Azure SQL Database: The intelligent self tuning data platform – BRK3162

대낮 밤이 어떻게 바뀌지, 지금까지 좋은가? 당신이 많은 재미있는 이야기를 듣기를 바랍니다

즐거운 시간을 보냈습니다 내일의 로이 한 스키마를 듣고 있습니다 그것은 일종의 지역입니다 내가 가진 조직 우리 둘 다 내 이름을 일하는 건 케빈 패리 야

저는 데이터 플랫폼 팀의 주임 프로그램 관리자입니다 속편에서는 Org이 약 14 년 동안 나왔습니다 그래서 많은 일들이 생겨나는 것을 보았습니다 저와 함께 나무 친칠라, 그녀는 쿼리 처리 팀의 개발자 중 하나입니다, 그래서 그녀가 여기 와서 그녀가 만든 물건에 대해 얘기가 정말 멋지 네요 SQL 엔진 내의 쿼리 프로세서 내에서보다 지능적이고 적응력이 뛰어난 몇 가지 기능을 살펴 보겠습니다

그래서 그것은 C와 자기 조정 조건에 반응 할 수 있습니다 적응 형 쿼리 처리에 대한 이야기로 시작할 수 있습니까? 이것은 일련의 기능입니다 SQL 2017로 가져 왔습니다 그리고 그들은 더 엄격하게 적응했습니다 그들은 그것이 아의 상황에 적응하지 않고했기 때문에 만약 그것이 잘못 평가 되었다면 잘못된 선택을하는 것이 적절할 것입니다

자체를 수정하십시오 따라서 사전 처리를 쿼리하면 좋은 성능을 얻는 효율적인 쿼리를 얻는 것이 카디널리티 추정과 관련이 있습니다 이것이 주어진 쿼리로부터 예측하는 예술 또는 과학입니다 각 테이블과 테이블에서 얼마나 많은 행이 흘러 나올 것인가 쿼리 계획 내의 각 분기를 통해 따라서 카디널리티 최적화 최적화 심장 동사 학자 유형을 수행하면 쿼리 계획의 각 단계에서 행 수를 추정합니다

이 통계 기법의 결합이며 가정이므로 다양한 값에 대한 히스토그램의 테이블과 관련된 통계가 있으므로 많은 행이 필요합니다 그 샘플링은 샘플링을 선택하는 방법에 따라 달라집니다 그리고 나서 가정들이 있습니다 그래서 처음에는 특정한 구성들입니다 정확히 얼마나 많은 행이 흐를 지에 대한 지식이 없습니다

그래서 우리는 그들 중 일부는 좋다고 가정하고, 그 중 일부는 좋지 않습니다 그리고이 작업의 일부입니다 가정의 일부가 실제로 유효하지 않은 부분을 수정합니다 견적이 정확할 때 우리는 운영 계획과 물리적 알고리즘에 대한 올바른 결정을 내림으로써 올바른 계획을 얻습니다 그리고 귀하의 데이터를 빨리 되 찾을 수 있습니다

그렇다면 잘못된 견적을 얻는 이유는 무엇입니까? 누락 된 통계가 누락되었습니다 통계적 히스토그램 자동으로 의학적으로 만들 수 있습니까? 아니면 설정 한 방법에 따라 수동으로 만들 수 있습니까? 연간 생성에서 설정하고 테이블에 대한 통계를 작성하지 않은 경우 기대할 행 수를 알 수 없습니다 그래서 우리는 100이나 1처럼 무언가를 얻을 것입니다 과

최적화를 최적화하려고하지 마십시오 그래도, 통계, 그래서 수동 통계를 사용하고 있다면 잠시 후에 테이블의 내용이 통계에 반영되지 않을 수 있습니다 또는 자동 통계를 사용하고 있고 최근에 테이블의 모양을 변경 한 작업을 수행 한 경우 대대적으로 큰 데이터로드를 수행하거나 여러 데이터를 정리하는 것과 같습니다 다시 말하지만, 통계는 테이블의 내용과 일치하지 않을 수 있습니다

그러나 통계가 쿼리를 최적화하기 위해 가고 싶어하며 아마도 잘못된 결정을 내릴 것이라고 믿습니다 통계를 다시 설정할 때 샘플 속도가 부적절합니다 그것은 값의 히스토그램입니다 그리고 당신은 얼마나 미세한 입자인지에 대한 제어권을 가지며 궁극적으로는 테이블을 완전히 스캔하고 모든 가능한 값을 샘플로 봅니다 그리고 과정은 당신이 그것을 얻을 수 있습니다

더 빠르면 오버 헤드도 줄어 듭니다 데이터에 스파이크가 누락 될 확률이 높아집니다 여기에서 여기를 측정하면 사이에 스파이크가 생겨서 놓칠 수 있습니다 그래서 이는 일종의 상충 관계이며 통계에 대한 샘플링 속도를 설정하는 방법을 알 수있는 방법입니다

아주 미세한 그레인 샘플링 속도에 관련되는 오버 헤드가 있습니다 그러나 그 다음에는 배포판에서 더 많은 예외를 잡을 것입니다 punnett 매개 변수 스니핑 문제에 대해 누가 들었습니까? 따라서 매개 변수 스니핑은 우리에게 두통의 종말을 일으키는 현상입니다 너가 가질 때 매개 변수에서 실행되는 쿼리

우리는 일반적으로 쿼리가 전달 된 모든 값을 기반으로 쿼리가 최적화된다는 것을 처음으로 알게 될 것입니다 다음 번에 그 쿼리를 볼 수 있습니다 쿼리 텍스트에는 해당 매개 변수의 변수 만 포함됩니다 쿼리 텍스트가 변경되지 않았으므로 값을 올리면 최적화되지 않습니다 그러나 값이 완전히 다를 수 있습니다

따라서 코리가 처음으로 사용 된 값이 매우 전형적이라면 남은 시간을 보게 될 것입니다 그렇다면 당신은 좋은 성적을 얻습니다 전체적으로 볼 때 하나 또는 두 개의 예외가 나타날 수 있지만 전반적인 성능은 상당히 좋아질 것입니다 처음으로 쿼리를 실행하면 발생합니다 당신은 평범한 가치관에서 벗어난 가치가 있습니다

그런 다음 최적화 작업을 통해 그 가치와 일반적인 경우가 달라질 수 있으므로 가질 수 있습니다 많은 문제가 실제로 그것의 데모를 조금 가지고 있습니다 모델 밖의 쿼리가 그렇게 구성됩니다 최적화 도구에는 놀랍도록 복잡한 코드가 있습니다 그 나에게 놀라움과 나는 잠시 동안 주변에 있었지만 다른 구조들에 대한 것이있다

우리는 그들이 어떻게 행동 할 것인지 가정합니다 그리고 우리는 단지 좋은 모델이 없기 때문에 추측을 할 수있는 몇 가지 구조가 있습니다 그들 중 일부는 비슷합니다 역사적으로 다중 문 테이블 값 함수의 경우 게스트가 하나였습니다 으니까 그 중 하나

몇 주 전에 나온 카디널리티 추정기가 새로운 쿼리 추정자를 위해 구성되었습니다 우리는 그 중 하나를 1200에서 바꿉니다 더 간단한 비트 더 유효합니다 그리고 데이터가 쿼리되는 것을 허용하지 않는 가정

당신이하고 있다면,이 독립과 상관 관계를 즐기는 것입니다 그래서 변수가 2 개인 경우 주 및 도시라고 말하십시오 우리는 그것들이 상관되어 있음을 압니다 그래서 당신은 주와 도시가 있다면

로스 앤젤레스라는 도시가 있다면 캘리포니아 주 권리가 될 가능성이 있습니다 거기에는 상관 관계가 있습니다 다른 값 변수는 모두 상관 관계가 없으며 쿼리 계획을 설정하는 방법과 관련이 있습니다 그래서 그 모든 것들 우리는 얼마나 많은 행이 그 조인에서 나올지에 대해 잘못 추측 할 것입니다

상관 관계가 있는지 아닌지에 따라 강해지므로 모든 일들이 문제를 일으킬 수 있습니다 사면 동질 추정 그리고 이것이 바로 이것이 될 것입니다 그래서 잘못된 쿼리의 캐스트가 쿼리 응답 시간이 느려 비효율적 인 작업을 수행합니다

우리는 계획을 올바르게 세우지 않았습니다 보유하지 않은 데이터에 맞게 최적화되었습니다 지나치게 많은 자원을 소비하므로 매우 큰 값을 위해 최적화하면 적은 양만 흘러갑니다 그런 다음 우리는 많은 양의 데이터를 지원할 수있는 데이터 구조를 설정할 것입니다 메모리 및 그런 다음 아주 작은 데이터 세트를 최적화하면 모든 메모리를 낭비하거나 역으로 낭비하게됩니다

그리고 작은 세트만으로 충분한 메모리를 확보하면 500 만 개의 행을 전달할 수 있습니다 그런 다음 모든 것을 현금화 할 수있는 충분한 공간이 없을 것이며 TV 및 기타 8 가지 시도를 할 것입니다 정말 천천히 그것이 디스크의 예입니다 주어진 쿼리에 대해 너무 많은 리소스를 확보하기 위해 처리량과 동시성을 줄였습니다

그것은 실행하려고하는 다른 모든 쿼리가 굶주릴 것입니다 후속 모델, 리팩토링 및 오프 모델은 모델 구조를 벗어나서 T SQL을 보았습니다 고문 Confort 확인은 특정 구성을 최적화하지 않기 때문에 사람들이 이러한 구성을 사용하여 작업 할 수 있다는 취지에서 효과가 있습니다 Corey를 실행시키고 실제로 더 빠를 것입니다 복잡한 코드가 없어도

그렇다면 우리가 일을 했어야 만했습니다 그리고 우리는 그 구조를 인식 할 것입니다 그래서 우리가 2017 년에 도입 한 기능 중 하나는 다량의 문 테이블 값 기능을위한 인터리빙 된 실행이었습니다 멀티 선택은 테이블 값 기능이 블랙 박스에 끌 렸음을 의미합니다 그들은 고정 카드와 최적화 손님을 하나로 제공합니다

복수 성명서가있는 경우 수율 함수 값으로 테이블을 만든 다음 해당 테이블을 쿼리에 사용합니다 우리는 그 테이블에 도달하는 데 필요한 것을 잘 알지 못하고 단지 하나만 얻습니다 그래서 2017 년에 우리가 그 패턴을 깨뜨린 것입니다

영원히 그리고 한국의 질의 처리 패턴은 당신이 질의를 보는 당신을 최적화 해 왔습니다 당신은 그것을 최적화하는 통계를 보았습니다 그리고 나서 당신은 실행합니다 다중 사이트 인터리브 실행을 통해 우리는 실제로 최적화와 실행을 인터리빙합니다 단계는 쿼리의 작은 모퉁이를 중심으로 정말 깨끗한 경계를 만드는 다중 문 테이블 값 함수입니다

그러면 그 시점까지 최적화 될 것입니다 테이블 값 함수에 대한 값을 얻을 때까지 실행됩니다 그리고 그 카드 유추를 사용하십시오이 유추는 실제 정확하고 나머지 쿼리에 대해 카디널리티 추정치를 사용합니다 그래서

다중 명령문 테이블 값 함수는 처음에는 정말 깨끗했습니다 태클을 시도하는 사례가 정말 잘 작동하므로 더 많은 다른 구조를 취할 수 있습니다 비슷한 방식으로 행동하십시오 쿼리 계획의 코너는 그 시점까지 최적화하거나 그 시점까지 실행 한 다음 나머지 쿼리를 다시 최적화합니다 모든 것에 관한 질문

정말 대화식이 될거야 질문하지 않는 한 도움이되는 마이크를 사용하는 경우 솔리드 스테이트 스토리지가 점점 빨라지고 있습니다 또는 메모리 액세스와 디스크 액세스 간의 경계가 줄어들고 있습니다

예를 들어 Tempe가 유출되었다고 언급하면 그래서 스토리지 클래스가 더 빨라지고 빨라지면서 실제로 SSD가 실제로 이국적입니다 비 휘발성 램 DIMM은 메모리와 마찬가지로 슬롯을 가지고 있지만 영구적이며 디스크처럼 액세스 할 수 있으므로 실제로는 정말 빠릅니다

여전히 전체 IO 스택을 거치면서 작성해야 할 sqlcode가 훨씬 많습니다 우리가 생각하는 것은 디스크이기 때문에 메모리에서 뭔가를 액세스하는 것보다 훨씬 많은 오버 헤드가 될 것입니다 그러나 당신은 그것이 점점 빨라지고 있다고 맞습니다 그러나 너희들은 더 힘들어하고있다

따라서 인터리빙 된 실행 후보는 select 문을 사용합니다 분명히 140 컴팩트 수준에 달려 있습니다 소모품을 가로 질러 그 곳곳에서 사용되지 않는 다중 문 TV는 들어 가지 않을 것입니다 그런 식으로하면 더 복잡해지기 때문입니다 계획을 사용하지 않을 때는 강제로 계획을 세우십시오

우리는 그것에 대해 아무 것도 할 수 없습니다 강제 매개 변수 zation을 사용하지 않습니다 과 사용 힌트를 사용하지 않고 스니핑 매개 변수를 사용하지 않습니다 권리

최적화를 수행하는 방법을 강요한다면 우리는 그것을 존중할 것이지만, 카이저는이를 고칠 것입니다 문제는 다른 방법으로 예상되는 오버 헤드는 최소로 다중 문 테이블 값 함수에서 이미 실현되었습니다 결과를 통해 축적 된 것을 기억합니다 우리가 그것을 실현하기 위해 테이블처럼 보이는 저장소

그래서 우리는 실제적으로 얼마나 많은 행이 우리에게 있었는지 확인하기 위해 구체화를보고 있습니다 현금은 첫 번째 실행 계획입니다 계획의 캐시가 현금화됩니다 후속 실행에 사용됩니다 따라서 매개 변수 스니핑 유형의 문제로 끝날 수 있습니다

실행 계획을 알고있는 계획 특성 그리고 interleaved는 식물에 우리의 새로운 속성을 실행합니다 우리는 실제로 우리가하려는이 일을하고 있다는 것을 알 수 있습니다 이러한 모든 새로운 기능과 동작은 항상 눈에 잘니다 또한 X 이벤트가 있으므로 Telemetry에서 X 이벤트를 사용하는 경우이를 모니터링 할 수 있습니다

X 이벤트에서 훌륭한 정보를 얻을 수 있습니다 그러나 우리는 또한 그들을 표면화하려고 노력하고 있습니다 계획 캐시와 같은 더 눈에 띄는 방식으로 그만큼 계획

문제 인터리브 된 실행 이벤트를 ex 이벤트의 일부로보십시오 나는 그렇게 생각하지만 나는 긍정적이지 않다 그렇습니다 훌륭한 세션을 시작하면 그렇게합니다

나는 그 이름이 무엇인지 모르겠다 그리고 당신은 인터리브 된 실행이 행복 할 때마다 볼 수 있어야하는 라이브 데이터를 보았습니다 그래서 그 모드 메모리 부여 피드백 다시 문제의 2017 기능입니다 우리가 모든 쿼리에 대해 우리는 일할 수있는 기억을 부여해야합니다 메모리의 스크래치 공간

우리가 우리가 필요로하는 기억의 양을 과대 평가하십시오 우리가 과소 평가하면 디스크에 쏟아져 끝날 것입니다 그리고 그 모두는 빈약 한 카디널리티 추정에 의해 좌우됩니다 우리는 그 일을 해결하기 위해 무엇을 했습니까? 일종의 카디널리티 문제를 피하고 있습니까? 왜냐하면 지금 당장 모든 경우에 해결하지 않을 것이기 때문입니다 그러나 우리가 한 일은 처음으로 메모리 부여 메커니즘에 피드백 루프를 도입하는 것입니다

쿼리를 실행할 때 주목할 것인가? 얼마나 많은 기억 쿼리가 궁극적으로 필요하고 델타가 충분히 큰 경우 메모리를 요청했습니다 의지 얼마나 많이 실제로 사용되었는지 기록하십시오

우리가 현금으로 지불하는 쿼리 계획에서 다음에 쿼리를 실행하면 새로운 밸브 메모리 부여 값이 사용됩니다 적응하고 몇 번 앞뒤로 조정하고 일반적으로 꽤 안정적인 상태로옵니다 배치 모드 그것도 안으로 있었다 SQL 2017은 일} 처리 모드는 일} 처리 모드 조회로 제한됩니다

또한 일괄 처리 모드에서는 적응 형 조인이있었습니다 따라서 우리가 물리적 알고리즘을 만드는 결정 중 하나는 당신이 가고 있는지 여부입니다 운영 해시 모드 또는 중첩 루프

그래서 그것들은 다른 점이 있습니다 각각의 점이 더 효율적입니다 때로는 잘못 이해합니다 적응 형 조인이하는 일은 크로스 오버 포인트가 빌드 측면으로 들어오는 행의 수와 관련하여 어느 정도의 경험적 방법을 설정한다는 것입니다

예 그래서 우리는 시작할 것입니다 임계 값을 초과하는 크로스 수가 해시에 합쳐지면 빌드 측에 대해 장미를 누적하십시오 임계 값을 초과하지 않으면 중첩 루프로 유지됩니다 실행 시간에 비행 중입니다

실행이 해시로 바뀔 때 동일한 쿼리에 대해 다른 실행을 중첩 루프로 결합 할 수 있습니다 그래서 고전적인 적응력 중 하나입니다 기술을 사용하여 그래서 그 모든 역사는 우리가 2017 년에 한 모든 것입니다 2019 년에 들어서 지금 말할 수 있습니다 우리는 범위를 넓히고 있습니다

그래서 2017 년에이 기능들은 주로 실행 중에 보았던 것에 적응하고 있습니다 우린 지금이야 2 개의 시나리오를 더 실행하고 잠시 동안 우리는 적응 형 QP라고 계속 부르고 있었고, 실제로 어떤 것에도 적응하지 못하기 때문에 간략하게 설명하기 시작했습니다 더 똑똑하게 만듭니다 이제 우리는 지능적인 QP를 갖게되었습니다

이것은 큰 그림과 같습니다 그래서 우리는 이것을 보면서 몇 분을 보낼 수 있습니다 이것은 우리가 보는 방식, 지능형 QP 및 그 밑에있는 기능입니다 그만큼 빛이 직면 한 부분은 SQL 2017에 상주 한 부분이므로 적응 형 QP가 있습니다

Jeff는 인터리브 된 실행 메모리 권한 부여 피드백을 결합합니다 그것들은 배치 모드에서만 둘 다 있습니다 그래서 모든 것들이 우리가 지금 막 이야기 한 것들입니다 오늘 우리가 SQL 20:19에 대해 발표하는 내용은 무엇입니까? 작업 서 메모리 권한 부여 피드백 interrow 모드입니까? 사람들은 우리가 가지고있는 지연된 컴파일을 가변합니다 OK 문 테이블 변수 변수 함수

에 대한 반복 실행 이제 우리는 테이블 변수에 대한 가치가있을 때까지 테이블 변수에 대한 컴파일을 연기합니다 로스트에서 일괄 처리 모드 또는 얼마나 많은 사람들이 일괄 처리 모드 조인을 사용했는지는 성능에 정말 만족합니다 좋아, 얼마나 많은 사람들이 당신이 쿼리에 열 저장소가 없다면 할 수 없어 좌절되었습니다

그래서 배치 모드는 실제로 효율적입니다 그것의 좋은 묘사로 들어갈 것인가? 그러나 지금까지는 쿼리 어딘가에 열 저장소가있는 경우에만 사용할 수있었습니다 2019 년에는 매장을 성장시킬 때 해당 모드를 사용할 수있게되었습니다 대략적인 QP

새로운 지역이 어디 있습니까? 거대한 Cardenal이있는 경우 그것은 쉽고 카운트 별 같은 집계를 수행하고 있습니다 그것은 우리가하고있는 첫 번째 것입니다 당신은 10,000,000,000 개의 행에서 뚜렷하게 구별됩니다 잠시 시간이 걸릴 것입니다

기억이 많이 걸릴거야 그래서 이것이하는 일은 시간의 매우 작은 소수에서 메모리의 작은 부분에 대한 대략적인 답을 얻습니다 네가 운전 중이라면 대시 보드 나 정확한 값이 반응하는 것만 큼 중요한 것은 아닙니다 이것은 정말 좋은 기능입니다

그래서 ro 모드에 대한 메모리 부여 피드백 SQL (2017)에서는 배치 모드 메모리 허가 피드백을 도입했습니다 원격 유출에 대한 현금 계획을 디스크로 업데이트했습니다 원격 과도한 메모리 부여 낭비 Pine Creek Sick Yusheng에 새로운 쿼리를 추가하면 메모리 부여 피드백의 상태를 이해할 수 있습니다

이것은 모두 150 컴팩트 수준 아래에 있습니다 그래서 우리는 당신이 장면 뒤에서 무엇을하는지 이해하도록 해줍니다 우리는 메모리 허가 피드백 루프가 비활성화 된 X 이벤트가 있습니다 그래서 우리가 메모리 교부금을 조정하고 있다면 그것은 앞뒤로왔다 갔다하며 앞뒤로 움직이며 수렴하지 않습니다

어쨌든 시간의 50 %가 잘못 될 것이라는 점은 없으므로 조정을 중단해야합니다 그 테이블 북 테이블 변수가 실제로 우리의 메모리 교부금에서 쫓겨나는 변수를 보여줍니다 그래서 그것에 대한 정보를 줄 것입니다 새로운 계획 속성 메모리 보조금 피드백이 조정 되었습니까? 이 계획에 대한 메모리 보조금

그리고 몇 가지 값이 있습니까? 그래서 정확한 보조금은 없습니다 그래서, 우리는 그것을하지 않았기 때문에 그것을 조정하지 않았습니다 첫 번째 실행은 우리가 기초가 될 수 없습니다 우리가 처음 본 것은 이번이 처음입니다 계획

당신이 굉장한 숙녀이기 때문에 어떠한 피드백도 사용할 수 없습니다 그리고 나서 네 우리는 거기에있을 수 있습니다 그래서 우리는 그것을 조정했고 우리는 여전히 조정 중입니다 그리고 그렇습니다, 안정적이어서 우리는 더 이상 움직이지 않는 것처럼 보이는 안정된 상태에 도달했습니다

그래서 우리는 단지 것입니다 좋은 전화 그리고 우리는 또한 마지막으로 기억을 요구합니다 문제는 지구본에 반영된 참조가 어떻게 연기 되었는가에 관한 것입니다 우리는 없다? 테이블 테이블 변수가 다른 컴파일을 보여주기위한 공물은 사실 조금 어리니까요

예를 들어, 메모리에 대한 요금으로도 의견을 듣고 싶습니다 일괄 처리 모드에 대한 John의 의견 우리는 방금했습니다 X 이벤트와 고객의 관계는 더 직관적 인 방식으로이를보고 쇼핑 라인 속성을 얻습니다 곧 출시 예정인 것 같습니다

우리는 무언가를 추가 할 수는 있지만 현재는 불가능합니다 질문은 단지 그곳에서 멈추거나 그게 무엇 이었습니까? 권리 기본적으로 그렇습니다 이는 기본적으로 실제 행 수에 대한 증거입니다 그래서 컴파일이 될 것입니다

테이블 변수를 실행하십시오 오, 예상 된 계획부터 시작하고 있습니다 그렇게하지 않으면 그것은 여전히 ​​한 행의 추측 된 추측 횟수를 취합니다 다시는 이것이 예상 된 계획이며 실제로 데이터를보기 전에입니다

이것의 아무도는 이것이 정당한 최적화를하기에서 그것을 멈출 것이다 어떻게 작동하는지 보도록 하죠? 이제 우리는 이것이 어떻게 생겼는지 보게됩니다 당신 좋아, 그럼 내가 데모에 뛰어든다 나는 내 자신을 빨리 소개 할 것이다

저는 동료를 대우하고 있습니다 나는 쿼리 처리 팀의 기술자입니다 SQL 데이터베이스 엔진입니다 그리고 저는 약 2 년 반 동안 팀과 함께 있었고 실제로 적응력이 뛰어난 지능적인 사람들과 실제로 관련되어있었습니다 Kevin이 예를 들어 설명했던 기능들, 나는 적응 형 조인을위한 엔지니어가 아니 었습니다

의견 및 최근에 나는 형제를 위해 일해 왔습니다 모드 메모리 부여 피드백은 현재 공개 미리보기 상태이며 CTP 20의 완전한 레벨 150에 속합니다 이제 모든 데모에서 로마 또는 민주당의 은상 목적에 대한 데모를 살펴 보겠습니다 나는 지금 DW 와이드 세계 수입업자들을 사용할 것입니다

이 특성은 전투력 150 이하에서만 사용 가능합니다 앞으로는 SQL 19에 대해 말하고 있습니다이 기능은 반드시 클라이언트의 모양을 변경하지는 않으므로 압축 수준 요구 사항을 제거하기를 바랍니다 항상하고있는 것처럼 기억의 근거를 바로 잡는 것입니다 모든 컴팩트 레벨에서이 기능을 사용할 수 있기를 바랍니다

Short Elementary를 보면 특히 흥미로운 일입니다 하루에 예상치를 초과하고 편안함 요구 사항 없이는 300,00000 개의 검색어가 표시됩니다 이 기능을 사용하면 3000000 개의 쿼리가 도움이 될 것입니다 알았어 그래서 이걸 전투 레벨 150에 보냅니다

좋아 그리고 우리는 프로 카시를 먹일거야 보통 Eddie 범위 기여도 설정을 수행하면됩니다하지만 저는이를 위해 최선을 다하고 있습니다 그래서 기본적으로이 데이터베이스는 전형적인 스타 스키마입니다

우리는 한 무리의 팩트 테이블을 가지고 있습니다 차원 테이블 예를 들어이 테이블을 보면이 사실에 아마 2 천만 개의 행이있을 것입니다 나는 실제 생산 작업량에서 한 행을 다시 가지지 않는다는 생각에 통계를 제공 할 것입니다 그것은 당신에게 나쁜 계획들을 줄 것입니다

여기이 미친 곳이 있습니다 우리는 해쉬 조인을 얻을 것이고, 우리는 order by 절을 사용하게 될 것입니다이 절은 다시 해쉬 조인 모두를 정렬 연산자로 제공 할 것입니다 우리의 메모리를 소비하는 운영자에게 응답했고, 통계에 피드 테이블에 행이 하나 있다고 생각했기 때문에 이에 답했습니다 그것은 잘못된 기억의 근거를 얻게 될 것입니다

또는 메모리가 거의 주어지지 않을 것입니다 그리고 우리는 그것이 임시 DB로 당겨지고 있음을보아야합니다 그래서이 위대한 것은 아마 2 초 동안 뛰게 될 것입니다 그 동안 나는 이야기하고 싶습니다 이전에 그런 식으로 쇼 계획 속성에 대한 자세한 내용

그들 중 많은 분들이 Dennis에게 훌륭한 세션을 제공하도록 권유하고, 메모리 보조금 피드백이 여러분을 기다리는 것을 알 것입니다 라이브 데이터가 들어오는 것을 볼 수 있습니다 따라서 일부 고객과 마찬가지로 Hey와 같습니다 사고는 시원합니다 하지만 그때 가야 해

메뉴를 시작해야합니다 라이브 데이터를 볼 수있는 설치 마법사가 있습니다 쉽게 볼 수있는 방법과 지금 우리는 내가 보여줄 상호 계획 속성을 가지고 있습니다 잠시 후에 봐라 이 공란을 그렇게 명확하게 봅시다

두 해시 응답 연산자는 그 이유 때문에 충분합니다 추정 된 데일란 원은 실제로 약 3000000 개의 행을가집니다 좋아, 그래서 당신이 기억에서 속성을 보면 내가 말하고 있었던 속성들 정보 속성을 부여하면이 속성 호출이 있습니다 피드백이 조정되었고 현재 그 값은 첫 번째 실행이 아니기 때문에 처음으로 쿼리를 실행하면 사용법을 추적 할 것입니다

디스크에 유출 된 경우 운영자가 실제로 얼마나 많은 메모리를 필요로 했습니까? 실제로이 빌드를 두 번째로 막을 필요가 있으므로 두 번째로이 쿼리를 실행합니다 피드백은 사용법에 따라 결정됩니다 우리는 그것이 쏟아지지 않도록 필요한 기억을 제공 할 것입니다 또한 약 29 초가 걸렸음을 알기도합니다 일시적 DB 주문이 있었기 때문에 쿼리 완료에 실패한 경우, 스퍼스는 상당히 비쌉니다

OK, 약 3 초가 걸렸으므로 거의 10 배 더 빨라졌습니다 이제 속성을 살펴 보겠습니다 좋아, 어디 있니? 좋아, 네가 여기 보면 이제 속성이 변경되었습니다 예, 조절은 피드백을 의미하고 피드백이 적용되었습니다

이 경우 여러 번, 아마도 공정하게 다시 실행하십시오 예라고 말하는 지점에 도달 할 것입니다 이는 메모리 보조금 피드백이 시작되었음을 의미합니다이 단계가 적용되었습니다 그것은 필요한 정확한 메모리를 가지고 있으며 더 이상 변경하지 않을 것입니다

그리고 메모리 건 피드백이 비활성화 될 수있는이 경우도 있습니다 예를 들어, 전력계에 민감한 식물이 있습니다 이것은 파라 미터 및 물건을 가지고 있기 때문에 메모리 부여 피드백에 대한 비 목표입니다 처음으로 파라 미터를 사용하면 매우 낮은 장미를 얻게되고, 두 번째로 파라 미터를 통과 한 파티가 돌아 오면 변동될 것입니다 백만 줄 이니까 요동 치고 22 개 집행 이후에는 회원국이 좋아할 것입니다

이봐, 난이 직업을 돕지 않을거야 증가하고 우리는이 시점에서이 기능을 비활성화 할 것입니다 이 속성은 무효로 읽히지 않습니다 미래가 너를 미치지 못하게하는 것을 의미한다 그것은 하나의 시나리오가 될 수 있습니다 거기에 시나리오가있을 수 있습니다 몇 가지 다른 이유로 비록 계획의 경계 감각이 아니에요

어떤 이유로 든 정적 인 준비가되어 있어도 버그가 있습니다 무언가가 잘못되었다는 것을 알고있을 때 장애인이 될 수 없습니다 당신은 우리에게 다가 갈 수 있으며 문제를보고하고 다른 전력 계량기 중 일부는 볼 수있는 정확한 근거가 없다 제 1 장소에 정원 정확한 보조금 및 메모리 보조금 피드백을 걷어차 필요가 없습니다 좋아요, 그밖에 내가 생각하는 것 이외에 통계를 설정하려고합니다

원래 카운터로 돌아 가지 마십시오 데모의 나머지 부분을 엉망으로 만들면 계속할 수 있습니다 감사 이것은 우리가 작업하고있는이 기능의 단점을 실제로 잘 보여줍니다 우리가 여기서하려고하는 것은 당신이 더 많은 일을하지 않고도 일들을 더 빨리 진행할 수있는 기능입니다

권리 우리는 쿼리를 전혀 건드리지 않았다는 것을 알았습니다 우리는 약 29 초 만에 처음으로 달렸다 동일한 데이터에 대해 똑같은 쿼리를 다시 실행하면 29 초에서 3 초가됩니다 기능의 일종은 기능을 활용하기 위해 무엇이든 다시 작성하지 않고도 더 빨리 수행 할 수있는 기능입니다

따라서 테이블 변수 지연 컴파일 레거시 동작 수동 통계 생성 및 임시 테이블 업데이트 수동 통계 작성을 할 수 있습니다 테이블 변수를 업데이트 할 수 있습니다

이해해 진술서 세금 환급 일시 중지하고 다시 추정하십시오 그래서 여기서의 변화는 테이블 생성입니다 정의

제약 조건을 사용하면 테이블 변수에 대한 임시 테이블을 검사 제약 조건의 기본 키 고유성에만 적용 할 수 있습니다 테이블 변수 생성의 일부로 자동 통계 생성은 임시 테이블에서 발생하지만 테이블 변수에서는 발생하지 않습니다 그리고 마지막으로 하나의 배치에서 시도 객체를 사용하여 생성하면 동일한 배치에서 사용합니다 임시 테이블을 참조하는 명령문을 임시 테이블로 컴파일합니다 첫 번째 실행까지 연기 된 것으로 존재하지 않습니다

그래서 그 일괄 처리 내에서 생성 된 임시 테이블을 참조 할 경우 우리는하지 않을 것이다 그 명령문을 컴파일 할 때까지 우리는 모든 것을 다 실행했습니다 따라서 예상되는 행 수에 대해 적절한 숫자 처리를 할 수 있습니다

테이블 변수 그 같은 상황에서 너 한테 고정시킬거야? 하나의 견적 왜냐하면 우리는 그 진술 텍스트의 중간에 멈출 수있는 방법이 없기 때문입니다 일시 중지하고 다시 추정하십시오

그래서 여기에 변화가 있습니까? 테이블 변수 지연 컴파일로 다시 150 compatmode의 일부입니다 그리고 그것은 그가 Yup 업그레이드를 2019로 변경하고 1:50 호환성을 켜야 만하는 유일한 방법입니다 그리고이 동작은 테이블 변수를 참조하는 명령문의 컴파일을 켭니다 그것은 존재하지 않았다 첫 번째 실행 때까지 연기가 연기 되었습니까? 인터리브 된 실행과 같습니까? 우리는 그 진술에 도달 할 때까지 기다리고 있습니다

그리고 그 전에 얼마나 많은 데이터가 그 테이블 변수에 있는지 계산해 봤습니다 해당 테이블을 참조하는 명령문을 컴파일하십시오 테이블 변수 이제 우리는 그것을 볼 수 있습니다 그래서 전에 테이블 변수를 다른 컴파일하기 전에, 그래서 어떻게이 단어가 소피 쿼리를했는지 또는 당신은 적절한 seger했다

초기 컴파일 동안 테이블 변수를 참조하고 최적화 단계를 수행하는 일련의 명령문이 있습니다 테이블 변수에 의해 반환 된 실제 행 수가 꽤 적지 만 일종의 OK 인 테이블 변수에 대해 하나 귀하의 견적은 완전히 꺼져 있으며 여기에 테이블 변수가있는 경우 문제가 발생합니다 하류에있는 사업자들의 무리는 추정 된 의지를 전파 할 것입니다 대부분의 이러한 의사 결정의 대부분이 사망에 이르기 때문에 품질은 최적화를 수행합니다

중첩 루프 조인이나 해시 조인을 사용하기 위해 조인 알고리즘과 같은 카디널리티 추정은 어떻게됩니까? 그래서 이러한 모든 결정 카디널리티 평가에 영향을 받습니까? 이 개선 이전에 어느 작업을 중단 했습니까? 우리 주변에 어떻게 그렇게 접근 했습니까? 모두 잘못되었거나 손님이 예상 한 것입니까? 재 컴파일 옵션을 사용하여 재 컴파일 되었습니까? 아니면 대신 임시 테이블을 사용합니까? 또는 옵션 해시가 옵션을 선택한다고 말하는 것처럼 강제로 힌트에 가입해야합니다 중첩 루프 조인을하지만 테이블 변수가 다른 컴파일을 사용합니다 이 기능을 사용하지 않아도 문제가 해결되고 떠날 수 있습니다 이것은 전투 레벨 140에 우선적으로 적용됩니다

나는 이것을 140으로 보냈을 뿐이다 개선과 우리는 우리가 얻는 이익이 무엇인지 알 것입니다 우리가 그것을 가능하게 할 때 좋습니다, 여기 마스터가 있습니다 좋습니다, 그래서 우리는 탁자, 변수 호출 딸을 선언하고 우리는 우리 학년에서 그것을 참조 할 것입니다

그래서 이것은 아마도 2 초 동안 진행될 것입니다 계획 모양을 보면 재미있는 일종입니다 당신은 지금 당신이 보는 것을 나에게 말할 수 있습니다 앞으로 전투 레벨 150없이 볼 수있는 것을 기억하고 나에게 말해 줄 수 있습니다 계획을 살펴 봅시다

알았어 그래서 좋습니다 이것이 우리가 보는 테이블 변수입니다 예상 행 수와 추정치에서 수신 된 행 수는 기본값이며 실제 행 수입니다 그것은 실제로 얻었다

약 250 만명이 그렇게 벗어 났습니까? 그리고이 계획에 잘못된 점이 무엇입니까? 모든 입력 누군가 뭔가를 말했다 그래, 관절 유형 그래서 당신이 그것을 볼 수있는 경우 볼 수 있습니다 중첩 루프 조인입니다 우리가 가지고 있기 때문에 좋은 선택의 종류가 아닙니다 350 만 줄과 같이 행 수가 높아집니다

합류하면 더 좋았을 것입니다 이는 예상치를 기반으로하기 때문에 직관적입니다 1의 행 크기, 우리는 너무 적은 메모리로 시작한 다음 10 DB로 스포크가 있습니다 그리고 당신도이 계획에서 병렬성을 갖고 있지 않다는 것을 알 수 있습니다 이것을 전투 레벨 150에서 다시 실행하고 우리가 얻은 것을보고 또한 약 19 초를 신중히 지적합시다

방법을 보자 더 좋아지면 좋아, 150 피울거야 그리고 나는 계산서를 달리고있다 나는 똑같은 테이블에 대해서 똑같은 질의를 사용하고 있는데, 활과 같은 카레를 사용하고 있습니다

누군가 다행히도 우리는 방법이 없습니다 그 때까지 Kiddin 기능을 보았으나, 다음 릴리스에서는 훌륭한 사회 계획 속성을 갖게 되길 바랍니다 이제는 테이블 변수가 빌드 사이트에 있기 전에 대칭 이동한다는 사실을 처음부터 살펴 보겠습니다 이제 프로브 측에 있으므로 보자 실제 행 수는 실제로 행의 수를 줄인 것이 실제로 정확하고 지난 번 예상 한 것보다 좋습니다

그리고 중첩 된 루프 대신 조인 알고리즘이 정확합니다 우리는 해쉬 매치 (hash match)를 가졌고, 이제는이 법안을 가지고 있지 않습니다 이 기능을 사용하면됩니다 우리는 개선을위한 나쁜 계획을 수여하고 있습니다 우리는 발전하고 있습니다

계획은 인턴의 수행 능력을 향상시키고 그 효과를 나타냅니다 9 초 네 다시 한번 그것은 또 다른 예입니다 의 무엇이든 바꿀 필요없이 빠르게 물건을 만들 수 있습니다

통과하지 않았습니까? 별개의 개수 처음에는 그것에 대해 조금 설정하십시오 이것이하는 일은 정답의 근사치를 제공하는 것입니까? 그리고 매우 작은 메모리를 사용하여 매우 빠릅니다 하이퍼 로그 로그라는 기술을 사용합니다 실제 결과를 샘플로 추정하는 방법입니다

결과가 있어야합니다 결과는 97 %의 경우 정답의 3 % 이내가 될 것입니다 알고리즘을 깨고 답을 줄 수있는 복잡한 상황을 만들 수 있습니다 그만해 그러나 97 %의 경우

그것은 아주 작은 마진 안에있게 될 것입니다 그리고 이것은 다시금 재정상의 결과와 같은 것이 아닙니다 정확한 답변이 중요한 부분 분명히 약을 사용하지 않을 것입니다 그러나 당좌 계좌의 잔액은 얼마입니까? 그러나 반응성이 정확도의 마지막 두 자리 수보다 훨씬 중요한 경우에 적합합니다

이것은 많은 의미가 있습니다 따라서 바늘을 몰 때 대시 보드를 운전하면됩니다 마지막 두 자리 숫자는 아무도 알아 차릴 수 없을 것입니다 그러나 업데이트되기 전에 30 초 동안 기다렸는지 알 수 있습니다 맞아요

이것이 정말로 많은 의미가있는 일종의 것입니다 이것은 구문 변경이므로 새로운 구문을 사용하여 옵트 아웃해야하므로 compat 수준 요구 사항이 없습니다 그래서 뚜렷한 수 대신 이제 값이 값의 별개 개수로 계산됩니다 그래서 아주 사소한 변화

표현 내에서 분명히 구별하기 위해 먹일 수있는 것은 무엇이든간에 어떻게 생겼는지 보자 좋아요, 근본적으로 approx count distinct는 주어진 표현식을 평가하고 그룹 내에서 비 ​​고유 null 값의 대략적인 수를 반환합니다 Kevin이 대략 플러스 또는 -3 %의 97 %라고 말한 것과 비슷합니다 주된 이유 중 하나는 응답 성을 사용하려는 것이고 두 번째 것은 응답입니다

그것은 아주 작은 기억 공간입니다 그래서 별개의 셀 수는 매우 철저한 작업이며 대부분의 시간입니다 당신이 그것을 알아 차리면 그것을 게시합니다 반면 MDB 별개로 생각하면 매직처럼 보일 것입니다

아마 기억력이 300 배 적어지기 때문에 구술력을 구별 해내는 인턴이 매우 적게 인쇄됩니다 정확한 가치와 아마도 약간의 시간이 걸릴 것입니다 메모리 집약이기 ​​때문에 다시 말하지만, 데이터 세트에 값이있는 경우 이것은 메모리 사용량이 적은 곳에서 사용할 수있는 완벽한 예와 같을 것입니다 그렇게하지 않으면 흘러 넘치지 않고 큰 지연을 초래할뿐만 아니라, 다른 검색어도 굶주리고 있지 않습니다

그래서 우리가 철자를 모르더라도 필요한 것보다 더 많은 메모리를 사용하고 작은 메모리 사용량을 사용합니다 다른 쿼리에 더 많은 메모리를 제공합니다 어디서나 당신은 철저하고 정교 할 필요가 없습니다 이것은 좋은 일이 될 것이고 배치 모드의이 힌트 감속을 사용하여 나의 carianne를 본다면 좋아 왜냐하면 나는 천둥을 뱃치 모드에서 훔치고 싶지 않기 때문이다

또 하나의 개선점 인 100 oh 지능형 QPQB 트리가 여기에 있습니다 나는 너무 사랑한다 이 기능을 사용하지 않으면이 쿼리가 일괄 처리 모드로 실행됩니다 자 이제 저는 이것을 실행하려고합니다 이것은 정확한 값을 반환 할 별개의 버전입니다

나는 아마 약간의 시간이 걸릴거야 메모리 집약이기 ​​때문에 다시 말하지만 완벽한 완벽한 저녁 식사는 어떤 유형의 쿼리 연도에 따라 달라집니다 계좌 개설 여부를 확인하고 계십니까? 실제로 전적으로 기억에 맞을 것입니다 아마 많은 것을 볼 수 없을 것입니다

첫째, 게임이지만, 특히 MDB 인 경우에는 차이점을 확인하게됩니다 따라서이 보고서에는 약 29000000 개의 별개 값이 있다고합니다 그것이 반환 할 가치이며, 그런 다음 메모리를 살펴 보겠습니다 승인 속성

승인 이렇게 부여 된 메모리는 약 15GB였습니다이 경우에는 분쟁을 시도하지 않았지만 여전히 좋습니다 메모리 1

5GB의 메모리가 많으며 대략적으로 소요되었습니다 12 초 이걸 다시 실행 해보자 테스트를 세고 오류율 내에 있는지 확인하십시오 뭐라구? 시간 낭비하고 기억이 어떻게 생겼어? 뭐라 했니? 우리가 완전히 다른 기능을 사용하고 있기 때문에 다른 쿼리입니다

나는 금전적 인 현금을 지우고 그것을 증명하기 위해 당신을 위해 그것을 다시 실행한다 그것은 완전히 다른 방식입니다 나는 그것이 OK에 영향을 미쳐야한다고 생각하지 않아 약 5 초 후에 끝난다 그리고 메모리 정보를 살펴 봅시다 문자 그대로 1

5KB 272KB에서 100KB조차 보이지 않는 경우 우리가 약간 벗어 났을 정도로 대략 20000000 개의 줄이 있다고 말하면서 그것을 끝내었다 그러나 그것은 아직도있다 특히 대시 보드에서이 문제를 사용하는 경우에는 문제가되지 않습니다 나는 단지 소품 현금을 지우고 완전히 다른 등급이라는 것을 보여주기 위해 다시 한 번 해보겠습니다 이게 어디 있니? 여름, 네, 거기있어, 가라

나는 해외 현금을 먹일거야 그 위대한 재방송하자 승인 아, 그런데 어쨌든 재 컴파일이있었습니다 그렇지 않다면

알았어요 네, 그래도 여전히 같은 성능입니다 30000000 행 그리고 우리는 여전히해야합니다 상대적으로 적은 메모리 인쇄 좋아, 너 한테 돌아가

지금까지 데모에 관해 언급 한 내용에 대해 지금까지 다른 질문이 있습니까? 이것은 근사치 개수는 예외 중 하나이지만 일반적인 경우에는 우리가보고있는 것입니다 뭐야? 코드를 변경하지 않아도되는 기능을 채택 할 필요가 없습니다 그것은 단지 더 빨리 달린다 그리고 그것이 당신을 그들이 compat 수준으로 보았던 이유입니다 그래서 우리가 계획을 최적화하는 방식을 바꿀 수있는 모든 것

또는 계획 수행의 모양 코드에서 아무 것도 변경하지 않아도됩니다 컴팩트 한 수준으로 단단 해지겠습니까? 그렇게하면 당신 밑에서 변화하는 것에 대해 걱정하지 않고 업그레이드 할 수 있습니까? 갑자기 문제 그래서 당신은 월별 명세서 기능이 테이블 값입니다

그래서 다중 문장 테이블 값 함수? 예 거기에 도움이 필요합니다 무언가를 추가하십시오 그러나 사라졌습니다 권리

다시 그래서 대략 별개로 계산하십시오 수학은 내 머리 위로 하이퍼 로그 로그이지만 길입니다 Cliff 노트 버전은 무엇입니까? 그들이하는 일은 상당히 정교한 표본 추출 알고리즘을 사용하는 것입니다

특정 범위의 데이터 세트 내에서 샘플 가져 오기 그리고 그들은 비밀스런 소스가 어떤 것을 대표 해 그것이 좋은 각도의 예가 될 것인지를 알아내는 방법을 가지고 있습니다 따라서 소량의 데이터 만 소화해야합니다 없이 모든 방의 전체 데이터 세트를 검토합니다

동기화를 자랑스럽게 생각하면 유용합니다 데이터 세트를 메모리에 저장할 수있는 경우 매우 큰 데이터 세트가있는 사례 당신은 많은 것을 얻지 못할 것입니다 그게 전부라면 정답에 농장을 베팅하지 않는 완벽한 결정 정확성을 요구하지 마십시오

Don'TN은 빠른 응답이 필요합니다 재무 결과에 대한 정확한 답변이 필요하거나 작은 데이터 세트가 필요한 상황에 적절하지 않으며이를 이해하는 것이 중요합니다 대략 별개의 수는 마술이 아닙니다 이것이 해결할 수있는 문제에 부딪치지 않는다면 항상 빠르지 만 빨리 답할 것입니다 당신을 위해 무엇이든 해결하십시오

그래서 만약 당신이 메모리가 부족하거나 굶어 죽지 않는 메모리의 양 때문에 소비에 의해 별개 그렇다면 당신은 가지 않을 것입니다 이것은 당신을 위해 많은 것을 향상시키지 않을 것입니다 당신이 그것을 실행하는 시간이 길수록 구별되지 않을까요? 항상 걸릴거야? 그만큼의 기억 그리고 그것은 전형적으로 병목 현상이 될 것입니다

아마 메모리지면 피드백이 도움이되었을 것입니다 두 번째 시간을 보여 주었다면 아마이 빌드를 수정했을 것입니다하지만 여전히 진행될 것입니다 모든 작업은 철저한 작업이므로 메모리가 필요합니다 기본적으로 모든 고유 값의 해시 테이블을 구축하고 있습니다

과 값이 수백만 개의 별개의 값을 가지면 정말 큰 데이터 구조가됩니다 Hennis는 많은 공간을 통제합니다 장미 저장소에 배치 모드 그래서 일괄 처리 모드입니다

우리가 컬럼 스토어 인덱스를 갖기 시작했을 때 우리가 컬럼 스토어에 들어온 것 컴 매장 매우 압축 된 공기로 매우 효율적으로 많은 데이터를 처리하기 때문에 좋은가요? 일괄 모드 처리가 그 (것)들로왔다 둘 다 스캔 롯트에 대한 분석 쿼리에서 작동하는 경향이 있습니다 그리고 많은 양의 데이터와 당신은 일반적으로 합계 평균을하는 것과 같은 것을합니다

로스트 또는 이동 하나 시간을 썼다 그래서 당신은 실행, 전체 계획을 통해 하나의 행을 이동합니다 일괄 처리 모드를 통한 흐름은 한 번에 수천 개의 행에 대한 데이터를 전달하고 약 1,000 개의 행을 일괄 처리하고이를 통해 전달합니다 과 그래서 대신 앞쪽 평균 연산자를 사용하면 TH 행의 Rd가 평균에 더 많은 값으로 추가되고 다른 값이 평균에 더해진다

대체 어디에? 한 번의 작업으로 1,000 개의 행을 표시합니다 프로세서 내에서 벡터 응용 프로그램을 사용하므로 속도가 빨라집니다 훨씬 더 효율적이지만 칼럼 스토어와 관련되어있어 최적화 프로그램을 속일 수있는 악명 높은 MVP가 있습니다 일괄 처리 모드를 사용하면 쿼리에 com 상점을 사용하지 않고 있음을 알 수 있습니다 만들기

업데이트 열 저장 테이블이 있습니다 쿼리에 실제로 참여하지 않은 인덱스 최적화 프로그램이 일괄 처리 모드를 사용할 수 있다고 생각하게 만듭니다 그래서 사람들이 이러한 융합 된 작업 해결 방법을 고안하게하는 것이 아닙니다

우리는 당신에게 그것을 사용하는 방법을 줄 것이라고 생각했습니다 앞 그래서 실제로 잡동사니 시나리오에서 유용하므로 하이브리드 트랜잭션 분석 처리가 가능합니다 그래서

다수 더 나은 배치 모드는 매우 효율적입니다 큰 행 집합에 대해 집계를 수행 할 때 사례 사용 사례가 중복되는 열 저장 작업을 평가했습니다 일종의 조작에 의한 지능

너는이 재고 목록이 다 떨어지기를 언제 알았 으면 좋겠다 꽃을 사용하는 표준 예제에서는 꽃을 판매하고 있습니다 당신은 하루가 끝날 때 다 떨어지기를 원합니다 또는 당신은 내일 전에 도움이 될 남은 꽃 잔뜩이 있거나 하루가 끝나기 전에 당신이 다 떨어지게 될지 모른다면 그리고 나중에 사람들을 나눌 때 나타날 수있는 모든 사람들의 기회를 잃어 버립니다

따라서 그것은 부패하기 쉬운 필수품이며, 이것이 어디서 얻을 수 있는지에 대한 한 가지 예일뿐입니다 특정 결과는 인생 데이터에서 분석적 쿼리 결과를 가져 오지만 ETL을 처리하지 않고 몇 시간 후에 분석합니다 따라서 로스트 또는 배치 모드의 일종의 시나리오입니다 열 저장소를 사용할 수없는 경우가 있습니다 그래서

다수 더 나은 배치 모드는 매우 효율적입니다 큰 행 집합에 대해 집계를 수행 할 때 사례 사용 사례가 중복되는 열 저장 작업을 평가했습니다 열 저장이없는 곳에서도 유용합니다

그래서 이것은 일종의 프로세스를 얻는 방법의 차이를 보여주는 그래픽의 일종입니다 여기에 로밍 모드가 표시됩니다 따라서 각 행은 쿼리 계획의 모든 작업을 순차적으로 처리합니다 각 열이있는 열 저장소의 일괄 처리 모드는 별도의 저장소에 있으며 그 행에서 천 개의 행을 가져옵니다 모든 작업을 하나씩 차례로 진행합니다

그러나 1000 명의 전체 집단이 모든 작전을 통해 하나의 단위로 행동을 썼다 고 말했습니다 로스트 용 일괄 처리 모드를 사용하거나 똑같은 작업을 수행 할 수 있으므로 모든 열과 행이 있으므로 수천 줄이 필요합니다 네가 만날 수있는 열 스토어처럼 쿼리에 참여하지 않는 참조 열은 사용하지 마십시오 모든 것을 복원하기 위해 복원

그리고 1000 행의 그 그룹 그런 다음 쿼리의 연산자를 모두 통과합니다 그래서 이것은 우리가 여기에서하고있는 것에 대한 개념 개념의 일종입니다 다시 150 콤팩트입니다 쿼리의 모양을 변경하기 때문에 문제가 발생합니다

최적화 일괄 처리 모드 경험적 방법 따라서 우리는 최적화 프로그램이 일괄 처리 모드 계획을 고려하도록 허용하고 있습니다 열 저장소가없는 경우 그래서 우리는 최적화 된 검색 공간을 열어 가고 있습니다 주어진 쿼리가 가능한 모든 방법을 통해 검색 할 것이기 때문에 문제를 해결할 수 있습니다

맞아요 답을 얻기 위해 취할 수있는 모든 다른 경로를 통해 모든 검색을 해결할 것입니다 주어진 쿼리 그리고 일괄 처리 모드를 추가하여 그 가능성을 폭발 시켰습니다 어느 것이 가장 효율적인지를 탐구하고 평가해야합니다

그래서 거기에는 비용이 있습니다 그래서 우리는 그것을 지우는 것을 피하기 위해 맨 위에 위로 몇 가지 발견법을 넣었습니다 그 길은 당연히 이기지 못할 것입니다 따라서 작은 테이블 인 경우 연산자를 사용한 후에 테이블 크기를 살펴 보겠습니다 일괄 처리 모드로는 아무 것도 얻지 못할 것이기 때문에 여분의 오버 헤드를 처리하지 않을 것입니다

모든 계획을 탐색합니다 입력 쿼리에서 예상 된 카디널리티입니다 최적화를 거치면서 추가 체크 포인트가 생기는데, 모든 일괄 처리 방식 플랜트가 훨씬 더 높은 비용을 지불하고 원격 계획이 무엇인지 알 수 있습니다 아마 평가 일괄 처리 계획을 중단 할 것입니까? 우리가 그것들을 넣기 전에 우리는 어디에 있었는지를가집니다 우리는 할 수 있었다

일괄 처리 모드로 실제 쿼리 실행 속도를 약간 높일 수는 있지만 컴파일 시간이 길어지면 어떤 이득도 얻지 못합니다 실행 시간 이것이 바로 이러한 최적화를 통해 여기서 피하고자하는 것입니다 우리는 또한 많은 컨트롤을 제공합니다 따라서 배치 모드를 강제로 해제 할 수 있습니다

할 수있어 사용 가능하게 만들지 만 강제되지 않습니다 왜냐하면 옵티마이 저가 계획을 완료하는 더 빠른 방법을 찾으면 더 좋든 그렇지 않든간에 그렇게 할 것입니다 그래서 우리는 조금 새로운 배치 모드 스캔 연산자를 도입하여이 연산자가 실제로 데이터 페이지 밖으로 또는 열 저장소에서 데이터를 읽는 쿼리 실행의 일부가되었습니다 그리고 그 파이프 라인에 데이터를 공급하기 시작합니다

그리고 이제 그 모든면에서 우리는 배치를 형성하고 있습니다 따라서 스캔 운영자는 장미 점을 읽으면 그 시점에서 학사 학위를 받고 그 이후의 모든 것은 배치 모드로 실행됩니다 따라서 가능한 한 충분합니다 워크로드의 상당 부분이 분석 쿼리 인 경우 어떤 이점이 있습니까? 조인 및 집계와 같은 연산자가 수십만 개의 행을 처리하는 곳은 어디입니까? IO 경계가 완전히 바뀌면 작업 부하가 CPU에 바인딩됩니다 그러면 CPU로 무엇을 할지라도 아무 것도 바꿀 수 없습니다

그리고 거기에는 추천도 있습니다 열 스토어가 데이터의 양을 줄이기 때문에 열 저장소를 추가 할 수 있다면 실제로 사용할 수 있습니까? 그렇다면 사용해야 할 부분을 크게 줄여야합니까? 일반적으로 열 저장소에서 90 % 압축을 얻으므로 원래 크기의 10 %입니다 또한 쿼리에 참여하는 열만 볼 수도 있습니다 따라서 테이블에 천 개의 열이 있고 오전 5 시가이 쿼리에 참여하는 경우 나는 이것 때문에 5 열을 읽어야 만합니다 별도의 물리적 컨테이너에있는 각 열

따라서 열 저장소 인덱스 광고를 너무 많이 생성하여 열 저장소 인덱스 광고를 작성하면 작업 부하의 트랜잭션 부분에 너무 많은 오버 헤드가 발생합니다 또는 턴을 많이하고 있다면 칼럼 스토어의 성능이 저하 될 것입니다 응용 프로그램이 일반적인 별에 아직 지원되지 않는 기능에 의존하기 때문에 가능하지 않은 경우 분명히 당신은 그들을 사용할 수 없습니다 그래서 그것들은 당신이 그들을 사용하지 않을 때입니다

이제 우리는 당신의 외모를위한 데모를 가지고 있습니다 다시 말하지만, 이것은 있습니다 점점 죄송합니다 다시 말하지만,이 기능은 내가 호환 할 수있는 가장 부유 한 기능이므로 컴팩트 레벨 150에서 사용할 수 있습니다 2이 데모의 목적을 위해 다시

나는 우리가 칼럼 스토어를 가지고 있지 않다는 것을 지적하고 있습니다 그렇지 않은 경우 색인을 작성하십시오 로스트에서 배치 모드는이 갈망이 프로 모드로 실행되는 방식으로, 이제는 내가 그렇게 보여줄 것입니다 예를 들어, 귀하의 사용자와 마찬가지로, 이봐, 나는 기본적으로 내 경력이 배치 처리와 함께 bash Motorola 상점에서 실행되는 것을 원하지 않는다 사용자가 배치 모드 처리를 사용하지 않도록 명시 적으로 선택할 수있는 배치 모드 힌트의 Decelle입니다

그래서 저는이 손을 사용할 것입니다, 그래서 우리는 어떤 성능을 볼 수 있습니다 로마 모드와 같습니다 그리고 우리가 미래를 건설하기 전에 우리는 그 초등학생을 보았습니다 그래서이 개선점은 누구입니까? 우리는 그 기초에서 유익을 얻을 수 있도록 건설 할 것입니다 대부분의 분석 작업 부하는 일괄 처리를 통해 이익을 얻었지만 열 저장 인덱스가 필요하다는 요구가있었습니다

좋아, 보자 그래서 당신은 그것이 진짜 모드라는 것을 알 수 있습니다 이 모든 연산자가 브로 모드에서 실행중인 것을 볼 수 있습니다 좋아, 그럼하자 경과 시간을 살펴 보겠습니다

11 네 11 초는 힌트없이 이것을 재실행합시다 기본적으로 행 저장소에서 일괄 처리 모드로 실행되므로 일괄 처리가 진행됩니다 11 초에서 3 초

Forex Forex 개선 그래서이 모든 것들을 볼 수있는 것처럼 보자 이제 배치 실행과 내가 지적하고자하는 또 다른 흥미로운 점이 있습니다 스토리지는 로스트 또는 그 의미를 설명 할 때 볼 수 있습니다 즉 해당 스토리지를 의미합니다

여기서 무료 데이터 원본은 AB 트리 또는 힙 이었습니까? 기본 로스트 또는 테이블, 열 스토어가 아니므로 데이터가 로스트에서 나왔음을 알 수 있습니다 그러나 물리적 스캔에서 일괄 처리 모드로 처리됩니다 내 생각에는 승인 배터리 모드 및 복원에 대한 3 가지 질문

우리는 질문이 있습니다 그러면 얼마나 비쌉니다 이러한 생물은 일반적으로 자원을 절약하므로 더 빨리 진행되므로 비용이 적게 듭니다 맞아 희망을 갖고 잘하십시오

그리고 이것이 우리가 일이 점점 악화되는 것을 막는 방법입니다 따라서 전체 쿼리 성능을 제공하는 변경 사항을 선택해야합니다 그리고 매년 또는 2 또는 길게주기가 있습니다 그것의 현재 세트를 취할 것입니다 동일한 코드를 SQL 서버 버전으로 제공하십시오

당신의 전제라면 그러나 이것이 다시 시장의 차별화 요소라고 생각하는 호환성 수준입니다 플랫폼을 서비스로 실행하든, 아니면 서비스로 실행하든 동일한 코드가 있습니다 VMS 또는 전제의 서비스로서의 인프라 그것은 모두 동일한 쿼리 엔진이므로 실제로 만듭니다

보드 전반에 걸쳐 좋은 호환 이야기 예, 관리는 인프라에서 Azure의 모든 부분과 동일한 방식으로 업데이트됩니다 네 희망 사항이 개선됩니다 그리고 이것이 우리가 일이 점점 악화되는 것을 막는 방법입니다

따라서 전체 쿼리 성능을 제공하는 변경 사항을 선택해야합니다 그리고 매년 또는 2 또는 길게주기가 있습니다 그것의 현재 세트를 취할 것입니다 동일한 코드를 SQL 서버 버전으로 제공하십시오 당신의 전제라면

그러나 그것이 다시 시장의 차별화 요소라고 생각하는 호환성 수준입니다 플랫폼을 서비스로 실행하든, 아니면 서비스로 실행하든 동일한 코드가 있습니다 VMS 또는 전제의 서비스로서의 인프라 그것은 모두 동일한 쿼리 엔진이므로 실제로 만듭니다 보드 전반에 걸쳐 좋은 호환 이야기

예, 관리 인스턴스는 인프라에서 Azure의 모든 부분과 동일한 방식으로 업데이트됩니다 희망 사항이 개선됩니다 그리고 이것이 우리가 일이 점점 악화되는 것을 막는 방법입니다 따라서 전체 쿼리 성능을 제공하는 변경 사항을 선택해야합니다 그리고 매년 또는 2 또는 길게주기가 있습니다

그것의 현재 세트를 취할 것입니다 동일한 코드를 SQL 서버 버전으로 제공하십시오 당신의 전제라면 그러나 그것이 다시 시장의 차별화 요소라고 생각하는 호환성 수준입니다 플랫폼을 서비스로 실행하든, 아니면 서비스로 실행하든 동일한 코드가 있습니다

VMS 또는 전제의 서비스로서의 인프라 그것은 모두 동일한 쿼리 엔진이므로 실제로 만듭니다 보드 전반에 걸쳐 좋은 호환 이야기 예, 관리는 인프라에서 Azure의 모든 부분과 동일한 방식으로 업데이트됩니다 그래서 질문은 도움이 나를 이해하는 데 도움이됩니다

백색 흰색 배치 모드가 덜 효과적 일 경우 그래서 그 문제는 무엇입니까? 최적화 도구 가능한 모든 계획을 평가하여 사용할 가장 저렴한 계획이 무엇인지 확인해야합니다 그리고 돌아서

가능한 단위로 배치 모드에서 단지 가능성의 수를 곱했습니다 그것은 평가해야하므로 더 많은 시간이 걸릴 것입니다 최적화 단계에서 컴파일하는 동안 고정 세금이 적용됩니다 따라서 최적화를 수행하는 데 10 초가 걸리면 쿼리 실행 시간이 3 초 2 초가됩니다 당신은 여전히 ​​길을 잃었습니다

그래서 그 아이디어가 있습니다 승인 이것이 우리가 지능형 쿠폰에 대해 이야기해야했던 것입니다 저기있다 더 많은 정보를 얻으려는 곳에서도 질문 할 수 있습니다

나무도 평화의 하나 Azure에 대한 빠른 트랙이라는 프로그램이 있습니다 Azure로 마이그레이션하는 경우 우리는 당신을 도울 수있는 연습을했습니다

검증 된 사례를 통해 Microsoft는 전문성을 발휘하여 어디에서나 전문성을 발휘할 수 있습니다 설계 구성 개발부터 배포, 마이그레이션에 이르기까지 모든 것이 여러분의 도움을받을 수 있습니다 네, 고마워요

2-How To Insert Data in Database Using C# with SQL

안녕, 친애하는 친구 이 비디오에서 양식 응용 프로그램을 통해 데이터베이스에 데이터베이스를 추가하는 방법을 설명하겠습니다

우리가 데이터베이스를 보면 직원 표 나는 성, 이름 및 업무에 종사 할 것이다 그리고 나는 다시 연습 할거야 여기에 세 개의 LABEL을 추가합니다 첫 번째 LABEL의 텍스트는 성입니다 두 번째 광고입니다

마지막으로, 세 번째 작업입니다 과 사용자로부터 정보를 검색하고 싶습니다 내 양식에 TEXTBOX를 추가합니다 확인을 클릭합니다 이제

첫 번째 TEXTBOX의 이름은 txtLastName입니다 과 두 번째 txtFirstName 그리고 txt 제목 삽입을하려면 버튼이 필요합니다 즉 이 단추의 텍스트가 추가됩니다

버튼의 이름은 btnAdd (Add)가됩니다 좋아 추가 버튼을 두 번 클릭하면 그것은 나를 삽입의 방법으로 안내 할 것입니다 여기서 SqlConnection (데이터베이스에 대한 링크)을 만들어야합니다 그러나 이전 비디오에서이 링크를 만들었습니다 공통된 네임 스페이스에서이 링크 코드를 사용하여 원하는 모든 메소드에서이 링크 코드를 사용합니다

나중에 연결을 여는 중입니다 과 여기에 SqlCommand를 만듭니다 이것은 제가 작업중인 데이터베이스입니다 [DBO] 나는 '직원'테이블에서 일하고 있습니다 값 성씨 이름 과 태스크 값 txtlastname

text 과 txtfirstnametext 과 txttitletext 과 여기서 SqlConnection을 작성합니다 우리 명령이 준비되었습니다 그러나 아직 명령되지 않았습니다

이 시점에서 우리는 명령을 내 보내야합니다 cmdexecutenonquery () 과 connectionclos A (); 이제 추가가 준비되었습니다 내 프로젝트를 운영하고 있습니다

여기에 프로그램이 있습니다 다운로드 버튼을 클릭하면 직원의 정보를 봅니다 하지만 직원을 추가하고 싶습니다 예를 들어, 성 : Jane 이름 : Mary 및 의무 : 영업 담당자 확인을 클릭합니다 Insert 키를 누르면 이 정보를 데이터베이스에 추가했습니다

하지만이 표는 지금 볼 수 없습니다 나는 테이블을 갱신해야합니다 예 Mary Jane – 판매 대리인 경관 이드 자동으로 조정 된 예, 이것이 바로 우리가 추가 한 것입니다 그리고 나는 당신의 시간을 많이 쓰고 싶지 않았기 때문에 나머지 정보를 쓰지 않았습니다

원한다면 쉽게 할 수 있습니다 다음 비디오에서 데이터베이스의 데이터를 삭제하는 과정을 보여 드리겠습니다 예를 들어, 테이블에서 선택된 행을 삭제합니다 자신을 돌보아주세요 보고 주셔서 감사합니다

제발 내 채널에 가입 🙂 좋은 하루 🙂

Summer of NYTD Session 02: Data Structure – National Youth in Transition Database (NYTD)

아동 학대 및 방임에 관한 국가 데이터 아카이브 NYTD의 여름에 오신 것을 환영합니다! 지난 주에 우리와 함께하지 않은 사람들을 환영합니다

다시 돌아와 주셔서 감사합니다 이 아동 학대 및 방치에 관한 국립 자료실 (National Data Archive)의 여름 훈련 세미나 시리즈입니다 우리는 코넬 대학의 번역 연구를위한 브론 펜 브레너 센터에 있습니다 그리고 여기 여름 훈련 시리즈의 개요가 있습니다 나는 실제로있을거야

오늘 세션의 발표자 인 제 이름은 Erin McCauley이고 저는 대학원 연구원입니다 Bronfenbrenner Center에서 데이터 보관소를 사용하십시오 그리고 저는이 시리즈의 호스트입니다 그래서 당신은 매주 내게 소식을 듣겠지만, 이번 주에 나는 또한 발표자가 될 것입니다 지난주 Telisa Burt와 NYTD 데이터 세트에 대한 절대적으로 훌륭한 소개가있었습니다

Tammy White NYTD 프로젝트 매니저와 NYTD 데이터 애널리스트는 아동 국에서 일했습니다 우리는 정말로 그들로부터 다른 관점을 확실히 가지고 있다는 소식을 듣고 운이 좋았습니다 그들의 소개를 듣고 정말 좋았어요 그리고 오늘은 더 많이 이야기 할 것입니다 데이터 구조에 대해 미리보기 만하면됩니다

Michael Dineen은 우리의 레지던트 NYTD 전문가가 Frank Edwards와 공동으로 다음 3 세션을 이끌 것입니다 다음 주 오늘은 데이터를 다운로드 한 다음 종류를 나타내는 방법에 대해 이야기 할 것입니다 데이터의 전체 레이아웃에 대한 정보를 얻은 다음 Michael은 다음 3 주간에 대한 껄끄 러운 부분은 일반적인 문제를 해결하는 것입니다 우리는 데이터 사용자로부터 듣습니다

그래서 나는 그 사람들이 특히 좋은 발표가되기를 기대하고 있습니다 정말 기대하고있어 이번에는 발표자가 될 것입니다 여기 내 연락처가 있습니다 정보 및이 세션에 대한 이메일을 통해 질문을 할 수있는 것은 솔직하게 무엇이든 할 수 있습니다 시리즈에 대해

그리고 오늘 여기에 대한 우리의 의제가 있습니다 그래서 나는 정확히 어떻게 우리가 데이터를 사용하려는 사람은 상당히 중요하기 때문에 데이터를 다운로드하십시오 그럼 나는 우리가 서비스와 결과 파일을 가질 수 있도록 우리의 데이터 구조에 대해서도 이야기 할 것입니다 다음으로 사용할 수있는 여분의 리소스에 대해서도 이야기 할 것입니다 우리의 데이터 아카이브는 사람들이 할 수있는 것 이상으로 데이터를 다운로드하고 사용자와 진정으로 소통하고 싶습니다

그래서 나는 우리가 너희들이 듣고 싶어하는 정말 좋은 자료들 그래서 오른쪽으로 뛰어 다니기 만하면됩니다 데이터를 다운로드하는 방법 먼저 NDACAN의 NDACAN 웹 페이지로 이동하십시오 Cornell

edu 이것은 우리의 데이터 세트에 액세스하기위한 첫 번째 단계입니다 사용자 안내서, 코드북 또는 추가 리소스 중 하나가 오늘 논의 할 예정이었습니다 우리도 몇 가지 질문에 대한 listserv에 가입하는 방법에 대한 마지막 세션 이야기하고 그래서 우리 listserv는 우리가 정보 같은 폭풍과 같은 종류를 발송하는 곳입니다 이 훈련 세미나 같은 것들에 대해서 또한 우리가 새로운 것을 가질 때 우리가 어디에 놓는 지 데이터 릴리스 그런 다음 데이터 사용자가 사용할 수있는 다른 리소스에 대해서도 이야기합니다

우리 여름 연구원 및 연구소가 있으므로 신청서가 발급 될 때 보내드립니다 그것은 listserv에 있으므로 정말 연관되어있는 것이 좋습니다 그리고 그걸 할 수 있어요 이 웹 사이트를 통해 그리고이 페이지로왔다 갔다하는 것이 었습니다

그것을 다운로드하는 방법에 관한 스크린 샷과 NDACAN 웹 사이트에 갈 때 이것은 무엇입니까? 알 겠어 데이터를 다운로드하려면 데이터 세트 탭을보아야합니다 주위에 회색 초록색 상자가 거의 없다 그러면 여기에서 세 번째 탭임을 알 수 있습니다 왼쪽에서 한 번 클릭하면 데이터 세트를 선택해야합니다

NYTD 데이터 인 오늘에 대해 이야기하면서 전환 청소년 데이터베이스를 구축했습니다 그리고 한 번 클릭하면 두 개의 영역을 클릭 할 수 있습니다 데이터 세트를 사용할 때 맨 위에는 핵심 링크가 빠른 링크로 표시되어 NYTD를 클릭 할 수 있습니다 그곳에 또한 하단의 목록 영역에서 우리는 모두 우리의 데이터 세트와 NYTD 데이터 세트가 바로 거기에 있습니다

따라서 어느 옵션이든 같은 장소로 데려다 주면 세 가지 옵션, 즉 서비스 파일이 있습니다 코호트 2에 대한 결과 및 코호트 1에 대한 결과 그리고 나서 데이터 세트 번호 거기서 NYTD를 클릭하면 여기서 끝납니다 이것은 우리 가정 기지의 종류입니다 왼쪽에 데이터 세트 번호가 있고 일대와 파일 이름이 있음을 볼 수 있습니다 및 웨이브 사양 이 프레젠테이션의 뒷부분에서 우리는 이러한 서로 다른 파일의 의미, 포함되는 내용 및 다른 데이터 구조

이 아니라면 이제 이러한 데이터 세트 중 하나를 선택하면 데이터 세트 세부 정보로 이동하게됩니다 페이지는 이렇게 보입니다 그리고 오른쪽 상단에는 링크 목록이 있습니다 그 중 하나는 데이터를 주문하는 것이고 그 데이터는 가장 상위의 데이터이므로 모든 데이터에 대해이 작업을 수행합니다 아카이브에서 다운로드하려는 파일을 선택하십시오

보내기에 대한 안내도 있습니다 데이터 집합에 대한 질문을하고 데이터 집합 목록으로 돌아갑니다 나는 여기에 그것을 묘사하지 않았다 이 페이지의 맨 아래에는 코드북과 사용자 가이드뿐만 아니라 이 데이터 세트 클러스터에 대한 서적 링크 그래서 사본을 다운로드하려면 오른쪽 상단에있는 해당 링크를 클릭하십시오

그리고 이것은 너를 지시로 이끌 것이다 페이지에서 데이터 다운로드 방법을 확인하십시오 그래서 첫 번째 단계는 메일 링리스트를 작성한 다음 각 데이터 세트에 대한 디지털 계약 조건 PDF도 갖습니다 따라서 각 데이터 세트에 대해 원하는 것을 입력하고 싶으면 입력하십시오 모든 지시 사항이 있지만 이름을 변경하고 다시 이메일로 보내주십시오

제출 후 5 일 이내에 boxcom의 이메일 초대장을 받게됩니다 로그인하고 데이터를 다운로드하십시오 그래서 우리는 당신을 위해이 보안 상자에 데이터를 저장합니다 다운로드 초대장을받은 날로부터 10 일 이내에 데이터

10 일 후에 boxcom에서 데이터를 삭제합니다 그리고 우리도 친절합니다 사용을 위해 데이터 세트를 주문하려는 교실 강사를위한 별도의 구조 교실 따라서 전체 수업에 사용 약관이 다를뿐입니다

서명 할 수 있습니다 그리고 교실에서 사용하기를 원한다면 우리는 교수가 아닌 학생들이 다운로드 프로세스를 관리하고 연락하는 책임이 있습니다 기술 지원 및 질문에 대한 우리의 필요하지만 그것은 재미있는 데이터 세트를 재생할 수 있습니다 교실 환경에서 데이터를 다운로드하는 방법에 대한 요약 정보입니다 과 이제는 데이터 구조와 다양한 데이터 파일을 논의 할 것입니다

NYTD에 포함되어 있습니다 Telisa와 Tammy가 지난 주에 우리에게 말했듯이, 1 차 수사관은 보건 복지부 아동부 그래서 데이터가 처음이었습니다 John H Chafee 포스터 케어 독립 프로그램을 통해보고되고 수집 됨 2010 년에는 뉴욕에서 NYTD 데이터를 수집하고 2011 년에 데이터를 제출하기 시작했습니다

아이디어는 독립적 인 생활 프로그램의 효과를 평가하기위한 데이터와 위탁 양육에서 벗어나 연령에 관계없이 더 많은 정보를 얻을 수있다 새로운 서비스를 개발하고 사람들이 그러한 변화를 겪을 수 있도록 돕습니다 그러나 우리는 또한 보다 효과적인 서비스를 창출하는 데이 방법을 사용하십시오 그러나 기본적으로 두 가지 유형이 있습니다 NYTD 데이터의 파일 수 서비스 파일과 결과 파일이 있습니다

그래서 서비스 파일 제공되는 서비스와 청소년에 관한 정보가 담긴 횡단면 파일입니다 그들을 받았다 그리고 나서 결과 파일은 수양에서 벗어난 동질 집단을 따릅니다 복지, 재정 및 교육 성과에 대한 정보를 수집 할 수 있습니다 그래서 우리가 사용하는 파일 구조는 위탁 양육 독립성의 목표를 반영합니다

위탁 양육에서 청소년에게 결과에 도달 할 가능성이있는 청소년을위한 결과를 향상시키는 프로그램 영원한 집이없는 18 번째 생일 이렇게하면 데이터를 평가하는 데 사용할 수 있습니다 독립 프로그램을 통해 제공되는 서비스의 효과 건강, 복지, 전 수양 자녀를위한 일반적 성공과 관련이 있습니다 먼저 서비스 구성 요소에 대해 논의 할 것이므로 이것이 포함 된 하나의 파일입니다 2011 년 첫 번째보고 이후의 누적 데이터입니다

6 개월마다 계속 업데이트됩니다 이 데이터 세트는 숫자 214입니다 그리고 NYTD 데이터 세트를 볼 때 목록에서 첫 번째입니다 서비스 변수는 청소년 정보에 집중 한 다음 또한 청소년들이 실제로 받았던 서비스의 종류는 이 시스템 청소년 정보에는 인구 통계 학적 정보가 포함되어 있습니다

년 및 날짜와 연체 및 교육에 대한 정보도 제공합니다 그리고 서비스 변수는 제공된 실제 서비스가 제공되는대로 반영됩니다 자금으로 그들은 모두 이분법 적입니다 두 번째로 코드북을 살펴 보겠습니다 그러나 기본적으로 예 또는 아니오입니다

청소년이이 서비스를 통해 자금 지원을받는다면 그 기간에 독립 프로그램 여기에 서비스 코드북의 스크린 샷이 있습니다 변수 상단의 강조 표시된 상자는 상자의 청소년 정보를 반영합니다 아래쪽에는 아카이브와 같은 변수가 있습니다

인종 또는 민족 변수를 하나의 변수로 기록하는 것 너도 알다시피 너는 알게 될거야 다른 데이터 세트를 많이 살펴 가면서 인구 통계 학적 정보를 얻을 수 있습니다 결과 파일과 같은 다른 파일에도 인종과 같은 인구 통계 학적 정보가 있습니다 민족과 생년월일도 있지만 성별, 소재지, 종족 별, 교육 수준, 그리고 연체 정보

그리고 여기 중간에이 중간 상자 서비스를 제공합니다 따라서 서비스에 포함 된 서비스에 대한 자세한 설명이 있습니다 코드북이지만 일반적으로 변수는 우리에게 어떤 영역을 알고 있는지를 알려줍니다 이와 관련하여 재정적 인 것들이 있습니다 주택과 건강 관련 것들이 있습니다

그런 다음 학업과 관련된 것보다 더 비슷한 것입니다 그리고 더 많이 볼 것입니다 특히 학술 지원 서비스와 관련된 두 개의 코드북 항목에 있습니다 그래서 이것은 학문적 지원 서비스입니다이 특정 변수는 여러분이 위탁 양육 독립 프로그램에 의해 재정 지원을받은 서비스 제공 고등학교 졸업장 또는 동급

그리고 당신이 볼 수 있듯이 특정 종류의 포함 된 항목 목록이며 실제로이 항목은 구체적으로 무엇이 있는지도 포함합니다 포함되지 않음 고등학교에서 청소년을위한 일반적인 출석을 목표로하는 것이 아닙니다 포함되지만 문맹 퇴치 교육, 숙제, 개인 교습, GED 지원 그래서 그것은 고등학교를 마치는 고등학교 또는 이에 상응하는 학교이기 때문에 GED입니다 그런 다음 데이터 유형의 종류, 요소 번호 및 그 방법을 볼 수 있습니다 코드화되어 있고 서비스가 모두 이분법이라고 말했듯이 그렇습니다

그리고 우리는 또한 77 명이 실종됐다 그리고 당신은 우리가 여기도 볼 수 있습니다 이것은 또한 교육이기도합니다 그러나 이것은 고등학교를 마치는 대신 고등 교육 학위를 찾고 있습니다 그리고 여기에 포함 된 서비스 목록이 있습니다

우리는 데이터 유형과 요소 번호이며, 코딩은 서비스 전체에서 동일하므로 모두를 위해 가지고 있고, 그렇다 그리고 공백이다 그래서 이것은 서비스의 요약입니다 과 다음으로 결과 구성 요소에 대해 이야기 할 것이며 두 가지 결과가 있습니다 우리는 현재 두 개의 다른 코호트에 대한 파일을 가지고 있습니다 이제이 데이터는 청소년부터 위탁에서의 전환 과정에서 복지, 재정 및 교육 결과 검토 독립심을

각 데이터 세트에는 세 가지 데이터 파가 있습니다 기준선이 수행됩니다 청소년의 17 세 생일에 다음과 같은 조사가 다시 실시됩니다 청년은 19 세와 21 세입니다 그리고 현재 우리는 세 가지 모두에 대해 하나의 완전한 코호트 데이터를 가지고 있습니다

파도와 또 다른 진행중인 코호트로 끝내기에 꽤 가깝습니다 그래서 지난주에 우리는 Telisa와 Tammy로부터 파도 구조의 코호트에 대해 들었지만 여기에는 일반적인 요약이 있습니다 우리는 3 년마다 새로운 코호트를 설립합니다 그리고 각각의 코호트에는 3 개의 파동이 있습니다 2011 년에 17 세 였고 3 개의 데이터 웨이브가 완료된 후 2014 년 코호트 2 세는 17 세이며 거의 완료되었습니다

그래서 우리는 파도 1과 2를 출판했습니다 우리는 현재 웨이브 3을 만들고 있습니다 그래서 두 개의 결과 파일이 있습니다 코호트 1과 코호트 2에 대해 코호트 그것들은 데이터 세트 214와 202이고 우리는 그것들에 접근합니다

그 밑에는 NYTD의 초기 데이터 세트 페이지가 있습니다 그리고 당신은 한 번만 같은 방식으로 주문할 것입니다 오른쪽 상단의 데이터 세트를 클릭하면 다운로드 할 수있는 링크가 나타납니다 그래서 여기에 결과 변수 영역에 대한 요약이 있습니다 우리는 청소년 정보를 가지고 있습니다

그런 다음 우리는 복지, 재정 정보 및 교육 정보와 관련된 성과를 가져야합니다 청소년 정보에는 인구 통계 및보고가 포함되므로 청소년과 마찬가지로 데이터 수집의 물결 그리고 우리는 또한 주제를 보는 웰빙을 가지고 있습니다 약물 남용, 투옥 및 정보를 출산이나 출산 금융 서비스 나 금융 관련 정보가 있습니다

결과, 고용과 같은 것들, 주택 보조를받는다면 공적 지원 마지막으로 교육 정보가 있습니다 따라서 최고 수준의 인증만으로 교육을 마쳤습니다 등록, 관련 사항 여기 코드북의 스크린 샷이 있습니다 그만큼 레이아웃은 서비스 파일의 레이아웃과 유사하며 분명히 길지만 생성 된 변수가 바닥에 있으므로 인종 레 코드에서 레이스 같은 것이 있습니다

우리는 청년이 표본에있다면, 적어도 한 설문 조사 질문에 청소년이 응답한다면 그래서 이것들 중 많은 것들이 Telisa와 Tammy가 말한 것과 관련된 종류의 관련성이 있음을 알 수 있습니다 지난주에 대해서 그리고 나머지는 상당히 자명하다 변수를 가질 것이다 이름과 변수 라벨 그리고 분명히 좀 더 심층적 인 것이 될 것입니다

마지막 시간처럼 코드북의 항목 주목해야 할 한 가지 중요한 점은 웨이브 원과 웨이브 사이의 의미는 다양합니다 잘 이것에 대해 이야기하고 특히 이러한 차이를보기 위해 집없는 사람들을위한 변수에 대해 이야기하십시오 그래서 우리는 정의를 가지고 있음을 알 수 있습니다 그렇지만 우리는 다음과 같이 말하고 있습니다

웨이브 하나에 대해서 그리고 두 번째 글 머리 포인트는 나중 웨이브에 대해 이야기하고 있습니다 그래서 웨이브 1에 대한 기준선 인터뷰에서 이것은 청소년이 17 세 때 청소년이이 현상을 경험했는지 묻습니다이 경우에는 노숙자입니다 평생 동안 그러나 후속 질문은 청소년이 경험 한 경우입니다 이 사건에서 우리가 지난 2 년 동안 노숙자 상태에 대해 말한 현상이 무엇이든간에 그래서 우리는 이것을 다르게 다루어야한다는 것을 알아 두어야합니다 청소년이 그들의 삶의 어느 시점에서 노숙자를 경험했는지를보십시오

기존의 노출 또는 노숙자 경험에 대한 통제를 한 다음 종류를 살펴보십시오 고령화 후 노숙자를 예측합니다 그리고 다시 하단에서 코딩을 볼 수 있습니다 우리는 아니오, 네, 거절하고, 그것이 공백으로 남겨져 있다면 그리고 당신이 그 (것)들을 대우하는 방법의 이렇게 친절한 실종은 당신에게 달려 있으며, 다음 주에는 실종에 대한 발표가있을 것입니다

데이터에 데이터를 사용하여 몇 가지 예를 살펴 보겠습니다 나는 단지 친절하다 목록의 삭제를 사용하여 누락을 처리하는 방법이 아닌 계산 된 값 내가 공부 나 뭐 그런 짓을하고 있다면 그냥 저기에 버리고 싶다하지만 난 단지 데이터가 어떻게 생겼는지, 그리고 그 차이점을 어떻게 활용할 수 있는지 살펴 보려고했습니다

특히 결과 파일에서 그래서 나는 처음부터 결과 파일을보고있다 그게 우리가 방금 말했던 것입니다 우리는 코호트 1을 사용했습니다 파도

따라서 우리가 볼 수있는 이러한 인구 통계적 특성을 살펴보면, 표본 약 48 %의 여성과 52 %의 남성입니다 그리고 인종적, 민족적 붕괴를 살펴보면 우리의 표본 중 표본이 대다수의 백인 흑인 또는 히스패닉 또는 라틴어 X와 다른 사람들의 비율이 적으므로 이제는 44 %가 흰색, 30 %가 검은 색입니다 18 % 히스패닉 또는 라틴어 X 그러나 우리는 또한 알래스카 원주민 인 아시아 인, 태평양 인 섬 주민, 또는 다인종 그리고 분명히 그룹은 더 작습니다 그렇다면 우리는 인구 통계 너머로보고 있으며 결과 변수를보고 있었고 방금 선택한 차이점을 볼 때 노숙자 문제에 관해 이야기 한 이래로 웰빙과 관련된 첫 번째 웨이브와 이후 웨이브 사이

그리고이 차이를 이용하여 나는 유병률을 조사했다 약물 남용, 출산 능력 및 아이를 가진 노숙자 따라서 다시 첫 번째 물결에서 물결 사이의 의미의 차이는 물었다 그들은 그 현상을 경험 해본 경험이 있었는지 나중에 묻습니다 지난 2 년 동안

그리고 웨이브 3에 의해 젊은이가 이제까지 가지고있는 것을 반영하는 변수를 만들었습니다 노화되기 전이나 물결이 일기 전에 경험했다면 그 현상을 경험했습니다 대략 17 세의 노령화가 진행되는 동안 또는 노화가 진행되는 동안 경험 한 적이 있다면 전환기의 종류 그래서 저는 이것을 어떻게 수행했는지를 볼 수있게되었습니다 우리는 경험의 유행에 커다란 차이가 있음을 변수로 취급합니다

이러한 현상 그래서 우리가 그 맨 위를 본다면 우리는 투옥됩니다 그래서이 샘플의 44 % 그들의 삶의 어떤 시점에서 투옥되었습니다 표본의 31 %가 감금을 경험했습니다 위탁 양육 시스템에서 노화되기 전이나 파동이 일어나기 전에

그리고 29 %가 투옥되었습니다 위탁 양육 시스템에서 노화 한 후 또는 후에 노화 약물 남용보고 우리는 샘플의 약 34 %가 ​​약물 남용 문제가있는 것과 비슷한 패턴을 보았습니다 그리고 전에는 25 %, 후에는 20 %가되었지만, 다산에서는 꽤 다르다는 것을 알 수 있습니다 우리는 가지고있다 경험 한 적이있는 높은 비율이지만 경험 한 사람의 비율은 매우 낮습니다

노화되기 전에 샘플의 6 %만이 위탁 노화 전에 아이를 낳았습니다 25 %는 고령화 후에 하나를 가지고 있었다 그래서 그걸보고 있었고 거기에 특히 물질 남용 및 감금과 비교할 때 상당히 큰 차이가 있습니다 과 마지막으로 우리가 노숙자를 보았을 때 약 40 %의 샘플이 노숙자였습니다 어떤 점에서는 17 %가 파도 타기 전에 노숙자 경험에 노출되어 있고 31 %는 경험하고 있습니다 그들이 위탁 양육 체제에서 벗어난 후에 웨이브 하나의 의미 후에

나는 만들지 않았다 이러한 상호 배타적 인 그래서 전후에 그것을 경험하는 사람들은 두 번 모두를 보여줍니다 그리고 나는 그것이 우리가 어떻게 대우하는지에 대한 방법을보기위한 좋은 간단한 요약 일 것이라고 생각했습니다 그 결과 변수는 청소년이 경험했는지 여부에 관계없이 많이 다릅니다 언제든지 또는 청소년들이 노화를 경험 한 후에야 그리고 나는 또한 서비스 파일을 사용하는 몇 가지 예를 살펴보고 2016을 자세히 살펴 보았습니다

발견 한 후 청소년 서비스가 사용 된 서비스를 확인하기 위해 4 가지 서비스를 살펴 보았습니다 그리고 많은 젊은이들이 학문적 지원을 받았다는 것을 알 수 있습니다 우리는 GED, 문맹 퇴치, 숙제를 통해 공부하는 것을 돕는 것과 같은 것을 포함하는 것을 보았습니다 고등학교를 졸업하거나 고등학교를 졸업하거나 GED에 상응하는 것 그리고 우리는 젊음의 약 40 % 정도가 조금 더 적다는 것을 알 수 있습니다

보건 교육 및 위험 예방에 관한 서비스를 받았습니다 그리고 우리는 그것을 볼 수 있습니다 청소년의 감독이 독립적 인 생활과 방을 받았고 재정적으로위원회에 참여 함 도움을 받았다 그래서 나는이 4 가지를 2016 년에 선택했다

그러나 당신은 그것을 깰 수있는 것처럼 보일 수있다 서비스 파일과 결과 파일을 연결하여 그리고 나서 나는 Bronfenbrenner에서 아카이브를 통해 사용할 수있는 추가 리소스에 대해 이야기하고 있습니다 번역 연구 센터 그래서 나는 그 (것)들을 빨리 통과하고 각 항목으로 돌아가서 액세스 방법, 제안 내용 및 관련 정보에 대해 이야기하겠습니다 마이클에게 그들 중 몇 명만 차임을시켜달라고하십시오

하지만 실제로는 아동 학대 및 방치에 관한 National Data Archive는 데이터 다운로드에 추가 각 데이터 세트에 대한 사용자 가이드, 사용자 SPSS, SAS, STATA 및 R 사용자에 대한 정보는 지원 탭을 참조하십시오 우리는 또한 자주 데이터를 전혀 사용해 본 적이 없다면 시작할 수있는 정말 좋은 곳입니다 '데이터를 지불해야합니까?'와 같은 일반적인 질문이 있기 전에 내 대답은 아니오 야

그리고 마침내 우리는 Summer Research Institute와 아동 학대 인 canDL을 갖게되었습니다 무시하고 디지털 도서관 그래서 저는 이것이 우리의 가장 귀중한 자원 중 두 가지라고 생각합니다 몸소 그래서 Summer Research Institute는 원격 교육 기관입니다

NYTD를 포함한 우리의 데이터 세트를 사용하여 프로젝트의 데이터 사용자와 긴밀히 협력합니다 그래서 누가 우리의 경쟁력있는 응용 프로그램 프로세스를 통해 소규모 그룹에서 매우 밀접하게 수용됩니다 NDACAN 직원뿐만 아니라 컴퓨팅 및 통계 컨설턴트로부터 조언을 얻습니다 코넬의 캠퍼스에 우리는 분석 계획을 세밀하게 조정하고 사람들이 가지고있는 프로젝트를 옮깁니다

출판에 착수했다 또한 훌륭한 네트워킹 기회이기 때문에 여러분은 일종의 소규모 그룹에서 동일한 데이터 세트를 사용하는 다른 사람들과 그리고 마지막으로 우리는 canDL을 가지고 있는데, 이는 내가 아동 학대이며 디지털 도서관을 방치 한 것이라고 말합니다 NYTD를 포함한 우리의 데이터를 사용하여 공개적으로 액세스 할 수있는 온라인 데이터베이스입니다 그래서 일종의 정말 좋은 방법은 다른 사람들이 어떻게 데이터를 사용하고 있는지 잘 알고, 다른 사람들의 분석에서의 선택, 사람들의 코딩 방법, 그리고 아무도 당신의 질문에 대답하지 않았는지 확인하십시오 먼저 우리는 사용자 가이드 및 그래서 우리 직원에 의해 작성된 그래서 그들이 사용할 수있는 세부 정보가 우리가 가진 모든 단일 데이터 세트에 대해 이것은 테이블의 스크린 샷입니다

결과 파일의 첫 번째 코호트에 대한 사용자 안내서 중 하나의 내용 너처럼 출판에서 데이터 구조 및 샘플링에 이르기까지 다양한 주제를 다룰 수 있음을 알 수 있습니다 분석적 고려 사항 가이드는 실제로 사용자를 염두에두고 제작되었으므로 좋습니다 연구 프로젝트를위한 첫 걸음, 특히 데이터에 익숙해지기 우리가 여기서 말한 것들을 잊어 버렸지 만 나는 또한 그것이 매우 가치 있다고 생각한다 우리의 데이터에 대해 이야기하는 방법에 관한 방법 섹션을 작성할 때 그것이 어떻게 모으고 그 모든 것

그래서 이들은 PDF 가이드입니다 그래서 그들은 단지 진짜입니다 각 페이지의 하단에 훌륭한 자료가 있으므로 데이터를 다운로드 할 때 약간의 요약, 코드북, 그리고이 사용자 가이드도 있습니다 우리도 가지고있다 사용자 지원 탭을 통해 전반적인 가이드 라인을 제공하므로 다른 유형의 데이터 분석 사용자가 데이터 작업 방법에 실제로 도움이됩니다 그러나 우리는 심지어 내가 더 잘 생각하는 비디오를 가지고 있습니다

그래서 우리는 세션을 가질 것입니다 NYTD 결과물을 AFCARS 육성 계획과 병합하는 것에 대한 몇 주안에 관심 파일이지만 우리는 또한 필요한 경우 사람들을 통해 걸을 수있는 비디오를 가지고 있습니다 나중에 도움 그래서이 지역을 체크 아웃하는 것이 좋습니다 그리고 우리는 또한 자주 묻는 질문 탭을 가지고 있으며 우리가 자주 묻는 질문에 대한 대답입니다

우리는 모든 데이터 세트의 사용자로부터 얻으므로 NYTD와 관련이 없습니다 그리고 이것은 탭을 클릭하면 NDACANCornelledu에 갈 수 있습니다 페이지가 표시되며 데이터 세트에서 세 번째 페이지를 클릭했지만 추천합니다

혹시라도 자주 묻는 질문을 확인해보십시오 그리고 이전에 언급했듯이 우리는 여름 연구원 (Summer Research Institute)을 운영하고 있습니다 저는 이것이 우리의 가장 가치있는 일이라고 생각합니다 리소스를 내가 말했듯이 우리는 애플리케이션을 선택하는 온라인 원격 학습 경험을 가지고 있습니다 우리 연구소에

그런 다음 소규모 그룹으로 작업하여 게시 가능한 프로젝트 제작 여름 연구원의 목표는 실제로 데이터 활용도를 높이고 출판물 분석을 용이하게합니다 그래서 우리는 사람들이 우리가 정말로 원하는 데이터를 다운로드 할 수있는 위치를 넘어서고 싶습니다 필요시 언제든지 데이터를 사용할 수 있도록 사용자와 협력하십시오 그리고 응용 프로그램 과정은 경쟁적이고 종합적입니다

그래서 우리는 과거에 참가자들을 사회학, 정책, 공중 보건, 심리학, 인간 발달, 과거에 참여한 지원자는 실제로 그것이 의미있는 의미가 있다고 이야기합니다 네트워크 에서뿐만 아니라 훌륭한 피드백을 많이 얻을 수있는 경험 사람들은 데이터 보관소의 감독자와 함께 Zoom을 통해 만날 수 있습니다 신청서는 제안서의 품질, 신청자와 어떤 종류의 프로젝트라도 게시 할 수있는 가능성 사람들이 관심을 가지고 있고 다음 여름에 NYTD 데이터 세트를 사용한다면 타이밍 라인을 올리면 체크 아웃하는 것이 좋습니다 여기 직원 모두 이전 년의 참가자들은 의미있는 경험으로보고합니다 우리에게 그것은 좋은 점은 우리가이 데이터를 생성하고 거기에 희망을두고 그것을 넣었다는 것을 알고 있기 때문입니다

의미있는 연구에서 어린이의 삶을 개선하는 데 사용됩니다 그래서 들어 오기 시작했습니다 거기에 사람들과 함께 일하는 것이 우리에게 흥미 롭습니다 우리는 또한 많은 지원을하고 있다고 생각합니다 우리는 정말로 멋진 프로젝트를 시작하려는 사람들에게 제공 할 수 있습니다

그래서 여기 하단에는 여름 연구 기관 (Summer Research Institute)의 개요가 나와 있습니다 그리고 신청하는 방법에 대한 안내서가 있지만 이것에 관심이 있다면 확실히 우리 listserv에 등록하면 응용 프로그램이 열렸을 때 전자 메일을 보내 게됩니다 내년 여름 그리고 마지막으로 내가 말했듯이 canDL은 특히 NYTD 또는 당사의 데이터 세트와 관련된 조사 그리고 전체 텍스트 기사를 볼 수 있습니다

기관의 구독 정보를 통해 연구와 관련된 정보를 찾을 수 있습니다 지역을 탐색 한 다음 인용 검색 및 다양한 조회가 가능합니다 스타일의 첫 번째 단계에서 친절하고 조사를 통해 모든 인용문을 다운로드하고이를 통해 작업 할 수 있다는 것이 좋습니다 그리고 그것이 보이는 모양의 스크린 샷이 있습니다 그래서 왼쪽에 묶음이 있습니다

태그의 종류와 내가 이걸 얻은 방법은 방금 NYTD에 입력 한 다음이 모든 간행물 NYTD를 사용하기 때문에 데이터를 사용하는 사람들에게 우리가이 자원에 이것들을 추가 할 수 있도록 게시하십시오 그러나 그것은 정말 훌륭한 출발입니다 확실히 장소 그래서 저는 제 이름이 에린 맥컬리라고 말했고 나는 이 시리즈와 Michael Dineen은 또한 온라인에 올라 있으며 질문에 대한 답을 도울 수 있습니다 그는 정말로 NYTD의 연구 지원 전문가이자 매니저입니다

그래서 그는 위대하다 리소스에 대한 질문이 있으시면 채팅 상자에 팝업으로 보내주십시오 그러나 우리가 질문에 대답하기 위해 움직이기 전에 나는 다음주에 미리보고 싶다 오후 12 시부 터 오후 1 시까지는 22 번째로 Michael Dineen과 Frank Edwards가 함께합니다 그리고 그들은 둘 다 Translational Research 센터와 데이터 보관소에서 근무하고 있습니다

코넬 대학교 (Cornell University)에서 첫 번째 전문가 프레젠테이션이 될 것입니다 긴 형식에서 넓은 형식으로 변환하고 누락을 다루는 것에 대해 이야기 할 것입니다 우리가 데이터 사용자로부터 얻는 다른 일반적인 질문의 데이터 및 종류에서 다음 주에 시작의 종류는 특히 실종을 다루는 방법과 함께 핵심적인 것을 시작합니다 우리의 데이터에서 그래서 나는 다음 주에 그것을 체크 아웃하는 사람들을 강력히 추천한다

하지만 지금은 우리가 최대 질문을 열 수 있습니다 그래서 질문마다 거기에 각 데이터 세트에 대한 설명이 나와 있습니다 사용자는 잠재 연구에 응답하기 위해 적용 가능한 데이터 세트를 탐색 할 수 있습니다 질문? 훌륭한 질문입니다 예, NDACAN 웹 사이트의 NYTD 탭 내가 추천하는 세 가지 데이터 세트에 대한 세 가지 링크를 모두 볼 수 있습니다

코드북을 체크 아웃하는 것은 그것이 다 다루어지기 때문에 내가 말한 일반적인 영역은 서비스 파일이 사람들은 누적 적으로 누적 된 결과 파일에 집중합니다 복지 재정 및 교육 성과를 중심으로 그래서 또 다른 질문이 있습니다 프레젠테이션 끝 부분에서 데이터를 사용하여 연구에 액세스 한 곳은 어디입니까? 그렇게 그랬다 canDL? 나는 그것이 canDL이었다고 생각한다 그래서 이것은 아동 학대와 디지털 방치입니다

라이브러리가 있으므로이 웹 페이지를 통해 액세스 할 수 있습니다 그래서 실제로 갈거야 내 화면 공유를 취소하고 나서 내가 어떻게 할 것인지 보여줄 것입니다 웹 사이트 등에서 상단의 게시 탭 아래에 있습니다 누군가 보내주십시오

나 당신이 이것을 잘만 볼 수 없다면 채팅 할 수 있습니다 간행물에 액세스하는 방법 canDL 아동 학대 및 방치 디지털 도서관 여기를 클릭하면 페이지에 대한 canDL 링크를 클릭하십시오 그러면 여기에 도착하게 될 것이고 그것은 단지 NYTD를 위해 여기에 모든 데이터가 포함되어있어 정말 훌륭한 리소스입니다 태그 아래에 NYTD에 넣을 수 있으며 기존 태그를 검색 한 다음 그것을 클릭하십시오

그런 다음 NYTD를 사용하는 데이터를 구체적으로 살펴볼 것입니다 그래서 그것은 정말로 나는 사람들이 그것을 사용하는 방법을 알아내는 데 시간을 할애 할 것을 제안한다 나는 내가 가지고있는 것을 안다 내가 연결된 NYTD 데이터를 사용하기 시작했기 때문에 많이 알게되었습니다 난 될거야 나중에 프레젠테이션에서 그것에 대해 이야기하고 있습니다

Michael의 도움을 받아 NYTD 데이터를 다른 데이터에 연결하면 AFCARS 그리고 NCANDS와 내가 그렇게했던 첫번째 물건은 Zotero에 정말로 발굴의 종류이었다 canDL, 다른 사람들이 어떤 질문에 답을했고 어떤 종류의 질문이 있었는지 알아냅니다 문학에 틈이 생겨서 코딩 결정에 대해 정말 궁금합니다 사람들은 어떻게 만들었고 그들이 분석을 골라서 도움이되었다 언제 우리가 예상 하는가? NYTD 코호트 2 웨이브 3 개가 출시 될 예정입니까? 마이클 당신은 내가 완전히 확신하지 못한다는 것을 알고 계십니다 그럼 그것은 2014 년 코호트 일 것입니다

그래서 그들은이 설문 조사를 할 것입니다 2018 년 회계 연도이므로 설문 조사가 진행 중입니다 그러면 아마 설문 조사가 진행 중일 것입니다 우리가 받아야 할 다음 데이터는 2017 년 집단이므로 하나 물결 치다 그것은 우리가 실제로 기대하는 다음 세트입니다

2017 회계 연도 2017 년에 우리는 아직 그것을받지 못했습니다 그래서 세 번째 물결을 예상한다면 조사가 끝난 후 적어도 일년이 될 것이라고 2014 년 코호트의 이는 2018 회계 연도가 끝난 후 45 일이되며 9 월 30 일 끝납니다 올해 말을 조사 할 올해 말과 같은 것이 될 것입니다 Michael 감사합니다 다음 질문으로 당신이 다음과 같이 도움이 될 것이라고 생각합니다

Well : 실종 된 NYTD 데이터 세트에 누락 된 부분을 처리하기위한 가중치가 이미 있습니까? Well cohort 2011 첫 번째 집단에는 데이터에 포함 된 가중치가 있습니다 2014 년 코호트 데이터에 가중치가 포함되어 있지 않습니다 나가 무게에 발표를 할 때 나는 당신에게 당신 자신의 무게를하는 방법을 보여줄 것입니다 NYTD의 가장 큰 장점 중 하나는 거의 모든 데이터를 통해 비 응답자에 대한 정보를 얻게됩니다 인구 통계 학적 정보를 모두 가지고 있다면 모든 정보를 링크에서 얻을 수 있습니다

설문 조사에 응답하지 않은 사람들에 대해 알고 싶은 모든 것에 대해 AFCARS에 그래서 당신에게 가중할 때 큰 이점을줍니다 하지만 네, 더 이상 가지 않을 것입니다 지금은 그렇지만 가중치에 관한 전체 세션을 가질 것이므로 나는 믿는 질문에 답을했다 네, 감사합니다 특히 사람들에게 특히 감사를 표하는 것이 좋습니다

다음 세 번의 프리젠 테이션은 Michael이 특별히 유익하기 때문에 이 데이터에 대한 많은 지식을 보유하고 있으며, 이것으로 나는 메모를 할 사람을 알게된다 그래서 우리는 또 다른 질문을합니다 당신의 논문에 NYTD를 사용하려고하는 PhD 후보자가 당신을 실격시킵니다 여름 연구원에 지원할 자격이 있습니까? 그게 사실인지 마이클이 알기나 해? 나는 그것이 사실이라고 생각하지 않는다 그러나 나는 사실이 아니었다 아무것도 실격시키지 않습니다

원더풀은 확실히 적용을 보며 여기에 비디오에 대한 링크를 올려 놓을 것입니다 당신이 거기에있는 경우에 우리가 가서 그것은 바닥에 걸쳐 있으므로 확실히 좋습니다 링크를 확인해보십시오 정말 대단한 리소스입니다 개인적으로 알고 있습니다 데이터 아카이브에서 우리는 Summer Research Institute에 대해 정말 흥분합니다

그것을 추천하십시오 그리고 아동 국이 추가 데이터 요약을 게시하고 있는지 여부를 알고 있습니까? 코호트 2 명? 마이클 한테 잘 모르겠어? 코호트 두 사람 때문에 웨이브 3은 아직 없습니다 우리가하기 전에 그들은 그것을 얻을 것이다 그래서 그들은 아마도 데이터 브리핑을 할 것이다 일단 21 세 조사에서 세 번째 물결이 생기면 환상적이므로 우리가 얻을 것이다

웨이브 3이 나오면 추가 데이터 브리핑이 나온다 다른 질문이 있습니까? 해야 할 것 당신은 내가 여름에 가정하는 사람의 신청서를 개선하기위한 어떤 권고안을 가지고 있습니다 연구소 또는 일반적인 실수? 그래서 나는 마이클이 당신이 찾고있는 것을 알고 있습니다 그들이 들어오는 응용 프로그램에서 사람들이 흔히 범하는 실수를 눈치 채셨습니까? 또는 어떤 팁? 글쎄, 당신이 정말로 단단한 프로젝트 제안을한다면 일반적인 오류 중 하나를 사용하는 경우 가장 좋은 방법은 연구 프로젝트를 수행 할 수 없다는 것입니다

우리의 데이터를 사용하거나 가지고 있지 않은 외부 데이터가 필요합니다 그런 종류의 것들 그러나 귀하가 귀하의 신청서에 명시된 타당한 연구 프로젝트 제안서를 가지고 있다면 당신이 당신의 공변량을 위해 사용하고있는 좋은 좋은 변수를 가지고 있다면, 중요한 것은 좋은, 행할 수있는 연구 프로젝트를 갖는 것입니다 네, 분명히 당신입니다 종속 변수와 독립 변수를 지정하면 그 모든 것 더 많은 특이성이 좋다

링크가있는 동영상에 대한 도움말도 있습니다 여기 하단에 걸쳐 동영상이 정말 멋지며 도움말 및 개요가 있습니다 우리는 초기 경력 학자들이 실제로 지원하도록 권장합니다 우리는 우리의 데이터는 분명히 정말 훌륭합니다 그래서 우리는 일찍 경력을 쌓은 사람들을 원합니다

데이터와 관련된 작업은 여러 번 이루어집니다 그리고 우리는 실제로 일하는 것을 즐긴다 초기 경력자들과 함께 거기서 나와 일부 프로젝트를 진행하게되어 기쁘게 생각합니다 우리와 함께 그럼에도 도움이 될지 모르겠다

제안서에는 좋은 징조가 아닌 데이터가 없습니다 데이터가있는 경우 귀하의 응용 프로그램에서 귀하가 데이터 및 당신도 도움이 될 공에있어 적용하기 전에 데이터를 가지고있는 예는 항상 더 좋습니다 우리가 실제로 찾고있는 것은 사람들이 분석을 다듬는 데 도움이되는 것입니다 우리가 응용 프로그램을 검토하고있을 때 제곱으로부터 시작해서 분명히 이 과정에서 우리는 사람들이 다리 작동을 땅에 내려 놓을 것을 기대합니다

그들의 연구와 같은 것들이 데이터에서 놀았으며 그들은 우리에게 친절하게 왔습니다 이후 단계에서 우리는 분석을 다음 단계로 밀어 낼 수 있습니다 괜찮아 우리가 더 이상 질문이 없다면 우리는 마무리 할 것입니다 우리는 정말 기대합니다 다음 주 세션에서 마이클과 프랭크가 우리를 안내 할 것이라고 말했어

그래서 우리가 듣지 않으시 고 다음 주 수요일에 정오에 만나기를 바랍니다 와 주셔서 대단히 감사합니다 모두 감사합니다 아동 학대 및 방치에 대한 국가 데이터 아카이브는 코넬 대학 (Cornell University)의 번역 연구를위한 브론 펜 브레너 센터 (Bronfenbrenner Center)의 프로젝트입니다 NDACAN의 기금은 아동 국에서 제공합니다

Logical Database Design – Data Normalization

안녕하세요, 저는 Bob Briggs입니다 이 비디오는 논리적 데이터베이스 디자인 주제 중 두 가지 중 첫 번째 것입니다

에서 이 비디오에서는 데이터 정규화에 초점을 맞출 것입니다 데이터 정규화 란 무엇입니까? 물어 나는 네가 할 수있을 거라 생각했다 엔티티를 구성하는 프로세스입니다 비 키의 중복성을 제거하기 위해 테이블에 속성 추가 속성

따라서 엔티티 및 속성을 구성하는 프로세스입니다 이 표는 키가 아닌 속성의 중복을 제거합니다 목표는 일반적으로 데이터 무결성을 향상시키고 무언가를 제거하는 과정 삽입 및 삭제 편차라고 불리는데, 그들에게 오십시오 이제 데이터 정규화는 우리가 생각하는 방식의 또 다른 예입니다 데이터 관리 솔루션을 설계 할 때 상세 계층을 통해 실제로 모든 정보 시스템 솔루션

그래서 그것은 단계적으로 진행됩니다 이제 우리는 보통 형태라고 부릅니다 일반 양식 그리고 몇 가지 표준 표준 양식이 있습니다 교묘하게 제 1 정규형으로 명명 된 3 개의 표준형, 제 2 정규형 형태 및 제 3 정규형

그리고 나서 덜 일반적인 품종이 있습니다 널리 사용되지 않는 일반 양식은 특별한 경우에 사용됩니다 에 대한 예를 들어, 네 번째 및 다섯 번째 정규 형식, 기본 키 일반 형식 및 Boyce-Codd 정상형 등등 그래서 다른 사람들이 있습니다 하지만 우리는 가지 않을거야

이것들에 초점을 맞추어 라, 이번 학기에 우리 모두는이 표준에 초점을 둘 것입니다 공통적으로 사용되는 것들 이제 우리가 실행하는 데 사용할 예제 예를 들어 비표준 데이터의 데이터를 정규화 된 데이터로 변환합니다 우리는 데이터베이스의 실행 예제를 사용하여 민첩한 소프트웨어 개발 팀 우리가 처리 할 엔티티들, 우리 데이터베이스에있는 수업은 프로그래머가 될 것입니다

요구 사항, 개발중인 시스템의 모듈 및 작업 그리고 각 작업은 하나의 프로그래머에게 하나의 요구 사항에 대한 작업을 할당합니다 하나의 모듈에 그래서 그것이 우리의 일이 될 것입니다 좋구나

우리가 프로젝트를 시작할 때 팀이 자신의 작업 데이터를 스프레드 시트에 저장합니다 그래서 우리는 프로그래머 ID를 가지고 있습니다, 밥 Bob에게는이 세 가지 요구 사항이 할당됩니다 이리 요구 사항의 이름입니다 그리고 그는 예를 들어, 주문 화면 인 모듈 27에 품목 요구 사항을 추가하면 마감 시간

좋아, 이제는 비정규 화 된 데이터입니다 무엇보다도, 그들은 데이터 관리에서 최악의 죄, 즉 이들 각각의 셀에는 여러 값 각 속성은 다중 값을가집니다 다중 값입니다 속성

그리고 이것은 데이터 이중화, 다중 속성, 다중 값 속성 그래서 여기에 문제가 있습니까? 네, 몇 가지가 있습니다 그 중 하나는 핵심 데이터가 반복된다는 것입니다 예를 들어 요구 사항 추가 항목이 Bob에 표시되면 Gwen에 다시 표시됩니다 그리고 그들은 둘 다 동일한 요구 사항에 맞춰 작업하지만, 업데이트 할 항목을 추가하려면 물건을 추가하거나 세부 사항을 추가하십시오

요구 사항을 변경하면 그 데이터가 존재하는 데이터베이스의 수십개의 다른 장소가 될 수 있으므로 데이터 무결성 문제가 있습니다 우리는 또한 이것으로 좋은 장소입니다 이것을 증명하기 위해, 우리는 삭제 amo라고 불리는 것을 가지고 있습니다 한다고 가정 프로그래머는 그만두고 우리는 이렇게 말합니다 하! 그 사람이 그만두고, 우리가 지울거야

데이터베이스에서 그들의 기록 그 프로그래머가 유일한 경우 주어진 요구 사항에 대해 작업하고 프로그래머가 기록을 삭제하면 또한 해당 요구 사항의 모든 기록을 삭제하십시오 마찬가지로, 주어진 경우 프로그래머는 특정 모듈에서 작업하는 유일한 사람이며, 우리는 프로그래머의 기록에 따르면, 우리는 그 모듈의 모든 레코드를 우리의 데이터 베이스 이를 한 가지 삭제할 수없는 삭제 예외라고합니다 없이 객체없이 다른 종류의 객체에 대한 데이터를 삭제하십시오

좋아, 그래, 문제가있어 이리 이제 한 가지 해결책은 단지 말하기 만하면됩니다 요구 사항 및 모듈러스 데이터를 삭제하지 않고 프로그래머 이름을 좋구나 이제는 기본 키가없는 데이터가 여러 개 있습니다

그리고 너 그 데이터베이스의 모든 셀을 통해 실제로 읽을 수 있어야합니다 해당 스프레드 시트에서 특정 프로그램 요구 사항 또는 모듈을 찾으려고합니다 너는 필요해 그래서 그 일은 추한 일이 생깁니다 좋구나

이제 한 가지 대안은 누군가는, 실제로 많은 사람들이 생각할 수도 있습니다 우리가 말할 수있는 반복 필드에 대한 다중 값 필드 그 중 한 곡은 밥 (Bob), 그웬 (Gwen)은 하나, 로니 (Roni)는 하나 그리고 로니는 새 것이고, 너는 그녀는 아직 어떤 임무도 할당하지 않았 음을 알 수 있습니다 하지만 밥은 요구 사항이있어 요구 사항 1에 대해 여기에 기둥이 있으며 요구 사항이 필요합니다

2, 요구 사항 3 등등 우리가 말한 것처럼, 우리는 에서 지정된 프로그래머에게 할당합니다 그리고 물론, 여기에 문제 테이블을 디자인 할 때 미리 말할 방법이 없습니다 프로그래머들이 얼마나 많은 작업을해야하는지 그리고있을 수있다

수십에서 수천 가지 요구 사항을 처리 할 수 ​​있으므로 우리가 갈 수 있다면 적어도 수백 가지의 요구 사항이 필요할 것입니다 주어진 프로그래머에게 여러 요구 사항을 할당하는 것, 요구 사항을 테이블에 추가해야합니까? 우리는 알 길이 없습니다 또한, 아무도 미리 주어진 프로그램을 위해 얼마나 많은 모듈이 주어질지를 미리 알지 못한다 프로그래머들이 계속 노력할 것입니다 그렇다면 얼마나 많은 모듈 열을 추가해야합니까? 없다

알 수있는 방법 그리고 추악 해집니다 그래서 반복 된 필드는 좋지 않습니다 해결책 괜찮아

그럼 도움이 되나요? 아뇨 그래서, 대신 우리가 무엇을 할거야? 우리는 데이터를 정상화 할 것입니다 우리는 첫 번째 정상적인 형태로 갈 것입니다 그런 다음 두 번째 정규 형식에서 세 번째 정상적인 형태이며, 그것이 세 번째 정규 형태 일 때 우리는 모든 것을 제거 할 것입니다 데이터 중복

이제 각각의 정규 형식은 두 가지 규칙에 의해 정의됩니다 그리고 그것은 꽤 직설적 인 이 두 규칙을 숙달하면 얻을 수 있습니다 너는 그것을 가지고있을 것이고, 우리는 그들을 순서대로 할 것이다 첫 번째 법선에 대한 첫 번째 양식, 두 번째 정규 양식, 세 번째 정규 양식

좋아, 여기에 대한 규칙은 다음과 같다 첫 번째 정규 형식 첫 번째 정규 형식, 일반적인 규칙은 모든 속성 테이블에는 원자가 있어야합니다 원자 원자 평균은 무엇을 의미합니까? 음, 두 가지

그것 속성이 다중 값을 가지지 않고 테이블에 반복이 없다는 것을 의미합니다 전지 따라서 첫 번째 정규 형식이 되려면 여러 개의 속성이있을 수 없습니다 값 및 반복 필드가있는 테이블이 없습니다 그래서 여기에 우리는 다중 값 복수 값 필드 어떻게 수정합니까? 우리는 이러한 여러 값 중 하나 하나에 자체 레코드를 지정하여이를 수정합니다

이렇게 괜찮아? 이제는 프로그래머 요구 사항 ID에 여러 값이있는 경우 여기 프로그래머 4857 Bob이 있습니다 그는 모듈 27에 대한 추가 항목 인 요구 사항 ID 10193을 가지고 있으며, 주문 화면이며 3/28에 마감 예정입니다 그리고 다시 Bob이 있습니다 여기에 모듈 27에 대한 새로운 요구 사항이 있습니다 여기 Bob이 있습니다

다른 모듈에 대해 다른 요구 사항을 가진 세 번 째로, 그래서 간다 과 물론, 우리는 여기까지 내려와, 우리는 여기까지 내려갑니다 로니, 그녀에게는 전혀 배정 된 것이 없습니다 더 많은 데이터가 있습니다 우리가 필드를 반복 할 때 보았던 것보다 중복성이 하나 대신 3 번 반복하고, 그웬은 1 대신에 3 번 반복한다

등등 그래서 우리가 사태를 악화 시켰습니까? 우리가 상황을 악화 시켰습니까? 아닙니다 아닙니다 우리는 적어도 다중 값 필드를 제거했기 때문에 과 우리는 끝나지 않았지만, 우리가 첫 번째 정상적인 형태 일 때, 우리는 여전히 데이터 무결성 문제가 있습니다

내가 그 이름을 Bob의 프로그래머, 그 중 한 곳에서 Robert에게 말하자면, 우리는 다른 모든 레코드가 포함되어 있기 때문에 즉시 데이터 무결성 문제가 발생합니다 Bob은 반드시 업데이트되지 않습니다 데이터가 일치하지 않습니다 그리고 지금, 우리는 삽입 이상을 맞을 수도 있습니다 거기있어? 이 테이블의 후보 키는 무엇입니까? 하나를 식별하는 방법의 후보 키 독특하게 기록하십시오

거기있는 것으로 밝혀졌습니다 각 레코드는 고유 한 것으로 밝혀졌습니다 프로그래머 ID, 요구 사항 ID 및 각 작업은 한 프로그래머에게 하나의 요구 사항에 대한 작업을 할당하기 때문에 모듈 ID 하나의 모듈에 대해 그리고 각 작업은 고유합니다 그 조합이 독특하기 때문에, 즉이 필드의 기본 키가 프로그래머 ID + 요구 사항 ID + 모듈 ID

하지만 이제 Roni를 살펴 보겠습니다 Roni를 추가했습니다 Roni는 아직 어떤 요구 사항도 지정되지 않았습니다 어느 우리가 완전한 것을 가지고 있지 않다는 것을 의미하고, 우리는 Roni를위한 완벽한 기본 키를 가지고 있지 않습니다 우리는 그녀에게 일할 최소한 하나의 요구 사항을 부여하지 않고 그녀를 데려 올 수 없습니다

하나의 모듈에 그리고 그것은 삽입 이상 (insertion anomaly)이라고 불립니다 하나의 엔티티를 추가 할 필요가 없습니다 동시에 더 많은 다른 개체 그럼, 물론 그것은 우리에게 nulls 많이 있지만, 그건 사소한 일입니다

어쨌든 삽입 이형, 우리는 새로운 프로그래머는 다른 엔티티도 추가 할 필요가 없습니다 좋구나 그래서 그 문제를 해결하기 위해, 우리는 두 번째 정규 형식으로 이동할 것입니다 우리는 움직일거야 첫 번째 정규 형식, 거기있는 곳, 모든 요소, 모든 속성은 원자 적이며, 두 번째 정규 형식으로 이동합니다

그리고 이것들은 규칙 두 번째 일반 규칙, 양식 규칙, 첫 번째 규칙은 테이블이 이미 첫 번째 정규 형식입니다 첫 번째 정규 형식이 아니라면 정의에 따라 그것은 두 번째 정규 형식이 아닙니다 첫 번째 규칙은 첫 번째 정규 형식입니다 둘째 규칙에는 부분적인 기능적 종속성이 없습니다

부분적인 기능 의존성이 없습니다 어느 프록시가 아마도 질문에 이르게할지, 말하자면 그 기능은 무엇입니까? 의존성 문제? 좋구나 기능 의존성이란 무엇입니까? 기능 의존성 테이블에, 네, 그리고, 내가 설명 할거야, 나는 그걸로 갈거야 뒤로 어떤 속성 집합을 알고 있다면 테이블에서 다른 속성 값

그리고 나는 당신에게 몇 가지 예를 드릴 것입니다 괜찮아 예를 들어 학생 표가 있다고 가정 해 봅시다 학생 표가 있습니다 학생 ID와 학생의 다른 속성이 있습니다

당신이 알고 있다면 학생 ID, 학생 이름을 결정할 수 있습니까? 그래 넌 할수있어 그래 넌 할수있어 당신은 학생 ID를 알고 학생의 이름을 결정할 수 있습니다 우리가 정규화를 생각할 때, 우리는 학생 ID가 학생 이름을 알면 알 수 있습니다 학생들의 이름이 무엇인지 알아보십시오

이는 학생이 학생 ID는 연관이며, 각 학생 ID는 정확히 한 학생과 연관됩니다 이름 좋아, 학생 이름은 따라서 기능적으로 의존하고있다 학생 아이디 학생 이름은 학생 ID에 기능적으로 의존합니다

학생 ID를 알면 이름을 알 수 있습니다 그것들은 기능적으로 의존적입니다 괜찮아 학생의 이름을 아는 경우 학생 ID를 결정할 수 있습니까? 음, 대답은 몇몇 학생이 동일한 이름을 가질 수 있기 때문에 아니오입니다 임의의 수입니다

수년 동안 샌디에고 주를 거쳐 갔던 학생들, 그 이름은 존 스미스 그래서 아니야 몇몇 학생은 동일한 이름을 가질 수 있으므로 학생 ID는 동일하지 않습니다 기능적으로 학생 이름에 따라 다릅니다 학생 ID는 기능에 의존하지 않습니다

학생 이름 학생 이름은 학생을 결정하지 않습니다 신분증 자, 여기에 대해 이야기하기위한 속기가 있습니다 의존성, 그리고 그 속기는 다음과 같은 하나 이상의 속성을 명명하는 것입니다

행렬식, 결정자, 그리고 그들이 결정한 속성 그래서 당신이 볼 때 학생 ID 화살표 학생 이름, 그것이 의미하는 바는 앞으로 읽는 것입니다 학생 ID가 학생 ID를 알고 있다면, 학생 ID가 학생 ID를 결정한다는 것을 의미합니다 그들의 이름을 알 수 있습니다 또한 학생 이름이 기능적으로 있음을 의미합니다

학생 ID에 따라 다른 방향으로 되돌아갑니다 학생 이름은 기능적으로 학생 ID에 의존하여 학생 이름, 나는 학생 ID를 알아야 해 학생 이름이 포함 된 레코드를 찾으려면 학생증을 찾아야 해 좋구나 그 화살 의미는 결정할 때, 그것이 갈 때를 결정합니다

한 가지 방법은 기능적으로 다른 방향으로가는 경우에 따라 달라집니다 좋구나 기능적 의존성 검사를 해보 죠 너는 걸림돌이 있는지 보아라 이의

자동차의 차량 식별 번호 인 VIN을 알고 있다면 그것의 제조사와 모델을 결정 하는가? 네, 각 차량마다 고유 한 VIN이 있기 때문에 가능합니다 따라서 각 VIN은 제조사와 모델의 정확히 하나의 값과 연관됩니다 그러므로 제조사와 모델은 VIN에 기능적으로 의존하며, VIN은 제조사와 모델을 결정합니다 그리고 우리는이 방법으로 이것을 쓸 것입니다 VIN은 제조사와 모델을 결정하고, 제조사와 모델은 VIN에 기능적으로 의존합니다

좋구나 다른 것 다른 기능적 종속성 검사를 해보 죠 우리는 더 커플 괜찮아

자동차의 제조사, 모델 및 색상을 알고 있다면 번호판 번호를 결정 하시겠습니까? 물론 대답은 '아니오'입니다 할 수 없습니다 동일한 자동차에는 다른 번호판 번호가 있습니다 번호판 번호는 기능적으로 제조사와 모델 및 색상에 의존하지 않거나 기능적으로 의존하지 않음 그 또는 그 조합에 그래서 우리가 말하는 것은 적절하지 않을 것입니다 번호판, 또는 그 번호판을 결정하는 모델, 색깔 기능적으로 제조업체, 모델 및 색상에 따라 다릅니다

사실, 그것은 다른 방향입니다 번호판을 알고있는 경우 제조업체, 모델 및 색상을 결정할 수 있습니다 좋아, 한 번 더 기능적 종속성 검사 저자, 제목, 그리고 책의 판, 장 제목을 결정할 수 있습니까? 네

저자, 제목, 주어진 문학 작품의 판, 그것이 유일하게 그 문학 작품을 식별하고, 챕터 제목이 거기에 있으므로 당신이 알 것입니다, 당신은 챕터 제목이 무엇인지 알 수 있습니다 장 제목은 기능적으로 작성자에 따라 다릅니다 제목 플러스 판 이 세 가지 사실을 알고 있다면 장 제목 따라서 저자, 제목 및 판이 장 제목을 결정합니다

우리는 화살 저자와 제목 플러스 판으로 이런 식으로 말할 수 있습니다 장 제목을 결정하고, 장 제목은 기능적으로 작성자에게 의존합니다 플러스 타이틀 플러스 에디션 당신은 그 세 가지를 모두 알고 있어야합니다 장 제목

자, 프로그래머들과 우리의 모범을 보았습니다 우리가 프로그래머 ID라면 프로그래머 이름을 결정할 수 있습니다 프로그래머 이름은 프로그래머를 의미합니다 ID는 프로그래머 이름을 결정합니다 이는 프로그래머 이름이 기능적이라는 것을 의미합니다

프로그래머 ID에 따라 다릅니다 그래서 우리가 기능적 의존성에 대해 말할 때 우리는 두 번째 정규 형식과 세 번째 정규 형식으로 처리 할 것입니다 우리는 기능적 의존성을 의미합니다 이제는 다른 우리가 알 수있는 환경 예를 들어 프로그래머 ID를 알고 있다면 할당 된 컴퓨터의 속성 태그를 확인할 수 있습니다

그들에게 프로그래머 ID를 알면 프로그램을 결정할 수 있습니다 또는 파트너의 ID 우리가 프로그래머 ID를 안다면, 우리는 프로그래머를 이끌고있는 프로그래머가 주어진 프로그래머를 선도하고있다 이제하자 개인적으로 만드십시오

Bob의 프로그래머 ID를 알고 있다고 가정 해 보겠습니다 4857 그러면 우리는 그의 이름이 밥이라는 것을 알 수 있습니다 프로그래머 ID 4857을 알면, 그 프로그램을 찾을 수 있습니다, 밥이 배정 된 속성 태그 SDSU 6709가있는 컴퓨터, 프로그래머 ID를 알면 프로그래머 파트너 ID, 프로그램, 프로그래머의 파트너 2972, 프로그래머의 리드는 2634입니다 따라서 프로그래머 ID는 프로그래머 이름을 결정합니다

프로그래머 이름 : 기능적으로 프로그래머 ID에 의존합니다 좋구나 다시 두 번째 정규형으로 돌아갑니다 두 번째 정규 형식에 대한 규칙은 테이블이 첫 번째 정규 형식이어야하며, 그런 다음 부분적인 기능 종속성이 없어야합니다 부분 없음 자금 지원, 부분 기능 의존성이 존재합니다

이제 우리는 부분적으로 무엇을 의미합니까? 기능 의존성? 들여다 봅시다 그건 그렇고, 이것은 거기에 복합 키가 있습니다 즉, 우리는 여러 개가 있습니다 에있는 속성은 기본 키가 여러 속성으로 구성됩니다 그래서 그건 이 부분적인 의존성을 가질 수있는 유일한 방법

그래서 테이블에 단일 값 기본 키, 정의에 의해 그것은 두 번째로, 그것은에 있습니다 두 번째 정규 형식, 첫 번째 정규 형식 인 경우 그러나 우리의 임무를 위해, 우리는 프로그래머 작업을 가지고 있다면 다중 값, 다중 속성 기본 키가 있습니다 우리 프로그래머, 끝, 요구 사항 및 식별 모듈을 알아야합니다 독특한 작업

그래서 우리는 부분적으로 기능적 일 가능성이 있습니다 의존성 그 부분적인 기능 의존성이란 무엇입니까? 그것은 우리는 키가 아닌 속성을 가지고 있고, 키가 아닌 속성을 가지고 있습니다 기본 키이며 후보 키가 아닙니다 그리고 우리의 테이블에서 각 비 핵심 속성은 기능적으로 전체 기본 키가 아닌 전체 키

즉, 모든 비 핵심 필드의 속성은 다음과 같은 경우에만 알 수있는 것입니다 당신은 프로그래머 ID와 요구 사항 ID와 모듈 ID를 알고있었습니다 그런 다음 for, 전체 또는 전체 기능 의존성을가집니다 네가 뭔가를 프로그래머 ID에만 의존하는 테이블, 그것은 부분적으로 기능적 일 것이다 의존성 때문에 요구 사항 ID 또는 모듈을 알 필요가 없습니다

ID를 사용하여 키가 아닌 값의 값을 판별하십시오 들여다 봅시다 여기에 우리가있다 테이블을 첫 번째 정규 형식으로 만듭니다 기본 키가 있습니다

각 작업은 고유합니다 프로그래머 ID, 요구 사항 ID 및 모듈 ID 이제 키가 아닌 속성을 찾을 수 있는지 살펴 보겠습니다 세 가지 모두에 의존하지 마십시오 좋아, 여기 있네

살펴 보겠습니다 첫 번째는 프로그래머 이름입니다 음, 바로 거기 그 위반으로 프로그래머 이름은 프로그래머 ID로 결정할 수 있습니다 요구 사항 ID를 알 필요가 없습니다

또는 모듈 ID를 사용하여 프로그래머 이름을 결정하십시오 그래서 우리는 아직 안 들어 있습니다 프로그램, 프로그래머 이름이 있기 때문에 두 번째 정규 형식, 그것은 부분적으로 기능 의존성 그것은 단지 의존적입니다 기본 키에있는 세 가지 속성 이제 요구 사항을 살펴 보겠습니다

만나다 요구 사항 이름은 요구 사항 ID에만 종속적이며 의존적이지 않습니다 셋 모두에 따라서 이것을 첫 번째 정규 형식에서 두 번째 표준 형식으로 바꾸려면 프로그래머를 분해하고 요구 사항을 철저히 분석해야합니다 별도로이 같은 별도의 테이블에

#13 CodeIgniter 3.x Advanced Tutorial – Insert user data in the database by user registration

– :: 사용자 등록으로 데이터베이스에 사용자 데이터 삽입 :: – 사용자 등록 데이터 인쇄 사용자 등록 데이터를 저장할 배열 만들기 사용자 등록 배열`$ user_data '인쇄 codeIgniter 모델 문서로 이동하십시오 새 모델 'User_Model

php'만들기 codeigniter를 복사하여 사용자 모델에 붙여 넣기 사용자 등록 데이터 삽입을위한 함수 만들기 사용자 등록 배열`$ user_data '인쇄 컨트롤러에 사용자 모델로드 이제 사용자 모델의 삽입 기능을 호출하십시오 성공적인 사용자 데이터 인쇄 이제 모델에 변수로 데이터베이스 테이블의 이름을 저장하십시오 이제 insert 메소드의 데이터를 반환하십시오 데이터를 인쇄합니다 부울로 데이터를 반환 데이터베이스 테이블의 데이터 검사 (사용자) 모델 해부학 사용자 모델 이름 변경 사용자 등록 양식을 다시 제출하십시오

고유 한 규칙 인 유효성 검사 오류 표시 컨트롤러에 모델을로드하는 방법 그리고 이런 식으로 우리는 컨트롤러에서 모델의 방법을 사용할 수 있습니다 codeigniter 데이터베이스 참조로 이동 이 행은 데이터베이스에 들어가는 데이터의 ID를 리턴합니다 이 줄은 데이터베이스 쿼리를 출력합니다 마지막 쿼리를 보여주기 위해 데이터베이스`last_query ()`를 사용하라 고유 한 데이터 유효성 검사 오류를 표시하므로 사용자 테이블이 비어 있습니다

양식을 제출 한 후 마지막 검색어를 인쇄합니다 return id (table data id)에`insert_id ()`메소드를 사용한다 저장 데이터의 열 id가 데이터베이스 테이블에 표시됩니다 새 열 사용자 암호 추가

Mendeley Tutorial #7: Uploading PDFs and Referencing Data Simultaneously Through Database Searches

모두 무슨 일 이니? Brian Wesolowski입니다 오늘, 우리는 몇 가지 일을 할 것입니다

데이터베이스 검색과 우리가 업로드 할 수있는 방법을 알아낼 것입니다 PDF 및 모든 메타 데이터를 동시에 Mendeley 고객에게 제공 아마도 대학 도서관 시스템 내에서 다음과 같은 데이터베이스를 검색하려고 할 것입니다 ERIC, JSTOR, PsychInfo 또는 PubMed 등이 있습니다 이제는 여러 가지 방법으로 데이터베이스의 레코드를 Mendeley 데스크탑으로 직접 가져올 수 있습니다 그리고 그 전략 중 일부를 보여주기 전에 내가 좋아하는 작은 트릭은 일반적으로 두 개의 폴더가있는 것을 좋아합니다 이미 이전에 Mendeley 데스크탑에 설치하여 가져올 수 있습니다

에 기록한다 두 개의 폴더에서 새로운 서지 및 새 PDF를 호출 할 것입니다 그래서, 그렇게하기 위해서 우리는 단지 왼쪽 편으로 갈 것이고 우리는 폴더 생성을 말한 탭을 클릭하면 우리는 무엇이든 입력 할 수 있습니다 우리는 그 폴더를 불러서 첫번째 책이 새로운 서지가 될 수 있도록하고 싶습니다 그런 다음 다시 클릭하고 새 PDF를 만듭니다

이제 내가 이것을하는 이유는 내가이 중 일부를 탐구 할 때이다 데이터베이스 일부 무작위로 PDF 관련 주제를 찾고있을 수도 있습니다 그리고 그들이 완전히 관련성이 있는지 여부는 반드시 확신 할 수는 없지만 내가 Mendeley에 모든 것을 가져 오기 전에 관련성이있는 것처럼 보일 수도 있습니다 나는 일반적으로 이러한 새 폴더에 넣기 만하면됩니다 나중에 찾아 보거나 나중에 검색하는 것에 대해 걱정해야합니다

도서관 시스템에서 일할 때 일반적으로 주어진 시간에 내가 Mendeley에 다운로드하면, 나는 새로운 것을 사용할 수 있습니다 참고 문헌을 만들거나 반드시 새로운 PDF를 사용해야합니다 내 바탕 화면의 다음 특정 검색 세션에서 쉽게 찾을 수 있습니다 그 사람들이있을 수도 있고, 우리가 시작할 때 그것이 무엇을 의미하는지 정확하게 알려줄 것입니다 그래서 내가 할 일은 내 대학에가는거야

이 튜토리얼을 통해 라이브러리 홈페이지가 분명히 분명해진다 조지아 도서관 웹 페이지와 협력하여 이 시스템과 약간의 유사점을 시도하고 시도하기 위해 최선을 다하십시오 작품과 대학 도서관 시스템 작동 일반적으로 그들은 동일한 유형의 플랫폼에서 작동하지만 일부는 당신이 일하고 있다면 지금 적응해야 할 작은 특성들 캠퍼스 내 또는 캠퍼스 내에서는 액세스 할 수있는 아무런 문제가 없습니다 당신은 오프 사이트에서 일하는 것이 가장 좋은 방법입니다 당신은 당신의 대학 신임장을 사용하여 시스템에 로그인하고, 내 컴퓨터에서 가지고있는 것을 가상 사설이라고 부릅니다

VPN에 로그인하여 캠퍼스에있는 것을 흉내내는 네트워크 또는 VPN 그렇게 캠퍼스에있는 모든 접근 가능성을 허용합니다 특정 PDF 또는 소스에 대한 전체 액세스 권한이 있는지 여부를 확인합니다 나는 Mendeley와 함께 그렇게 찾고 있습니다 PDF 및 참고 문헌을 동시에 모든 데이터베이스에서 다운로드하십시오 우리는 지금 우리의 Mendeley 시스템을 사용하고 있습니다

예를 들어서 내 논문 중 하나에 대한 일반적인 검색을 할 것이므로 비율이나 공평성과 음악 연주를 찾고있는 종이입니다 평가 이제 우리는 여기서 특정 레코드를보기 위해 여기를 클릭 할 수 있습니다 이 기록이 있고 우리가 찾고있는 모든 메타 데이터 정보가 있습니다 우리가 실제로 특정 PDF를 찾으려면 그렇게하기 위해 여기를 클릭하면 UGA에서 찾을 수 있습니다 우리가 액세스 할 수있는 구독 지금 이것은 우리 현자 프리미어 2016 패키지를 통해 사용할 수 있다고 말합니다

나는 그것을 클릭하여 PDF에서 특별히 액세스 할 수 있습니다 그 패키지 괜찮아요 그래서 여기에 우리가 찾고있는 기사가 우리가 우리가 우리가 설치 한 것을 기억한다면 지금 우리에게 자유롭게 사용할 수있는 전체 텍스트를 준비하십시오 Chrome 브라우저에서 Mendeley 바에 가져 오기 때문에 여기에 모두 올 경우 이 탭을 클릭하면 모든 메타 데이터가 표시됩니다 저널 제목 정보의 모든 저자 정보를 가지고 우리가 PDF를 다운로드했기 때문에 올해 저널이 정확합니다 우리가 이것을 확인했기 때문에 여기에 PDF가 있다는 것을 알 수 있습니다

아이콘과 이것이 의미하는 바는 다운로드 할 때 실제로 이 PDF 및 모든 메타 데이터를 남성에게 다운로드하십시오 지금 우리가하고 싶은 일은 우리가 단지 여러 번 탐색 할 수 있기 때문에 가능합니다 저널 제목 또는 여러 기사를 검색하는 중입니다 이 작업을 새 PDF 폴더에 저장하면 다시 돌아가서 볼 수 있습니다 그것이 완전히 관련성이 있거나 나중에 하위 폴더로 구성 할 수있는 경우 그렇게하기 위해서는 기본적으로 여기를 클릭하십시오

폴더 또는 그룹을 선택하면 두 폴더가 팝업됩니다 여러 폴더가있어 모두 팝업되지 않을 수도 있으므로 입력해야합니다 당신이 생각하는 폴더는 아마 5 개의 5 개의 폴더로 제한 될 것입니다 한 번에 팝업이 나타나므로 여기에 새 PDF가 나타나면 여기를 클릭하십시오 저장하고 이제는 PDF에 확인 표시가있는 것을 확인하고 확인 표시가있는 참조 메타 데이터를 저장 했으므로 지금 할 수있는 것은 이것이 실제로 발생했는지 확인하기 위해 다시 확인하십시오

여기를 클릭하면 웹 라이브러리라고하면 온라인 클라우드 서비스로 연결됩니다 우리는 모든 것을 확인하고 확인할 수 있습니다 새 브라우저를 열면 여기에 새로운 정보가 있음을 알 수 있습니다 새로운 PDF 파일은 매우 중요한 특정 폴더에로드됩니다 개인적으로 조직적인 목적으로 개인적으로 우리가 할 수있는 일은 우리 데스크톱에 넣고 거기에 갔는지 확인합니다

그래서 우리는 항상 우리가하고 싶은 것을 원하지 않는다는 것을 알게 될 것입니다 동기화 버튼을 클릭하여 이제 클라우드와 대화하게됩니다 서비스를 선택하고 데스크톱 클라이언트를 클라우드 서비스에 동기화하여 동기화를 클릭하면 정보가 여기에 있다는 것을 알 수 있습니다 여기에 모든 메타 데이터가 있습니다 모든 정보와 PD를 두 번 클릭하면 여기 PDF 파일이 있습니다

이제 다시 한번 이것이 세부 사항은 일반적으로 내가 먼저하고 싶은 것은 클릭 검색입니다 당신이 할 일을 클릭하면 다시 한번 그것이 우리에게 말할 것입니다 이것이 Mendeley 시스템에 업로드되었는지 여부 실제로 제목을 찾을 수 있습니다 그래서 우리가 검색을 클릭하면 우리는 이 문서가 명확하게 제시 되었기 때문에 복사 또는 붙여 넣기를해야합니다 시스템에 모든 메타 데이터가 포함되어 있으므로 지금하고 싶은 일을 할 수 있습니다 내가 다시 알기 때문에 서둘러서 일하는 중이라면 언제든지 돌아가서이 작업을 수행하십시오

모두 새로운 별도의 폴더에 저장되지만 이제는 메타 데이터와 제목이 정확하고 작성자가 정확하며 그 모두가 올바른지 확인하십시오 정보를 확인한 후에 세부 정보가 정확하다고 말할 것입니다 거기에 우리는 전체 PDF와 모든 메타 데이터를 가지고 있습니다 한 번의 클릭으로 내가 원하는 것을 분명히하고 뒤로 돌아가서 그 PDF를 보여줍니다 우리가 본 아이콘이 항상 나타나지는 않을 것입니다

항상 있어야합니다 때로는 특정 페이지가 표시되어 사용자에게 표시됩니다 내가 여기서 의미하는 바를 정확히 설명한다 나는 여기서 벗어날거야 내 바탕 화면을 없애고 나는 다시 바탕 화면으로 돌아갈거야

우리가 찾은 초기 정기 간행물을 우리가 여기에서 찾았지만 지금은 단지 이 특정 쿼리를 실행하고 Mendeley 로의 가져 오기를 확인합니다 이 두 항목이 모두 표시되어 있으므로 여기에 주목하십시오 할 수있는 일은이 두 가지를 동시에 클릭하여 데스크톱을 사용하지만 PDF를 항상 표시하지는 않습니다 우리는 실제로 지금해야만합니다 여기를 클릭하십시오

우리는 하나 더 할 것입니다 Mendeley 아이콘을 클릭하면 여기에 더 자세한 항목이 있습니다 PDF를 가져 오지 못했다는 것을 알 수 있습니다 즉, PDF를 가져 오면 가져올 모든 것이 메타 데이터이므로 지금 간다면 다시 한번 UGA에서 다시 찾아 볼 수 있습니다 메타 데이터를 클릭하면 PDF가 아니라는 것을 알 수 있습니다

마지막으로 우리는 우리가 가득한 현자 프리미어에 갈 것입니다 PDF에 대한 액세스 권한은 여기를 클릭하십시오 여기서 Lotus는 PDF가있는 위치입니다 너무 가끔 나타나서 인내심을 갖고 조금 놀기 바란다 해당 버튼을 클릭하여 한 번의 클릭으로 설치할 수 있는지 여부를 확인하십시오

메타 데이터의 PDF가 동시에 가끔씩 당신은 때때로 웹 페이지 유형에 따라 사용중인 데이터베이스에 따라 당신이 그것을 할 수 있는지에 관해 명확히하는 무엇인가 그렇게보고있는 것 한 번에 모두 또는 두 가지 별도의 동작으로 구문 분석해야하는 경우 이 특별한 예는 우리가 반드시 똑바로서야 할 필요는 없었습니다 PDF와 메타 데이터를 동시에 다운로드 할 수있는 PDF 여기에 우리는 기사 자체의 홈페이지에 올 수있었습니다 PDF와 메타 데이터를 동시에 다운로드 할 수 있었지만 인스턴스를 실제로 PDF로 직접 이동해야하는 인스턴스 다운로드 해주세요 그래서 내가 어떻게 생겼는지 보여주는 예를 보여 드리겠습니다

이 탭들을 닫을 것이고, 나는 대학으로 돌아갈거야 조지아 도서관 웹 사이트에서 JSTOR 데이터베이스를 사용하여 이제 예제를 검색하면 다차원 항목을 검색해 봅시다 반응 이론 우리는이 기사들 중 어떤 것에도 그리고 예제로서 내려올 수있다 드문 경우를 사용하여 문서를 사용하여 단위 차원 테스트를 작성하는 데 사용하겠습니다 우리가 여기에서 클릭 할 수있는 다차원적인 항목들과 우리는 우리가 pdf 기사를 다운로드하십시오

그래서 Mendeley에 가서 무엇을 살펴 봅시다 Mendeley 탭으로 가져 오기를 클릭하면 여기에 나와있는이 기사 중 어느 것도 우리에게 관심이 없습니다 우리가 시장 사례 기사를 보는 데 관심이 있기 때문에 우리가 닫을 수 있기 때문에 여기를 클릭하면 더 자세한 정보를 찾을 수 있습니다 이것에 관해서는 여기 다시 한번 우리는 몇 가지를 생각해냅니다 메타 데이터의 첫 페이지에 대한 예제가 있으므로 해보 죠

정신적으로 다시 가져 오기를 클릭하면 무슨 일이 일어나는지 한번 볼 수 있습니다 여전히 우리가 관심을 갖는 특정 정보를 찾아 내지 못합니다 지금 우리의 유일한 선택은 다운로드를 클릭하면 PDF를 다운로드하는 것입니다 PDF 파일을 PDF 파일로 가져 오려면 지금 Mendeley로 가져 오기를 클릭하십시오 정보가 갑자기 나타납니다

우리는 그것이 정보를 가지고 있음을 보게 될 것입니다 PDF를 위해 데스크톱 클라이언트에 PDF를 직접 다운로드 할 수 있습니다 참조에 대한 모든 메타 데이터가 있으므로 사용 해보겠습니다 정보는 PDF와 참조가 모두 동시에 우리의 파일 시스템에 넣으면 우리는 여기에서 다시 확인하게 될 것입니다 웹 라이브러리를 클릭하면 실제로 존재하고 지금 우리가 할 수있는 것입니다

실제로는 데스크탑에서 다시 한 번 확인해 보겠습니다 여기서는 두 번 배정 해 드리겠습니다 PDF 파일이 저장된 파일을 클릭하십시오 세부 정보를 검색하고 그것은 우리가 갈 수 있도록 완전히 다시 돌아 오지 않았다 이걸 복사 해 보겠습니다

저널 기사 교육 측정 저널 25 3 모든 것 그렇지 않으면 APA에서 작동하는지 확인하기 위해 수정되었습니다 형식을 지정해야하므로이 모든 것을 소문자로 유지하고 세부 정보 우리가 여기서 나올거야 우리가 두배로 늘릴거야 확인하고 새로운 PDF 폴더에 들어가서 모든 것이 보이는지 확인하십시오 완벽하기 때문에 이제는 더 익숙해지는 문제 일뿐입니다

특정 데이터베이스를 사용하려고합니다 분야에 대해 더 잘 이해하기 시작했습니다 Mendeley는 당신이 비디오를 즐기기를 희망하는 특정 데이터베이스로 운영됩니다 큰 엄지 손가락을 올려주고 좋아하는지 확인했다면 도움이됩니다 동영상을 아직 작성하지 않았 으면 YouTube 채널에 가입해야합니다

위의 링크를 클릭하고 다른 동영상을 확인하십시오 곧 다시 보자

#9 CakePHP 3.6 Beginner Video Tutorial – Insert User Registration Data in Database

MySQL 데이터베이스에 새 사용자 등록 cakephp 튜토리얼과 예제 페이지로 이동 데이터베이스에 데이터 삽입을위한이 예제 사용자 컨트롤러에 코드 붙여 넣기 코드를 수정하다 users 테이블에있는`is_active` 칼럼의 값을 설정합니다 사용자 데이터가 테이블에 성공적으로 삽입되었습니다

몇 가지 오류를 확인하십시오 유효성 검사 오류 표시