sqlserver插入2892条出错

本文探讨了在使用MyBatis框架向SQL Server数据库进行大批量数据插入时遇到的参数数量超过2100个的限制问题。通过调整代码逻辑,将批量插入拆分为多次单条插入,成功解决了此问题。
//batchLastIndex小于size本身customerAllList 75 batchCount 20  batchLastIndex 20 
SqlSession sqlSession = sqlSessionFactory.openSession(ExecutorType.SIMPLE);
sqlSession.insert("com.idengyun.module.customer.dao.NewlyIncreasedToNCDao.saveAllCustomerListToNC",
customerAllList.subList(i, batchLastIndex));
                    sqlSession.commit();
                    sqlSession.close();

<insert id="saveAllCustomerListToNC" parameterType="java.util.List"
useGeneratedKeys="true" keyProperty="id">
INSERT INTO [dbo].[custdoc] (
orgcode,
appcustcode,
custname,
custclass,
tel1,
ts,
        status
)
VALUES
<foreach collection="list" item="m" index="index" separator=",">
(
#{ m.orgcode },#{ m.appcustcode },#{ m.custname },'C1',#{ m.tel1
},#{m.ts},'0'
)
</foreach>
</insert>

以下内容为粘贴复制,实现思路相同,这两天被这个问题坑死了,感谢这兄弟的分享!! 原文地址:

 http://www.cnblogs.com/s1165482267/p/9079202.html

com.microsoft.sqlserver.jdbc.SQLServerException: 传入的请求具有过多的参数。该服务器支持最多 2100 个参数。请减少参数的数目,然后重新发送该请求。

看到这个异常第一个反应就是改MyBatis或SqlServer的配置,后经百度,只找到了原因:

https://blog.csdn.net/syy_c_j/article/details/52151402

  • SqlServer 对语句的条数和参数的数量都有限制,分别是 1000 和 2100。
  • Mysql 对语句的长度有限制,默认是 4M。
  • Mybatis 对动态语句没有数量上的限制

com.microsoft.sqlserver.jdbc.SQLServerException: 传入的请求具有过多的参数。该服务器支持最多 2100 个参数。请减少参数的数目,然后重新发送该请求。

看到这个异常第一个反应就是改MyBatis或SqlServer的配置,后经百度,只找到了原因:

https://blog.csdn.net/syy_c_j/article/details/52151402

  • SqlServer 对语句的条数和参数的数量都有限制,分别是 1000 和 2100。
  • Mysql 对语句的长度有限制,默认是 4M。
  • Mybatis 对动态语句没有数量上的限制

com.microsoft.sqlserver.jdbc.SQLServerException: 传入的请求具有过多的参数。该服务器支持最多 2100 个参数。请减少参数的数目,然后重新发送该请求。

看到这个异常第一个反应就是改MyBatis或SqlServer的配置,后经百度,只找到了原因:

https://blog.csdn.net/syy_c_j/article/details/52151402

  • SqlServer 对语句的条数和参数的数量都有限制,分别是 1000 和 2100。
  • Mysql 对语句的长度有限制,默认是 4M。
  • Mybatis 对动态语句没有数量上的限制
  • 在一句批量插入的操作中抛出这个异常,查看sql发现用了foreach
  • <!-- 批量插入问题件 -->
    <sql id="sqlInsertQuestions">
        <foreach collection="questionList" item="question">
            insert into cmd_Question (
        qu_clm_id,qu_data_id,qu_code,qu_des,qu_fieldcode,qu_data_type
            ) values(
                #{clm_id},#{question.qu_data_id},#{question.qu_code},#{question.qu_des},#{question.qu_fieldcode},#{question.qu_data_type}
            )
        </foreach>
    </sql>

    之后经过尝试,只需将sql中的for循环提出至代码中进行循环即可,即

     for (Question question : claim.getQuestionList()) {
         mapper.insertQuestion(question);
     }
    <insert id="insertQuestion" parameterType="question">
        insert into cmd_Question (
            qu_clm_id,qu_data_id,qu_code,qu_des,qu_fieldcode,qu_data_type
        ) values(
            #{qu_clm_id},#{qu_data_id},#{qu_code},#{qu_des},#{qu_fieldcode},#{qu_data_type}
        )
    </insert>

     

内容概要:本文围绕“基于线性决策规则的分布鲁棒机组组合研究”展开,提出了一种应对电力系统中不确定性因素(如风电出力波动)的先进优化建模方法。通过引入线性决策规则(Linear Decision Rules, LDR),将原本难以求解的分布鲁棒优化问题转化为具有较强计算可行性的数学形式,在保证调度方案经济性的同时显著提升了系统在不确定环境下的鲁棒性与可靠性。研究详细阐述了模型构建的关键环节,包括不确定集合的构造、决策变量对不确定参数的仿射依赖关系设计、目标函数与约束件的精确数学表达,并依托Matlab平台完成了完整的代码实现与仿真验证,充分展示了该方法在计算效率与调度性能之间的良好平衡。; 适合人群:具备电力系统优化、运筹学与凸优化理论基础,熟悉Matlab编程语言,从事高比例可再生能源并网、鲁棒调度、电力系统规划与运行等方向研究的研究生、高校科研人员及电力行业工程技术专家。; 使用场景及目标:① 解决含大规模风电等波动性电源的机组组合问题,提升调度方案对出力不确定性的适应能力与系统安全性;② 深入学习和掌握分布鲁棒优化理论与线性决策规则在复杂电力工程问题中的建模思想、实现技巧与实际应用价值;③ 为现代电力系统的安全、经济、可靠运行提供先进的理论工具与技术支撑。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解线性决策规则的数学原理、近似机制及其在降低问题复杂度方面的有效性,优先复现文中仿真结果,并可进一步探索不同类型的不确定集(如椭球集、多面体集)或更高阶决策规则对优化结果与计算负担的影响,以深化对该方法性能边界的认识。
内容概要:本文提出了一种面向综合能源系统的算力-电力-热力联合优化调度策略,旨在实现多能源耦合系统中的高效协同运行。研究通过构建涵盖算力负荷(如数据中心计算任务)、电力系统与热力系统的综合模型,利用Matlab进行仿真与优化求解,深入整合三者的能量流动关系与动态耦合特性。重点分析了算力负载的时空迁移特性及其对电力与热力供需平衡的影响机制,引入先进的优化算法实现系统经济性、能效性和可再生能源消纳能力的多目标协同优化。该方法有效提升了综合能源系统的资源综合利用效率,降低了运行成本,并增强了系统灵活性与可持续性。; 适合人群:具备电力系统、能源工程、自动化或相关领域背景,熟悉Matlab编程,从事综合能源系统、智能电网、数据中心能耗管理或能源互联网研究的研发人员与高校研究生。; 使用场景及目标:①应用于数据中心与区域能源系统协同调度的实际工程场景;②服务于科研中对多能耦合系统建模、优化算法设计与验证的需求;③实现节能减排、提升系统运行经济性与对可再生能源的高比例消纳目标。; 阅读建议:建议结合提供的Matlab代码深入理解模型构建、变量定义与求解流程,重点关注算力与能源系统间的耦合建模方法,可通过调整负荷参数、引入新的约束件或更换优化算法进行二次开发与拓展研究。
内容概要:本文研究了基于Q-Learning自适应强化学习的PID控制器在自主水下航行器(AUV)中的应用,旨在提升其在复杂水下环境中运动控制的精度、稳定性和自适应能力。通过建立AUV的六自由度动力学模型,将Q-Learning算法与传统PID控制相结合,实现了对PID参数的在线自整定。文中详细设计了强化学习的状态空间、动作空间与奖励函数,构建了智能优化的控制框架。仿真结果表明,相较于传统固定参数PID控制器,该方法在轨迹跟踪精度、抗外部干扰能力和系统动态响应性能方面均有显著提升,有效解决了非线性、强耦合、时变参数等挑战,验证了智能控制策略在水下机器人系统中的可行性与优越性。; 适合人群:具备自动控制理论、强化学习基础或水下机器人建模相关知识,从事控制工程、自动化、海洋工程、机器人学等领域的科研人员及研究生。; 使用场景及目标:①应用于复杂海洋环境下AUV的高精度运动控制与自主导航;②为智能控制算法在非线性、强耦合动态系统中的工程实现提供技术参考;③推动强化学习与经典控制理论融合的创新研究与实际部署。; 阅读建议:建议读者结合提供的Matlab代码进行仿真实验,重点理解Q-Learning与PID参数调节之间的交互机制,深入分析状态定义、动作选择与奖励函数设计的合理性,从而掌握智能自适应控制系统的构建方法与优化思路。
随着区块链技术在金融、供应链、政务等领域的广泛应用,联盟链作为一种兼具去中心化特性与可控性的技术方案,已成为企业级区块链系统的主流架构。然而,联盟链的共识算法面临着安全性与性能之间的根本权衡问题:传统的实用拜占庭容错(PBFT)算法虽然能够提供强一致性保证,但在节点规模增大时会面临通信开销激增、共识延迟显著增加的挑战,限制了其在大规模网络中的应用。如何在保证系统安全性的前提下提升共识吞吐量,是当前联盟链技术发展亟待解决的核心问题。本研究围绕联盟链共识算法的安全性与性能权衡理论展开,以PBFT类共识算法为研究对象,深入分析了节点规模变化对共识安全性边界与性能指标的影响机制。研究首先构建了PBFT共识算法的形式化安全性模型,推导了不同故障节点比例下的共识正确性件;随后建立了基于消息复杂度分析的性能模型,量化了节点数量与共识延迟、吞吐量之间的数学关系。基于上述理论分析,本研究提出了一种自适应共识阈值调整机制,该机制能够根据网络中的实际节点数量和故障节点比例动态调整共识所需的阈值参数,在保证系统安全的前提下优化共识性能。仿真实验设置了不同节点规模(10-100个节点)和不同故障节点比例(0%-33%)的场景,分别测试了传统PBFT算法与自适应阈值PBFT算法的共识延迟和吞吐量指标。实验结果表明,在相同安全保障下,自适应阈值机制能够将共识吞吐量提升30%-50%,同时将共识延迟降低20%-40%,尤其在大规模网络场景下性能优势更为显著。 【课程报告内容】 摘要 第1章 绪论 第2章 相关技术与理论基础 第3章 PBFT共识算法安全性分析 第4章 安全性与性能权衡模型 第5章 自适应共识阈值调整机制设计 第6章 仿真实验与结果分析 第7章 总结与展望 参考文献
内容概要:本文深入解析了2026年律所官网在生成式引擎优化(GEO)环境下的适配策略,指出内容数量并非决定AI引用率的关键,核心在于构建符合EEAT原则的可信度结构。文章揭示“内容越多越不被AI引用”的反常识现象,剖析三大行业认知误区,并从大模型底层机制出发,阐明其通过召回、排序、生成三步流程筛选高可信度法律内容的逻辑。为此,作者提出原创的“法律内容可信度七层模型”(LCC-7),涵盖域名基础、作者资质、事实依据、结构清晰度、信息密度、时效性和一致性七个维度,提供系统性优化框架。配套七步落地实施指南与自查清单,帮助律所精简内容、强化专业信号,实测显示可大幅提升AI引用率与自然咨询转化。; 适合人群:从事法律行业且关注线上品牌建设与案源拓展的律师事务所管理者、市场运营人员,以及致力于提升专业内容传播效能的法律内容创作者。; 使用场景及目标:①指导律所官网内容战略转型,从追求数量转向构建高质量、高可信度的专业内容体系;②提升律所内容在AI生成回答中的引用概率,增强专业影响力并获取精准自然流量;③应用于法律科普文章撰写、官网架构优化及数字营销策略制定。; 阅读建议:此资源兼具理论深度与实践指导性,建议结合文中提供的LCC-7模型评分表和自查清单,对自身官网进行全面诊断与分阶段优化,同时关注大模型机制演变,持续迭代内容策略。
内容概要:本文研究了基于粒子群算法(PSO)的微网优化调度问题,重点探讨了需求响应机制对微网运行效能的影响。通过构建包含分布式电源、储能系统及可控负荷的微网模型,建立了以最小化系统运行成本为目标的优化调度模型,并引入需求响应策略以调节用户用电行为,从而提升能源利用效率与系统经济性。采用粒子群算法对所提出的非线性优化模型进行求解,详细阐述了算法的初始化、适应度函数设计、个体与群体最优解更新、速度与位置迭代等核心环节。仿真实验验证了该方法在降低运行成本、优化负荷曲线、提高可再生能源消纳能力以及实现供需平衡方面的有效性。; 适合人群:具备一定电力系统基础知识和MATLAB编程能力的研究生、科研人员及从事微网优化、智能优化算法应用等相关领域的工程技术人员。; 使用场景及目标:①应用于微电网能量管理系统中,实现经济高效的日前调度;②为需求响应策略的设计与评估提供技术支持;③作为粒子群算法在电力系统优化中应用的教学案例,帮助理解智能优化算法的具体实现过程。; 阅读建议:建议读者结合文中提供的MATLAB代码实现部分,动手复现算法流程,深入理解粒子群算法在解决实际工程优化问题中的应用细节,并可通过修改目标函数或约束件进一步拓展研究内容。
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