社区
.NET Framework
帖子详情
几个浪潮软件的SQL Server 面试题,just try it!
tianyapiaoboke
2010-07-09 02:56:05
内联接和外联接的区别?
SQL Server 如何优化的?
ASP.NET 程序如何优化?
SQL Server 的端口是什么?
在电影订票系统中,当票只剩下三张,而有四个人同时要订,数据库和线程如何处理?
当数据库表中的一条记录不能被删除,会是什么问题导致的?
...全文
520
7
打赏
收藏
几个浪潮软件的SQL Server 面试题,just try it!
内联接和外联接的区别? SQL Server 如何优化的? ASP.NET 程序如何优化? SQL Server 的端口是什么? 在电影订票系统中,当票只剩下三张,而有四个人同时要订,数据库和线程如何处理? 当数据库表中的一条记录不能被删除,会是什么问题导致的?
复制链接
扫一扫
分享
举报
写回复
配置赞助广告
用AI写文章
7 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
世界的彼岸
2010-07-12
打赏
举报
回复
内联接和外联接的区别?
以自己这张表为基础的叫内连接,以多张表的叫外连接
SQL Server 如何优化的?
遵守SQL语句规则
不带where条件的SQL语句一定不能使用索引,所以尽量不要书写不带where条件的SQL语句;
在where条件中有索引的字段不能使用函数;
在where条件中有索引的字段不能参与运算;
尽量少用not in、not exists、like ‘%’等关键字;
优先考虑关联查询、其次考虑集合查询、最后考虑子查询;
where条件中限制性强的条件要写在where子句的末尾(SQL语句是从右向左解析的);
多表查询的时候,驱动表应是返回数据少的表(FROM子句中放在最后的一个表就是驱动表);
对于联合索引来说,当where中含有联合索引的第一个字段时该索引有效。
ASP.NET 程序如何优化?
优化要看指哪方面的优化,是维护呢还是速度呢。
SQL Server 的端口是什么?
1433
在电影订票系统中,当票只剩下三张,而有四个人同时要订,数据库和线程如何处理?
排队买票
当数据库表中的一条记录不能被删除,会是什么问题导致的?
外键关联。
qiao6174
2010-07-10
打赏
举报
回复
[Quote=引用 5 楼 tianyapiaoboke 的回复:]
三楼的答案和我想的一样,不过那面试官的答案显然不是这一点。
[/Quote]
导致这一情况的原因很多,我认为可能是权限的问题,该登陆用户可能只有查询权限,而没有删除权限,从而导致删除失败。
tianyapiaoboke
2010-07-10
打赏
举报
回复
三楼的答案和我想的一样,不过那面试官的答案显然不是这一点。
zhengqian529
2010-07-09
打赏
举报
回复
[Quote=引用 3 楼 q107770540 的回复:]
当数据库表中的一条记录不能被删除,会是什么问题导致的?
1.最大可能是外键约束
[/Quote]
同感
q107770540
2010-07-09
打赏
举报
回复
当数据库表中的一条记录不能被删除,会是什么问题导致的?
1.最大可能是外键约束
chenkui2008
2010-07-09
打赏
举报
回复
我只想知道这2个跳的意见:在电影订票系统中,当票只剩下三张,而有四个人同时要订,数据库和线程如何处理?
当数据库表中的一条记录不能被删除,会是什么问题导致的?
q107770540
2010-07-09
打赏
举报
回复
Session-as-Event-Log:Agent 可靠性架构的核心范式
Agent 并非新概念,但其生产级落地长期受限于状态管理脆弱、故障不可追溯、运维不可控等根本问题。Session-as-Event-Log 是一种将交互过程建模为持久化、结构化、带时间戳事件流的架构原理,它剥离模型上下文与业务状态的耦合,使 agent 从‘黑盒推理器’转变为‘可审计的状态机’。该设计显著提升可观测性、可测试性与合规性,尤其适用于金融风控、医疗合规等强监管场景。其技术价值在于将复杂度从 prompt 工程与 memory 管理,迁移至更成熟的数据建模与日志治理——这正是 Anthropic
Claude Managed Agents:生产级智能体运行时架构解析
智能体(Agent)作为大模型落地的关键范式,其核心挑战在于状态管理、安全执行与可观测性。传统方案将状态耦合于模型上下文,导致上下文溢出、调试困难与安全风险;而现代生产级运行时通过‘会话即事件日志’实现状态持久化与可追溯,依托无状态执行器(Harness)解耦计算逻辑,结合一次性沙箱(Sandbox)落实最小权限与牛群化运维。这类架构设计直指AI工程化痛点,支撑跨工具、长周期、高合规的业务场景,如客户服务自动化、销售线索分发与法律文档分析等。Anthropic Managed Agents 正是这一技术路径
【信息科学与工程学】【数据中心】第三十五篇 云计算数据中心的学科知识04
编号学科(课程)核心知识点在云计算/云存储/云网络/云安全/云MaaS中的作用代表教材/资料/论文 + 数学方程式列表工业界应用D1421云原生数据库:TiDBHTAP(混合事务/分析处理)、分布式
SQL
、水平扩展、强一致(Raft)、自动故障恢复、与My
SQL
兼容、TiFlash列式引擎提供弹性扩展的分布式数据库;支撑高并发在线交易与实时分析教材:《TiDB in Action》PingCAP(2020) 论文:《TiDB: A Raft-based HTAP Database》(2017)
【半导体检测】基于共聚焦光学的三维形貌测量技术:大坡度粗糙弹坑深度无损检测方案
内容概要:本文介绍了基于共聚焦光学的大坡度粗糙面三维测量技术,重点解决芯片弹坑深度检测中的高陡壁、低反射率和表面粗糙等复杂工况下的无损测量难题。通过采用中图仪器VT6100共聚焦显微镜,结合尼普科夫转盘结构与弱光解析算法,突破传统光学干涉和接触式测量的物理限制,实现最高71.8度倾角的陡壁无损重建,精确测定弹坑深度在1.2-1.7μm之间,系统重复性精度≤12nm,保障了IC封装过程中三维形貌数据的完整性与高信度。; 适合人群:半导体制造领域的质量控制工程师、测试工程技术人员、封装工艺研发人员以及从事高精度光学测量设备选型的技术决策者;具备一定光学测量或微电子工艺背景的专业人士。; 使用场景及目标:①应用于芯片烧蚀或制程中产生的弹坑三维形貌无损检测;②支持先进封装中对微裂纹风险、应力分布建模所需的高精度几何边界条件输入;③替代传统接触式或常规光学手段,提升产线检测精度与可靠性。; 阅读建议:此资源侧重于工程应用层面的技术验证与指标对比,建议结合实际检测需求,参考其测量链条设计与不确定度控制逻辑,用于设备选型论证和技术方案优化。
Go语言并发编程实战项目html教程-第3章
channel 不是万能的:有些场景它就是不如一把锁直接。这一章回答三个问题——数据竞争长什么样、四种同步工具怎么选、以及如何用 context 把"取消"变成全程序的标准语言。
.NET Framework
17,748
社区成员
24,324
社区内容
发帖
与我相关
我的任务
.NET Framework
.NET技术 .NET Framework
复制链接
扫一扫
分享
社区描述
.NET技术 .NET Framework
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章