intersect

### Select查询语句分类 简单查询语句 从一个表中查询数据 复杂查询语句 多表连接查询 （将来源于多个表的列横向叠加） 内连接 左连接 右连接 全连接 自连接 非等值连接 复合查询（将查询结果集上下叠加） Union Union All Intersect Minus 子查询 非关联子查询 关联子查询 查询语句语法结构 SELECT select_list #select_list 要显示的列，列之间用逗号隔开，列也称作投影 [ INTO new_table ] # 结果集导入新表 FROM [table_source] #表名 [ WHERE search_condition ] #表行过滤条件 [ GROUP BY group_by_expression ] #按照指定的列将表行分组 [ HAVING search_condition ] #对分组后的新行进行过滤 [ ORDER BY order_expression [ ASC | DESC ] ] #按照指定的1个或多个列进行排序，ASC增序，DESC降序 select中常用运算符 算数运算符： + 加法运算 - 减法运算 * 乘法运算 /或DIV 除法运算 % 或MOD 求余运算 逻辑运算符： and 而且 or 或者 xor 异或 not或! 非 比较运算符： = 等于 != 或<>不等于 > 大于 < 小于

集合 　　 多个查询语句有可能取冰姐，交集，差集。 　　-->union 取并集去重 　　-->union all 取并集不去重 　　-->minus 取差集，第一个查询语句减去第二个查询语句的共同的 　　-->intersect 取交集，取两个查询语句的公共部分 练习1:查询10号部门的员工信息，查询20号部门的员工信息，取并集不去重 　　 select * from emp where deptno=10 　　union all 　　select * from emp where deptno=20; 　　**：对于集合排序我们需要写在后一个查询语句，排序的字段必须使用select语句明确指定的字段名。 　　练习：查询10号和20号的员工信息，查询20号和30号的员工部门信息，取交集并且按员工编号排序。 　　　　select ename,deptno,empno from emp where deptno in(10,20) 　　　　intersect 　　　　seleect ename,deptno,empno from emp where deptno in(20,30) order by empno; 高级分组函数 　　-->rollup(p1,p2,p3.......)；参数n个，共分n+1组。先按照所有参数分组，然后按照从后往前依次少一个参数进行分组。 　reg

背景： 在自动驾驶中，基于摄像头的视觉感知，如同人的眼睛一样重要。而目前主流方案基本都采用深度学习方案（tensorflow等），而非传统图像处理（opencv等）。 　　接下来我们就以YOLOV3为基本网络模型，Tensorflow为基本框架，搭建一套能够自动识别路面上动态目标，如车辆，行人，骑行人等。 正文： 　　原生YOLOV3是基于darknet（纯C编写）开发的，这里我们会将YOLOV3架构在Tensorflow平台上（Python,C++跨平台多语言）。 关键点介绍： 一、基本的网络结构图： 模型流程图如下： 　　基础主干网Darknet53： 二、代码结构： tf_yolov3 |-------extract_voc.py #从原始文件中生成训练所需数据格式 import os import argparse import xml.etree.ElementTree as ET # sets=[('2007', 'train'), ('2007', 'val'), ('2007', 'test')] sets=[( ' 2012 ' , ' train ' ), ( ' 2012 ' , ' val ' )] classes = [ " aeroplane " , " bicycle " , " bird " , " boat " , " bottle " , "

从flink的官方文档，我们知道flink的编程模型分为四层，sql层是最高层的api，Table api是中间层，DataStream/DataSet Api 是核心，stateful Streaming process层是底层实现。 其中， flink dataset api使用及原理 介绍了DataSet Api flink DataStream API使用及原理 介绍了DataStream Api flink中的时间戳如何使用？---Watermark使用及原理 介绍了底层实现的基础Watermark flink window实例分析 介绍了window的概念及使用原理 Flink中的状态与容错 介绍了State的概念及checkpoint，savepoint的容错机制 上篇< 使用flink Table &Sql api来构建批量和流式应用(1)Table的基本概念 >介绍了Table的基本概念及使用方法 本篇主要看看Table Api有哪些功能？ org.apache.flink.table.api.Table抽象了Table Api的功能 /** * A Table is the core component of the Table API. * Similar to how the batch and streaming APIs have DataSet and

1. 函数 1.1 大小写转换函数 函数 描述 LOWER() 全小写 UPPER() 全大写 INITCAP() 首字母大写 1.2 字符串操作函数 函数 描述 concat() 拼接字符串 substr(字段,startIndex,endIndex) 截取字符串 length() 字符串长度 instr(字段,'字符') 指定字符出现的位置索引 trim() 取出指定字符前后的空格 1.3 数字操作函数 函数 描述 round(参数,保留几位) 向上取整 trunc(参数,保留几位) 直接取整,不四舍五入 mod(x,y) x除以y的余数 1.4 日期函数 函数 描述 add_months(date,n) 在日期date上加上一个n月 lastday(date) 返回指定日期当前月的最后一天 round(date,[fmt]) 返回一个一fmt为格式的四舍五入 trunc(date,[fmt]) 不对日期进行舍入,直接进行截取 extract(fmt from date) 提取日期中的特定部分 sysdate 返回当前系统时间 fmt: YEAR: 摄入某年的1月1日,几千半年舍去,后半年作为下一个月 MONTH: 摄入到某年的1日,即前月舍去,后半月作为下一个月 DDD: 默认,月中的某一天,最靠近的天,前半天舍去,后半天作为第二天 DAY: 舍入到最近的周的周日

最近做数据查询，发现linq 真的比我 印象中 要强大的多，实用的多，所以 我决定 要与linq 来一场 深入交流， 因为linq的基础用法 可以百度一大摞，我就记录点不一样的，结合我做项目使用的。 什么是linq？ l inq（Language Integrated Query, 语言集成查询） 优点 ：1）linq提供了不同数据源的抽象层，所以可以使用相同的语法访问不同的数据源 2）linq在一定程度上降低了访问数据的复杂度（对于这点深有感触） 3）linq在编译的时候就进行检查，而不是在运行时。这样 语法错误可以及时修正 4）linq 定义的查询表达式 不是立即执行的，是在迭代中执行的（当然有扩展方法可以让其立即执行）。 这样 我们就可以把复杂的查询语句分开，而不用担心查询的效率。 缺点 ：1）linq 是语法糖，最终还是会转化为sql 语句 ，这点会影响一点点性能，一般情况下 可忽略 2）linq对 几百行的sql 无能为力，对于上百万的 数据 就歇菜了 3）linq使用的多了，容易让程序员“忘本”，不在关心SQL语句怎么写的。 linq 的 功能（记录部分）： 1、筛选、索引筛选 、类型筛选 // 简单的筛选就是where，这里就不做记录 // 这里举例 索引筛选 // 说明：在Where()方法的重载中，可以传递第二个参数-索引。索引是筛选器返回的每个结果的计数器。 /

最近做数据查询，发现linq 真的比我 印象中 要强大的多，实用的多，所以 我决定 要与linq 来一场 深入交流， 因为linq的基础用法 可以百度一大摞，我就记录点不一样的，结合我做项目使用的。 什么是linq？ l inq（Language Integrated Query, 语言集成查询） 优点 ：1）linq提供了不同数据源的抽象层，所以可以使用相同的语法访问不同的数据源 2）linq在一定程度上降低了访问数据的复杂度（对于这点深有感触） 3）linq在编译的时候就进行检查，而不是在运行时。这样 语法错误可以及时修正 4）linq 定义的查询表达式 不是立即执行的，是在迭代中执行的（当然有扩展方法可以让其立即执行）。 这样 我们就可以把复杂的查询语句分开，而不用担心查询的效率。 缺点 ：1）linq 是语法糖，最终还是会转化为sql 语句 ，这点会影响一点点性能，一般情况下 可忽略 2）linq对 几百行的sql 无能为力，对于上百万的 数据 就歇菜了 3）linq使用的多了，容易让程序员“忘本”，不在关心SQL语句怎么写的。 linq 的 功能（记录部分）： 1、筛选、索引筛选 、类型筛选 // 简单的筛选就是where，这里就不做记录 // 这里举例 索引筛选 // 说明：在Where()方法的重载中，可以传递第二个参数-索引。索引是筛选器返回的每个结果的计数器。 /

一天一篇，今天来学习第7章 （散射）漫反射材质 Chapter7: Diffuse Materials Preface 从这一章开始，我们将通过光线追踪制作一些逼真的材质。 我们将从漫射（磨砂）材料开始。 先看效果 ： 　　 正文 不发光的漫射物体仅仅呈现其周围的颜色，但是它们用它们自己的固有颜色来调和这些色彩。 从漫反射表面反射的光方向是随机的，比如：如果我们将三条光线发送到一个漫反射表面，它们将各自具有不同的随机行为： 引用书上的图： 　　 　　　　　　　　　　　　　　　　　　　　　 　diagram 7-1 它们也可能被吸收而不是被反射。 表面越暗，光线越可能被吸收。 （这就是为什么它是黑的！） 任何随机化方向的算法都会产生看起来很粗糙的表面。 最简单的方法之一是理想的漫反射表面。 原文还提到了 Lambertian 发射面 我们来看一下，如何实现上述功能 图说一切： 　　　　　　　　　　　　　　　　　　　　　　　　　　 diagram 7-2 图解 先简述一下各个原件：左黄球是以eye为中心的一个单位圆，右黄球是一个和左黄球一样的圆，至于怎么生成的，后续说 左黄球上有两个随机点，蓝紫色的s1，红紫色的s2，对应于右黄球上为s1' 和s2' 红色为视线；深绿色为反射线；三个黑球为漫反射球体，黑色只是用颜色来区分各个原件的功能，并不是黑色的漫反射球（画完才发现

我们上一篇写了Chapter5 的第一个部分表面法线，那么我们来学剩下的部分，以及Chapter6. Chapter5:Surface normals and multiple objects. 我们这一节主要向场景中添加对象。 依据代码重用原则，此时应该抽象出对象创、绘制的公共部分 All what we do are followed by object-oriented ! 我们先来抽象并定义一些基本的类型 1>.ray. 　　这个不用说了，但是我们发现，在后面涉及到的所有的向量和精度类型均取决于ray，所以，我们不妨把所有的抽象类放入统一的命名空间，把类型方面的定义放在空间内，而不是每次都需要ray::vec_type /// ray.h // ----------------------------------------------------- // [author] lv // [begin ] 2018.12 // [brief ] the ray-class for the ray-tracing project // from the 《ray tracing in one week》 // ----------------------------------------------------- #ifndef RAY_H #define RAY_H