【MySQL】数据库的 “红绿灯”:非空、主键、外键到底管什么?

【MySQL】数据库的 “红绿灯”:非空、主键、外键到底管什么?

表的约束:表中一定要有各种约束,通过各种约束,保证未来数据库中的数据的准确的;约束的本质是:通过技术手段倒逼程序员,插入正确的数据,进而保证数据库中的数据的正确的;

一、非空约束

两个值:null(默认的)和not null(不为空)

数据库默认字段基本都是字段为空,但是实际开发时,尽可能保证字段不为空,因为数据为空没办法参与运算。

null Vs '' 

null : 表示什么都没有;

'' :有,但是为空;

二、default 约束

default : 跟 C++ 的缺省值一样;

not null  and default:

注意:如果我们的表中没有设置 default 和 not null 约束,他默认 default null,如果设置了 not null 则不会有 default null;

三、comment 列描述

列描述跟注释没什么区别;

四、zerofill 约束

int(10) 没有 zerofill 约束是没有意义的:

相当于 int(10) 里面的 10 就是数字的长度,如果少于 10 个数字,用0来补充显示;

五、主键约束

主键:primary key用来唯一的约束该字段里面的数据,不能重复,不能为空,一张表中最多只能有一个主键;主键所在的列通常是整数类型。

去除主键约束:

添加主键约束:

复合主键:主键不是只能给一列设置,给多列设置主键的就是符合主键;

注意:复合主键只有设置有主键的那几列同时和过往的数据相同时就会产生主键冲突;

六、auto increment 约束

auto_increment:当对应的字段,不给值,会自动的被系统触发,系统会从当前字段中已经有的最大值+1操作,得到一个新的不同的值。通常和主键搭配使用,作为逻辑主键。

自增长的特点:

任何一个字段要做自增长,前提是本身是一个索引(key一栏有值)

自增长字段必须是整数

一张表最多只能有一个自增长

自定义自增长值:

查看最后一次的插入的自增长的值:

七、唯一键

主键不能为空,而唯一键可以为空,NULL 的意思的什么都没有,NULL 不参与计算;

注意:一张表中只能有一个主键,但是可以有多个唯一键;

八、外键

因为学生是从属于某个班级的,所以:

外键主要是:表与表之间的约束;

创建外键:

外键用于定义主表和从表之间的关系:外键约束主要定义在从表上,主表则必须是有主键约束或unique约束。当定义外键后,要求外键列数据必须在主表的主键列存在或为null。

Read more

Trae IDE 终极指南:从入门到精通,释放你的 AI 编程潜力(上)

Trae IDE 终极指南:从入门到精通,释放你的 AI 编程潜力(上)

💡 就像选择手机一样:iPhone 简洁易用,Android 功能丰富。Trae 和 Cursor 也是如此——一个是"开箱即用的 iPhone",一个是"高度定制的 Android"。本文将帮你找到最适合自己的 AI 编程助手! 在当今的软件开发领域,AI 编程助手已成为提升效率、激发创意的关键工具。而 Trae IDE 作为一款为开发者量身打造的智能开发环境,其强大的模型管理功能,更是让它在众多工具中脱颖而出。无论你是想快速上手,还是希望深度定制,Trae 都能满足你的需求。 本文将作为你的终极向导,带你深入探索 Trae IDE 的模型世界,从轻松切换内置模型,到添加和管理你自己的专属模型,助你将 Trae 的能力发挥到极致。 📑 文章目录 第一部分:基础入门 🎯 1.

By Ne0inhk
嵌入式AI?

嵌入式AI?

就当做嵌入式的一个外设来看待就行了。  什么是嵌入式AI 嵌入式 AI(Embedded AI)是指将人工智能技术与算法集成到嵌入式系统中,使设备能够在本地(无需依赖云端服务器)实现数据处理、分析和决策的技术形态。它融合了嵌入式系统的实时性、低功耗特性与AI 的智能化能力,让传统硬件设备具备 “边端智能”,适用于对响应速度、隐私保护、网络依赖性要求高的场景。 核心特点 本地化运行 无需联网即可完成数据处理和决策,避免网络延迟和断网风险(如自动驾驶汽车在隧道中实时避障)。 保护用户隐私:敏感数据(如人脸、医疗信息)无需上传云端,直接在设备端处理。 低功耗与轻量化 受限于嵌入式设备的算力和电池容量(如智能手环、智能家居设备),需对 AI 模型进行压缩优化(如模型剪枝、量化、知识蒸馏),使其适配低功耗芯片(如 ARM 处理器、NPU 神经处理单元)。 实时性与可靠性 适用于对延迟敏感的场景(如工业机器人实时抓取、智能摄像头动态追踪)

By Ne0inhk

用 OpenClaw + 飞书,快速搭建 5 个可协作的 AI 助理团队

多个飞书机器人 + 独立工作空间 + 互相协作 = 专业化分工的 AI 助理团队 写在前面 如何用 OpenClaw 搭建一套多 Agent 系统,让 AI 助理各司其职、协同工作?通过 OpenClaw 多 Agent 架构,你可以实现: * 多个独立的飞书机器人,每个人设不同 * 各自独立的工作空间,数据完全隔离 * 可以互相协作,通过 agentToAgent 通信 * 共享长期记忆,跨渠道信息同步 本文将详细介绍如何在腾讯云服务器上,用 OpenClaw 搭建一套飞书多 Agent 系统,包括完整配置流程、常见问题解决方案和实战协作案例。 目录 1. 为什么需要多 Agent 2. 前置准备 3. 5 个 Agent

By Ne0inhk
医疗AI场景下算法编程的深度解析(2026新生培训讲稿)(一)

医疗AI场景下算法编程的深度解析(2026新生培训讲稿)(一)

前言 人工智能正在重塑医疗健康领域的每一个角落。从辅助医生解读医学影像,到为患者提供个性化的健康管理建议,再到优化医疗系统的运营效率,AI技术正以前所未有的深度和广度融入现代医学的肌体之中。 然而,技术的落地从来不是一帆风顺的。医疗AI面临着一系列独特的挑战:数据的高敏感性与隐私保护要求、模型决策的可解释性需求、临床场景中对准确率的严苛标准,以及日益复杂的法规监管环境。这些挑战要求从业者不仅掌握算法原理,更要理解医疗场景的特殊性,懂得如何在真实世界中构建可靠、安全、可落地的AI系统。 2026开学教程旨在为医疗AI领域的算法工程师、数据科学家、医工交叉研究人员提供一份从理论到实践的完整指南。我们将从医疗AI的发展脉络出发,深入解析k-近邻、逻辑回归、决策树、随机森林、支持向量机、Boosting等经典机器学习算法在医疗场景中的应用,并通过大量实战案例展示从数据处理到模型部署的全流程。 特别地,我们将医疗数据的特殊性贯穿全教程:小样本问题、类别不平衡、多模态融合、可解释性要求——这些在通用AI领域或许可以妥协的问题,在医疗领域必须直面并解决。 本书历时一年完成,感谢所有为本书贡

By Ne0inhk