mongodb入门-9查询4
mongodb入门-9查询4 mongodb入门-8查询3 http://www.2cto.com/database/201305/212158.html $elemMatch 匹配内嵌文章中的数据,我们知道在mongodb中可以使用内嵌文档,但是这时候根据内嵌文档的内容查询使用原先介绍的方法,可能就不是那么方便了,好在mongodb已
mongodb入门-9查询4
mongodb入门-8查询3
http://www.2cto.com/database/201305/212158.html
$elemMatch
匹配内嵌文章中的数据,我们知道在mongodb中可以使用内嵌文档,但是这时候根据内嵌文档的内容查询使用原先介绍的方法,可能就不是那么方便了,好在mongodb已经考虑了,为我们提供了$elemMatch方法.例子:
[html]
> db.user.find()
{ "_id" : ObjectId("5198c286c686eb50e2c843b2"), "name" : "user0", "age" : 0 }
{ "_id" : ObjectId("5198c286c686eb50e2c843b3"), "name" : "user1", "age" : 1 }
{ "_id" : ObjectId("5198c286c686eb50e2c843b4"), "name" : "user2", "age" : 2 }
{ "_id" : ObjectId("5198c286c686eb50e2c843b5"), "name" : "user3", "age" : 1 }
{ "_id" : ObjectId("5198c286c686eb50e2c843b6"), "name" : "user4", "age" : 1 }
{ "_id" : ObjectId("5198c286c686eb50e2c843b7"), "name" : "user5", "age" : 2 }
{ "_id" : ObjectId("51997c702b76790566165e48"), "name" : "xiangyue", "age" : 23, "title" : [ { "content" : "aaa" }, {
"content" : "bbb" }, { "discuss" : "cc" } ] }
{ "_id" : ObjectId("51997c9f2b76790566165e49"), "name" : "xiangyue", "age" : 23, "title" : [ { "content" : "dd" }, {
"content" : "ee" }, { "discuss" : "ff" } ] }
> db.user.find({title:{$elemMatch : {content : "aaa"}}}) -->查找title中的content字段为aaa的文档
{ "_id" : ObjectId("51997c702b76790566165e48"), "name" : "xiangyue", "age" : 23, "title" : [ { "content" : "aaa" }, {
"content" : "bbb" }, { "discuss" : "cc" } ] }
游标
mongodb中提供了像关系型数据库中的游标操作.首先我们获取一个游标,获取游标很简单,只需要将我们以前学过的查询方法赋值给一个变量就可以了:
[html]
var cursor = db.test.find()
我们如果在命令行直接输入cursor,将会执行这个查询打印结果,这个时候我们再去执行cursor的时候将神马都不会返回了,因为这个游标已经使用完了,当然我们不想这样使用游标,我们可以像下面那样使用游标:
[html]
> while(cursor.hasNext()){ var current = cursor.next(); print("age=" + current.age); }
age=1
age=2
age=3
age=4
age=5
当然我们可以使用游标的forEach方法,如下:
[html]
> var cursor = db.test.find()
> cursor.forEach(function(obj){
... print("age=" + obj.age);
... });
age=1
age=2
age=3
age=4
age=5
同样游标可以结合sort/skip/limit等方法一同使用,换句话说以前学的基本所有的查询都可以跟游标结合使用.
count 计算查询结果的数目
这个比较简单,在以前的查询的命令后面再加上.count()就可以了.
[html]
> db.test.find()
{ "_id" : 1, "name" : "user_1", "age" : 1 }
{ "_id" : 2, "name" : "user_2", "age" : 2 }
{ "_id" : 3, "name" : "user_3", "age" : 3 }
{ "_id" : 4, "name" : "user_4", "age" : 4 }
{ "_id" : 5, "name" : "user_5", "age" : 5 }
> db.test.find().count()
5
null查询
例如下面文档我们只想查出y值为null的文档,
[html]
> db.test2.find()
{ "_id" : ObjectId("519984432b76790566165e4c"), "x" : null }
{ "_id" : ObjectId("5199844c2b76790566165e4d"), "y" : null, "x" : "test" }
按照我们原来学过的使用下的方式查询结果不是我们想要的:
[html]
> db.test2.find({y:null}) -->我们发现mongodb对于y不存在也会给查出来
{ "_id" : ObjectId("519984432b76790566165e4c"), "x" : null }
{ "_id" : ObjectId("5199844c2b76790566165e4d"), "y" : null, "x" : "test" }
这里提供一下两种方法查询
[html]
> db.test2.find({y:{$type:10}}) -->明确指出其类型
{ "_id" : ObjectId("5199844c2b76790566165e4d"), "y" : null, "x" : "test" }
> db.test2.find({y:null,y:{$exists:1}}) -->查找null 但是同时y值必须存在
{ "_id" : ObjectId("5199844c2b76790566165e4d"), "y" : null, "x" : "test" }

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









キミ: たった 1 文の PPT がわずか 10 秒で完成します。 PPTはとても面倒です!会議を開催するには PPT が必要であり、週次報告書を作成するには PPT が必要であり、投資を勧誘するには PPT を提示する必要があり、不正行為を告発するには PPT を送信する必要があります。大学は、PPT 専攻を勉強するようなものです。授業中に PPT を見て、授業後に PPT を行います。おそらく、デニス オースティンが 37 年前に PPT を発明したとき、PPT がこれほど普及する日が来るとは予想していなかったでしょう。 PPT 作成の大変な経験を話すと涙が出ます。 「20 ページを超える PPT を作成するのに 3 か月かかり、何十回も修正しました。PPT を見ると吐きそうになりました。」 「ピーク時には 1 日に 5 枚の PPT を作成し、息をすることさえありました。」 PPTでした。」 即席の会議をするなら、そうすべきです

北京時間6月20日早朝、シアトルで開催されている最高の国際コンピュータビジョンカンファレンス「CVPR2024」が、最優秀論文やその他の賞を正式に発表した。今年は、最優秀論文 2 件と学生優秀論文 2 件を含む合計 10 件の論文が賞を受賞しました。また、最優秀論文ノミネートも 2 件、学生優秀論文ノミネートも 4 件ありました。コンピュータービジョン (CV) 分野のトップカンファレンスは CVPR で、毎年多数の研究機関や大学が集まります。統計によると、今年は合計 11,532 件の論文が投稿され、2,719 件が採択され、採択率は 23.6% でした。ジョージア工科大学による CVPR2024 データの統計分析によると、研究テーマの観点から最も論文数が多いのは画像とビデオの合成と生成です (Imageandvideosyn

LLM が大量のデータを使用して大規模なコンピューター クラスターでトレーニングされていることはわかっています。このサイトでは、LLM トレーニング プロセスを支援および改善するために使用される多くの方法とテクノロジが紹介されています。今日、私たちが共有したいのは、基礎となるテクノロジーを深く掘り下げ、オペレーティング システムさえ持たない大量の「ベア メタル」を LLM のトレーニング用のコンピューター クラスターに変える方法を紹介する記事です。この記事は、機械がどのように考えるかを理解することで一般的な知能の実現に努めている AI スタートアップ企業 Imbue によるものです。もちろん、オペレーティング システムを持たない大量の「ベア メタル」を LLM をトレーニングするためのコンピューター クラスターに変換することは、探索と試行錯誤に満ちた簡単なプロセスではありませんが、Imbue は最終的に 700 億のパラメータを備えた LLM のトレーニングに成功しました。プロセスが蓄積する

Machine Power Report 編集者: Yang Wen 大型モデルや AIGC に代表される人工知能の波は、私たちの生活や働き方を静かに変えていますが、ほとんどの人はまだその使い方を知りません。そこで、直感的で興味深く、簡潔な人工知能のユースケースを通じてAIの活用方法を詳しく紹介し、皆様の思考を刺激するコラム「AI in Use」を立ち上げました。また、読者が革新的な実践的な使用例を提出することも歓迎します。ビデオリンク: https://mp.weixin.qq.com/s/2hX_i7li3RqdE4u016yGhQ 最近、Xiaohongshu で一人暮らしの女の子の生活 vlog が人気になりました。イラスト風のアニメーションといくつかの癒しの言葉を組み合わせれば、数日で簡単に習得できます。

検索拡張生成 (RAG) は、検索を使用して言語モデルを強化する手法です。具体的には、言語モデルは回答を生成する前に、広範な文書データベースから関連情報を取得し、この情報を使用して生成プロセスをガイドします。このテクノロジーにより、コンテンツの精度と関連性が大幅に向上し、幻覚の問題を効果的に軽減し、知識の更新速度が向上し、コンテンツ生成の追跡可能性が向上します。 RAG は間違いなく、人工知能研究の中で最もエキサイティングな分野の 1 つです。 RAGについて詳しくは、当サイトのコラム記事「大型モデルの欠点を補うことに特化したRAGの新展開とは?」を参照してください。このレビューはそれを明確に説明しています。」しかし、RAG は完璧ではなく、ユーザーはそれを使用するときにいくつかの「問題点」に遭遇することがよくあります。最近、NVIDIA の生成 AI 高度なソリューション

ソラが出てこられなかったとき、OpenAI の敵対者は武器を使用して街路を破壊しました。 Sora を使用しないと本当に盗まれます。本日、サンフランシスコのスタートアップ LumaAI が切り札となり、新世代の AI ビデオ生成モデル DreamMachine を発表しました。無料で誰でも利用できます。レポートによると、このモデルは、Sora に匹敵する効果を持つ、簡単なテキストの説明に基づいて、高品質でリアルなビデオを生成できます。このニュースが発表されるとすぐに、多くのユーザーがそれを試してみようと公式ウェブサイトに殺到しました。関係者は、このモデルはわずか 2 分で 120 フレームのビデオを生成できると主張していますが、多くのユーザーはアクセス数が急増したため、公式 Web サイトで何時間も待たされています。 Luma の製品成長責任者である BarkleyDai 氏は Discord についてコメントする必要がありました

7 月 24 日、Kuaishou ビデオ生成大型モデル Keling AI は、基本モデルが再度アップグレードされ、内部テストが完全にオープンになったと発表しました。 Kuaishou 氏は、より多くのユーザーが Keling AI を使用できるようにし、クリエイターのさまざまなレベルの使用ニーズをより適切に満たすために、今後は完全にオープンな内部テストに基づいて、さまざまなカテゴリの会員システムを正式に開始すると述べました。メンバーに対応する専用の機能サービスを提供します。同時に、Keling AI の基本モデルも再度アップグレードされ、ユーザー エクスペリエンスがさらに向上しました。ユーザーエクスペリエンスをさらに向上させるために、Keling AI は 1 か月以上前にリリースされて以来、何度もアップグレードされ、今回のメンバーシップ システムの開始により、Keling AI の基本モデル効果は一度アップグレードされました。再び変身を遂げた。 1つ目は、ベーシックモデルのアップグレードにより画質が大幅に向上したことです。

マトリックスはわかりにくいですが、別の視点から見ると違うのかもしれません。数学を学ぶとき、私たちは学んだ知識の難しさや抽象性にイライラすることがよくありますが、視点を変えるだけで問題に対するシンプルで直感的な解決策を見つけることができることがあります。たとえば、私たちが子供の頃に二乗和 (a+b)² の公式を習ったとき、それがなぜ a²+2ab+b² に等しいのか理解できなかったかもしれません。この本と先生は、私たちにこのように覚えるように言いました。ある日、このアニメーションを見るまでは、幾何学的な観点からそれを理解できることに突然気づきました。ここで、この啓発的な感覚が再び起こります。非負行列は、対応する有向グラフに等価的に変換できるのです。以下の図に示すように、左側の 3×3 行列は実際には次のようになります。
