


HadiDB: Pangkalan Data Ringan, Boleh Skala Mendatar dalam Python
HadiDB
HadiDB ialah pangkalan data yang ringan, berskala sangat mendatar yang ditulis dalam Python.
Bagaimana untuk memasang hadidb
pip install hadidb
Buat Pengguna HadiDB
Mencipta pengguna baharu dengan contoh nama pengguna pentadbir dan contoh kata laluan pentadbir menggunakan createUser(). Ia kemudian mengesahkan pengguna yang sama dengan memanggil kaedah pengesahan().
from HadiDB.operation import User user = User("admin", "admin") user.createUser() # Creating a new user in the HadiDB user.authentication() # Authenticating the HadiDB user
Keputusan:
{'status': 200, 'message': 'Database user Created'}
Cipta Databse , Pengumpulan dan Skema
Kod ini menyediakan bukti kelayakan pengguna dan skema untuk koleksi pangkalan data. Ia memulakan operasi pangkalan data menggunakan kelas Operasi dengan nama pengguna, kata laluan, pangkalan data dan koleksi yang ditentukan. Akhir sekali, ia memasukkan data yang disediakan ke dalam koleksi dan menyimpan hasilnya.
from HadiDB.operation import Operation username = "admin" password = "admin" database = "mefiz.com" collection = "authUser" schema = { "username":"Unique", "password":"Hash", "cnic":"Unique", "picture":"Image", "bio":"Text" } db = Operation(username,password,database,collection) db.create_database(schema)
Sisipkan Data
Sisipkan Data ke dalam Koleksi gunakan db.insert(data) memasukkan data ke dalam koleksi pangkalan data yang ditentukan.
from HadiDB.operation import Operation username = "admin" password = "admin" database = "mefiz.com" collection = "authUser" db = Operation(username,password,database,collection) data = { "username":"hadidb", "password":"12345", "cnic":"123232442", "picture":"user/my/hadidb.jpg", "bio":"HadiDB is the Best ;)" } result = db.insert(data) print(result)
Keputusan:
{ 'status': 200, 'message': 'Data insert successfully', 'data': { 'username': 'hadidb', 'password': '12345', 'cnic': '123232442', 'picture': 'user/my/hadidb.jpg', 'bio': 'HadiDB is the Best ;)', 'id': 1 } }
Kemas kini Data
Data Kemas Kini db.update(1, update_data) mengemas kini rekod dengan ID 1 dalam pangkalan data menggunakan data_update yang disediakan.
from HadiDB.operation import Operation username = "admin" password = "admin" database = "mefiz.com" collection = "authUser" db = Operation(username,password,database,collection) update_data = { "username": "hadidb_update", "password": "123455", "cnic": "1232324423", "picture": "user/my/hadidb1.jpg", "bio": "HadiDB is the Best ;) update bio" } result = db.update(1,update_data) print(result)
Keputusan:
{ 'status': 200, 'message': 'Data Update successfully', 'data': { 'username': 'hadidb_update', 'password': '123455', 'cnic': '1232324423', 'picture': 'user/my/hadidb1.jpg', 'bio': 'HadiDB is the Best ;) update bio', 'id': 1 } }
GetByID
Pengecam unik (ID) dokumen yang ingin anda dapatkan semula objek tertentu atau ralat jika dokumen itu tidak wujud.
result = db.getbyID(1) print(result)
Dapatkan Semua Objek
Kaedah getAll mendapatkan semula semua dokumen daripada koleksi yang ditentukan dalam pangkalan data.
result = db.getAll() print(result)
GetByKey
Kaedah getbykey mendapatkan semula semua dokumen daripada pangkalan data yang sepadan dengan pasangan nilai kunci yang ditentukan. Tidak Menyokong pasangan nilai berbilang kunci
result = db.getbykey({ "username":"momin" }) print(result)
GetByKeys
Fungsi getbykeys menggunakan operasi DAN (&&) tersirat. Kedua-dua syarat Contoh (cnic dan bio) jika dipadankan nilai kunci dalam pangkalan data kemudian kembalikan objek yang dipadankan.
result = db.getbykeys({ "cnic":"123232442", "bio":"HadiDB is the Best ;) update bio" }) print(result)
Kira
Kaedah kiraan mengembalikan jumlah dokumen (atau objek) yang terdapat dalam koleksi yang ditentukan dalam pangkalan data.
result = db.count() print(result)
Keputusan:
{'status': 200, 'count': 1}
GeyByKeyCount
Kaedah getbykeyCount mengira bilangan dokumen dalam koleksi yang sepadan dengan pasangan nilai kunci yang ditentukan.
result = db.getbykeyCount({ "username":"momin" })
Padam
Memadamkan dokumen daripada pangkalan data dengan pengecam uniknya (id)
result = db.delete(1) print(result)
Reuslt:
{'status': 200, 'message': 'data delete successful'}
Dapatkan Semua Pangkalan Data
Mendapatkan semula semua pangkalan data yang tersedia dengan menggunakan kaedah get_database() kelas Konfigurasi
pip install hadidb
Dapatkan Semua Koleksi
Mendapatkan semula semua koleksi daripada pangkalan data tertentu menggunakan kaedah get_collection() kelas Konfigurasi.
from HadiDB.operation import User user = User("admin", "admin") user.createUser() # Creating a new user in the HadiDB user.authentication() # Authenticating the HadiDB user
Dapatkan Skema Koleksi Spesifik
Kembalikan Skema koleksi tertentu dengan menggunakan kaedah get_schema() daripada kelas Konfigurasi.
{'status': 200, 'message': 'Database user Created'}
Padamkan Koleksi
Memadamkan koleksi tertentu daripada pangkalan data menggunakan kaedah deleteCollection() kelas DatabaseDeletionService.
from HadiDB.operation import Operation username = "admin" password = "admin" database = "mefiz.com" collection = "authUser" schema = { "username":"Unique", "password":"Hash", "cnic":"Unique", "picture":"Image", "bio":"Text" } db = Operation(username,password,database,collection) db.create_database(schema)
Padamkan Pangkalan Data
Memadamkan Pangkalan Data menggunakan kaedah deleteDatabase() kelas DatabaseDeletionService.
from HadiDB.operation import Operation username = "admin" password = "admin" database = "mefiz.com" collection = "authUser" db = Operation(username,password,database,collection) data = { "username":"hadidb", "password":"12345", "cnic":"123232442", "picture":"user/my/hadidb.jpg", "bio":"HadiDB is the Best ;)" } result = db.insert(data) print(result)
GitHub : https://github.com/MominIqbal-1234/hadidb
Semak Tapak : https://mefiz.com
Dibangunkan oleh : Momin Iqbal
Atas ialah kandungan terperinci HadiDB: Pangkalan Data Ringan, Boleh Skala Mendatar dalam Python. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Pengimbasan jadual penuh mungkin lebih cepat dalam MySQL daripada menggunakan indeks. Kes -kes tertentu termasuk: 1) jumlah data adalah kecil; 2) apabila pertanyaan mengembalikan sejumlah besar data; 3) Apabila lajur indeks tidak selektif; 4) Apabila pertanyaan kompleks. Dengan menganalisis rancangan pertanyaan, mengoptimumkan indeks, mengelakkan lebih banyak indeks dan tetap mengekalkan jadual, anda boleh membuat pilihan terbaik dalam aplikasi praktikal.

Ya, MySQL boleh dipasang pada Windows 7, dan walaupun Microsoft telah berhenti menyokong Windows 7, MySQL masih serasi dengannya. Walau bagaimanapun, perkara berikut harus diperhatikan semasa proses pemasangan: Muat turun pemasang MySQL untuk Windows. Pilih versi MySQL yang sesuai (komuniti atau perusahaan). Pilih direktori pemasangan yang sesuai dan set aksara semasa proses pemasangan. Tetapkan kata laluan pengguna root dan simpan dengan betul. Sambung ke pangkalan data untuk ujian. Perhatikan isu keserasian dan keselamatan pada Windows 7, dan disyorkan untuk menaik taraf ke sistem operasi yang disokong.

Keupayaan carian teks penuh InnoDB sangat kuat, yang dapat meningkatkan kecekapan pertanyaan pangkalan data dan keupayaan untuk memproses sejumlah besar data teks. 1) InnoDB melaksanakan carian teks penuh melalui pengindeksan terbalik, menyokong pertanyaan carian asas dan maju. 2) Gunakan perlawanan dan terhadap kata kunci untuk mencari, menyokong mod boolean dan carian frasa. 3) Kaedah pengoptimuman termasuk menggunakan teknologi segmentasi perkataan, membina semula indeks dan menyesuaikan saiz cache untuk meningkatkan prestasi dan ketepatan.

Perbezaan antara indeks clustered dan indeks bukan cluster adalah: 1. Klustered Index menyimpan baris data dalam struktur indeks, yang sesuai untuk pertanyaan oleh kunci dan julat utama. 2. Indeks Indeks yang tidak berkumpul indeks nilai utama dan penunjuk kepada baris data, dan sesuai untuk pertanyaan lajur utama bukan utama.

MySQL adalah sistem pengurusan pangkalan data sumber terbuka. 1) Buat Pangkalan Data dan Jadual: Gunakan perintah Createdatabase dan Createtable. 2) Operasi Asas: Masukkan, Kemas kini, Padam dan Pilih. 3) Operasi lanjutan: Sertai, subquery dan pemprosesan transaksi. 4) Kemahiran Debugging: Semak sintaks, jenis data dan keizinan. 5) Cadangan Pengoptimuman: Gunakan indeks, elakkan pilih* dan gunakan transaksi.

Dalam pangkalan data MySQL, hubungan antara pengguna dan pangkalan data ditakrifkan oleh kebenaran dan jadual. Pengguna mempunyai nama pengguna dan kata laluan untuk mengakses pangkalan data. Kebenaran diberikan melalui perintah geran, sementara jadual dibuat oleh perintah membuat jadual. Untuk mewujudkan hubungan antara pengguna dan pangkalan data, anda perlu membuat pangkalan data, membuat pengguna, dan kemudian memberikan kebenaran.

MySQL dan Mariadb boleh wujud bersama, tetapi perlu dikonfigurasikan dengan berhati -hati. Kuncinya adalah untuk memperuntukkan nombor port dan direktori data yang berbeza untuk setiap pangkalan data, dan menyesuaikan parameter seperti peruntukan memori dan saiz cache. Konfigurasi sambungan, konfigurasi aplikasi, dan perbezaan versi juga perlu dipertimbangkan dan perlu diuji dengan teliti dan dirancang untuk mengelakkan perangkap. Menjalankan dua pangkalan data secara serentak boleh menyebabkan masalah prestasi dalam situasi di mana sumber terhad.

MySQL menyokong empat jenis indeks: B-Tree, Hash, Full-Text, dan Spatial. 1. B-Tree Index sesuai untuk carian nilai yang sama, pertanyaan dan penyortiran. 2. Indeks hash sesuai untuk carian nilai yang sama, tetapi tidak menyokong pertanyaan dan penyortiran pelbagai. 3. Indeks teks penuh digunakan untuk carian teks penuh dan sesuai untuk memproses sejumlah besar data teks. 4. Indeks spatial digunakan untuk pertanyaan data geospatial dan sesuai untuk aplikasi GIS.
