前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >聊聊mysql的多列组合查询

聊聊mysql的多列组合查询

原创
作者头像
code4it
发布于 2022-04-02 12:52:49
发布于 2022-04-02 12:52:49
4.4K0
举报
文章被收录于专栏:码匠的流水账码匠的流水账

本文主要展示如何使用mysql的多列组合查询

何为多列组合查询呢,就是查询的值不再是单个列的值,而是组合列的值。比如where (column1,column2) in ((a1,b1),(a2,b2),(a3,b3))

实例

建表

代码语言:txt
AI代码解释
复制
create table t_demo(
   id int NOT NULL AUTO_INCREMENT PRIMARY KEY,
   name varchar(10),
   score int
);

insert into t_demo(name,score) values('a',10);
insert into t_demo(name,score) values('b',20);
insert into t_demo(name,score) values('c',30);
insert into t_demo(name,score) values('d',40);
insert into t_demo(name,score) values('d',50);
insert into t_demo(name,score) values('e',60);

多列in查询

代码语言:txt
AI代码解释
复制
select * from t_demo where (name,score) in (('c',30),('e',60));
+----+------+-------+
| id | name | score |
+----+------+-------+
| 3  | c    | 30    |
| 6  | e    | 60    |
+----+------+-------+
2 rows in set
Time: 0.112s

多列=查询

代码语言:txt
AI代码解释
复制
select * from t_demo where (name,score) = ('c',30) or (name,score) = ('e',60);
+----+------+-------+
| id | name | score |
+----+------+-------+
| 3  | c    | 30    |
| 6  | e    | 60    |
+----+------+-------+
2 rows in set
Time: 0.119s

小结

多列组合查询平常比较少见,初次看还觉得挺神奇的。

doc

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
什么是检索增强生成(又名 RAG-Retrieval-Augmented Generation)及相关引用文档
检索增强生成是一种利用来自特定相关数据源的信息来增强生成式 AI 模型的准确性和可靠性的技术。
晓兵
2025/03/23
2070
什么是检索增强生成(又名 RAG-Retrieval-Augmented Generation)及相关引用文档
什么是检索增强生成 (RAG)?简单易懂,一文说清其组成和作用原理
人工智能一直在帮助企业处理各种事务,从简单的客户查询到复杂的问题解决。然而,即使是最先进的人工智能模型有时也会有不足之处,提供的答案也不太准确。
DenserAI_Chris
2024/09/15
1.5K0
什么是检索增强生成 (RAG)?简单易懂,一文说清其组成和作用原理
RAG科普文!检索增强生成的技术全景解析
增强生成 (RAG) 是塑造应用生成式 AI 格局的关键技术。Lewis 等人在其开创性论文中提出了一个新概念面向知识密集型 NLP 任务的检索增强生成之后,RAG 迅速成为基石,提高了大型语言模型 (LLM) 输出的可靠性和可信度。
致Great
2025/02/15
8920
RAG科普文!检索增强生成的技术全景解析
RAG——使用检索增强生成构建特定行业的大型语言模型
在人工智能兴起的当下,AI正在不断地重塑着很多行业。我辈人工智能从业者,在探索AI应用的同时,也在不断地下钻技术本质。由于笔者之前梳理过比较多的AI应用,在查看检索增强生成技术(Retrieval-Augmented Generation)技术论文时,发现了一个事实,那就是几乎各大AI应用都有用到这种检索增强技术。
山行AI
2023/06/14
7.1K1
RAG——使用检索增强生成构建特定行业的大型语言模型
一文带你全面了解 RAG 组件
检索增强生成 (RAG) 流程正在彻底改变我们与大型语言模型 (LLM) 的交互方式。RAG 不再仅仅依赖这些模型中预先训练的知识,而是让 LLM 能够实时访问和利用外部知识源,从而产生更准确、更相关、更有根据的响应。然而,构建有效的 RAG 系统并不是一个即插即用的操作;它是一个经历复杂选择的过程。
致Great
2024/12/29
3350
一文带你全面了解 RAG 组件
一文带你了解RAG(检索增强生成) | 概念理论介绍+ 代码实操(含源码)
针对大型语言模型效果不好的问题,之前人们主要关注大模型再训练、大模型微调、大模型的Prompt增强,但对于专有、快速更新的数据却并没有较好的解决方法,为此检索增强生成(RAG)的出现,弥合了LLM常识和专有数据之间的差距。
ShuYini
2023/12/21
41.5K79
一文带你了解RAG(检索增强生成) | 概念理论介绍+ 代码实操(含源码)
RAG是什么?
检索增强生成(RAG)是对大型语言模型输出进行优化的方法,使其能够在生成响应之前引用训练数据来源之外的权威知识库。大型语言模型(LLM)通过海量数据进行训练,利用数十亿个参数执行诸如回答问题、语言翻译和生成句子等任务。在已经具备强大功能的LLM基础上,RAG通过扩展其能力,使其能够访问特定领域或企业的内部知识库,而无需重新训练模型。这种方法经济高效,能够有效改进LLM输出,在不同情境下保持相关性、准确性和实用性。
灵雀云
2024/02/22
1.1K0
RAG是什么?
Retrieval Augmented Generation (RAG) 研究报告
近年来,大型语言模型 (LLM) 在自然语言处理领域取得了显著的进展,展现出强大的文本生成能力。然而,LLM 仍然存在一些局限性,例如容易产生“幻觉”(生成不准确或不相关的信息,类似于人类的“虚构”)、知识库更新不及时,以及在面对特定领域问题时提供过时或过于泛化的信息 。Retrieval Augmented Generation (RAG) 是一种新兴的技术,它将信息检索系统与生成式 LLM 相结合,旨在克服这些局限性,增强 LLM 的能力。  
@小森
2025/02/24
4920
大模型微调与RAG检索增强有何区别?从基础原理到案例分析全面详解
如果你一直在跟着Fanstuck博主的脚步探索AI大模型的相关内容,从最初的大模型Prompt工程解析,DeepSeek全面解析,到实际的私有化大模型开发部署,再到深入NL2SQL、知识图谱大模型和ChatBI等更高阶应用.我是Fanstuck,致力于将复杂的技术知识以易懂的方式传递给读者,热衷于分享最新的行业动向和技术趋势。如果你对大模型的创新应用、AI技术发展以及实际落地实践感兴趣,那么请关注Fanstuck。
fanstuck
2025/03/04
9676
大模型微调与RAG检索增强有何区别?从基础原理到案例分析全面详解
干货!带你了解7种检索增强生成 (RAG) 技术
在简单RAG中,大型语言模型(LLM)接收用户查询,在向量存储库中进行相似性搜索或在知识图谱中进行关系搜索,然后基于检索到的信息生成答案。
致Great
2025/01/06
5.6K0
干货!带你了解7种检索增强生成 (RAG) 技术
检索增强生成:革命性技术还是过度承诺?
本文将深入剖析 RAG(Retrieval-Augmented Generation)所宣称的能力和其在实际应用中的表现。我们首先将探讨 RAG 的工作原理,评估其潜在的优势。随后,我们将分享在实践中遇到的一些挑战,以及我们为应对这些挑战所开发的解决方案。此外,我们还将讨论那些我们仍在探索中的未解决的问题。通过这些内容,您将获得对 RAG 能力的全面了解,并认识到它在推动人工智能领域发展中所扮演的不断进化的角色。
深度学习与Python
2024/06/27
1670
检索增强生成:革命性技术还是过度承诺?
【RAG】001.1-RAG相关核心概念
RAG(Retrieval-Augmented Generation,检索增强生成)是一种结合信息检索与生成模型的混合架构,旨在提升生成的准确性和可信度。其核心概念可归纳为以下六个方面:
訾博ZiBo
2025/03/26
3040
RAG技术:通过向量检索增强模型理解与生成能力
本文介绍了RAG(检索增强生成)技术的原理与应用,特别是如何通过向量检索系统增强生成模型对外部知识的理解和生成能力。针对大模型缺乏实时知识和生成内容易出错的问题,本文提出了一种结合向量检索与生成模型的方法,并提供了可运行的示例代码模块。
Swift社区
2025/01/28
2780
RAG技术:通过向量检索增强模型理解与生成能力
【AIGC】检索增强技术深度剖析(RAG)
想象一下,您的公司可以使用强大的 AI 工具,该工具可以处理大量数据并提取重要结论、识别关键信息并有效地总结它。这些功能可以显着提高员工的工作效率,使他们能够专注于工作中最有价值的方面,而不是耗时的数据处理。在这种情况下,检索增强生成 (RAG) 开辟了新的视角。RAG 允许将 AI 模型与公司的特定内部数据集成,不仅可以进行处理,还可以对这些知识进行智能解释和利用。在本文中,我们将探讨如何实现这一点。
Freedom123
2024/05/11
7130
用检索增强生成让大模型更强大,这里有个手把手的Python实现
本文首先将关注 RAG 的概念和理论。然后将展示可以如何使用用于编排(orchestration)的 LangChain、OpenAI 语言模型和 Weaviate 向量数据库来实现一个简单的 RAG。
机器之心
2023/11/22
1.1K0
用检索增强生成让大模型更强大,这里有个手把手的Python实现
面向AI的开发:从大模型(LLM)、检索增强生成(RAG)到智能体(Agent)的应用
在今年的敏捷团队建设中,我通过Suite执行器实现了一键自动化单元测试。Juint除了Suite执行器还有哪些执行器呢?由此我的Runner探索之旅开始了!
京东技术
2024/06/11
1.8K0
面向AI的开发:从大模型(LLM)、检索增强生成(RAG)到智能体(Agent)的应用
推理模型升级浪潮下,Agentic RAG 如何借力 DeepSeek 实现知识革命?
王昊奋,同济大学特聘研究员、博导、腾讯云 TVP。研究方向包括知识图谱、自然语言处理、对话问答机器人等。长期在一线人工智能公司担任 CTO 之职。是全球最大的中文开放知识图谱联盟 OpenKG 发起人之一。负责主持多项国家级和上海市 AI 相关项目,发表 100 余篇 AI 领域高水平论文,谷歌学术引用 6100 余次,H-index 达到 31。构建了全球首个可交互养成的虚拟偶像—“琥珀·虚颜”;所构建的智能客服机器人已累计服务用户超过 10 亿人次。目前担任中国计算机学会术语工委副主任,SIGKG 主席,上海秘书长,中国中文信息学会理事,语言与知识计算专委会副秘书长,上海市计算机学会自然语言处理专委会副主任,上海交通大学 AI 校友会秘书长等社会职位。
TVP官方团队
2025/04/11
2200
推理模型升级浪潮下,Agentic RAG 如何借力 DeepSeek 实现知识革命?
【愚公系列】《AI Agent技术、应用与商业》004-Al Agent 的技术基础
在人工智能的广阔世界中,智能代理(AI Agent)作为一种重要的应用形态,发挥着越来越关键的作用。无论是在自动化客服、智能推荐,还是在复杂的决策支持系统中,智能代理都以其强大的功能和灵活的应用赢得了广泛关注。然而,支撑这些智能代理正常运作的技术基础是什么呢?
愚公搬代码
2025/03/14
1680
RAG 架构实战:Fixed-Size Chunking(固定切块) 解析
Hello folks,我是 Luga,今天我们来聊一下人工智能应用场景 - 构建高效、灵活的计算架构的 RAG 架构的切块策略—Fixed-Size Chunking(固定切块)。
Luga Lee
2025/05/25
1300
RAG 架构实战:Fixed-Size Chunking(固定切块) 解析
从零开始优化 RAG 流程的终极指南,解决检索增强生成的核心挑战
首先,我们将 RAG 工作流程分为三个部分,以增强我们对 RAG 的理解,并优化每个部分以提高整体性能:
致Great
2025/02/22
9890
从零开始优化 RAG 流程的终极指南,解决检索增强生成的核心挑战
推荐阅读
相关推荐
什么是检索增强生成(又名 RAG-Retrieval-Augmented Generation)及相关引用文档
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档