转自http://www.cnblogs.com/yichengbo/archive/2011/08/12/2135892.html 创建数据库的代码---创建promary表  create table promary  (  proID int primary key,  proName varchar(50) not null  ) 出现上图所示内容是因为proName varchar(50) not null这个地方有问题。一般来说，如果含有中文字符，用nchar/nvarchar，如果纯英文和数字，用char/varchar 但即使你按照我上面说的做了也可能出现乱码，一般的在进行中文字符插入时在中文字符串前面加上一个大写字母N。如下： insert into promary values(1,N'北京市')  insert into promary values(2,N'天津市')  insert into promary values(3,N'上海市')  insert into promary values(4,N'重庆市')  insert into promary values(5,N'河北省')  insert into promary values(6,N'山西省')  insert into promary values(7,N'台湾省')  insert into promary values(8,N'辽宁省')  insert into promary values(9,N'吉林省')  insert into promary values(10,N'黑龙江省')  insert into promary values(11,N'江苏省') 这样就不会出现乱码了。

本文介绍以下内容： LFET JOIN、RIGHT JOIN、INNER JOIN、UNION、UNION ALL、FULL JOIN等！ 测试数据（以下数据未经考证，非真实有效数据，仅作为本次学习的测试数据！） No. 校名 地区 校长 类型 1 北京大学 北京 周其凤 综合 2 清华大学 北京 顾秉林 理工 3 浙江大学 浙江 杨卫 综合 4 复旦大学 上海 杨玉良 综合 5 南京大学 江苏 陈俊 综合 6 上海交通大学 上海 张杰 综合 7 武汉大学 湖北 李晓红 综合 8 中国人民大学 北京 纪宝成 综合 9 华中科技大学 湖北 李培根 理工 10 中山大学 广东 许宁生 综合 11 吉林大学 吉林 展涛 综合 12 四川大学 四川 谢和平 综合 13 北京师范大学 北京 钟秉林 师范 14 南开大学 天津 龚克 综合 15 中南大学 湖南 黄伯云 综合 16 山东大学 山东 徐显明 综合 17 哈尔滨工业大学 黑龙江 王树国 理工 18 中国科技大学 安徽 侯建国 理工 19 西安交通大学 陕西 郑南宁 综合 20 厦门大学 福建 朱崇实 综合  数据库表结构和数据SQL（使用Navicat从MYSQL导出）： 1 /* 2 Navicat Oracle Data Transfer 3 Oracle Client Version : 11.2.0.2.0 4 5 Source Server : xe 6 Source Server Version : 110200 7 Source Host : 127.0.0.1:1522 8 Source Schema : HR 9 10 Target Server Type : ORACLE 11 Target Server Version : 110200 12 File Encoding : 65001 13 14 Date: 2014-12-04 12:44:54 15 */ 16 17 18 -- ---------------------------- 19 -- Table structure for "HR"."SCHOOL" 20 -- ---------------------------- 21 DROP TABLE "HR"."SCHOOL"; 22 CREATE TABLE "HR"."SCHOOL" ( 23 "SCHOOLID" VARCHAR2(100 BYTE) NOT NULL , 24 "SCHOOLNAME" VARCHAR2(50 BYTE) NULL , 25 "SCHOOLLOCATION" VARCHAR2(20 BYTE) NULL , 26 "SCHOOLTYPE" VARCHAR2(5 BYTE) NULL , 27 "SORTKEY" VARCHAR2(2 BYTE) NULL 28 ) 29 LOGGING 30 NOCOMPRESS 31 NOCACHE 32 33 ; 34 35 -- ---------------------------- 36 -- Records of SCHOOL 37 -- ---------------------------- 38 INSERT INTO "HR"."SCHOOL" VALUES ('C15BD0AB3EF4468A96557A870293BA88', '北京大学', '北京', '1', '01'); 39 INSERT INTO "HR"."SCHOOL" VALUES ('FCBB60720A9749B1AE72CBE5BE388E22', '清华大学', '北京', '2', '02'); 40 INSERT INTO "HR"."SCHOOL" VALUES ('12276D26BC4F4197B42D950681F924AB', '浙江大学', '浙江', '1', '03'); 41 INSERT INTO "HR"."SCHOOL" VALUES ('40280309A8784F68ACB786E5B5DE556A', '复旦大学', '上海', '1', '04'); 42 INSERT INTO "HR"."SCHOOL" VALUES ('8150DCFA7F6144D6A77A109977538047', '南京大学', '江苏', '1', '05'); 43 INSERT INTO "HR"."SCHOOL" VALUES ('44E4F771356C465DB02AD54A01C2ABDE', '上海交通大学', '上海', '1', '06'); 44 INSERT INTO "HR"."SCHOOL" VALUES ('4A3763D5528B49C299489C151620CD19', '武汉大学', '湖北', '1', '07'); 45 INSERT INTO "HR"."SCHOOL" VALUES ('D27B3A5FB8AA489A987D14288871CC6E', '中国人民大学', '北京', '1', '08'); 46 INSERT INTO "HR"."SCHOOL" VALUES ('2B849F065600462C8D45BC2E781301F2', '华中科技大学', '湖北', '2', '09'); 47 INSERT INTO "HR"."SCHOOL" VALUES ('54D90CFD0F104EFCB299D5098BF99386', '中山大学', '广东', '1', '10'); 48 INSERT INTO "HR"."SCHOOL" VALUES ('0BAEEEBEE1A444EAA33FF61652F80F73', '吉林大学', '吉林', '1', '11'); 49 INSERT INTO "HR"."SCHOOL" VALUES ('BF8085E385004A5295F950F390C67475', '四川大学', '四川', '1', '12'); 50 INSERT INTO "HR"."SCHOOL" VALUES ('B45EA8CDE6554555921B7D293BAC36F2', '北京师范大学', '北京', '3', '13'); 51 INSERT INTO "HR"."SCHOOL" VALUES ('D4D879DAF2E14E6DA129EC8E46F1E5D4', '南开大学', '天津', '1', '14'); 52 INSERT INTO "HR"."SCHOOL" VALUES ('8A17B2CC81B64DF78CCE0D75E21BF77B', '中南大学', '湖南', '1', '15'); 53 INSERT INTO "HR"."SCHOOL" VALUES ('5C354FDA736C4D189C97BEE8DDD0D0E7', '山东大学', '山东', '1', '16'); 54 INSERT INTO "HR"."SCHOOL" VALUES ('292812F98C394CB5846CFA1448094A24', '哈尔滨工业大学', '黑龙江', '2', '17'); 55 INSERT INTO "HR"."SCHOOL" VALUES ('0C0D5616B55E42139242625E58C2D389', '中国科技大学', '安徽', '2', '18'); 56 INSERT INTO "HR"."SCHOOL" VALUES ('C50259B9240F4C88B38B954575079343', '西安交通大学', '陕西', '1', '19'); 57 INSERT INTO "HR"."SCHOOL" VALUES ('977A97CC47C4482BA9A9359AAC4CEF66', '厦门大学', '福建', '1', '20'); 58 59 -- ---------------------------- 60 -- Table structure for "HR"."SCHOOLMASTER" 61 -- ---------------------------- 62 DROP TABLE "HR"."SCHOOLMASTER"; 63 CREATE TABLE "HR"."SCHOOLMASTER" ( 64 "ID" VARCHAR2(100 BYTE) NOT NULL , 65 "NAME" VARCHAR2(50 BYTE) NULL , 66 "SCHOOLID" VARCHAR2(100 BYTE) NULL 67 ) 68 LOGGING 69 NOCOMPRESS 70 NOCACHE 71 72 ; 73 74 -- ---------------------------- 75 -- Records of SCHOOLMASTER 76 -- ---------------------------- 77 INSERT INTO "HR"."SCHOOLMASTER" VALUES ('B4E99F17053B4DD9BFF4EA27D3DB9F6B', '周其凤', 'C15BD0AB3EF4468A96557A870293BA88'); 78 INSERT INTO "HR"."SCHOOLMASTER" VALUES ('FA4CE2FB3B264F0A8BFB55B638D46BC1', '顾秉林', 'FCBB60720A9749B1AE72CBE5BE388E22'); 79 INSERT INTO "HR"."SCHOOLMASTER" VALUES ('5FD7213082F14FA9A34B59CA614F6CFA', '杨卫', '12276D26BC4F4197B42D950681F924AB'); 80 INSERT INTO "HR"."SCHOOLMASTER" VALUES ('ACC1B581908D49538DF97E06D15B9EEB', '杨玉良', '40280309A8784F68ACB786E5B5DE556A'); 81 INSERT INTO "HR"."SCHOOLMASTER" VALUES ('5496350FC7F0455A96268FC76AE11A01', '陈俊', '8150DCFA7F6144D6A77A109977538047'); 82 INSERT INTO "HR"."SCHOOLMASTER" VALUES ('D1993E4EEB9A4017BA2D46E0EA16D1C6', '张杰', '44E4F771356C465DB02AD54A01C2ABDE'); 83 INSERT INTO "HR"."SCHOOLMASTER" VALUES ('CA9525B7E1AA41C984E26DEA95381FD9', '李晓红', '4A3763D5528B49C299489C151620CD19'); 84 INSERT INTO "HR"."SCHOOLMASTER" VALUES ('339616FE14BE4D3282C3AA1BCDD18155', '纪宝成', 'D27B3A5FB8AA489A987D14288871CC6E'); 85 INSERT INTO "HR"."SCHOOLMASTER" VALUES ('2BE4929EBA0D4AB983B2279D3C12711D', '李培根', '2B849F065600462C8D45BC2E781301F2'); 86 INSERT INTO "HR"."SCHOOLMASTER" VALUES ('415F43C2F25C4A26BDEADBA1668E8177', '许宁生', '54D90CFD0F104EFCB299D5098BF99386'); 87 INSERT INTO "HR"."SCHOOLMASTER" VALUES ('4D5FD475D8204070B49944A01DB6F768', '展涛', '0BAEEEBEE1A444EAA33FF61652F80F73'); 88 INSERT INTO "HR"."SCHOOLMASTER" VALUES ('D49DF755223C442EA99449193D98A465', '谢和平', 'BF8085E385004A5295F950F390C67475'); 89 INSERT INTO "HR"."SCHOOLMASTER" VALUES ('5C5E20AEE6B44F9E8042010FB833E2E4', '钟秉林', 'B45EA8CDE6554555921B7D293BAC36F2'); 90 INSERT INTO "HR"."SCHOOLMASTER" VALUES ('CC463BB9D6CB4D2DA8B1687A1138E73E', '龚克', 'D4D879DAF2E14E6DA129EC8E46F1E5D4'); 91 INSERT INTO "HR"."SCHOOLMASTER" VALUES ('9E57F240DF0B4F57BBC20D0FE1CA118C', '黄伯云', '8A17B2CC81B64DF78CCE0D75E21BF77B'); 92 INSERT INTO "HR"."SCHOOLMASTER" VALUES ('49FBE5183F5A43E4B975B654A3399F61', '徐显明', '5C354FDA736C4D189C97BEE8DDD0D0E7'); 93 INSERT INTO "HR"."SCHOOLMASTER" VALUES ('89381DEB8AFA482B9769DF8F024F04B2', '王树国', '292812F98C394CB5846CFA1448094A24'); 94 INSERT INTO "HR"."SCHOOLMASTER" VALUES ('DD0C1777563B49E7B4E98FCBC3A77E0D', '侯建国', '0C0D5616B55E42139242625E58C2D389'); 95 INSERT INTO "HR"."SCHOOLMASTER" VALUES ('921BA4BC616244C68AE017BE623EE33A', '郑南宁', 'C50259B9240F4C88B38B954575079343'); 96 INSERT INTO "HR"."SCHOOLMASTER" VALUES ('D49EC73FA4D3470B8F355812B0BD4CA3', '朱崇实', '977A97CC47C4482BA9A9359AAC4CEF66'); 97 98 -- ---------------------------- 99 -- Table structure for "HR"."SCHOOLTYPE" 100 -- ---------------------------- 101 DROP TABLE "HR"."SCHOOLTYPE"; 102 CREATE TABLE "HR"."SCHOOLTYPE" ( 103 "TYPEID" VARCHAR2(5 BYTE) NOT NULL , 104 "TYPENAME" VARCHAR2(50 BYTE) NULL 105 ) 106 LOGGING 107 NOCOMPRESS 108 NOCACHE 109 110 ; 111 112 -- ---------------------------- 113 -- Records of SCHOOLTYPE 114 -- ---------------------------- 115 INSERT INTO "HR"."SCHOOLTYPE" VALUES ('1', '综合'); 116 INSERT INTO "HR"."SCHOOLTYPE" VALUES ('2', '理工'); 117 INSERT INTO "HR"."SCHOOLTYPE" VALUES ('3', '师范'); 118 INSERT INTO "HR"."SCHOOLTYPE" VALUES ('4', '其他'); 119 120 -- ---------------------------- 121 -- Indexes structure for table SCHOOL 122 -- ---------------------------- 123 124 -- ---------------------------- 125 -- Checks structure for table "HR"."SCHOOL" 126 -- ---------------------------- 127 ALTER TABLE "HR"."SCHOOL" ADD CHECK ("SCHOOLID" IS NOT NULL); 128 129 -- ---------------------------- 130 -- Primary Key structure for table "HR"."SCHOOL" 131 -- ---------------------------- 132 ALTER TABLE "HR"."SCHOOL" ADD PRIMARY KEY ("SCHOOLID"); 133 134 -- ---------------------------- 135 -- Checks structure for table "HR"."SCHOOLMASTER" 136 -- ---------------------------- 137 ALTER TABLE "HR"."SCHOOLMASTER" ADD CHECK ("ID" IS NOT NULL); 138 139 -- ---------------------------- 140 -- Indexes structure for table SCHOOLTYPE 141 -- ---------------------------- 142 143 -- ---------------------------- 144 -- Checks structure for table "HR"."SCHOOLTYPE" 145 -- ---------------------------- 146 ALTER TABLE "HR"."SCHOOLTYPE" ADD CHECK ("TYPEID" IS NOT NULL); 147 148 -- ---------------------------- 149 -- Primary Key structure for table "HR"."SCHOOLTYPE" 150 -- ---------------------------- 151 ALTER TABLE "HR"."SCHOOLTYPE" ADD PRIMARY KEY ("TYPEID"); 152 153 -- ---------------------------- 154 -- Foreign Key structure for table "HR"."SCHOOL" 155 -- ---------------------------- 156 ALTER TABLE "HR"."SCHOOL" ADD FOREIGN KEY ("SCHOOLTYPE") REFERENCES "HR"."SCHOOLTYPE" ("TYPEID"); 157 158 -- ---------------------------- 159 -- Foreign Key structure for table "HR"."SCHOOLMASTER" 160 -- ---------------------------- 161 ALTER TABLE "HR"."SCHOOLMASTER" ADD FOREIGN KEY ("SCHOOLID") REFERENCES "HR"."SCHOOL" ("SCHOOLID") DISABLE; View Code  利用以下SQL可以查询出以上的表格并了解表之间的关系： SELECT S.SORTKEY, S.SCHOOLNAME, S.SCHOOLLOCATION, M.NAME, T.TYPENAME FROM SCHOOL S JOIN SCHOOLMASTER M ON S.SCHOOLID = M.SCHOOLID JOIN SCHOOLTYPE T ON S.SCHOOLTYPE = T.TYPEID ORDER BY S.SORTKEY 修改部分测试数据： SCHOOL:BF8085E385004A5295F950F390C67476 四川大学 四川 1 125C354FDA736C4D189C97BEE8DDD0D0E6 山东大学 山东 1 16-->BF8085E385004A5295F950F390C67475 四川大学 四川 1 125C354FDA736C4D189C97BEE8DDD0D0E7 山东大学 山东 1 16 SCHOOLMASTER:5496350FC7F0455A96268FC76AE11A01 陈俊 8150DCFA7F6144D6A77A109977538047 -->5496350FC7F0455A96268FC76AE11A01 陈俊 8150DCFA7F6144D6A77A109977538046  继续使用以上SQL查询出高校排名： 查询结果如下表： 01 北京大学 北京 周其凤 综合 02 清华大学 北京 顾秉林 理工 03 浙江大学 浙江 杨卫 综合 04 复旦大学 上海 杨玉良 综合 05 上海交通大学 上海 张杰 综合 06 武汉大学 湖北 李晓红 综合 07 中国人民大学 北京 纪宝成 综合 08 华中科技大学 湖北 李培根 理工 09 中山大学 广东 许宁生 综合 10 吉林大学 吉林 展涛 综合 11 北京师范大学 北京 钟秉林 师范 12 南开大学 天津 龚克 综合 13 中南大学 湖南 黄伯云 综合 14 哈尔滨工业大学 黑龙江 王树国 理工 15 中国科技大学 安徽 侯建国 理工 16 西安交通大学 陕西 郑南宁 综合 17 厦门大学 福建 朱崇实 综合   数据库中查询分为：内连接、外连接、全连接，其中外连接分为左外连接（左连接）、右外连接（右连接）。 以下练习只关注表SCHOOL和表SCHOOLMASTER之间的连接关系，不关注表SCHOOL和表SCHOOLTYPE之间的连接关系，所以表SCHOOL和表SCHOOLTYPE之间使用LEFT JOIN进行联合查询。 左外连接（左连接）： 使用以上测试数据，查询所有大学的校名和校长：SQL: SELECT S.SORTKEY, S.SCHOOLNAME, S.SCHOOLLOCATION, M.NAME, T.TYPENAME FROM SCHOOL S LEFT JOIN SCHOOLMASTER M ON S.SCHOOLID = M.SCHOOLID LEFT JOIN SCHOOLTYPE T ON S.SCHOOLTYPE = T.TYPEID ORDER BY S.SORTKEY 查询结果： 01 北京大学 北京 周其凤 综合 02 清华大学 北京 顾秉林 理工 03 浙江大学 浙江 杨卫 综合 04 复旦大学 上海 杨玉良 综合 05 南京大学 江苏            综合 06 上海交通大学 上海 张杰 综合 07 武汉大学 湖北 李晓红 综合 08 中国人民大学 北京 纪宝成 综合 09 华中科技大学 湖北 李培根 理工 10 中山大学 广东 许宁生 综合 11 吉林大学 吉林 展涛 综合 12 四川大学 四川            综合 13 北京师范大学 北京 钟秉林 师范 14 南开大学 天津 龚克 综合 15 中南大学 湖南 黄伯云 综合 16 山东大学 山东            综合 17 哈尔滨工业大学 黑龙江 王树国 理工 18 中国科技大学 安徽 侯建国 理工 19 西安交通大学 陕西 郑南宁 综合 20 厦门大学 福建 朱崇实 综合 左连接查询：以左表（LEFT JOIN左边的表：表SCHOOL）为主表，即使右表（LEFT JOIN右边的表：表SCHOOLMASTER）没有匹配的数据，也从左表返回所有行数据。 以上SQL还可以写成 SELECT S.SORTKEY, S.SCHOOLNAME, S.SCHOOLLOCATION, M.NAME, T.TYPENAME FROM SCHOOL S LEFT OUTER JOIN SCHOOLMASTER M ON S.SCHOOLID = M.SCHOOLID LEFT OUTER JOIN SCHOOLTYPE T ON S.SCHOOLTYPE = T.TYPEID ORDER BY S.SORTKEY 这也是左外连接简称为左连接的原因。 或者 SELECT SCHOOL.SORTKEY, SCHOOL.SCHOOLNAME, SCHOOL.SCHOOLLOCATION, SCHOOLMASTER.NAME, SCHOOLTYPE.TYPENAME FROM SCHOOL, SCHOOLMASTER, SCHOOLTYPE WHERE SCHOOL.SCHOOLID = SCHOOLMASTER.SCHOOLID(+) AND SCHOOL.SCHOOLTYPE = SCHOOLTYPE.TYPEID(+) ORDER BY SCHOOL.SORTKEY 以上SQL也是用了左连接，因为(+)在右侧，所以“(+)”所在位置的另一侧为连接的方向，不过这种方式已经过时了。 右外连接（右连接）： 使用以上测试数据，查询所有校长管理的学校：SQL: SELECT M.NAME, S.SORTKEY, S.SCHOOLNAME, S.SCHOOLLOCATION, T.TYPENAME FROM SCHOOL S RIGHT JOIN SCHOOLMASTER M ON S.SCHOOLID = M.SCHOOLID LEFT JOIN SCHOOLTYPE T ON S.SCHOOLTYPE = T.TYPEID ORDER BY S.SORTKEY 查询结果： 周其凤 01 北京大学 北京 综合 顾秉林 02 清华大学 北京 理工 杨卫 03 浙江大学 浙江 综合 杨玉良 04 复旦大学 上海 综合 张杰 06 上海交通大学 上海 综合 李晓红 07 武汉大学 湖北 综合 纪宝成 08 中国人民大学 北京 综合 李培根 09 华中科技大学 湖北 理工 许宁生 10 中山大学 广东 综合 展涛 11 吉林大学 吉林 综合 钟秉林 13 北京师范大学 北京 师范 龚克 14 南开大学 天津 综合 黄伯云 15 中南大学 湖南 综合 王树国 17 哈尔滨工业大学 黑龙江 理工 侯建国 18 中国科技大学 安徽 理工 郑南宁 19 西安交通大学 陕西 综合 朱崇实 20 厦门大学 福建 综合 陈俊         徐显明         谢和平         右连接查询：以右表（RIGHT JOIN右边的表：表SCHOOLMASTER）为主表，即使左表（RIGHT JOIN左边的表：表SCHOOL）没有匹配的数据，也从右表返回所有行数据。 以上SQL还可以写成 SELECT M.NAME, S.SORTKEY, S.SCHOOLNAME, S.SCHOOLLOCATION, T.TYPENAME FROM SCHOOL S RIGHT OUTER JOIN SCHOOLMASTER M ON S.SCHOOLID = M.SCHOOLID LEFT JOIN SCHOOLTYPE T ON S.SCHOOLTYPE = T.TYPEID ORDER BY S.SORTKEY 这也是右外连接简称为右连接的原因。 或者 SELECT SCHOOLMASTER.NAME, SCHOOL.SORTKEY, SCHOOL.SCHOOLNAME, SCHOOL.SCHOOLLOCATION, SCHOOLTYPE.TYPENAME FROM SCHOOL, SCHOOLMASTER, SCHOOLTYPE WHERE SCHOOL.SCHOOLID(+) = SCHOOLMASTER.SCHOOLID AND SCHOOL.SCHOOLTYPE = SCHOOLTYPE.TYPEID(+) ORDER BY SCHOOL.SORTKEY 以上SQL也是用了右连接，因为(+)在左侧，所以“(+)”所在位置的另一侧为连接的方向。 学习完左连接和右连接后，比较一下以下的SQL： SELECT S.SORTKEY, S.SCHOOLNAME, S.SCHOOLLOCATION, M.NAME FROM SCHOOL S LEFT JOIN SCHOOLMASTER M ON S.SCHOOLID = M.SCHOOLID ORDER BY S.SORTKEY SELECT S.SORTKEY, S.SCHOOLNAME, S.SCHOOLLOCATION, M.NAME FROM SCHOOLMASTER M RIGHT JOIN SCHOOL S ON S.SCHOOLID = M.SCHOOLID ORDER BY S.SORTKEY 运行以上两句SQL后，发现查询结果是一致的。虽然第一句SQL使用的是LEFT JOIN，而第二句使用的是RIGHT JOIN。 根据上文中左连接查询、右连接查询的定义: 左连接查询：以左表为主表，即使右表没有匹配的数据，也从左表返回所有行数据。右连接查询：以右表为主表，即使左表没有匹配的数据，也从右表返回所有行数据。 分析以上两句SQL。 第一句（LEFT JOIN）：因为使用了左连接查询，所以以左表SCHOOL为主表，返回查询结果； 第二句（RITHT JOIN）：因为使用了右连接查询，所以以右表SCHOOL为主表，返回查询结果。 所以主表为同一数据表，查询结果相同。 也就是说在软件开发过程中，针对某一功能需求，使用左连接查询或者右连接查询以及其他查询都是可以的，只要查询结果正确即可。 同时，也可以用多种查询方式检查SQL的正确性。 左连接查询、右连接查询等各种查询方式并没有错误，只要符合功能需求即可。这一观点在后文以及以后的工作中也会得到证实。 内连接查询： 使用以上测试数据，查询所有学校和校长，特别指出的是，没有校长的学校、没有领导学校的校长不要显示： SQL: SELECT S.SORTKEY, S.SCHOOLNAME, S.SCHOOLLOCATION, M.NAME, T.TYPENAME FROM SCHOOL S JOIN SCHOOLMASTER M ON S.SCHOOLID = M.SCHOOLID JOIN SCHOOLTYPE T ON S.SCHOOLTYPE = T.TYPEID ORDER BY S.SORTKEY 查询结果： 01 北京大学 北京 周其凤 综合 02 清华大学 北京 顾秉林 理工 03 浙江大学 浙江 杨卫 综合 04 复旦大学 上海 杨玉良 综合 06 上海交通大学 上海 张杰 综合 07 武汉大学 湖北 李晓红 综合 08 中国人民大学 北京 纪宝成 综合 09 华中科技大学 湖北 李培根 理工 10 中山大学 广东 许宁生 综合 11 吉林大学 吉林 展涛 综合 13 北京师范大学 北京 钟秉林 师范 14 南开大学 天津 龚克 综合 15 中南大学 湖南 黄伯云 综合 17 哈尔滨工业大学 黑龙江 王树国 理工 18 中国科技大学 安徽 侯建国 理工 19 西安交通大学 陕西 郑南宁 综合 20 厦门大学 福建 朱崇实 综合 内连接查询：如果表中有至少一个匹配，则返回行数据。 以上SQL还可以写成 SELECT S.SORTKEY, S.SCHOOLNAME, S.SCHOOLLOCATION, M.NAME, T.TYPENAME FROM SCHOOL S INNER JOIN SCHOOLMASTER M ON S.SCHOOLID = M.SCHOOLID INNER JOIN SCHOOLTYPE T ON S.SCHOOLTYPE = T.TYPEID ORDER BY S.SORTKEY 也就是说INNER JOIN 等同于 JOIN，为了方便起见，一般直接使用JOIN。 UNION、UNION ALL： UNION 操作符用于合并两个或多个 SELECT 语句的结果集。请注意，UNION 内部的 SELECT 语句必须拥有相同数量的列。列也必须拥有相似的数据类型。同时，每条 SELECT 语句中的列的顺序必须相同。 SQL: ( SELECT S.SCHOOLID ID, S.SCHOOLNAME NAME FROM SCHOOL S ) UNION ( SELECT M . ID ID, M . NAME NAME FROM SCHOOLMASTER M ) UNION ( SELECT TYPEID ID, TYPENAME NAME FROM SCHOOLTYPE ) 查询结果： 0BAEEEBEE1A444EAA33FF61652F80F73 吉林大学 0C0D5616B55E42139242625E58C2D389 中国科技大学 1 综合 12276D26BC4F4197B42D950681F924AB 浙江大学 2 理工 292812F98C394CB5846CFA1448094A24 哈尔滨工业大学 2B849F065600462C8D45BC2E781301F2 华中科技大学 2BE4929EBA0D4AB983B2279D3C12711D 李培根 3 师范 339616FE14BE4D3282C3AA1BCDD18155 纪宝成 4 其他 40280309A8784F68ACB786E5B5DE556A 复旦大学 415F43C2F25C4A26BDEADBA1668E8177 许宁生 44E4F771356C465DB02AD54A01C2ABDE 上海交通大学 49FBE5183F5A43E4B975B654A3399F61 徐显明 4A3763D5528B49C299489C151620CD19 武汉大学 4D5FD475D8204070B49944A01DB6F768 展涛 5496350FC7F0455A96268FC76AE11A01 陈俊 54D90CFD0F104EFCB299D5098BF99386 中山大学 5C354FDA736C4D189C97BEE8DDD0D0E6 山东大学 5C5E20AEE6B44F9E8042010FB833E2E4 钟秉林 5FD7213082F14FA9A34B59CA614F6CFA 杨卫 8150DCFA7F6144D6A77A109977538047 南京大学 89381DEB8AFA482B9769DF8F024F04B2 王树国 8A17B2CC81B64DF78CCE0D75E21BF77B 中南大学 921BA4BC616244C68AE017BE623EE33A 郑南宁 977A97CC47C4482BA9A9359AAC4CEF66 厦门大学 9E57F240DF0B4F57BBC20D0FE1CA118C 黄伯云 ACC1B581908D49538DF97E06D15B9EEB 杨玉良 B45EA8CDE6554555921B7D293BAC36F2 北京师范大学 B4E99F17053B4DD9BFF4EA27D3DB9F6B 周其凤 BF8085E385004A5295F950F390C67476 四川大学 C15BD0AB3EF4468A96557A870293BA88 北京大学 C50259B9240F4C88B38B954575079343 西安交通大学 CA9525B7E1AA41C984E26DEA95381FD9 李晓红 CC463BB9D6CB4D2DA8B1687A1138E73E 龚克 D1993E4EEB9A4017BA2D46E0EA16D1C6 张杰 D27B3A5FB8AA489A987D14288871CC6E 中国人民大学 D49DF755223C442EA99449193D98A465 谢和平 D49EC73FA4D3470B8F355812B0BD4CA3 朱崇实 D4D879DAF2E14E6DA129EC8E46F1E5D4 南开大学 DD0C1777563B49E7B4E98FCBC3A77E0D 侯建国 FA4CE2FB3B264F0A8BFB55B638D46BC1 顾秉林 FCBB60720A9749B1AE72CBE5BE388E22 清华大学 以上SQL仅仅为了说明UNION的功能，没有具体意义。 当列数据有重复时，UNION只能查询出一条记录，这时候就需要使用UNION ALL进行查询。 全连接查询： SQL: SELECT S.SORTKEY, S.SCHOOLNAME, S.SCHOOLLOCATION, M.NAME, T.TYPENAME FROM SCHOOL S FULL JOIN SCHOOLMASTER M ON S.SCHOOLID = M.SCHOOLID LEFT JOIN SCHOOLTYPE T ON S.SCHOOLTYPE = T.TYPEID ORDER BY S.SORTKEY 查询结果： 01 北京大学 北京 周其凤 综合 02 清华大学 北京 顾秉林 理工 03 浙江大学 浙江 杨卫 综合 04 复旦大学 上海 杨玉良 综合 05 南京大学 江苏   综合 06 上海交通大学 上海 张杰 综合 07 武汉大学 湖北 李晓红 综合 08 中国人民大学 北京 纪宝成 综合 09 华中科技大学 湖北 李培根 理工 10 中山大学 广东 许宁生 综合 11 吉林大学 吉林 展涛 综合 12 四川大学 四川   综合 13 北京师范大学 北京 钟秉林 师范 14 南开大学 天津 龚克 综合 15 中南大学 湖南 黄伯云 综合 16 山东大学 山东   综合 17 哈尔滨工业大学 黑龙江 王树国 理工 18 中国科技大学 安徽 侯建国 理工 19 西安交通大学 陕西 郑南宁 综合 20 厦门大学 福建 朱崇实 综合       谢和平         陈俊         徐显明     全连接查询：只要其中某个表存在匹配，就返回行数据。 作者： Candyメ奶糖 出处：http://www.cnblogs.com/Candies/ 本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则保留追究法律责任的权利。 博文来源广泛，如原作者认为我侵犯知识产权，请尽快给我发邮件 359031282@qq.com联系，我将以第一时间删除相关内容。

主流数据库容灾（复制）工具对比     Oracle Golden Gate Quest Shareplex DSG RealSync   公司概要   公司介绍 GoldenGate公司成立于2007年，专注于数据同步领域，是实现数据同步技术的领导者。2009年被Oracle收购 Quest Software成立于1987年，并于1999年在纳斯达克上市，市值近20亿美元。公司现有员工3000人，中国区总部位于北京，广州、上海设有办事处。主要产品线为数据库管理和监控工具。2012年戴尔以24亿美元收购Quest Software。 DSG中国于2002年8月在北京成立，主要产品包括oracle同步软件realsync和数据库备份软件snapassure及其他有关oracle数据库的支撑软件。 产品成熟度 GoldeGate产品最早发布于1995年，产品成熟度高，在全球有超过2000多个成功案例 SharePlex产品最早发布于1999年，在全球有接近800个成功案例 产品推出时间较短，客户仅限于国内   成功案例 在全球35个国家售出超过2000个许可证，客户分布在政府、银行、电信、证券、传媒、医疗等行业，大部分客户为全球500强企业，如中国海关总署、中国国家体育总局体彩管理中心、中国电子口岸、海南移动、美国银行、VISA、瑞银集团、澳大利亚海关、新加坡港务局等。 在国内有一些成功案例，包括北京地税，天津地税，贵州联通，黑龙江移动，大连商品交易所等客户，在全球有近800个成功案例。 作为国内最先推出数据库同步复制解决方案的厂家，DSG迄今为止已经累积了100多家成功案例，大部分案例集中在电信、金融、政府、电力领域，如：中国电信、中国移动、中国联通、广西公安、河北地税、华泰证券、中金所、鲁证期货、中大期货等   产品方面   复制机制 通过分析Oracle redo log分析，生成sql，在相应的灾备环境应用来实现容灾 通过分析Oracle redo log分析，生成sql，在相应的灾备环境应用来实现容灾 通过分析Oracle redo log分析，生成sql，在相应的灾备环境应用来实现容灾   复制方式 支持多种复制方式，支持单向、多向、广播、合并、级联 支持多种复制方式，支持单向、多向、广播、合并、级联 支持多种复制方式，支持单向、多向、广播、合并、级联   双向复制 Goldengate可以非常好的支持同一个业务系统同一套表的实时双向复制。 Quest不支持同一套表的实时双向复制。 DSG基于rowid实现源和目标的数据库复制，从机理上肯定不能实现双向复制，同时当源端进行数据库整理时，数据的rowid会发生变化，会造成数据不一致。   兼容性和可扩展性 支持Oracle、DB2、SQL Server、Sybase、MySQL、Teradata等各种数据库平台 仅支持Oracle 仅支持Oracle   不同oracle版本支持 支持oracle8i以后所有版本，以及RAC环境 支持oracle8i以后所有版本，以及RAC环境 支持oracle8i以后所有版本，以及RAC环境   对原系统的改动 安装时不需要在原系统上插入表，对原系统的影响非常小，运行可靠性高。 需要在原系统上插入一些中间表，影响可靠性 需要在原系统上插入大量的数据表，这些数据表占用大量的存储空间，维护起来相当麻烦，如果一旦丢失，需要花费大量的时间重建，是可靠性不高的一种设计。   产品的运行监控 GoldenGate提供了集中管理的工具 Director。该工具可以对多个分布的GoldenGate实例进行集中管理，并提供命令行、web页面面和Java 界面三种管理界面，客户可以根据自身爱好选择任意一种方式管理和监控复制软件的运行。Director使得客户可以更加直观的观察复制软件运行的状态，管理和配置复制软件进程和参数，及时处理故障和报警，还可以提供与第三方监控软件的接口 用户可通过shareplex控制台查看数据复制的各种相关信息，并设定个性化的参数以实现特定的功能，管理方便灵活。可与多种监控平台结合，实现数据复制的实施监控（使用SNMP方式）或者与Quest Foglight监控产品集成，实现监控及报警 以前产品运行情况只能通过查看日志了解，停止产品时只能通过kill命令直接杀掉进程；监控产品运行情况有较大难度，目前也启功了GUI工具，不过监控功能有限，还在不断完善中   初始化 Goldengate可以和oracle数据库实现无缝结合，充分利用oracle的rman，data pump，exp/imp，在保证数据一致性的情况下，可以高速地实现数据初始化。 Quest也可以利用oracle的exp/imp初始化工具。 由于DSG基于rowid实现源和目标的同步，因此必须使用其自己的初始化工具进行初始化   注意 Oracle GoldenGate有个完整的产品系列，最为常见的包括GoldenGate、GoldenGate Director（现更名为GoldenGate Management Pack，但是熟悉GoldenGate的人还是习惯性地称其为GoldenGate Director，为了保证上下文的一致性，我这里统一称其为GoldenGate Director）、 GoldenGate Veridata。另外，也有我们不大常见的GoldenGate forMainframe，和GoldenGate Adapters。GoldenGate是核心产品，GoldenGate Director为GoldenGate提供友好的GUI配置管理界面，GoldenGate Veridata为GoldenGate源端和目标端提供数据比对和校验的功能。 注意这三者并不是一个打包的产品，比如如果您购买了GoldenGate软件，如果需要图形界面或需要数据校验的功能，就需要额外购买GoldenGate Director或者GoldenGate Veridata，同时Oracle官方网站提供免费的安装包下载，供大家学习使用详细的地址为：http://www.oracle.com/technetwor ... ownloads/index.html       文章可以转载，必须以链接形式标明出处。 本文转自 张冲andy 博客园博客，原文链接： http://www.cnblogs.com/andy6/p/6115723.html  ，如需转载请自行联系原作者

曾经很早的时候用 SQL Server2000 时就见过我们老大，用 SQL Server2000 的导入导出功能，把数据都导入到了 Oracle9 里去，所以我也对导入导出数据有充分的信心，绝对能做好。       客户需要一个Oracle版本的通用权限管理系统组件的数据库，而且为此还支付了5000元的技术咨询费。最近一段时间Oracle用得不多，电脑里没也装Oracle，想来想去应该家里的移动硬盘里，有Oracle11G，就装了一个，装好后总感觉用户创建的不正确，折腾来折腾去，又卸载又重新装了一下，这个前后估计耗费了2-3个小时。    但是想从 SQL Server2005 导入到Oracle11G时总是出现错误，折腾了1-2个小时也没能搞定，接着又尝试从 SQL Server2008 导入到 Oracle11G还是不行照样有错无法正常导入，这时候简直有些绝望了，唉连微软的工具都无法正常导入导出数据。      这时候我就咨询群里的朋友，有一个做开发的朋友推荐用 Kettle ，这个数据库导入导出工具好不容易在网上下载了一个，无法正常运行，又下载了JDK什么的，接着还说缺这个文件缺哪个文件，然后朋友又发了那些缺的文件，但是程序还是无法正常运行，折腾这些，足足消耗了2个小时以上，家里的网络只有2M，下载的速度也不太快。    所以用一些不熟悉的东西，有一定的风险，同时可能还需要很多学习成本。我电脑用的是win7 32位的，始终没明白为啥 Kettle 没能正常运行。      有一个比较擅长开发Oralce的朋友又推荐我用sqldeveloper-3.0.03.45.zip，但是死活找不到相关下载，好不容易Oracle的下载里有一个，但是也无法下载，版本也过低，由于这个软件也比较庞大，客户也无法从网上很顺利的发过来，左找右找，又耗费了1-2个小时，顺便看看相关的文章，折腾了半死，结果没能突破，再次想用工具的想法被破灭了。      有朋友推荐用微软的SQL Server Business Intelligence Development Studio 来折腾导入导出，结果折腾1-2个小时，还是无法正确导入导出表结构及数据，又是失败告终，真是折腾人啊。      4次想用工具导入数据的尝试，均告失败后，真是有些绝望了，足足一天时间就被这么浪费掉了。只能硬这头皮自己上了，客户的问题总需要解决。     实在是没办法那就自己动手导入吧，从 PowerDesigner 15 的模型里把数据库表结构都折腾好，导入到 Oracle11G 结果发现表名被区别大小写了，又把所有创建好的表都删除了，折腾了1个小时，又把 表重新建立一遍， 把SQL语句里的“符号全部替换掉了，才把表结构建立好了。    实在忍无可忍了，自己写了程序写了1个小时不到，把导入导出的程序写了一遍，一执行，几分钟就搞定了，唉，早知道这个效果早就自己写个程序就好了，前后也就2-3个小时就可以了。      好不容易导入 Oracle11G 成功后，客户无法正确导入我提供的数据文件，客户用的是  Oracle10G， 我又在电脑里装了一个 Oracle10G 的客户端，又把数据用 Oracle10G 导出一次，客户才正确导入了数据，这么一来回折腾又耗费了好几个小时。       这期间程序的多数据库兼容性测试也耗费了几个小时调试，其实光把 SQL Server2005导入Oracle10G 的折腾过程，足足耗费了2天时间，人都有点儿累了，虽然嘴巴说说是很简单的事情，真的折腾起来真是不只是脑力活儿还更是体力活儿。        程序代码的参考如下：    //-------------------------------------------------------------------- // All Rights Reserved , Copyright (C) 2011 , Hairihan TECH, Ltd. //--------------------------------------------------------------------using System.Data;namespace DotNet.Example {     using DotNet.BaseManager;     using DotNet.DbUtilities;     public class ImportExportData     {         /// <summary>         /// 导出数据库到Oralce         /// </summary>        public void Export()         {             //this.ExportTable("Items_Area");             //this.ExportTable("Items_AuditStatus");             //this.ExportTable("Items_Degree");             //this.ExportTable("Items_Duty");             //this.ExportTable("Items_Education");             //this.ExportTable("Items_Express");             //this.ExportTable("Items_Links");             //this.ExportTable("Items_MembershipLevels");             //this.ExportTable("Items_Nationality");             //this.ExportTable("Items_NewsCategory");             //this.ExportTable("Items_OnSale");             //this.ExportTable("Items_OrganizeCategory");             //this.ExportTable("Items_Party");             //this.ExportTable("Items_Pattern");             //this.ExportTable("Items_PayCategory");             //this.ExportTable("Items_PostCategory");             //this.ExportTable("Items_RoleCategory");             //this.ExportTable("Items_SalaryItemCategory");             //this.ExportTable("Items_SendCategory");             //this.ExportTable("Items_Sex");             //this.ExportTable("Items_Title");             //this.ExportTable("Items_Units");             //this.ExportTable("Items_UserAuditStates");             //this.ExportTable("Items_Wed");             //this.ExportTable("Items_WorkCategory");             //this.ExportTable("Items_WorkFlowCategories");             //this.ExportTable("Items_WorkingProperty");             //this.ExportTable("Base_Businesscard");             //this.ExportTable("Base_Comment");             //this.ExportTable("Base_Contact");             //this.ExportTable("Base_ContactDetails");             //this.ExportTable("Base_Exception");             //this.ExportTable("Base_File");             //this.ExportTable("Base_Folder");             //this.ExportTable("Base_Items");             //this.ExportTable("Base_Log");             //this.ExportTable("Base_Message");             //this.ExportTable("Base_News");             //this.ExportTable("Base_Organize");             //this.ExportTable("Base_Module", " SELECT * FROM BASE_MODULE ORDER BY PARENTID, ID ");             //this.ExportTable("Base_PermissionItem");             //this.ExportTable("Base_Role");             //this.ExportTable("Base_Staff");             //this.ExportTable("Base_Parameter");             //this.ExportTable("Base_Project");             //this.ExportTable("Base_Permission");             //this.ExportTable("Base_PermissionScope");             this.ExportTable("Base_Sequence");                          //this.ExportTable("Base_StaffOrganize");             //this.ExportTable("Base_TableColumns");             //this.ExportTable("Base_User");             //this.ExportTable("Base_UserAddress");             //this.ExportTable("Base_UserOrganize");             //this.ExportTable("Base_UserRole");             //this.ExportTable("Base_StaffOrganize");             //this.ExportTable("Base_WorkFlowActivity");             //this.ExportTable("Base_WorkFlowCurrent");             //this.ExportTable("Base_WorkFlowHistory");             //this.ExportTable("Base_WorkFlowProcess");                         System.Console.ReadLine();         }         public void ExportTable(string tableName)         {             ExportTable(tableName, tableName);         }         /// <summary>         /// 导出一个表         /// </summary>         /// <param name="tableName">表名</param>         /// <param name="table">里面的数据</param>        public void ExportTable(string tableName, string table)         {             // 这里是获取数据            SqlHelper sqlHelper = new SqlHelper("Data Source=localhost;Initial Catalog=UserCenterV32;Integrated Security=SSPI;");             sqlHelper.Open();             DataTable dataTable = new DataTable(tableName);             if (tableName.Equals(table))             {                 dataTable = sqlHelper.Fill("SELECT * FROM " + table);             }             else             {                 dataTable = sqlHelper.Fill(table);             }             sqlHelper.Close();             // 这里是插入数据            OracleHelper oracleHelper = new OracleHelper("Data Source=ORACLE11;user=DBO_USERCENTERV32;password=DBO_USERCENTERV32;");             oracleHelper.Open();             oracleHelper.BeginTransaction();             SQLBuilder sqlBuilder = new SQLBuilder(oracleHelper);             try             {                 // 清除表数据                oracleHelper.ExecuteNonQuery("TRUNCATE TABLE " + tableName);                 // 创建配套的序列                 // oracleHelper.ExecuteNonQuery("create sequence SEQ_" + tableName + " minvalue 1 maxvalue 999999999999999999999999 start with 1 increment by 1 cache 20");                 int r = 0;                 for (r = 0; r < dataTable.Rows.Count; r++)                 {                     sqlBuilder.BeginInsert(tableName);                     for (int i = 0; i < dataTable.Columns.Count; i++)                     {                         sqlBuilder.SetValue(dataTable.Columns[i].ColumnName, dataTable.Rows[r][dataTable.Columns[i].ColumnName]);                     }                     sqlBuilder.EndInsert();                     System.Console.WriteLine("表 " + tableName + " 已插入第 " + r.ToString() + " 行");                 }                 System.Console.WriteLine(" - - 表 " + tableName + " 共插入 " + r.ToString() + " 行");                 oracleHelper.CommitTransaction();             }             catch (System.Exception exception)             {                 oracleHelper.RollbackTransaction();                 System.Console.WriteLine(tableName + " -- " + exception.Message);             }             finally             {                 oracleHelper.Close();             }         }     } }          将权限管理、工作流管理做到我能力的极致，一个人只能做好那么很少的几件事情。     About 吉日嘎拉(蒙古语为吉祥如意)，2000年毕业于黑龙江大学计算机系软件专业，目前定居杭州，典型的IT软件土鳖一个，外号“软件包工头”。   通用权限管理系统组件(GPM - General Permissions Manager)自2003年开始发布，目前是国内注册用户和免费盗版用户最多的权限管理系统，是各种信息管理系统开发中彻底的权限解决方案。本组件支持多种主流数据库（Oracle、sqlsever、db2、mysql），功能强大，使用方便，代码简洁，思路严谨，被广大支持者称为权限管理系统中的“走火入魔级权限管理系统”。   精心维护通用权限管理系统组件（GPM - General Permissions Manager）有8年多,3年的不断推广,20万行经典的业务逻辑积累,经过上万次的调试修正,经历了四百个付费客户,上百软件公司的实战开发。 11年以上开发经验，外企工作5年,上市公司3年,独立经营软件公司2年，主持研发部门管理工作4年以上。 将权限管理、工作流做到我能力的极致，一个人只能做好那么很少的几件事情。 QQ:252056973，Mail:jirigala_bao@hotmail.com 访问者分布 通用权限管理模块的严谨设计定位、精心编码实现、不断维护推广、持续优化改进，主要是为了实现一个可以高度重复利用劳动成果的工具软件并有偿提供给所需的人们，另想成为国人值得骄傲的知名软件功能模块。 可供国内管理类开发人员在日常工作中进行灵活二次开发利用的模块，开发管理类软件的必备工具之一，我们的目标就是让程序员早点儿回家休息。 淘宝店地址：http://jirigala.taobao.com 本文转自jirigala_bao 51CTO博客，原文链接:http://blog.51cto.com/jirigala/811405

感谢博客园不再封杀，差点儿搬家的念头都产生了，博客园还是有大胸怀，继续留在博客园写口水文应该没错，娱乐自己、娱乐大家，给枯燥的编程生活增加一点儿笑料，也给大家充当个开心果，让大家高兴一下下、轻松一下下，工作累了，看看吉日的文章心情就会好很多了，因为吉日技术太菜了还喜欢写文章分享更喜欢上首页不说文章内容又全是广告、嘿嘿。      一直听说DB2是个很牛叉的数据库，但是从知道有这么一个数据库到真正有机会用还是经过了漫长的岁月，到了今年的7、8月份才有机会用这个数据库。最近在北京做某银行的现金管理系统，银行要求要用DB2数据库，没办法把所有的程序都在DB2上进行了一次改进优化。      废话不多说，直接分享经验。    01：寻找DB2的安装盘折腾了1-2周，因为不太擅长干这个，DB2有好几个版本，会分32位、64位的不同的安装版本，开发阶段当然是运行在Windows平台下，只是真实部署时会在其他非Windows系统下而已，第一个安装盘始终安装失败，后来同事又发了一个版本，一安装就成功了，安装过程非常简单，基本上只要设置用户名、密码就可以了，只要找到合适的安装盘会非常顺利了，安装程序不是很大只有几百兆1G都不到，安装过程完毕运行程序会出现一个错误，在Windows里设置一下权限就可以正常使用了、Google一下就可以解决了。      02：DB2里如何执行SQL语句摸索了2天才会，因为没人教，身边也没人会这个，手头也没任何DB2的参考书，就靠自己瞎摸索，终于知道了如何执行SQL语句了，过了这个关后，基本上想干啥都会顺利一些了，下面就是DB2的管理工具。            03：DB2的Windows版本的用户可以与Windows的系统用户集成在一起，用起来很方便，管理起来也灵活了。      04：DB2里2个字符相加，跟Oralce一样，都需要用 “||” 符号，参数化也用 @符号，这些没什么大区别，也跟Oralce类似有 Dual 等特殊的表。      05：DB2里，又有子增量，又有序列，这方面比sqlsever好用多了，毕竟Oracle有序列，没字增量，但是DB2很爽，字增量、序列的功能都有，主键可以灵活采用采用这2个方式之一，这样效率也高一些，也会减少一些并发带来的麻烦，省事一些。      06：DB2也有分页的语句与Oralce类似，查几下资料就可了。      07：DB2里也可以建立分区等等，这个跟Oralce很相似、虽然DB2的管理工具也不是很漂亮，但是用起来还算舒服，比Oralce自带的管理工具强很多，当然说管理工具最好用的还是sqlserver的，复制粘贴、批量复制粘贴等非常友善，这方面DB2、Oralce是差距甚远、他们没考虑菜鸟级大众用户，只考虑了专家。      08：那C#访问DB2用什么类、这个DLL哪里下载？这个折腾了不少，到IBM网站上注册了用户，才下载到这个DLL，虽然是VS2005版本的，但是也可以安装，然后直接找到相应的DLL，复制过来，引用到自己的项目里就可以了。我采用了IBM.Data.DB2.dll。      09：接下来就是解决 数据库连接串的问题，没几下就测试成功了数据库连接串，参考数据库链接串如下：     <add key="UserCenterDbConnection" value="Database=JIRI_UC;UserID=administrator;Password=pAssw0rd;Server=WIN-3T3M2TTDAFK;" />     <add key="BusinessDbConnection" value="Database=JIRI_DB;UserID=administrator;Password=pAssw0rd;Server=WIN-3T3M2TTDAFK;" />     10：接下来就是导数据的工作了，以前花费几天写了一个将数据导入到Oralce的工具，这次稍微修改几下花费了半个小时就改进为又支持导入Oralce、也支持导入DB2等任何数据库的导入导出工具，代码贴出来给大家分享一下，代码总共没几行、但是非常实用。 //--------------------------------------------------------------------// All Rights Reserved , Copyright (C) 2011 , Hairihan TECH, Ltd. //--------------------------------------------------------------------using System.Data;namespace DotNet.Example {     using DotNet.BaseManager;     using DotNet.DbUtilities;     public class ImportExportData1     {         /// <summary>         /// 导出数据库到Oralce         /// </summary>        public void Export()         {             //this.ExportTable("ItemDetails");             //this.ExportTable("Items_Condition");             //this.ExportTable("Items_Currency");             //this.ExportTable("Items_E_Signature");             //this.ExportTable("Items_RoleCategory");             //this.ExportTable("Items_SecurityLevel");             //this.ExportTable("Items_TablePermissionScope");             //this.ExportTable("Base_Comment");             //this.ExportTable("Base_Exception");             //this.ExportTable("Base_File");             //this.ExportTable("Base_Folder");             //this.ExportTable("Base_Items");             //this.ExportTable("Base_Log");             //this.ExportTable("Base_Message");                   //this.ExportTable("Base_Organize");            this.ExportTable("Base_Module");             //this.ExportTable("Base_PermissionItem");             //this.ExportTable("Base_Role");             //this.ExportTable("Base_Staff");             //this.ExportTable("Base_Parameter");                        //this.ExportTable("Base_Permission");             //this.ExportTable("Base_PermissionScope");             //this.ExportTable("Base_Sequence");             // this.ExportTable("Base_TableColumns");             // this.ExportTable("Base_User");             // this.ExportTable("Base_UserAddress");             // this.ExportTable("Base_UserOrganize");             // this.ExportTable("Base_UserRole");             //this.ExportTable("Base_WorkFlowActivity");             //this.ExportTable("Base_WorkFlowCurrent");             //this.ExportTable("Base_WorkFlowHistory");             //this.ExportTable("Base_WorkFlowProcess");             System.Console.ReadLine();         }         public void ExportTable(string tableName)         {             ExportTable(tableName.ToUpper(), tableName.ToUpper());         }         /// <summary>         /// 导出一个表         /// </summary>         /// <param name="tableName">表名</param>         /// <param name="table">里面的数据</param>        public void ExportTable(string tableName, string table)         {             // 这里是获取目标数据表的方法            IDbHelper sourceDB = new SqlHelper("Data Source=192.168.0.121;Initial Catalog=UserCenterJMCB;User Id = sa ; Password = Password@1;");             sourceDB.Open();             DataTable dataTable = new DataTable(tableName);             if (tableName.Equals(table))             {                 dataTable = sourceDB.Fill("SELECT * FROM " + table);             }             else             {                 dataTable = sourceDB.Fill(table);             }             sourceDB.Close();             // 这里是目标表的数据插入处理             // IDbHelper targetDB = new OracleHelper("Data Source=KANGFU;user=usercenter;password=usercenter;");             // IDbHelper targetDB = new DB2Helper("Database=JMCB_UC;UserID=JoinMoreCash;Password=P@ssw0rd;Server=WIN-3T3M2TTDAFK;");            IDbHelper targetDB = new DB2Helper("Database=JMCB_UC;UserID=administrator;Password=p@ssw0rd2077;Server=WIN-3T3M2TTDAFK;");             targetDB.Open();             // targetDB.BeginTransaction();            SQLBuilder sqlBuilder = new SQLBuilder(targetDB);             try             {                 // 清除表数据                 // targetDB.ExecuteNonQuery(" TRUNCATE TABLE " + tableName);                targetDB.ExecuteNonQuery(" DELETE FROM " + tableName);                 // 创建配套的序列                 // targetDB.ExecuteNonQuery("create sequence SEQ_" + tableName.ToUpper() + " as bigint start with 1000000 increment by 1 minvalue 10000 maxvalue 99999999999999999 cycle cache 20 order");                 // targetDB.ExecuteNonQuery("create sequence SEQ_" + tableName + " minvalue 1 maxvalue 999999999999999999999999 start with 1 increment by 1 cache 20");                int r = 0;                 for (r = 0; r < dataTable.Rows.Count; r++)                 {                     sqlBuilder.BeginInsert(tableName);                     for (int i = 0; i < dataTable.Columns.Count; i++)                     {                         sqlBuilder.SetValue(dataTable.Columns[i].ColumnName, dataTable.Rows[r][dataTable.Columns[i].ColumnName]);                     }                     sqlBuilder.EndInsert();                     System.Console.WriteLine("表 " + tableName + " 已插入第 " + r.ToString() + " 行");                 }                 System.Console.WriteLine(" - - 表 " + tableName + " 共插入 " + r.ToString() + " 行");                 targetDB.CommitTransaction();             }             catch (System.Exception exception)             {                 // targetDB.RollbackTransaction();                System.Console.WriteLine(tableName + " -- " + exception.Message);             }             finally             {                 targetDB.Close();             }         }     } }     11：为了相对系统的了解一下DB2数据库，狠下心30多元买了一本，翻了一天心里有感觉了，接着遇到什么问题Google一下基本上就可以解决了。      前后折腾了半个多月，终于把C#.NET通用权限管理组件全部在DB2上调试了一遍，从从来没摸过DB2到把数据库都折腾好，很多事情说起来简单，但是真正做好，做细节就会耗费很多时间，2周多时间就这么一眨眼就过去了。其实这2周的成本大概是上万（杭州来回北京的路费 + 住酒店的费用 + 工资成本 + 测试成本），还有好几个人给测试确认功能是否正确。      软件是否值钱？想把一个软件卖10000是很难的，很多人不能接受，但是等有需要时花费20000也搞不定就可以充分体验到软件贵如金，还好这些都由客户买单否则自己还真没实力乱折腾。这还不是开发通用权限管理系统的成本，只是实现一个DB2数据库上的兼容性就需要有这些成本才能实现好。    若真有又便宜质量又好的软件源码，购买远比自己开发强，自己写远没有分析理解别人的代码上改进几下见效快，何必跟自己过不去呢，浪费那么多生命重复建设干啥，若我工作上遇到的难题，都可以别人能帮忙解决的话会全部购买了完事了，该休息休息了。      C#连接DB2可以用IBM.Data.DB2.dll， 有需要这个类库的，加我QQ：252056973 索取。以上是肤浅的总结、有不足之处请指正、欢迎大家留言发表见解。 通用权限管理系统组件源码现在支持 Access, mysql, sqlserver, Oracle, db2, SqLite 等等众多。。。     将权限管理、工作流管理做到我能力的极致，一个人只能做好那么很少的几件事情。 About 吉日嘎拉(蒙古语为吉祥如意)，2000年毕业于黑龙江大学计算机系软件专业，目前定居杭州，典型的IT软件土鳖一个，外号“软件包工头”。   通用权限管理系统组件(GPM - General Permissions Manager)自2003年开始发布，目前是国内注册用户和免费盗版用户最多的权限管理系统，是各种信息管理系统开发中彻底的权限解决方案。本组件支持多种主流数据库（Oracle、sqlsever、db2、mysql），功能强大，使用方便，代码简洁，思路严谨，被广大支持者称为权限管理系统中的“走火入魔级权限管理系统”。   精心维护通用权限管理系统组件（GPM - General Permissions Manager）有8年多,3年的不断推广,20万行经典的业务逻辑积累,经过上万次的调试修正,经历了四百个付费客户,上百软件公司的实战开发。 11年以上开发经验，外企工作5年,上市公司3年,独立经营软件公司2年，主持研发部门管理工作4年以上。 将权限管理、工作流做到我能力的极致，一个人只能做好那么很少的几件事情。 QQ:252056973，Mail:jirigala_bao@hotmail.com 访问者分布 通用权限管理模块的严谨设计定位、精心编码实现、不断维护推广、持续优化改进，主要是为了实现一个可以高度重复利用劳动成果的工具软件并有偿提供给所需的人们，另想成为国人值得骄傲的知名软件功能模块。 可供国内管理类开发人员在日常工作中进行灵活二次开发利用的模块，开发管理类软件的必备工具之一，我们的目标就是让程序员早点儿回家休息。 淘宝店地址：http://jirigala.taobao.com 本文转自jirigala_bao 51CTO博客，原文链接:http://blog.51cto.com/jirigala/812656

现在我们已经知道了如何利用图形界面创建数据库了，但数据库仅仅是一个存放数据的仓库，我们还没有把具体的数据存放进去，是不是？我们把表格中的数据放进去了吗？没有。 那么我们下面就要把表格中的数据放进去，就是建表。建表之前我们需要掌握几个术语。     数据表是数据库是最重要的对象,数据库中的所有数据都是存放在数据表中的.数据表和平时我们所说的表格类似.我们先来看一个我们平时的表格. 准备工作： 确定表名： 确定表的属性：     字段名 记录   编号 姓名 性别 年龄 籍贯 电话号码 是否党员 0001 贾宁 男 27 黑龙江 131412315678 是 0002 霍玉娟 女 25 天津 131456781234 否 0003 李逍遥 男 40 杭州 13845678914 否 0004 赵灵儿 女 38 北京 13945678912 是                   每一列称为一个字段，字段的标题称为字段名 每一行称为一条记录！ 如第一条记录的编号字段值为“0001”，姓名字段值为“贾宁”… 是否为空：有些可以为空，但有些是不可以为空的，空了的话那么这张表就没有意义了。如编号，姓名，等等。 我们再研究一个问题就是这么字段中哪一个能唯一的确定一个记录。也就是说字段值不会有重复的。这个字段就称为“主键”。“编号” 主键：该字段能唯一的确定一条记录。 掌握了这些我们就可以建表了。建表的顺序是先建库的结构也就是字段再输入记录！ 常用数据类型 数据类型：指的是你为每个字段指定某种类型，那么在以后进行录入的时候就只能是该类型或者是相兼容的类型，比如年龄，应该是数字，但如果你写一个字母进去就不行。     数值型 整数类型和小数类型 四种整数数据类型，只是表示数的范围不同   1、bigint 大整型，从-2的63次方到2的63次方减1的所有整型数据(所有数字)。存储大小为8个字节。      2、INT （INTEGER）INT （或INTEGER）数据类型存储从-2的31次方 （-2 ，147 ，483 ，648） 到2的31次方-1 （2 ，147 ，483，647） 之间的所有正负整数。每个INT 类型的数据按4 个字节存储，其中1 位表示整数值的正负号，其它31 位表示整数值的长度和大小。   3、SMALLINT  SMALLINT 数据类型存储从-2的15次方（ -32， 768） 到2的15次方-1（ 32 ，767 ）之间的所有正负整数。每个SMALLINT 类型的数据占用2 个字节的存储空间，其中1 位表示整数值的正负号，其它15 位表示整数值的长度和大小。     4、TINYINT    TINYINT数据类型存储从0 到255 之间的所有正整数。每个TINYINT类型的数据占用1 个字节的存储空间。 如果你不能确定具体使用哪种类型你就使用INT型，但你在付出的代价就是多浪费了一些磁盘空间。     小数类型： Numeric 从 -10的38+1到10的38次方-1之间的小数  存储的长度和精度有关        1-9 位 5字节   10 -19  9字节   20-18位 13字节    29 – 38位  17字节           总长度,小数位   对小数位会四舍五入 Float  -1.79E+308  到  1.79e+308位 Float 有效值: 参见联机丛书     字符类  用到最多的。 四种           1 CHAR(n)  固定长度字符型  若输入数据的字符个数小于n，则系统自动在其后添加空格来填满设定好的空间。若输入的数据过长，将会截掉其超出部分。固定给你，你不用也给你。最大长度8000个字符        2、VARCHAR可变长度字符型   若输入的数据过长，将会截掉其超出部分。若输入数据的字符数小于n ，则系统不会在其后添加空格。他也能达到8000个字符的长度   declare @A CHAR(5),@B VARCHAR(5) SET @A='AA' SET @B='BB' PRINT @B+@A   declare @A CHAR(5),@B VARCHAR(5) SET @A='AAAAAA' SET @B='BBBBBB' PRINT @B+@A   3．Nchar(n) 包含n个字符的固定长度的unicode字符数据，存储大小为两倍的两倍 4.  nvarchar(n) 包含n个字符的可变长度unicode字符数据，字节的存储大小是所输入字符个数的两倍。     逻辑数据类型 BIT： BIT数据类型占用1 个字节的存储空间，其值为0 或1 。如果输入0 或1 以外的值，将被视为1。 BIT 类型不能定义为NULL 值 或者是  true 为真,即为1  false为假,即为0   日期型 DATETIME   一个 DATETIME型的字段可以存储的日期范围是从１７５３年１月１日第一毫秒到9999年12月31日最后一毫秒。  SMALLDATETIME   一个SMALLDATETIME型的字段能够存储从１９00年１月１日到２０７９年６月６日的日期，它只能精确到分钟。  DATETIME占用8个字节，而SMALLDATETIME只占4个字节。   注:插入记录时,应使用 ’  ’   货币型：货币数据类型用于存储货币值。在使用货币数据类型时，应在数据前加上货币符号，系统才能辨识其为哪国的货币，如果不加货币符号，则默认为“￥”。 MONEY 介于 -2^63与2^63-1之间， SMALLMONEY 介于 -2^31到2^31-1   图形界面建表:  略  并插入记录测试    命名方式:     建表； Create table  表名 （字段名  字段类型（长度）是否为空not null 是否为主键primary key， 字段名  字段类型 （长度） 是否为空 ………） 具体如 create table student (编号 char(4) not null primary key,  姓名 varchar(10) not null,  性别 char(2) ,  年龄 tinyint,  籍贯 varchar(10),  手机号码 varchar(15),  部门 varchar(20)  是否党员 bit) 系统默认长度的数据类型则不能再指定长度。注意；正确选择当前数据库   那如果发现表的结构不合理怎么办？   修改表 [1.1]、添加列 Alter table 表名称 add 列定义 | 计算列 | 表约束[,...] [1.2]、编辑列 alter table 表名称 alter column 列定义 [1.3]、删除列 alter table 表名称 drop column 列名称       如果有多个文件组的话可以将表放在指定的文件组中 create table yuangong (编号 char(4), 姓名 varchar(8)) on filegroup02   创建一个计算列的表 create table 员工表 ( 姓名 nvarchar(20) not null, 性别 bit, 年龄 tinyint, 籍贯 nvarchar(20), 出生日期 datetime, 联系电话 varchar(20), 基本工资 money, 奖金     money, 交通补助 money, 住房补助 money, 应缴税款 money, 最后所得 as 基本工资+奖金+交通补助+住房补助-应缴税款 )   创建一个编号自增的表 create table yuangong (编号 int identity primary key, 姓名 varchar(8)) on filegroup02 --------主键约束   SET identity_insert 表名 ON（系统默认：off）同时只能对一个表进行操作 比如：   SET identity_insert STUDENT ON   Insert into student(stu_id) values(100)     create table 职务表 ( 职务编号 int Not Null Identity, 职务名称 nvarchar(30) not null )   创建数据库的时，如果数据库已经存在，为了美观不能让系统报错，让系统输出一个提示即可！加入一个 if not exists  …………………………..          本文转自 dufei 51CTO博客，原文链接：http://blog.51cto.com/dufei/80748，如需转载请自行联系原作者      

 报告电子版至听云官方博客下载：http://blog.tingyun.com/web/article/detail/1352   评测说明 评测目标：同一应用（网站）在不同云上的用户访问体验，以及对云资源的使用 洞察周期及范围：2017年4月-2017年9月 访问量：6642000PV 评测工具：听云Network、听云Server、听云Sys、压力IO程序、云计算调查问卷   云服务配置   国内云服务现状        在向智能时代演进的过程中，云计算，大数据和人工智能等作为最强劲的推动力，正在成为人们生活和工作中不可缺少的部分。如今大多数人对于云计算一词早已有了一定的了解，但是云计算的真正含义相信没有多少人能说的明白。        据IDC预计，在2020年之前，中国的IaaS市场需求仍然很大，年复合增长率将有36.6%的提升空间。而整个云计算服务市场将以每年32.2%的速度增长，2020年将达到50亿美元以上的市场规模。因此在互联网时代的浪潮中，云计算服务从落地到成熟所花费的时间将会不断缩短，其市场份额的增速也会越来越快。        随着云计算的热潮在中国兴起，越来越多的云服务厂商加入到这场“厮杀”中。而对于云的选择也成为了越来越多企业所关注的重点，在现阶段各家云都有各自所关注的重点，每一家都有各自的优势。而听云的云评测报告就完美的对每家云的各项指标进行了全方位的测试，在报告中显露出了各家云的优势及不足，为企业做云的选型提供相应的参考。   关键挑战        AWS、Azure、IBM等为代表的全球领先的云计算厂商也看到了中国目前庞大的市场需求，相继进入中国开展业务，并凭借其自身雄厚的技术实力，在进入国内云服务市场后迅速占领了一定份额，虽尚未对阿里云、腾讯云等国内云服务巨头产生实质性的影响，但是其对国内中小型云厂商却带来了极大的挑战。        国内云计算市场未来发展的关键趋势在于能否将研发、生态系统与企业管理更好的结合。当前国内云计算服务仍处于“单打独斗，提供单向服务”的阶段，完整生态模式尚未搭建完成。        生态数据安全问题，目前国内云计算发展速度过快，导致数据安全方面在整体发展上略有滞后。由于全行业均向互联网靠拢，企业无形的数字资产价值尤为突出，而当前国内云服务提供商无法提供完整生态环境，因此如何在短时间内提升自身的安全防范能力，将成为当前国内云服务提供商急需提高的重要部分。   评测方法说明 1.听云云计算调查问卷        通过听云《2017云计算调查问卷》对计算，存储、网络、弹性伸缩、监控、技术支持与数据服务中共计132项能力对云服务能力及基础设施进行调查，并根据调查结果对各家云进行全方位的评测。 听云云评测调查问卷架构图详见：附表一   2.验证式评测        所有云服务通过k8s进行统一部署监控，每家云的服务器通过运行Wordpress程序并通过听云Network模拟真实用户发起持续访问，同时使用压力IO程序来对服务器进行加压（具体加压方法为，同一压力IO 程序部署在不同的云服务中从而提高服务器CPU压力，不同云服务在运行压力IO程序后所消耗CPU比例不同，从而体现出云服务CPU性能差异），最后通过听云Server和听云Sys对服务端性能进行评测。 验证式评测架构图详见：附表二   评测架构     一、云计算综合用户体验        自我国进入互联网时代后，互联网行业的发展已经日新月异，“快”一直是互联网行业的极致追求。而作为互联网行业的命门，网络性能问题则一直是影响互联网产品发展趋势的重要因素之一。而网络问题的多样性、频发性、不重复性导致了每次运维人员均无法快速有效地诊断故障原因，从而白白流失故障修复的黄金时间。再加上如三大运营商间的网络延迟等国内特有的网络性能问题，使得国内的网络环境尤为特殊。而网络环境的变化之快，更是我们无法预料的。          影响网络性能表现的指标有首页打开成功率、首页打开时间及首屏时间（图中的各地区用户体验得分是根据本次听云评分标准，并由这三项相加得出），而影响这三个指标的性能因素有DNS时间、建连时间、首包时间、延时及丢包率。          从全国地图来看，在全国范围内，山西和陕西的整体网络性能用户体验表现最为优异。其中，以山西地区为例，经听云测试得出，阿里云在山西地区的首屏时间为1.21s，首页打开成功率为99.96%，首页打开时间为2.93s；根据听云本次的分值计算规则，故而阿里云在山西地区的网络用户体验得分为28。        性能指标部分，DNS时间部分，上海地区最慢，达到了9. 20ms，而青海地区最快，为1.42ms；建连时间部分，西藏地区最慢，达到了102.24ms，北京地区最快，为30.32ms；首包时间部分，云南地区耗时最长，达到了298.28ms，北京地区耗时最短，为234.55ms；延时部分，西藏地区延时最大，达到了75ms，北京地区延时最小，为16ms；丢包率部分，湖北地区丢包率最高，达到了2.17%，江西地区丢包率最低，为0.12%。根据以上指标计算得出各地区各项指标的综合得分情况如雷达图所示。          从全国地图来看，在全国范围内，宁夏的整体网络性能用户体验表现最为优异。其中，经听云测试得出，AWS在宁夏地区的首屏时间为1.11s，首页打开成功率为99.98%，首页打开时间为1.89s；根据听云本次的分值计算规则，故而AWS在宁夏地区的网络用户体验得分为29。        性能指标部分，DNS时间部分，山西地区最慢，达到了8.60ms，青海地区最快，为1.41ms； 建连时间部分，西藏地区最慢，达到了148.84ms，河北地区最快，为25.19ms；首包时间部分， 西藏地区耗时最长，达到了395.11ms，北京地区耗时最短，为201.97ms；延时部分，西藏地区延时最大，达到了76ms，北京地区延时最小，为10ms；丢包率部分，吉林地区丢包率最高，达到了1.65%，陕西与浙江地区丢包率最低，为0.01%。根据以上指标计算得出各地区各项指标的综合得分情况如雷达图所示。            从全国地图来看，在全国范围内，山西的整体网络性能用户体验表现最为优异。其中，经听云测试得出，华为云在山西地区的首屏时间为1. 17s， 首页打开成功率为99.91%，首页打开时间为3.41s； 根据听云本次的分值计算规则，故而华为云在山西地区的网络用户体验得分为27。        性能指标部分，DNS时间部分，山西地区最慢，达到了23.96ms，青海地区最快，为1.55ms；建连时间部分，西藏地区最慢，达到了107.32ms，北京地区最快，为30.62ms；首包时间部分，福建地区耗时最长，达到了308ms，陕西地区耗时最短，为228.94ms；延时部分，西藏地区延时最大，达到了79ms，北京地区延时最小，为11ms；丢包率部分，黑龙江地区丢包率最高，达到了10.30%， 江西、新疆与青海地区丢包率最低，为0.41%。根据以上指标计算得出各地区各项指标的综合得分情况如雷达图所示。            从全国地图来看，在全国范围内，山西的整体网络性能用户体验表现最为优异。其中，经听云测试得出，金山云在山西地区的首屏时间为1.15s， 首页打开成功率为99.94%，首页打开时间为3.46s；根据听云本次的分值计算规则，故而金山云在山西地区的网络用户体验得分为27。        性能指标部分，DNS时间部分，上海地区最慢，达到了9.53ms，青海地区最快，为1.39ms；建连时间部分，贵州地区最慢，达到了108.54ms，北京地区最快，为21.09ms；首包时间部分，云南地区耗时最长，达到了318.89ms，北京地区耗时最短，为240.11ms；延时部分，西藏地区延时最大，达到了72ms，北京地区延时最小，为9ms；丢包率部分，山东地区丢包率最高，达到了2.45%，新疆地区丢包率最低，为0.20%。根据以上指标计算得出各地区各项指标的综合得分情况如雷达图所示。 注：特别说明的是，评测期间我们随机抽取了金山云位于北京1区的机房用于验证评测，属传统扁平网络，此机房在本次报告发布时已不再售卖。          从全国地图来看，在全国范围内，山西、安徽以及河南的整体网络性能用户体验表现最为优异。其中以河南地区为例，经听云测试得出，腾讯云在河南地区的首屏时间为1.28s，首页打开成功率为99.95%，首页打开时间为3.67s；根据听云本次的分值计算规则，故而腾讯云在河南地区的网络用户体验得分为26。        性能指标部分，DNS时间部分，上海地区最慢，达到了10.27ms，青海地区最快，为1.57ms；建连时间部分，西藏地区最慢，达到了102.98ms，辽宁地区最快，为37.14ms；首包时间部分，广西地区耗时最长，达到了288.77ms，河南地区耗时最短，为230.15ms；延时部分，西藏地区延时最大，达到了75ms，河北以及河南地区延时最小，为21ms；丢包率部分，陕西及贵州地区丢包率最高，达到了1.27%，江西地区丢包率最低，为0.16%。根据以上指标计算得出各地区各项指标的综合得分情况如雷达图所示。            从全国地图来看，在全国范围内，宁夏及青海的整体网络性能用户体验表现最为优异。其中以青海地区为例，经听云测试得出，UCloud在青海地区的首屏时间为1.10s，首页打开成功率为100%，首页打开时间为3.42s；根据听云本次的分值计算规则，故而UCloud在青海地区的网络用户体验得分为28。        性能指标部分，DNS时间部分，上海地区最慢，达到了9.39ms，青海地区最快，为1.36ms； 建连时间部分，西藏地区最慢，达到了106.25ms，陕西地区最快，为38.59ms；首包时间部分，广西地区耗时最长，达到了332.95ms，北京地区耗时最短，为258.96ms；延时部分，西藏地区延时最大，达到了80ms，北京地区延时最小，为19ms；丢包率部分，云南地区丢包率最高，达到了5.21%，江西地区丢包率最低，为0.13%。根据以上指标计算得出各地区各项指标的综合得分情况如雷达图所示。            从全国地图来看，在全国范围内，微软云在宁夏、青海、山西、甘肃、河南以及河北的整体网络性能用户体验表现最为优异。其中以河北地区为例，经听云测试得出，微软云在河北地区的首屏时间为1.13s，首页打开成功率为97.64%，首页打开时间为3.96s；根据听云本次的分值计算规则，故而微软云在河北地区网络用户体验得分为25。        性能指标部分，DNS时间部分，山西地区最慢，达到了8.65ms，青海地区最快，为1.40ms；建连时间部分，贵州地区最慢，达到了107.10ms，山西地区最快，为25.91ms；首包时间部分，广西地区耗时最长，达到了319.71ms，北京地区耗时最短，为216ms；延时部分，云南地区延时最大，达到了73ms，天津地区延时最小，为8ms；丢包率部分，黑龙江地区丢包率最高，达到了1.29%，四川地区丢包率最低，为0.1%。根据以上指标计算得出各地区各项指标的综合得分情况如雷达图所示。              从全国地图来看，在全国范围内，移动云在山东的整体网络性能用户体验表现最为优异。其中以山东地区为例，经听云测试得出，移动云在山东地区的首屏时间为1.96s，首页打开成功率为99.82%，首页打开时间为4.76s；根据听云本次的分值计算规则，故而移动云在山东地区的网络用户体验得分为22。        性能指标部分，DNS时间部分，山西地区最慢，达到了12.60ms，新疆地区最快，为1.65ms；建连时间部分，西藏地区最慢，达到了136.89ms，江苏地区最快，为62.05ms；首包时间部分，内蒙古地区耗时最长，达到了417.71ms，海南地区耗时最短，为330.67ms；延时部分，西藏地区延时最大，达到了97ms，广西及海南地区延时最小，为24ms；丢包率部分，北京地区丢包率最高，达到了9.45%，重庆地区丢包率最低，为0.1%。根据以上指标计算得出各地区各项指标的综合得分情况如雷达图所示。   二、云计算性能与可用性        “性能为先、用户为王”这些名词伴随着移动互联网的发展逐渐深入人心。云服务相比传统IDC机房，其优势就是减少成本、方便维护以及高可用，而高可用则正是这三者中唯一影响企业营收的重要因素。并且，云服务可用性的高低，是可以直接在使用过程中感知到的，这一部分，会是所有云服务提供商最为关注的一部分。          分值计算部分，听云有自己的一套评分标准，通过对System-CPU使用率、User-CPU使用率、系统负载等图中所含的性能指标进行分值为1-10的划分。        阿里云在云计算可用性方面，Stolen CPU usage是它最大的优势，经听云详细测评后得出其详细数据，阿里云Stolen CPU usage为0。相较于这方面的优势，其System-CPU使用率和磁盘IO-写速率是最主要的两个弱项，其对应数据System-CPU使用率为45.21%、磁盘IO-写速率为32.18MB/s。根据听云此次的分值计算标准，评分结果如图上所示。          AWS在云计算可用性方面，System-CPU使用率、User-CPU使用率以及IO wait CPU使用率是它最大的优势，经听云详细测评后得出其详细数据：分别为System-CPU使用率为21.64%，User-CPU使用率为7.91%，IO wait CPU使用率为0.000009%。相较于这三方面的优势，其磁盘IO-写速率以及磁盘IO读速率是最主要的两个弱项，其中磁盘IO写速率具体数据为33.34 MB/s，磁盘IO读速率则为40.75MB/s。根据听云此次的分值计算标准，评分结果如图上所示。          华为云在云计算可用性方面，Stolen CPU usage与磁盘IO-写速率是其最大的优势，所对应的详细数据Stolen CPU usage为0，磁盘IO-写速率为52.34MB/s。与之相反，系统负载及System-CPU使用率是其两个最大的弱项，系统负载为3.06，System-CPU使用率为41.85%。根据听云此次的分值计算标准，评分结果如图上所示。          金山云在云计算可用性方面，数据库响应时间是其最大的卖点。此次数据库响应时间指标是由Select、Insert、Update、Delete和Call这五项数据库操作时间之和与0.2相乘所得出的结果，金山云的数据库响应时间为0.21ms，在本次评测云厂商之中处于领先地位。相反，其System-CPU使用率则是其最弱的一项，所对应数据为45.05%。根据听云此次的分值计算标准，评分结果如图上所示。          腾讯云在云计算可用性放面，Stolen CPU usage是其最大的优势之一，经听云详细测评后，得出Stolen CPU usage为0；相较于这方面的优势，System-CPU使用率和IO wait CPU使用率是其最弱的两项，其中System-CPU使用率为44.82%，IO wait CPU使用率0.32%。根据听云此次的分值计算标准，评分结果如图上所示。            UCloud在云计算可用性方面，系统负载、数据库响应时间与Stolen CPU usage是其最大的三个优势，经听云详细测评后，得出UCloud系统负载的详细数据为1.08，数据库响应时间为0.17ms，Stolen CPU usage为0.02%；相较于这两方面的优势，System-CPU使用率是其最大的弱势，其中System-CPU 的详细数据为41.47%。根据听云此次的分值计算标准，评分结果如图上所示。          微软云在云计算可用性方面，Stolen CPU usage是最大优势，经听云详细测评后，得出微软云的Stolen CPU usage详细数据为0；同时，其系统负载与磁盘IO-读速率则是微软云的两处弱项，其中系统负载的详细数据为2.83，磁盘IO-读速率的详细数据为45.91MB/s。根据听云此次的分值计算标准，评分结果如图上所示。           移动云在云计算可用性方面，磁盘IO-读速率与Stolen CPU usage是其最大的两处优势，经听云详细测评后，得出移动云的磁盘IO-读速率详细数据为97.23MB/s，是本次所有评测云厂商中性能最优的，另外移动云的Stolen CPU usage的详细数据为0；同时，System-CPU使用率是其最弱的一项，其详细数据为43.42%。根据听云此次的分值计算标准，评分结果如图上所示。   三、云计算易用性        以使用者为中心，操作简单、性价比高、功能完善等等，这些不仅限于2C端，2B端也一样适用。每个人都在追求效率的最大化，都在追求在最短时间内完成最大效益的工作。所以云计算如何体现出自身的优越性，就在于与传统数据中心相比，如何用最少的努力发挥最大的效能。同理，在争夺用户的过程中，哪一方的操作简单，功能实用且覆盖面广，那这一方就会拥有更多的用户。          易用性评分标准，通过结合听云《2017云计算调查问卷》与自身对云服务商的实际评测结果综合得出，最后换算为百分制，分值范围为0-100。        阿里云在云计算易用性方面， 监控和网络是其最优的两项，其中监控部分，阿里云的警报通知方式、支持第三方监测软件以及自定义服务健康控制台历史天数方面均位于行业前列。阿里云对于实例间的网络加密、NAT网关、多虚拟NIC等网络部分的支持也做到行业中较高的水平。          AWS在云计算易用性方面，监控、弹性伸缩以及网络等都是AWS在易用性方面的优势所在，但是从图中可看其出存储服务明显落后于其它服务， 一方面是由于当前用户对于存储需求类型的不断变化，国内云计算市场普遍对于这种情况反应不及时，另一方面由于初进国内市场，对于国内企业在存储方面的实战需求并不十分清楚，从而造成现在对于存储服务支持度较低的局面。          华为云在云计算易用性方面，弹性伸缩是其表现最为良好的一部分，其对健康实例替换、静态弹性伸缩服务等方面的支持程度较高。其它方面虽然相比弹性伸缩而言支持程度不够，但是目前来说是处于同步发展的阶段，并没有明显的弱项。          金山云在云计算易用性方面，其弹性伸缩是所有云评测厂商中表现最好的，对于预约增加，减少实例池的实例数量、故障实例替换为健康实例的支持度很高；但是对于存储方面，如为每个对象分配一个或多个元数据标签、指定某些存储交互的优先级等方面的支持力度还不够。同时体系化的大数据平台整合将是未来的一大趋势，在这一趋势下，通过推出一系列包括行业解决方案定制、用户画像分析、优化数据传输及迁移等各个详细划分的数据服务，金山云将继续自己的全面均衡的发展路线。          腾讯云在云计算易用性方面，对于易用性服务的支持表现较为平滑，没有特别突出的优势但是也没有明显的劣势，整体而言对于弹性伸缩、网络以及技术支持与服务方面的支持度比较高。同时从报告所包含的云服务提供商整体表现上来看，各家所提供的存储服务能力并没有完全跟上市场的需求，可见存储服务拥有极大的发展潜力，以持续数据保护为例，其作用是在云服务发生任何故障及问题时能对企业数据及时进行灾备，这是用户在当前以及将来很难改变的重要需求之一，因此腾讯云在存储服务上的持续发力势必将进一步巩固自身在易用性方面的优势。          UCloud在云计算易用性性方面，对于弹性伸缩和计算实例的支持是它的两个亮点，以计算实例为例，其对于VM主机故障恢复、实例维护及故障通知以及Windows、Linux系统镜像的支持等方面有着很高的支持度；但是相较于其他方面，对于存储服务的支持程度明显不够。          微软云在云计算易用性方面表现较为均衡，弹性伸缩是表现最为良好的服务之一，对于负载均衡的配置，动态弹性伸缩等方面的服务支持度较高。但是对于存储服务的支持力度则远远不够，比如不支持SSD混合存储、NFS协议等，总体来说对于存储方面的服务支持还有待提高。          移动云在云计算易用性方面，其技术支持与服务方面领先于其它评测中的云厂商，无论是云端还是数据机房，数据安全以及灾备能力永远是最受关注的两个点，而移动云的技术支持与服务部分则是领先于上述其它云服务提供商，这也使其平台级异地灾备的能力得到了良好的体现，同时巩固并持续发展这一优势，对于稳扎稳打的移动云就目前的情况来说更为合适。但是相较于这方面，移动云对于数据服务和存储方面的支持程度还有待完善。   评测指标说明 1.用户体验指标： 首屏时间：浏览器显示第一屏主页面的消耗时间。首屏的定义以1024X768像素尺寸为标准。从开始监测开始计时，到IE浏览器页面显示高度达到768像素且此区域有内容显示之后的时间。 首页打开时间：首页打开时间是指，打开一个网页的总消耗时间，即从DNS解析开始到浏览器返回完成时的时间。 首页打开成功率：首页打开成功率是指成功打开网页次数与总访问次数的比值。 DNS时间：通过域名解析服务（DNS），将指定的域名解析成IP地址的消耗时间。 建连时间：IE浏览器和Web服务器建立TCP/IP连接的消耗时间。 首包时间：首包时间是指浏览器从发送HTTP请求结束开始，到接收到Web服务器返回的第一个数据包的消耗时间。 延时：延时是指一个报文或分组从一个网络的一端传送到另一个端所需要的时间。 丢包率：丢包率是指测试中所丢失数据包数量占所发送数据组的比率。   2.云计算性能与可用性指标： System-CPU使用率：系统执行系统进程占用CPU的比例。 User-CPU使用率：系统执行用户进程所占用CPU比例。 Stolen CPU usage：服务器资源泄漏所占用的CPU比例（此项指标过高说明服务器出现了资源隔离的问题）。 IO wait CPU使用率：系统在执行io操作时所占用的CPU比例。 数据库响应时间：数据库5种SQL操作（INSERT、UPDATE、SELECT、DELETE、CALL）的平均响应时间。 磁盘IO-读速率：每秒进行读（I/O）操作的大小。 磁盘IO-写速率：每秒进行写（I/O）操作的大小。 服务器响应时间：应用服务器从收到请求到返回响应的时间。 系统负载：系统CPU繁忙程度的度量，即有多少进程在等待被CPU调度。   3.云计算易用性指标： 数据服务：数据服务是指云厂商对数据处理组件支持能力的体现。 监控：监控是指云厂商对用户所选服务器运行状况的监控性能。 弹性伸缩：弹性伸缩是指云厂商针对用户需求和策略自动调整其弹性计算资源的管理服务。 网络：网络是指云厂商基础设施中的网络建设情况。 存储：存储是指云厂商对与存储服务的支持情况。 计算实例：计算实例是指云厂商服务器支持情况及其基础设施建设情况。 技术支持与服务：技术支持与服务是指云厂商对用户所提供的支持及服务水平的情况。   注： 1.本次评测中所选运营商网络为（中国移动，中国联通，中国电信，中国铁通，教育网）各运营商所占比例为相同比例。评测中所选实例均为相同配置主机，系统盘为创建实例时系统自动提供的系统盘（没有单独挂载磁盘）。 2.本报告中所有雷达图中分值越高所占面积越大。

如何建立GIS测试环境 - 将openstreetmap的样本数据导入PostgreSQL PostGIS库 作者 digoal 日期 2016-09-06 标签 PostgreSQL , openstreetmap , PostGIS , osm2pgsql , pbf , osm 背景 PostgreSQL在GIS领域的用户非常多，这得益于PostgreSQL的开放性，PostGIS即是使用PostgreSQL开放的索引访问、数据类型、函数，操作符等接口打造的一款功能非常强大的GIS数据管理插件。 除此之外，还有pgrouting, pgcloudpoint等相关的GIS插件。当然也不乏其他领域如基因工程，化学，太空探索等，常规的数据类型无法满足业务对数据管理的需求，PostgreSQL在这种新兴领域起到了非常重要的作用(有点扯远了)。 在GIS数据处理生态中，几乎所有的软件都支持PostGIS，因此使用PostgreSQL + PostGIS进行地理位置信息的管理，教学，应用，科研等都是非常方便的。 GIS领域有一个很流行的集成平台OSGeo-Live ， 已经集成了PostgreSQL与PostGIS的环境。 这是一套基于 Lubuntu 操作系统建立的，可从 DVD、USB 盘或虚拟机启动并独立运行的演示环境。 它让用户可以不用预先安装任何软件系统就使用众多的开源空间信息软件。 OSGeo-Live 完全是由自由软件构成，可以自由地部署、复制和分发。 OSGeo-Live 提供一系列预先配置的应用程序，并包含了许多地理空间信息的使用案例，涵盖了数据的存储、显示、发布、分析和管理等各个方面。 它还带有简单的示例数据集和文档以供参考。 用户可以直接使用OSGeo-Live，也可以单独对PostgreSQL+PostGIS进行生产部署，如果需要样本数据，可以从openstreetmap下载导入。 为了降低PG用户使用GIS数据的门槛，本文将介绍PostgreSQL+PostGIS的部署，以及在哪里能找到GIS的样本数据，如何将样本数据导入PostgreSQL数据库。 环境 1. CentOS 7.x x64 2. PostgreSQL 9.6 3. PostGIS 2.2.2 4. 样本数据来自openstreetmap公开的cn.pbf中国的地理位置信息数据。 部署PostgreSQL 9.6 https://www.postgresql.org/ 本文不包括OS的参数优化部分。 $ wget https://ftp.postgresql.org/pub/source/v9.6rc1/postgresql-9.6rc1.tar.bz2 $ tar -jxvf postgresql-9.6rc1.tar.bz2 $ cd postgresql-9.6rc1 $ ./configure --prefix=/home/postgres/pgsql9.6rc1 --enable-debug $ gmake world -j 32 $ gmake install-world 环境变量配置 $ vi ~/env_pg.sh # add by digoal export PS1="$USER@`/bin/hostname -s`-> " export PGPORT=1921 export PGDATA=/data01/pgdata/pg_root_96 export LANG=en_US.utf8 export PGHOME=/home/postgres/pgsql9.6rc1 export LD_LIBRARY_PATH=$PGHOME/lib:/lib64:/usr/lib64:/usr/local/lib64:/lib:/usr/lib:/usr/local/lib:$LD_LIBRARY_PATH export DATE=`date +"%Y%m%d%H%M"` export PATH=$PGHOME/bin:$PATH:. export MANPATH=$PGHOME/share/man:$MANPATH export PGHOST=$PGDATA export PGDATABASE=postgres alias rm='rm -i' alias ll='ls -lh' unalias vi $ . ~/env_pg.sh PostGIS 部署 pre-requirement geos http://trac.osgeo.org/geos $ cd ~ $ wget http://download.osgeo.org/geos/geos-3.5.0.tar.bz2 $ tar -jxvf geos-3.5.0.tar.bz2 $ cd geos-3.5.0 $ ./configure --prefix=/home/postgres/geos $ make -j 32 $ make install proj https://trac.osgeo.org/proj/ $ cd ~ $ wget http://download.osgeo.org/proj/proj-4.9.2.tar.gz $ tar -zxvf proj-4.9.2.tar.gz $ cd proj-4.9.2 $ ./configure --prefix=/home/postgres/proj4 $ make -j 32 $ make install GDAL http://gdal.org/ $ cd ~ $ wget http://download.osgeo.org/gdal/2.1.1/gdal-2.1.1.tar.gz $ tar -zxvf gdal-2.1.1.tar.gz $ cd gdal-2.1.1 $ ./configure --prefix=/home/postgres/gdal --with-pg=/home/postgres/pgsql9.6rc1/bin/pg_config $ make -j 32 $ make install LibXML2 libxslt json-c cmake ... http://www.xmlsoft.org/ # yum install -y libtool libxml2 libxml2-devel libxslt libxslt-devel json-c json-c-devel cmake gmp gmp-devel mpfr mpfr-devel boost-devel pcre-devel cgal http://www.cgal.org/download.html $ cd ~ $ git clone https://github.com/CGAL/cgal $ cd cgal $ git checkout releases/CGAL-4.8-branch $ mkdir build $ cd build $ cmake -D CMAKE_INSTALL_PREFIX=/home/postgres/cgalhome ../ $ make -j 32 $ make install postgis 2.2.2 http://postgis.net/source/ 库 # vi /etc/ld.so.conf /home/postgres/pgsql9.6rc1/lib /home/postgres/geos/lib /home/postgres/proj4/lib /home/postgres/gdal/lib /home/postgres/cgalhome/lib # ldconfig 环境变量 # su - postgres $ vi ~/env_pg.sh # add by digoal export PS1="$USER@`/bin/hostname -s`-> " export PGPORT=1921 export PGDATA=/data01/pgdata/pg_root_96 export LANG=en_US.utf8 export PGHOME=/home/postgres/pgsql9.6rc1 export LD_LIBRARY_PATH=/home/postgres/geos/lib:/home/postgres/proj4/lib:/home/postgres/gdal/lib:/home/postgres/cgalhome/lib:$PGHOME/lib:/lib64:/usr/lib64:/usr/local/lib64:/lib:/usr/lib:/usr/local/lib:$LD_LIBRARY_PATH export DATE=`date +"%Y%m%d%H%M"` export PATH=$PGHOME/bin:$PATH:. export MANPATH=$PGHOME/share/man:$MANPATH export PGHOST=$PGDATA export PGDATABASE=postgres alias rm='rm -i' alias ll='ls -lh' unalias vi $ . ~/env_pg.sh 部署PostGIS $ wget http://download.osgeo.org/postgis/source/postgis-2.2.2.tar.gz $ tar -zxvf postgis-2.2.2.tar.gz $ cd postgis-2.2.2 $ ./configure --prefix=/home/postgres/postgis \ --with-gdalconfig=/home/postgres/gdal/bin/gdal-config \ --with-pgconfig=/home/postgres/pgsql9.6rc1/bin/pg_config \ --with-geosconfig=/home/postgres/geos/bin/geos-config \ --with-projdir=/home/postgres/proj4 $ make -j 32 $ make install 初始化数据库集群 $ initdb -D $PGDATA -E UTF8 --locale=C -U postgres $ cd $PGDATA $ vi postgresql.conf listen_addresses = '0.0.0.0' # what IP address(es) to listen on; port = 1921 # (change requires restart) max_connections = 100 # (change requires restart) unix_socket_directories = '.' # comma-separated list of directories shared_buffers = 1GB # min 128kB maintenance_work_mem = 256MB # min 1MB dynamic_shared_memory_type = posix # the default is the first option bgwriter_delay = 20ms # 10-10000ms between rounds bgwriter_lru_maxpages = 1000 # 0-1000 max buffers written/round max_worker_processes = 8 # (change requires restart) max_parallel_workers_per_gather = 4 # taken from max_worker_processes old_snapshot_threshold = 1h # 1min-60d; -1 disables; 0 is immediate synchronous_commit = off # synchronization level; log_destination = 'csvlog' # Valid values are combinations of logging_collector = on # Enable capturing of stderr and csvlog log_truncate_on_rotation = on # If on, an existing log file with the log_error_verbosity = verbose # terse, default, or verbose messages log_timezone = 'PRC' datestyle = 'iso, mdy' timezone = 'PRC' lc_messages = 'C' # locale for system error message lc_monetary = 'C' # locale for monetary formatting lc_numeric = 'C' # locale for number formatting lc_time = 'C' # locale for time formatting default_text_search_config = 'pg_catalog.english' 启动数据库集群 $ pg_ctl start 安装插件 在需要导入样本数据的数据库中，必须安装PostGIS插件 $ psql psql (9.6rc1) Type "help" for help. postgres=# create extension postgis; CREATE EXTENSION postgres=# create extension fuzzystrmatch; CREATE EXTENSION postgres=# create extension postgis_tiger_geocoder; CREATE EXTENSION postgres=# create extension postgis_topology; CREATE EXTENSION postgres=# create extension address_standardizer; CREATE EXTENSION 安装osm2pgsql osm2pgsql是地理位置信息数据的导入工具http://wiki.openstreetmap.org/wiki/Osm2pgsqlhttps://github.com/openstreetmap/osm2pgsql epel-releasehttp://fedoraproject.org/wiki/EPEL # wget https://dl.fedoraproject.org/pub/epel/epel-release-latest-7.noarch.rpm # rpm -ivh epel-release-latest-7.noarch.rpm # yum install -y osm2pgsql 安装目标 rpm -ql osm2pgsql /usr/bin/osm2pgsql /usr/share/doc/osm2pgsql-0.90.0 /usr/share/doc/osm2pgsql-0.90.0/AUTHORS /usr/share/doc/osm2pgsql-0.90.0/ChangeLog /usr/share/doc/osm2pgsql-0.90.0/README.md /usr/share/licenses/osm2pgsql-0.90.0 /usr/share/licenses/osm2pgsql-0.90.0/COPYING /usr/share/man/man1/osm2pgsql.1.gz /usr/share/osm2pgsql /usr/share/osm2pgsql/900913.sql /usr/share/osm2pgsql/default.style /usr/share/osm2pgsql/empty.style 使用帮助 osm2pgsql --help osm2pgsql SVN version 0.90.0 (64 bit id space) Usage: osm2pgsql [options] planet.osm osm2pgsql [options] planet.osm.{pbf,gz,bz2} osm2pgsql [options] file1.osm file2.osm file3.osm This will import the data from the OSM file(s) into a PostgreSQL database suitable for use by the Mapnik renderer. Common options: -a|--append Add the OSM file into the database without removing existing data. -c|--create Remove existing data from the database. This is the default if --append is not specified. -l|--latlong Store data in degrees of latitude & longitude. -m|--merc Store data in proper spherical mercator (default). -E|--proj num Use projection EPSG:num. -s|--slim Store temporary data in the database. This greatly reduces the RAM usage but is much slower. This switch is required if you want to update with --append later. -S|--style Location of the style file. Defaults to /usr/share/osm2pgsql/default.style. -C|--cache Use up to this many MB for caching nodes (default: 800) Database options: -d|--database The name of the PostgreSQL database to connect to (default: gis). -U|--username PostgreSQL user name (specify passsword in PGPASS environment variable or use -W). -W|--password Force password prompt. -H|--host Database server host name or socket location. -P|--port Database server port. A typical command to import a full planet is osm2pgsql -c -d gis --slim -C <cache size> -k \ --flat-nodes <flat nodes> planet-latest.osm.pbf where <cache size> is 20000 on machines with 24GB or more RAM or about 75% of memory in MB on machines with less <flat nodes> is a location where a 19GB file can be saved. A typical command to update a database imported with the above command is osmosis --rri workingDirectory=<osmosis dir> --simc --wx - \ | osm2pgsql -a -d gis --slim -k --flat-nodes <flat nodes> where <flat nodes> is the same location as above. <osmosis dir> is the location osmosis replication was initialized to. Run osm2pgsql --help --verbose (-h -v) for a full list of options. man osm2pgsql 样本数据下载 OSM openstreetmap 介绍postgis使用的文档http://live.osgeo.org/zh/quickstart/postgis_quickstart.html osgeo LIVE 平台的中文介绍http://live.osgeo.org/zh/index.html osgeo 的PPT介绍，建议熟悉一下，对GIS入门很有帮助http://live.osgeo.org/en/presentation/index.html osgeo 中国社区首页http://www.osgeo.cn/ openstreetmap是一个开放的GIS信息数据共享库，一直都在更新，现在全球的数据有几十GB，中国的数据有几百MB。https://www.openstreetmap.org http://planet.openstreetmap.org/ http://wiki.openstreetmap.org/wiki/Planet.osm 可以从镜像站点下载共享的pbf数据http://download.gisgraphy.com/openstreetmap/pbf/ 下载中国的PBF数据 $ wget http://download.gisgraphy.com/openstreetmap/pbf/CN.tar.bz2 -rw-r--r-- 1 root root 265M Sep 3 16:40 CN.tar.bz2 下载亚洲的PBF数据 $ wget http://download.geofabrik.de/asia-latest.osm.pbf -rw-r--r-- 1 root root 4.4G Sep 6 08:04 asia-latest.osm.pbf $ tar -jxvf CN.tar.bz2 -rw-r--r-- 1 root root 263M Sep 2 09:17 CN 导入样本数据 确保postgis插件已安装 $ su - postgres $ psql postgres postgres=# \dx List of installed extensions Name | Version | Schema | Description ------------------------+---------+------------+--------------------------------------------------------------------------------------------------------------------- address_standardizer | 2.2.2 | public | Used to parse an address into constituent elements. Generally used to support geocoding address normalization step. fuzzystrmatch | 1.1 | public | determine similarities and distance between strings plpgsql | 1.0 | pg_catalog | PL/pgSQL procedural language postgis | 2.2.2 | public | PostGIS geometry, geography, and raster spatial types and functions postgis_tiger_geocoder | 2.2.2 | tiger | PostGIS tiger geocoder and reverse geocoder postgis_topology | 2.2.2 | topology | PostGIS topology spatial types and functions (6 rows) 使用osm2pgsql将下载的中国PBF数据导入PostgreSQL数据库 $ export PGPASS=postgres $ osm2pgsql -H 127.0.0.1 -P 1921 -U postgres -d postgres -c -l -C 2000 --number-processes 8 -p digoal -r pbf /data01/CN 数据库连接相关 export PGPASS=postgres -d|--database The name of the PostgreSQL database to connect to (default: gis). -U|--username PostgreSQL user name (specify passsword in PGPASS environment variable or use -W). -H|--host Database server host name or socket location. -P|--port Database server port. -c|--create Remove existing data from the database. This is the default if --append is not specified. -l|--latlong Store data in degrees of latitude & longitude. Latlong (-l) SRS: 4326 (none) 内存足够时不建议使用 -s --drop. 速度较慢. -s|--slim Store temporary data in the database. Without this mode, all temporary data is stored in RAM and if you do not have enough the import will not work successfully. With slim mode, you should be able to import the data even on a system with limited RAM, although if you do not have enough RAM to cache at least all of the nodes, the time to import the data will likely be greatly increased. --drop Drop the slim mode tables from the database once the import is complete. This can greatly reduce the size of the database, as the slim mode tables typically are the same size, if not slightly bigger than the main tables. It does not, however, reduce the maximum spike of disk usage during import. It can furthermore increase the import speed, as no indices need to be created for the slim mode tables, which (depending on hard‐ ware) can nearly halve import time. Slim mode tables however have to be persistent if you want to be able to update your database, as these tables are needed for diff processing. --number-processes num Specifies the number of parallel processes used for certain operations. If disks are fast enough e.g. if you have an SSD, then this can greatly increase speed of the "going over pending ways" and "going over pending relations" stages on a multi-core server. -p|--prefix prefix_string Prefix for table names (default: planet_osm). -r|--input-reader format Select format of the input file. Available choices are auto (default) for autodetecting the format, xml for OSM XML format files, o5m for o5m formatted files and pbf for OSM PBF binary format. 输出 osm2pgsql SVN version 0.90.0 (64 bit id space) Using built-in tag processing pipeline Using projection SRS 4326 (Latlong) Setting up table: digoal_point Setting up table: digoal_line Setting up table: digoal_polygon Setting up table: digoal_roads Allocating memory for dense node cache Allocating dense node cache in one big chunk Allocating memory for sparse node cache Sharing dense sparse Node-cache: cache=2000MB, maxblocks=32000*65536, allocation method=3 Mid: Ram, scale=10000000 Reading in file: /data01/cn.pbf Using PBF parser. Processing: Node(32887k 657.8k/s) Way(2409k 20.25k/s) Relation(29450 669.32/s) parse time: 213s Node stats: total(32887809), max(4373037112) in 50s Way stats: total(2409943), max(439626731) in 119s Relation stats: total(29459), max(6537660) in 44s Committing transaction for digoal_point Committing transaction for digoal_line Committing transaction for digoal_polygon Committing transaction for digoal_roads Using built-in tag processing pipeline Using built-in tag processing pipeline Using built-in tag processing pipeline Using built-in tag processing pipeline Using built-in tag processing pipeline Using built-in tag processing pipeline Using built-in tag processing pipeline Using built-in tag processing pipeline Going over pending ways... 824623 ways are pending Using 8 helper-processes Finished processing 824623 ways in 44 s 824623 Pending ways took 44s at a rate of 18741.43/s Committing transaction for digoal_point Committing transaction for digoal_line Committing transaction for digoal_polygon Committing transaction for digoal_roads Committing transaction for digoal_point Committing transaction for digoal_line Committing transaction for digoal_polygon Committing transaction for digoal_roads Committing transaction for digoal_point Committing transaction for digoal_line Committing transaction for digoal_polygon Committing transaction for digoal_roads Committing transaction for digoal_point Committing transaction for digoal_line Committing transaction for digoal_polygon Committing transaction for digoal_roads Committing transaction for digoal_point Committing transaction for digoal_line Committing transaction for digoal_polygon Committing transaction for digoal_roads Committing transaction for digoal_point Committing transaction for digoal_line Committing transaction for digoal_polygon Committing transaction for digoal_roads Committing transaction for digoal_point Committing transaction for digoal_line Committing transaction for digoal_polygon Committing transaction for digoal_roads Committing transaction for digoal_point Committing transaction for digoal_line Committing transaction for digoal_polygon Committing transaction for digoal_roads Going over pending relations... 0 relations are pending Using 8 helper-processes Finished processing 0 relations in 0 s Committing transaction for digoal_point WARNING: there is no transaction in progress Committing transaction for digoal_line WARNING: there is no transaction in progress Committing transaction for digoal_polygon WARNING: there is no transaction in progress Committing transaction for digoal_roads WARNING: there is no transaction in progress Committing transaction for digoal_point WARNING: there is no transaction in progress Committing transaction for digoal_line WARNING: there is no transaction in progress Committing transaction for digoal_polygon WARNING: there is no transaction in progress Committing transaction for digoal_roads WARNING: there is no transaction in progress Committing transaction for digoal_point WARNING: there is no transaction in progress Committing transaction for digoal_line WARNING: there is no transaction in progress Committing transaction for digoal_polygon WARNING: there is no transaction in progress Committing transaction for digoal_roads WARNING: there is no transaction in progress Committing transaction for digoal_point WARNING: there is no transaction in progress Committing transaction for digoal_line WARNING: there is no transaction in progress Committing transaction for digoal_polygon WARNING: there is no transaction in progress Committing transaction for digoal_roads WARNING: there is no transaction in progress Committing transaction for digoal_point WARNING: there is no transaction in progress Committing transaction for digoal_line WARNING: there is no transaction in progress Committing transaction for digoal_polygon WARNING: there is no transaction in progress Committing transaction for digoal_roads WARNING: there is no transaction in progress Committing transaction for digoal_point WARNING: there is no transaction in progress Committing transaction for digoal_line WARNING: there is no transaction in progress Committing transaction for digoal_polygon WARNING: there is no transaction in progress Committing transaction for digoal_roads WARNING: there is no transaction in progress Committing transaction for digoal_point WARNING: there is no transaction in progress Committing transaction for digoal_line WARNING: there is no transaction in progress Committing transaction for digoal_polygon WARNING: there is no transaction in progress Committing transaction for digoal_roads WARNING: there is no transaction in progress Committing transaction for digoal_point WARNING: there is no transaction in progress Committing transaction for digoal_line WARNING: there is no transaction in progress Committing transaction for digoal_polygon WARNING: there is no transaction in progress Committing transaction for digoal_roads WARNING: there is no transaction in progress Sorting data and creating indexes for digoal_point Sorting data and creating indexes for digoal_line Sorting data and creating indexes for digoal_polygon Sorting data and creating indexes for digoal_roads Copying digoal_point to cluster by geometry finished Creating geometry index on digoal_point Copying digoal_polygon to cluster by geometry finished Creating geometry index on digoal_polygon Copying digoal_roads to cluster by geometry finished Creating geometry index on digoal_roads Copying digoal_line to cluster by geometry finished Creating geometry index on digoal_line Creating indexes on digoal_point finished All indexes on digoal_point created in 56s Completed digoal_point Creating indexes on digoal_roads finished All indexes on digoal_roads created in 65s Completed digoal_roads Creating indexes on digoal_polygon finished All indexes on digoal_polygon created in 71s Completed digoal_polygon Creating indexes on digoal_line finished All indexes on digoal_line created in 90s Completed digoal_line node cache: stored: 32887809(100.00%), storage efficiency: 50.14% (dense blocks: 116, sparse nodes: 32323305), hit rate: 100.18% Osm2pgsql took 349s overall 导入后数据如下，数据分为点，线段，道路，区域。 postgres=# \dt+ List of relations Schema | Name | Type | Owner | Size | Description ----------+-----------------+-------+----------+------------+------------- public | digoal_line | table | postgres | 702 MB | public | digoal_point | table | postgres | 70 MB | public | digoal_polygon | table | postgres | 310 MB | public | digoal_roads | table | postgres | 303 MB | postgres=# \di+ List of relations Schema | Name | Type | Owner | Table | Size | Description ----------+-------------------------------------------------+-------+----------+-----------------+------------+------------- public | digoal_line_index | index | postgres | digoal_line | 184 MB | public | digoal_point_index | index | postgres | digoal_point | 40 MB | public | digoal_polygon_index | index | postgres | digoal_polygon | 81 MB | public | digoal_roads_index | index | postgres | digoal_roads | 67 MB | 表结构举例 postgres=# \d digoal_line Table "public.digoal_line" Column | Type | Modifiers --------------------+---------------------------+----------- osm_id | bigint | access | text | addr:housename | text | addr:housenumber | text | addr:interpolation | text | admin_level | text | aerialway | text | aeroway | text | amenity | text | area | text | barrier | text | bicycle | text | brand | text | bridge | text | boundary | text | building | text | construction | text | covered | text | culvert | text | cutting | text | denomination | text | disused | text | embankment | text | foot | text | generator:source | text | harbour | text | highway | text | historic | text | horse | text | intermittent | text | junction | text | landuse | text | layer | text | leisure | text | lock | text | man_made | text | military | text | motorcar | text | name | text | natural | text | office | text | oneway | text | operator | text | place | text | population | text | power | text | power_source | text | public_transport | text | railway | text | ref | text | religion | text | route | text | service | text | shop | text | sport | text | surface | text | toll | text | tourism | text | tower:type | text | tracktype | text | tunnel | text | water | text | waterway | text | wetland | text | width | text | wood | text | z_order | integer | way_area | real | way | geometry(LineString,4326) | Indexes: "digoal_line_index" gist (way) WITH (fillfactor='100') GIS数据用法举例 http://wiki.openstreetmap.org/wiki/Osm2pgsql/schemahttp://live.osgeo.org/zh/quickstart/postgis_quickstart.html 1. 在point表中，查询城市对应的坐标 这里的坐标是无法阅读的 16 进制格式。要以 WKT 文本显示，使用 ST_AsText(the_geom) 或 ST_AsEwkt(the_geom) 函数。也可以使用 ST_X(the_geom) 和 ST_Y(the_geom) 显示一个维度的坐标 postgres=# select name,way from digoal_point where place='city'; 双湖县 | 0101000020E61000003C180C0973355640F3846FAB6A984040 叶城县 | 0101000020E610000058AB764D485C53406511D43ABBF24240 皮山县 | 0101000020E6100000CA479C5FDE9153408ABCF61620CF4240 泽普县 | 0101000020E6100000D8E9ACBB1E535340B1B3D771B2184340 英吉沙县 | 0101000020E6100000A271F26C200B5340684DE262FB774340 喀什市 | 0101000020E6100000DD3532D909FF52407187F2AA73BC4340 阿图什市 | 0101000020E61000009AA95A1CDF0A5340902111644EDB4340 和田县/Hotan | 0101000020E6100000301576ACADFB5340E72CFD95DF8C4240 和田市 | 0101000020E610000054EF5F0FDCFA5340220A1CBFA68E4240 策勒县 | 0101000020E61000008C53083F4C335440277E3100F97F4240 且末县 | 0101000020E6100000AFE0C84D1E625540EDF549496A114340 若羌县 | 0101000020E61000002491C71D800A564030D05A762D824340 图木舒克市 | 0101000020E61000001338C8DA95C5534044B1CBA612EF4340 postgres=# SELECT name, ST_AsText(way), ST_AsEwkt(way), ST_X(way), ST_Y(way) FROM digoal_point where place='city' order by 4,5; .... 无锡市 | POINT(120.2954534 31.5756347) | SRID=4326;POINT(120.2954534 31.5756347) | 120.2954534 | 31.5756347 余杭区 | POINT(120.3 30.416667) | SRID=4326;POINT(120.3 30.416667) | 120.3 | 30.416667 东台市 | POINT(120.3122464 32.8536216) | SRID=4326;POINT(120.3122464 32.8536216) | 120.3122464 | 32.8536216 绥中县 | POINT(120.3331747 40.329263) | SRID=4326;POINT(120.3331747 40.329263) | 120.3331747 | 40.329263 青岛市 | POINT(120.3497193 36.0895093) | SRID=4326;POINT(120.3497193 36.0895093) | 120.3497193 | 36.0895093 招远市 | POINT(120.402222 37.354722) | SRID=4326;POINT(120.402222 37.354722) | 120.402222 | 37.354722 苍南 | POINT(120.4167898 27.5165682) | SRID=4326;POINT(120.4167898 27.5165682) | 120.4167898 | 27.5165682 朝阳市 | POINT(120.4390738 41.5754767) | SRID=4326;POINT(120.4390738 41.5754767) | 120.4390738 | 41.5754767 磐安 | POINT(120.4447816 29.0557511) | SRID=4326;POINT(120.4447816 29.0557511) | 120.4447816 | 29.0557511 即墨市 | POINT(120.4502879 36.3912177) | SRID=4326;POINT(120.4502879 36.3912177) | 120.4502879 | 36.3912177 大丰市 | POINT(120.4564759 33.2019957) | SRID=4326;POINT(120.4564759 33.2019957) | 120.4564759 | 33.2019957 海安县 | POINT(120.4629239 32.5348763) | SRID=4326;POINT(120.4629239 32.5348763) | 120.4629239 | 32.5348763 柯桥区 | POINT(120.489086 30.0812532) | SRID=4326;POINT(120.489086 30.0812532) | 120.489086 | 30.0812532 .... 2. 空间查询 PostGIS 为 PostgreSQL 扩展了许多空间操作功能。以上已经涉及了转换空间坐标格式的 ST_GeomFromText 。 多数空间操作以 ST（spatial type）开头，在 PostGIS 文档相应章节有罗列。 这里回答一个具体的问题：以米为单位并假设地球是完美椭球，城市间的相互的距离是多少？ SELECT p1.name,p2.name,ST_Distance_Sphere(p1.way,p2.way) FROM (select * from digoal_point where place='city' and name ~ '宜春') p1 , (select * from digoal_point where place='city' and name ~ '杭州') p2 where p1.name <> p2.name; name | name | st_distance_sphere --------+--------+-------------------- 宜春市 | 杭州市 | 623574.67310136 (1 row) 采取不同的椭球参数（椭球体名、半主轴长、扁率）计算 SELECT p1.name,p2.name,ST_Distance_Spheroid(p1.way, p2.way, 'SPHEROID["GRS_1980",6378137,298.257222]') FROM (select * from digoal_point where place='city' and name ~ '宜春') p1 , (select * from digoal_point where place='city' and name ~ '杭州') p2 where p1.name <> p2.name; name | name | st_distance_spheroid --------+--------+---------------------- 宜春市 | 杭州市 | 624144.288437696 (1 row) 3. 区域类型查询 postgres=# select name from digoal_polygon where name ~ '杭州'; name ---------------------------------- 杭州世纪华联超市 杭州樓 Hangchow House 杭州国际学校 杭州天目外国语学校 杭州市 / Hangzhou 杭州野生动物世界 浙江省杭州第二中学 网易杭州 杭州邮政大楼 .... 4. 点面判断举例 postgres=# select name from digoal_polygon where name ~ '杭州' and way ~ ST_GeomFromEWKT('SRID=4326;POINT(120.3 30.416667)'); name ------------------- 杭州市 / Hangzhou (1 row) 5. 区域统计举例 select t1.name,count(*) from digoal_polygon t1, digoal_point t2 where t1.way ~ t2.way group by t1.name order by 2 desc limit 100; postgres=# select t1.name,count(*) from digoal_polygon t1, digoal_point t2 where t1.way ~ t2.way group by t1.name order by 2 desc limit 100; name | count ----------------------------------------------------------------+-------- 内蒙古自治区 / Inner Mongolia | 262464 | 243692 甘肃省 | 125988 河北省 | 113878 广东省 | 107363 新疆维吾尔自治区 | 87043 青海省 | 45976 陕西省 | 45119 吉林省 | 43395 浙江省 | 42464 北京市 | 42385 6. 求区域面积 声明，不代表真实数据 postgres=# select name,ST_AREA(way)/POWER(0.3048,2) As sqft_spheroid, ST_AREA(way,false)/POWER(0.3048,2) As sqft_sphere, ST_Area(way) As sqm_spheroid from digoal_polygon order by 2 desc limit 10; name | sqft_spheroid | sqft_sphere | sqm_spheroid -------------------------------+------------------+------------------+------------------ 新疆维吾尔自治区 | 1886.69386901133 | 17545758222578 | 175.279595980515 内蒙古自治区 / Inner Mongolia | 1388.45334818658 | 12303880320749.7 | 128.991536944712 西藏自治区 (???????????????????) | 1157.79354491985 | 12172952810487.3 | 107.56254001543 青海省 | 747.111046519574 | 7501178053415.87 | 69.4088874392498 黑龙江省 | 586.158263912179 | 4858310748074.14 | 54.4558846385637 巴音郭楞蒙古自治州 (Bayingol) | 530.069700073705 | 5055365519125.31 | 49.2450865487355 四川省 | 492.339435917579 | 5235712822057.58 | 45.7398303086283 甘肃省 | 468.745196462264 | 4571217336421.43 | 43.5478537367416 云南省 | 368.878048351166 | 4132569814712.27 | 34.2698920810903 7. 更多的例子可参考 http://postgis.net/docs/manual-2.2/ 其他 除了使用pbf，我们还可以使用shp2pgsqlhttp://postgis.net/docs/manual-2.2/using_postgis_dbmanagement.html#shp2pgsql_usage shapefile 是一种 Esri 矢量数据存储格式，用于存储地理要素的位置、形状和属性。 其存储为一组相关文件，并包含一个要素类。 Shapefile 经常包含具有很多关联数据的大型要素，并一直用于 GIS 桌面应用程序（例如 ArcGIS for Desktop 和 ArcGIS Explorer Desktop）。 阿里云用户可以更简便的使用GIS 如果使用阿里云提供的RDS for PostgreSQL，因为已经集成了PostGIS插件，所以使用起来更加方便。 导入地理位置信息测试数据将简化为3步骤 简化步骤如下 1. 购买实例, 并在对应的数据库中创建extension create extension postgis; 2. 下载pbf $ wget http://download.gisgraphy.com/openstreetmap/pbf/CN.tar.bz2 $ tar -jxvf CN.tar.bz2 3. 导入 找一台ECS，安装osm2pgsql，并将下载的PBF数据导入RDS PostgreSQL $ export PGPASS=$pwd $ osm2pgsql -H $ip -P $port -U $user -d $dbname -c -l -C 2000 --number-processes 8 -p digoal -r pbf /data01/CN 参考 介绍postgis使用的文档http://live.osgeo.org/zh/quickstart/postgis_quickstart.html osgeo LIVE 平台的中文介绍http://live.osgeo.org/zh/index.html osgeo 的PPT介绍，建议熟悉一下，对GIS入门很有帮助http://live.osgeo.org/en/presentation/index.html osgeo 中国社区首页http://www.osgeo.cn/ openstreetmap是一个开放的GIS信息数据共享库，一直都在更新，现在全球的数据有几十GB，中国的数据有几百MB。https://www.openstreetmap.org http://planet.openstreetmap.org/ http://wiki.openstreetmap.org/wiki/Planet.osm 可以从镜像站点下载共享的pbf数据http://download.gisgraphy.com/openstreetmap/pbf/ http://postgis.net/docs/manual-2.2/ http://wiki.openstreetmap.org/wiki/Osm2pgsql/schema http://live.osgeo.org/zh/quickstart/postgis_quickstart.html http://postgis.net/docs/manual-2.2/using_postgis_dbmanagement.html#shp2pgsql_usage 声明 所有地理位置信息的数据不代表官方，不代表真实数据，仅作为测试使用，请注意。 Count