1 数字经济与生产变革
- 1.2 数字化时代的变革动能
- 1.3 数字化变革中的不确定性与挑战
- 1.4 本章小结
- 第二部分 理论方法
- 第2章 技术变革与组织应用技术的规律
- 2.1 组织面对技术变革的三大挑战
- 2.2 事物发展的“第一性原理”
- 2.3 技术创新规律与成熟度评估
- 2.4 组织技术应用的发展规律与成熟度评估
- 2.5 组织技术应用的能力建设规律与成熟度评估
- 2.6 本章小结
- 第3章 数据应用成熟度模型
- 3.1 模型开发背景
- 3.2 数据应用成熟度模型框架
- 3.3 数据应用成熟度模型评估
- 3.4 数据应用成熟度模型的运用
- 3.5 数据工程过程
- 3.6 数据治理过程
- 3.7 本章小结
- 第三部分 知识体系
- 第4章 数据治理与管理
- 4.1 元数据管理
- 4.2 数据质量管理
- 4.3 数据安全管理
- 4.4 本章小结
- 第5章 大数据技术详解
- 5.1 大数据技术的方法和流行开源组件
- 5.2 大数据系统架构
- 5.3 大数据存储技术
- 5.4 大数据计算技术
- 5.5 大数据分析技术
- 5.6 数据科学技术
- 5.7 本章小结
- 第四部分 实践案例
- 第6章 数据工程与治理案例
- 6.1 统一的大数据工程与治理架构
- 6.2 数据仓库设计
- 6.3 大数据日志收集技术
- 6.4 数据处理设计
- 6.5 数据科学建模
- 6.6 数据治理
- 6.7 本章小结
- 第7章 数据工程过程案例
- 7.1 CDP平台的数据源梳理
- 7.2 CDP平台的标签体系及其口径梳理
- 7.3 CDP平台的数据同步接口定义
- 7.4 CDP平台的数据模型设计
- 7.5 CDP平台的ETL设计
- 7.6 CDP平台的ETL开发
- 7.7 CDP平台的数据运维
- 7.8 本章小结
- 第8章 数据应用案例
- 8.1 统计级大数据应用——移动应用统计分析系统
- 8.2 个体级大数据应用——营销数据管理平台
- 8.3 本章小结
- 第9章 数据应用案例
- 9.1 案例背景
- 9.2 数据处理过程
- 9.3 数字化的土地执法监管应用
- 9.4 本章小结
- 附录
- 附录A 成熟度模型的构建方法
- 附录B 数据应用成熟度模型设计说明
- 附录C 数据合规要求的法规文件汇总
- MySQL应用实战与性能调优
- 版权信息
- 前言
- 第1章 MySQL入门和容器化部署
- 1.1 MySQL介绍
- 1.2 MySQL 8安装和升级
- 1.2.1 安装前说明
- 1.2.2 在Windows上安装MySQL
- 1.2.3 在Linux上安装MySQL
- 1.2.4 在Docker上安装MySQL
- 第2章 什么样的数据库设计才是优秀的
- 2.1 关系型数据库设计理论
- 2.2 连接数据库和基本信息查询
- 2.2.1 连接数据库
- 2.2.2 基本信息查询
- 2.3 数据库和表
- 2.3.1 创建数据库
- 2.3.2 创建表
- 2.4 数据类型和类型异常处理
- 2.4.1 数字数据类型
- 2.4.2 日期和时间数据类型
- 2.4.3 字符串数据类型
- 2.4.4 JSON数据类型
- 第3章 SQL语句全面解析和应用实战
- 3.1 数据库操作
- 3.2 数据表操作
- 3.2.1 创建数据表
- 3.2.2 数据表的修改与删除
- 3.2.3 约束
- 3.3 数据查询
- 3.4 数据插入
- 3.5 where（筛选）
- 3.6 and和or（与和或）
- 3.7 between（范围查找）
- 3.8 distinct（去重关键字）
- 3.9 update（修改或更新）
- 3.10 delete（删除）
- 3.11 like（模糊匹配）
- 3.12 order by（排序）
- 3.13 group by（分组）
- 3.14 with rollup（分组统计再统计）
- 3.15 having（分组筛选）
- 3.16 union和union all（组合查询）
- 3.17 join（连接查询）
- 3.17.1 inner join（内连接）
- 3.17.2 left join（左连接）
- 3.17.3 right join（右连接）
- 3.18 in和not in（多关键字筛选）
- 3.19 exists和not exists（是否返回结果集）
- 3.20 复制表
- 3.21 临时表
- 第4章 MySQL函数大全和高效率汇总统计实战
- 4.1 MySQL字符串函数
- 4.1.1 character_length(s)：返回字符串长度
- 4.1.2 concat(s1,s2,...,sn)：字符串合并
- 4.1.3 format(x,n)：数字格式化
- 4.1.4 lpad(s1,len,s2)：字符串填充
- 4.1.5 field(s,s1,s2,...)：返回字符串出现的位置
- 4.1.6 insert(s1,x,len,s2)：替换字符串
- 4.1.7 lcase(s)：把字符串中的所有字母转换为小写字母
- 4.1.8 ucase(s)：把字符串中的所有字母转换为大写字母
- 4.1.9 strcmp(s1,s2)：比较字符串大小
- 4.1.10 replace(s,s1,s2)：字符串替换
- 4.1.11 position(s1 in s)：获取子字符串在字符串中出现的位置
- 4.1.12 md5(s)：字符串加密
- 4.1.13 inet_aton(ip)：把IP地址转换为数字
- 4.1.14 inet_ntoa (s)：把数字转换为IP地址
- 4.2 MySQL数字函数
- 4.2.1 ceil(x)：返回不小于x的最小整数
- 4.2.2 ceiling(x)：返回不小于x的最小整数
- 4.2.3 floor(x)：返回不大于x的最大整数
- 4.2.4 round(x)：返回最接近x的整数
- 4.2.5 max(expression)：求最大值
- 4.2.6 min(expression)：求最小值
- 4.2.7 sum(expression)：求总和
- 4.2.8 avg(expression)：求平均值
- 4.2.9 count(expression)：求总记录数
- 4.3 MySQL日期函数
- 4.3.1 adddate(d,n)：返回指定日期加上指定天数后的日期
- 4.3.2 addtime(t,n)：返回指定时间加上指定时间后的时间
- 4.3.3 curdate()：返回当前日期
- 4.3.4 datediff(d1,d2)：返回两个日期相隔的天数
- 4.3.5 dayofyear(d)：返回指定日期是本年的第几天
- 4.3.6 extract(type from d)：根据对应格式返回日期
- 4.3.7 now()：返回当前日期和时间
- 4.3.8 quarter(d)：返回日期对应的季度数
- 4.3.9 second(t)：返回指定时间中的秒数
- 4.3.10 timediff(time1, time2)：计算时间差
- 4.3.11 date(t)：从指定日期时间中提取日期值
- 4.3.12 hour(t)：返回指定时间中的小时数
- 4.3.13 time(expression)：提取日期时间参数中的时间部分
- 4.3.14 time_format(t,f)：根据表达式显示时间
- 4.3.15 year(d)：返回指定日期的年份
- 4.4 MySQL高级函数
- 4.4.1 cast( x as type)：数据类型转换
- 4.4.2 coalesce(expr1, ..., exprn)：返回第一个非空表达式
- 4.4.3 if(expr,v1,v2)：表达式判断
- 4.4.4 ifnull(v1,v2)：null替换
- 4.4.5 isnull(expression)：判断表达式是否为null
- 4.4.6 nullif(expr1, expr2)：字符串相等则返回null
- 4.4.7 last_insert_id()：返回最近生成的自增ID
- 4.4.8 case expression：表达式分支
- 4.5 MySQL over()：窗口函数汇总分析
- 4.5.1 row_number()：顺序排名函数
- 4.5.2 rank()：跳级排名函数
- 4.5.3 dense_rank()：不跳级排名函数
- 4.5.4 lag(expr,n)：前分析函数，返回前n行的值
- 4.5.5 lead(expr,n)：后分析函数，返回后n行的值
- 4.5.6 first_value(expr)：头尾函数，返回第一个值
- 4.5.7 last_value(expr)：头尾函数，返回最后一个值
- 4.5.8 nth_value(expr,n)：从结果集中的第n行获取值
- 4.5.9 ntile(n)：数据集分桶
- 4.5.10 sum( )over(expr)：聚合求和
- 4.5.11 avg( )over(expr)：聚合求平均值
- 4.5.12 max( )over(expr)：聚合求最大值
- 4.5.13 min( )over(expr)：聚合求最小值
- 4.5.14 count( )over(expr)：聚合总条数
- 第5章 MySQL大表快速优化诀窍
- 5.1 分区
- 5.1.1 分区类型
- 5.1.2 范围分区
- 5.1.3 列表分区
- 5.1.4 列分区
- 5.1.5 哈希分区
- 5.1.6 键分区
- 5.1.7 子分区
- 5.1.8 MySQL分区对null的处理
- 5.1.9 分区管理
- 5.1.10 分区的限制
- 5.2 视图
- 5.3 存储过程
- 5.3.1 存储过程的创建和调用
- 5.3.2 带参数的存储过程
- 5.3.3 变量
- 5.3.4 注释
- 5.3.5 存储过程的修改和删除
- 5.3.6 存储过程的控制语句
- 5.4 游标
- 5.5 字符集和排序规则
- 5.5.1 MySQL中的字符集和排序规则
- 5.5.2 列字符集和排序规则
- 5.5.3 使用collate指定查询排序规则
- 第6章 MySQL创建高效的索引
- 6.1 索引
- 6.2 创建索引的指导原则
- 6.3 B-Tree索引和哈希索引的比较
- 6.4 高效SQL必备分析利器的执行计划分析
- 6.5 高效SQL的索引检索原理
- 6.5.1 主键索引
- 6.5.2 普通索引
- 6.5.3 复合索引
- 6.6 索引的使用技巧与SQL优化实战
- 6.6.1 避免回表查询
- 6.6.2 尽量使用联合索引
- 6.6.3 索引条件下推优化
- 6.6.4 避免全表扫描
- 6.6.5 负向查询不能使用索引
- 6.6.6 前导模糊查询不能使用索引
- 6.6.7 在字段上计算不能命中索引
- 6.6.8 查询条件类型不一致不能命中索引
- 6.6.9 明确知道只返回一条记录可以使用limit进行限制
- 6.6.10 limit分页优化
- 6.6.11 使用表内连接进行limit分页优化
- 6.6.12 union all优化（基于MySQL 8.0+）
- 6.6.13 or优化（基于MySQL 8.0+）
- 6.6.14 count(*)优化
- 6.6.15 on duplicate key update优化
- 第7章 InnoDB存储引擎揭秘和优化实战
- 7.1 InnoDB存储引擎实践
- 7.2 InnoDB和ACID模型
- 7.2.1 MySQL事务处理的两种方法
- 7.2.2 InnoDB MVCC
- 7.3 锁机制
- 7.3.1 表级锁
- 7.3.2 行级锁
- 7.3.3 共享锁
- 7.3.4 排他锁
- 7.3.5 意向锁
- 7.3.6 乐观锁
- 7.3.7 悲观锁
- 7.3.8 间隙锁
- 7.3.9 记录锁
- 7.3.10 临键锁
- 7.3.11 死锁
- 7.4 事务隔离级别
- 7.5 InnoDB内存结构解析和优化实战
- 7.5.1 缓冲池原理和优化
- 7.5.2 变更缓冲区原理与优化
- 7.5.3 自适应哈希索引原理与配置
- 7.5.4 日志缓冲区
- 7.6 InnoDB表实战调优
- 7.6.1 优化InnoDB表的存储
- 7.6.2 InnoDB事务处理优化
- 7.6.3 InnoDB只读事务优化
- 7.6.4 优化InnoDB重做日志
- 7.6.5 InnoDB磁盘I/O优化
- 7.6.6 配置InnoDB线程并发数量
- 7.6.7 配置InnoDB的I/O读写后台线程数量
- 7.6.8 InnoDB的并行读线程数量
- 7.6.9 InnoDB的I/O容量
- 第8章 MySQL基准测试数据的备份与还原
- 8.1 基准测试
- 8.1.1 Sysbench介绍
- 8.1.2 Sysbench测试实操
- 8.2 备份
- 8.3 还原
- 8.3.1 利用source命令导入数据库
- 8.3.2 利用load data导入数据
- 8.3.3 利用mysqlimport导入数据
- 第9章 MySQL高性能架构的读写分离
- 9.1 读写分离
- 9.2 MySQL主从复制
- 9.3 MySQL主从复制架构的搭建
- 9.3.1 配置主节点
- 9.3.2 配置从节点
- 9.3.3 主从复制
- 附录 常用函数速查表
- A.1 MySQL字符串函数
- A.1.1 ASCII(s)：返回字符串的ASCII码
- A.1.2 char_length(s)：返回字符串长度
- A.1.3 character_length(s)：返回字符串长度
- A.1.4 concat(s1,s2,...,sn)：字符串合并
- A.1.5 concat_WS(x, s1,s2,...,sn)：字符串合并
- A.1.6 field(s,s1,s2,...)：返回字符串出现的位置
- A.1.7 find in__set(s1,s2)：返回字符串的匹配位置
- A.1.8 format(x,n)：数字格式化
- A.1.9 insert(s1,x,len,s2)：替换字符串
- A.1.10 locate(s1,s)：获取字符串出现的位置
- A.1.11 lcase(s)：把字符串中的所有字母转换为小写字母
- A.1.12 left(s,n)：返回字符串的前n个字符
- A.1.13 lower(s)：把字符串中的所有字母转换为小写字母
- A.1.14 lpad(s1,len,s2)：字符串填充
- A.1.15 ltrim(s)：去掉字符串开始处的空格
- A.1.16 mid(s,n,len)：从字符串的指定位置截取子字符串
- A.1.17 replace(s,s1,s2)：字符串替换
- A.1.18 reverse(s)：字符串反转
- A.1.19 right(s,n)：返回字符串后n个字符
- A.1.20 rpad(s1,len,s2)：在字符串中填充相应字符串
- A.1.21 position(s1 in s)：获取子字符串在字符串中出现的位置
- A.1.22 repeat(s,n)：字符串重复拼接
- A.1.23 substring_index(s, s2, number)：返回字符串中第n个出现的子字符串
- A.1.24 trim(s)：去掉字符串开始和结尾处的空格
- A.1.25 ucase(s)：把字符串中的所有字母转换为大写字母
- A.1.26 rtrim(s)：去掉字符串结尾处的空格
- A.1.27 strcmp(s1,s2)：比较字符串的大小
- A.1.28 substr(s, start, length)：从字符串中截取子字符串
- A.1.29 substring(s, start, length)：从字符串中截取子字符串
- A.1.30 md5(s)：字符串加密
- A.1.31 inet_aton (ip)：把IP地址转换为数字
- A.1.32 inet_ntoa(s)：把数字转换为IP地址
- A.2 MySQL数字函数
- A.2.1 abs(x)：求绝对值
- A.2.2 sign(x)：返回数字符号
- A.2.3 acos(x)：求反余弦值
- A.2.4 asin(x)：求反正弦值
- A.2.5 atan (x)：求反正切值
- A.2.6 sin(x)：求正弦值
- A.2.7 cos(x)：求余弦值
- A.2.8 cot(x)：求余切值
- A.2.9 tan(x)：求正切值
- A.2.10 degrees(x)：将弧度转换为角度
- A.2.11 radians(x)：将角度转换为弧度
- A.2.12 exp(x)：返回e的x次方
- A.2.13 ceil(x)：返回不小于x的最小整数
- A.2.14 ceiling(x)：返回不小于x的最小整数
- A.2.15 floor(x)：返回不大于x的最大整数
- A.2.16 round(x)：返回最接近x的整数
- A.2.17 greatest(expr1,expr2, ...)：返回列表中的最大值
- A.2.18 least(expr1, expr2, expr3, ...)：返回列表中的最小值
- A.2.19 ln(x)：求自然对数
- A.2.20 log(x)或log(base, x)：求对数
- A.2.21 log10(x)：求以10为底的对数
- A.2.22 log2(x)：求以2为底的对数
- A.2.23 max(expression)：求最大值
- A.2.24 min(expression)：求最小值
- A.2.25 sum(expression)：求总和
- A.2.26 avg(expression)：求平均值
- A.2.27 count(expression)：求总记录数
- A.2.28 mod(x,y)：求余数
- A.2.29 pow(x,y)：求x的y次方
- A.2.30 sqrt(x)：求平方根
- A.2.31 rand()：求随机数
- A.2.32 truncate(x,y)：返回保留到小数点后n位的值
- A.3 MySQL日期函数
- A.3.1 adddate(d,n)：返回指定日期加上指定天数后的日期
- A.3.2 addtime(t,n)：返回指定时间加上指定时间后的时间
- A.3.3 curdate()：返回当前日期
- A.3.4 current_date()：返回当前日期
- A.3.5 current_time()：返回当前时间
- A.3.6 current_timestamp()：返回当前日期和时间
- A.3.7 curtime()：返回当前时间
- A.3.8 date(t)：从指定日期时间中提取日期值
- A.3.9 datediff(d1,d2)：返回两个日期相隔的天数
- A.3.10 date_add(d, interval expr type)：给指定日期加上一个时间段后的日期
- A.3.11 date_format(d,f)：根据表达式显示日期
- A.3.12 date_sub(date, interval expr type)：从当前日期减去指定的时间间隔
- A.3.13 day(d)：返回日期值中的日值
- A.3.14 dayname(d)：返回指定日期是星期几
- A.3.15 dayofmonth(d)：返回指定日期是本月的第几天
- A.3.16 dayofweek(d)：返回指定日期是所在星期的第几天
- A.3.17 dayofyear(d)：返回指定日期是本年的第几天
- A.3.18 extract (type from d)：根据对应格式返回日期
- A.3.19 from_days(n)：返回元年加n天的日期
- A.3.20 hour(t)：返回指定时间中的小时数
- A.3.21 last_day(d)：返回给定日期所在月份的最后一天
- A.3.22 localtime()：返回当前日期和时间
- A.3.23 localtimestamp()：返回当前日期和时间
- A.3.24 makedate(year, day-of-year)：时间组合天数
- A.3.25 maketime(hour, minute, second)：时间组合
- A.3.26 microsecond(date)：返回时间参数中的微秒数
- A.3.27 minute(t)：返回指定时间中的分钟数
- A.3.28 monthname(d)：返回日期中的月份名称
- A.3.29 month(d)：返回日期中的月份值
- A.3.30 now()：返回当前日期和时间
- A.3.31 period_add(period, number)：日期加月份数
- A.3.32 period_diff(period1, period2)：返回两个时间之间的月份差
- A.3.33 quarter(d)：返回日期对应的季度数
- A.3.34 second(t)：返回指定时间中的秒数
- A.3.35 sec to__time(s)：秒数转换为时间
- A.3.36 str to__date(string, format_mask)：把字符串转换为日期
- A.3.37 subdate(d,n)：从指定日期减去指定天数后的日期
- A.3.38 subtime(t,n)：从指定时间减去指定秒数后的时间
- A.3.39 sysdate()：返回当前日期和时间
- A.3.40 time(expression)：提取日期时间参数中的时间部分
- A.3.41 time_format(t,f)：根据表达式显示时间
- A.3.42 time to__sec(t)：把时间转换为秒数
- A.3.43 timediff(time1, time2)：计算时间差
- A.3.44 timestamp(expression, interval)：指定时间加上时间间隔后的时间
- A.3.45 to_days(d)：计算元年到当前日期的天数
- A.3.46 week(d)：返回指定日期是本年的第几周
- A.3.47 weekday(d)：返回指定日期是星期几
- A.3.48 year(d)：返回指定日期的年份
- A.4 MySQL高级函数
- A.4.1 bin(x)：返回字符串的二进制编码
- A.4.2 binary(s)：将字符串转换为二进制数
- A.4.3 case expression：表达式分支
- A.4.4 cast( x as type)：数据类型转换
- A.4.5 coalesce(expr1,...,exprn)：返回第一个非空表达式
- A.4.6 connection_id()：返回唯一连接ID
- A.4.7 conv(x,f1,f2)：数据进制转换
- A.4.8 convert( s using cs)：求字符串的字符集
- A.4.9 current_user()：返回当前的用户名
- A.4.10 database()：返回当前的数据库名
- A.4.11 if(expr,v1,v2)：表达式判断
- A.4.12 ifnull(v1,v2)：null替换
- A.4.13 isnull(expression)：判断表达式是否为null
- A.4.14 nullif(expr1, expr2)：字符串相等则返回null
- A.4.15 last_insert_id()：返回最近生成的自增ID
- A.4.16 session_user()：返回当前会话的用户名
- A.4.17 version()：返回数据库的版本号
展开全部
评分及书评
评分不足
1个评分
出版方
机械工业出版社有限公司
机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。
