使用JDBC及基于Spring的JDBC连接数据库

本文详细对比了使用JDBC和Spring框架连接数据库的方法,并展示了如何通过Spring配置实现数据库连接的简化。从JDBC的基本操作入手,逐步过渡到利用Spring管理数据库连接,旨在帮助开发者掌握更高效、灵活的数据库访问策略。
早上写了两段代码,一个是使用jdk中的JDBC连接数据库,代码如下:

Class.forName("com.mysql.jdbc.Driver").newInstance();
Connection con=java.sql.DriverManager.getConnection("jdbc:mysql://localhost/books?useUnicode=true&characterEncoding=GBK","root","weishenme2");
Statement stmt=con.createStatement();
ResultSet rst=stmt.executeQuery("select * from book");
while(rst.next())
{
System.out.println(rst.getString("bookId"));
System.out.println(rst.getString("bookName"));
System.out.println(rst.getString("publisher"));
System.out.println("price");
}


后来又使用了基于Spring连接数据库,在spring.xml文件中声明如下bean:

<bean id="ds"
class="org.springframework.jdbc.datasource.DriverManagerDataSource">
<property name="driverClassName" value="com.mysql.jdbc.Driver"/>
<property name="url" value="jdbc:mysql://localhost:3306/young"/>
<property name="username" value="root"/>
<property name="password" value="weishenme2"/>
</bean>

这样在程序中就可以直接使用它来创建Connection:

final ArrayList<User> users=new ArrayList<User>();
Resource resource = new ClassPathResource("dao/jdbc/spring.xml");
BeanFactory factory = new XmlBeanFactory(resource);
DriverManagerDataSource ds=(DriverManagerDataSource) factory.getBean("ds");
JdbcTemplate jt=new JdbcTemplate(ds);
jt.query("SELECT * FROM user", new RowCallbackHandler(){

public void processRow(ResultSet rs) throws SQLException {
User user=new User();
user.setId(rs.getInt("id"));
user.setUsername(rs.getString("username"));
user.setPassword(rs.getString("password"));
user.setEmail(rs.getString("email"));
users.add(user);
}

});

下一步就是要使用SpringDM连接,会在稍后的文章中讲述。
内容概要:本文系统阐述了Python在数据分析与可视化领域的技术实践,涵盖数据分析基础、数据探索方法、可视化技术原理、高级可视化应用及实战案例五大方面。文章首先介绍NumPy和Pandas在数据处理与描述性统计中的核心作用,继而讲解相关性分析、分布分析和分组对比等探索性分析方法。随后深入剖析Matplotlib、Seaborn和Plotly三大可视化库的技术特点与应用场景,涵盖静态图表、统计图形到交互式可视化。最后通过交通数据的实战案例,演示从数据预处理、探索分析到多维度可视化呈现的完整流程。; 适合人群:具备Python基础、对数据处理与可视化感兴趣的初中级开发者,以及从事数据分析、运营分析、数据科学研究等相关工作的人员;尤其适合工作1-3年、希望提升数据实战能力的研发人员。; 使用场景及目标:①掌握Pandas进行数据清洗、分组聚合与描述性统计的方法;②熟练运用Matplotlib、Seaborn和Plotly实现多样化数据可视化;③通过真实案例理解探索性数据分析流程并构建交互式仪表盘;④应用于业务报表开发、数据洞察挖掘和决策支持系统建设。; 阅读建议:建议结合代码实践同步学习,重点理解不同可视化工具的适用边界,并在实战中尝试迁移应用文中案例逻辑,强化对数据分布识别、多维分析和交互设计的理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值