MSSQL数据库用户名(非服务器登录名)有什么用?

秋的红果实 2019-10-14 10:46:57
create一个数据库,默认用户名是dbo,有必要删除这个默认的,再新建立一个吗
这个用户名有什么用?
...全文
243 10 打赏 收藏 转发到动态 举报
写回复
用AI写文章
10 条回复
切换为时间正序
请发表友善的回复…
发表回复
Hello World, 2019-10-16
  • 打赏
  • 举报
回复
引用 7 楼 秋的红果实 的回复:
引用 5 楼 Hello World, 的回复:
先创建登录名(CREATE LOGIN),默认的sa映射到各个数据库中的dbo,可以在数据库中删除,然后对数据库建立用户(CREATE USER)(映射到创建好的登录名),再对用户授权(GRANT),要求不高就直接给db_owner,要求高可以针对表、视图、存储过程等赋予查看、执行、修改等权限
那么权限最终还是决定于登录名吧?

最终的权限不是取决于登录名,登录名的权限是用于登录和管理数据库服务器,对于某个数据库的权限是决定于数据库的用户名(通常建立登录名时会有个默认数据库,新建立的这个登录名会同步建立这个默认数据库的用户),需要对这个用户进行授权才行。有些附加的数据库可能存在孤立用户,这时可以通过修复来关联到某个登录名。

总之要有登录名才能连接到服务器,然后通过登录名判断出有哪些用户是和它关联的,再检查这些用户的权限
Rivulet119 2019-10-15
  • 打赏
  • 举报
回复
SQL Server2008后引入了“架构”的概念,表名前面的拥有着(dbo)是个架构,就是对应数据库概念中的模式,一个数据库中的表,可以属于不同的架构(模式),看下他自带的示例数据库 AdventureWorks中的表们,就明白了。
了不起的Ray 2019-10-15
  • 打赏
  • 举报
回复
dbo是架构名
二月十六 2019-10-15
  • 打赏
  • 举报
回复
给不同的用户不同的权限。同一个用户不能操作所有的表,这样可以保证一个用户只能操作对应的几个表,而不是所有表
秋的红果实 2019-10-15
  • 打赏
  • 举报
回复
自己顶一下 我知道是用于安全的,就是不知道怎么用 当前需要建立多个数据库(几千),我打算用有限个(如几十个)登录名(登录服务器的),建立几千个数据库,每个数据库一个用户名,一个库对应一个用户名 这种该怎么做?能否起到更安全的作用?
二月十六 2019-10-15
  • 打赏
  • 举报
回复
取决于给这个登录名配置的权限 https://www.cnblogs.com/yxyht/archive/2013/03/22/2975880.html
秋的红果实 2019-10-15
  • 打赏
  • 举报
回复
引用 5 楼 Hello World, 的回复:
先创建登录名(CREATE LOGIN),默认的sa映射到各个数据库中的dbo,可以在数据库中删除,然后对数据库建立用户(CREATE USER)(映射到创建好的登录名),再对用户授权(GRANT),要求不高就直接给db_owner,要求高可以针对表、视图、存储过程等赋予查看、执行、修改等权限
那么权限最终还是决定于登录名吧?
Hello World, 2019-10-15
  • 打赏
  • 举报
回复
先创建登录名(CREATE LOGIN),默认的sa映射到各个数据库中的dbo,可以在数据库中删除,然后对数据库建立用户(CREATE USER)(映射到创建好的登录名),再对用户授权(GRANT),要求不高就直接给db_owner,要求高可以针对表、视图、存储过程等赋予查看、执行、修改等权限
秋的红果实 2019-10-15
  • 打赏
  • 举报
回复
引用 2 楼 二月十六 的回复:
给不同的用户不同的权限。同一个用户不能操作所有的表,这样可以保证一个用户只能操作对应的几个表,而不是所有表
怎么指定这个用户名? 我直接这样问:登陆服务器需要登录名(如sa)和密码,那么何时用到这个数据库的用户名?
【多变量输入超前多步预测】基于CNN-BiLSTM的光伏功率预测研究(Matlab代码实现)内容概要:本文介绍了基于CNN-BiLSTM模型的多变量输入超前多步光伏功率预测方法,并提供了Matlab代码实现。该研究结合卷积神经网络(CNN)强大的特征提取能力与双向长短期记忆网络(BiLSTM)对时间序列前后依赖关系的捕捉能力,构建了一个高效的深度学习预测模型。模型输入包含多个影响光伏发电的气象与环境变量,能够实现对未来多个时间步长的光伏功率进行精确预测,适用于复杂多变的实际应用场景。文中详细阐述了数据预处理、模型结构设计、训练流程及实验验证过程,展示了该方法相较于传统模型在预测精度和稳定性方面的优势。; 适合人群:具备一定机器学习和深度学习基础,熟悉Matlab编程,从事新能源预测、电力系统分析或相关领域研究的研发人员与高校研究生。; 使用场景及目标:①应用于光伏电站功率预测系统,提升电网调度的准确性与稳定性;②为可再生能源并网管理、能量存储规划及电力市场交易提供可靠的数据支持;③作为深度学习在时间序列多步预测中的典型案例,用于科研复现与教学参考。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注数据归一化、CNN特征提取层设计、BiLSTM时序建模及多步预测策略的实现细节,同时可尝试引入更多外部变量或优化网络结构以进一步提升预测性能。

27,580

社区成员

发帖
与我相关
我的任务
社区描述
MS-SQL Server 应用实例
社区管理员
  • 应用实例社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧