sql优化 SELECT PARENT_ORG_ID FROM TD_BFM_ORG WHERE PARENT_ORG_ID NOT IN (SELECT DISTINCT ORG_ID FROM TD_BFM_ORG)

时间: 2023-07-24 11:46:23 浏览: 45
这个 SQL 语句的意思是查询 `TD_BFM_ORG` 表中所有不在 `TD_BFM_ORG` 表中 `ORG_ID` 字段中出现过的 `PARENT_ORG_ID` 字段值。 优化可以从以下几个方面入手: 1. 使用 `NOT EXISTS` 替代 `NOT IN`,因为 `NOT IN` 的子查询结果集中如果存在 NULL 值,那么整个查询结果都是空的,而 `NOT EXISTS` 没有这个问题。 2. 添加索引:可以为 `TD_BFM_ORG` 表的 `PARENT_ORG_ID` 字段和 `ORG_ID` 字段分别创建索引,这样可以加快查询速度。 3. 减少子查询:可以将 `DISTINCT` 替换成 `GROUP BY`,这样可以减少子查询的数量。 优化后的 SQL 语句如下: ```sql SELECT PARENT_ORG_ID FROM TD_BFM_ORG t1 WHERE NOT EXISTS ( SELECT 1 FROM TD_BFM_ORG t2 WHERE t2.ORG_ID = t1.PARENT_ORG_ID ) ``` 并且为 `PARENT_ORG_ID` 和 `ORG_ID` 分别创建索引: ```sql CREATE INDEX idx_parent_org_id ON TD_BFM_ORG(PARENT_ORG_ID); CREATE INDEX idx_org_id ON TD_BFM_ORG(ORG_ID); ```
相关问题

flame_albedo_from_bfm.npz

flame_albedo_from_bfm.npz 是一个包含皮肤反射率属性的文件,其中包含由 Balanced Face Model (BFM) 生成的 FLAME 模型所使用的皮肤反射率系数信息。BFM 是一种具有20,000多个3D面点的面部建模方法,它使用可变形模板进行面部形状建模,并通过光照模型计算面部皮肤的反射率。使用FLAME模型对人脸进行建模时,需要考虑到光照对皮肤反射率的影响,因此FLAME模型的生成需要这种皮肤反射率系数信息。这个文件中的数据是由人脸图像和相应的反射率图像进行学习得到的,这些图像用于训练一个神经网络,从而可以生成实际人脸图像的皮肤反射率。该文件通常用于生物医学工程等领域的相关研究中,例如面部跟踪、面部识别、面部表情和年龄估计等。

ahb lite总线接口 与验证bfm的连接举例代码

以下是一个简单的UVM代码示例,展示了如何将AHB Lite总线接口和验证BFM连接起来: ```systemverilog // AHB Lite总线代理 class ahb_lite_agent extends uvm_agent; // AHB Lite总线接口 ahb_lite_if ahb_lite_port; // UVM TLM分析器 uvm_tlm_analysis_port#(ahb_lite_transaction) ahb_lite_analysis_port; function new(string name, uvm_component parent); super.new(name, parent); endfunction function void build_phase(uvm_phase phase); // 创建AHB Lite总线接口并将其绑定到UVM端口 ahb_lite_port = new("ahb_lite_port"); ahb_lite_port.connect(uvm_tb_top.env.ahb_lite_bus); // 创建UVM TLM分析器 ahb_lite_analysis_port = new("ahb_lite_analysis_port", this); endfunction function void run_phase(uvm_phase phase); // 向AHB Lite总线发送事务 ahb_lite_transaction txn = new; // ... ahb_lite_port.write(txn); // 将AHB Lite总线事务转换为UVM TLM事务并发送到验证BFM ahb_lite_analysis_port.write(txn); endfunction endclass // 验证BFM代理 class verification_bfm_agent extends uvm_agent; // 验证BFM接口 verification_bfm_if bfm_port; // UVM TLM代理 uvm_tlm_analysis_imp#(ahb_lite_transaction) ahb_lite_analysis_imp; function new(string name, uvm_component parent); super.new(name, parent); endfunction function void build_phase(uvm_phase phase); // 创建验证BFM接口并将其绑定到UVM端口 bfm_port = new("bfm_port"); bfm_port.connect(uvm_tb_top.env.bfm); // 创建UVM TLM代理 ahb_lite_analysis_imp = new("ahb_lite_analysis_imp", this); endfunction function void run_phase(uvm_phase phase); // 接收UVM TLM事务并将其转换为验证BFM操作 forever begin ahb_lite_transaction txn; ahb_lite_analysis_imp.peek(txn); // ... bfm_port.write(txn); ahb_lite_analysis_imp.get(); end endfunction endclass ``` 在上面的代码示例中,AHB Lite总线代理和验证BFM代理分别实现了AHB Lite总线接口和验证BFM接口,并通过UVM TLM端口进行交互。AHB Lite总线代理中创建了一个UVM TLM分析器,将AHB Lite总线事务转换为UVM TLM事务并发送到验证BFM代理。验证BFM代理中创建了一个UVM TLM代理,接收UVM TLM事务并将其转换为验证BFM操作发送到验证BFM接口。

相关推荐

这段代码是什么意思 def run_posmap_300W_LP(bfm, image_path, mat_path, save_folder, uv_h = 256, uv_w = 256, image_h = 256, image_w = 256): # 1. load image and fitted parameters image_name = image_path.strip().split('/')[-1] image = io.imread(image_path)/255. [h, w, c] = image.shape info = sio.loadmat(mat_path) pose_para = info['Pose_Para'].T.astype(np.float32) shape_para = info['Shape_Para'].astype(np.float32) exp_para = info['Exp_Para'].astype(np.float32) # 2. generate mesh # generate shape vertices = bfm.generate_vertices(shape_para, exp_para) # transform mesh s = pose_para[-1, 0] angles = pose_para[:3, 0] t = pose_para[3:6, 0] transformed_vertices = bfm.transform_3ddfa(vertices, s, angles, t) projected_vertices = transformed_vertices.copy() # using stantard camera & orth projection as in 3DDFA image_vertices = projected_vertices.copy() image_vertices[:,1] = h - image_vertices[:,1] - 1 # 3. crop image with key points kpt = image_vertices[bfm.kpt_ind, :].astype(np.int32) left = np.min(kpt[:, 0]) right = np.max(kpt[:, 0]) top = np.min(kpt[:, 1]) bottom = np.max(kpt[:, 1]) center = np.array([right - (right - left) / 2.0, bottom - (bottom - top) / 2.0]) old_size = (right - left + bottom - top)/2 size = int(old_size*1.5) # random pertube. you can change the numbers marg = old_size*0.1 t_x = np.random.rand()*marg*2 - marg t_y = np.random.rand()*marg*2 - marg center[0] = center[0]+t_x; center[1] = center[1]+t_y size = size*(np.random.rand()*0.2 + 0.9) # crop and record the transform parameters src_pts = np.array([[center[0]-size/2, center[1]-size/2], [center[0] - size/2, center[1]+size/2], [center[0]+size/2, center[1]-size/2]]) DST_PTS = np.array([[0, 0], [0, image_h - 1], [image_w - 1, 0]]) tform = skimage.transform.estimate_transform('similarity', src_pts, DST_PTS) cropped_image = skimage.transform.warp(image, tform.inverse, output_shape=(image_h, image_w)) # transform face position(image vertices) along with 2d facial image position = image_vertices.copy() position[:, 2] = 1 position = np.dot(position, tform.params.T) position[:, 2] = image_vertices[:, 2]*tform.params[0, 0] # scale z position[:, 2] = position[:, 2] - np.min(position[:, 2]) # translate z # 4. uv position map: render position in uv space uv_position_map = mesh.render.render_colors(uv_coords, bfm.full_triangles, position, uv_h, uv_w, c = 3) # 5. save files io.imsave('{}/{}'.format(save_folder, image_name), np.squeeze(cropped_image)) np.save('{}/{}'.format(save_folder, image_name.replace('jpg', 'npy')), uv_position_map) io.imsave('{}/{}'.format(save_folder, image_name.replace('.jpg', '_posmap.jpg')), (uv_position_map)/max(image_h, image_w)) # only for show # --verify # import cv2 # uv_texture_map_rec = cv2.remap(cropped_image, uv_position_map[:,:,:2].astype(np.float32), None, interpolation=cv2.INTER_LINEAR, borderMode=cv2.BORDER_CONSTANT,borderValue=(0)) # io.imsave('{}/{}'.format(save_folder, image_name.replace('.jpg', '_tex.jpg')), np.squeeze(uv_texture_map_rec))

这段代码什么意思def run_posmap_300W_LP(bfm, image_path, mat_path, save_folder, uv_h = 256, uv_w = 256, image_h = 256, image_w = 256): # 1. load image and fitted parameters image_name = image_path.strip().split('/')[-1] image = io.imread(image_path)/255. [h, w, c] = image.shape info = sio.loadmat(mat_path) pose_para = info['Pose_Para'].T.astype(np.float32) shape_para = info['Shape_Para'].astype(np.float32) exp_para = info['Exp_Para'].astype(np.float32) # 2. generate mesh # generate shape vertices = bfm.generate_vertices(shape_para, exp_para) # transform mesh s = pose_para[-1, 0] angles = pose_para[:3, 0] t = pose_para[3:6, 0] transformed_vertices = bfm.transform_3ddfa(vertices, s, angles, t) projected_vertices = transformed_vertices.copy() # using stantard camera & orth projection as in 3DDFA image_vertices = projected_vertices.copy() image_vertices[:,1] = h - image_vertices[:,1] - 1 # 3. crop image with key points kpt = image_vertices[bfm.kpt_ind, :].astype(np.int32) left = np.min(kpt[:, 0]) right = np.max(kpt[:, 0]) top = np.min(kpt[:, 1]) bottom = np.max(kpt[:, 1]) center = np.array([right - (right - left) / 2.0, bottom - (bottom - top) / 2.0]) old_size = (right - left + bottom - top)/2 size = int(old_size*1.5) # random pertube. you can change the numbers marg = old_size*0.1 t_x = np.random.rand()*marg*2 - marg t_y = np.random.rand()*marg*2 - marg center[0] = center[0]+t_x; center[1] = center[1]+t_y size = size*(np.random.rand()*0.2 + 0.9) # crop and record the transform parameters src_pts = np.array([[center[0]-size/2, center[1]-size/2], [center[0] - size/2, center[1]+size/2], [center[0]+size/2, center[1]-size/2]]) DST_PTS = np.array([[0, 0], [0, image_h - 1], [image_w - 1, 0]]) tform = skimage.transform.estimate_transform('similarity', src_pts, DST_PTS) cropped_image = skimage.transform.warp(image, tform.inverse, output_shape=(image_h, image_w)) # transform face position(image vertices) along with 2d facial image position = image_vertices.copy() position[:, 2] = 1 position = np.dot(position, tform.params.T) position[:, 2] = image_vertices[:, 2]*tform.params[0, 0] # scale z position[:, 2] = position[:, 2] - np.min(position[:, 2]) # translate z # 4. uv position map: render position in uv space uv_position_map = mesh.render.render_colors(uv_coords, bfm.full_triangles, position, uv_h, uv_w, c = 3) # 5. save files io.imsave('{}/{}'.format(save_folder, image_name), np.squeeze(cropped_image)) np.save('{}/{}'.format(save_folder, image_name.replace('jpg', 'npy')), uv_position_map) io.imsave('{}/{}'.format(save_folder, image_name.replace('.jpg', '_posmap.jpg')), (uv_position_map)/max(image_h, image_w)) # only for show # --verify # import cv2 # uv_texture_map_rec = cv2.remap(cropped_image, uv_position_map[:,:,:2].astype(np.float32), None, interpolation=cv2.INTER_LINEAR, borderMode=cv2.BORDER_CONSTANT,borderValue=(0)) # io.imsave('{}/{}'.format(save_folder, image_name.replace('.jpg', '_tex.jpg')), np.squeeze(uv_texture_map_rec))

最新推荐

recommend-type

Java毕业设计-基于SSM框架的大学生社团管理系统带lw(源码+演示视频+说明).rar

Java毕业设计-基于SSM框架的大学生社团管理系统带lw(源码+演示视频+说明).rar 【项目技术】 开发语言:Java 框架:ssm+vue 架构:B/S 数据库:mysql 【演示视频-编号:438】 https://pan.quark.cn/s/b3a97032fae7 【实现功能】 实现了社长管理,社团信息管理,社团分类管理,社团加入信息管理,社团成员登记管理,活动信息管理等功能。
recommend-type

基于javaEE+Mysql实现的超市积分管理系统(源码+数据库sql+论文+视频齐全)

【作品名称】:基于javaEE+Mysql实现的超市积分管理系统(源码+数据库sql+论文+视频齐全) 【适用人群】:适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【项目介绍】: 超市会员积分管理系统主要用于实现了企业管理数据统计等。本系统结构如下: (1)网络会员管理中心界面: 会员修改密码信息模块:实现会员密码功能; 会员登陆模块:实现会员登陆功能; 会员注册模块:实现会员注册功能; 留言板模块:实现留言板留言功能 (2)后台管理界面: 系统用户管理模块:实现管理员的增加、查看功能; 会员信息管理模块:实现会员信息的增加、修改、查看功能; 注册用户管理模块:实现注册用户的增加、修改、查看功能; 会员卡管理模块:实现会员卡信息的增加、查看功能; 商品销售管理模块:实现商品信息的增加、查看功能; 会员积分管理模块:实现合作公司信息的增加、查看功能; 信息统计模块:实现数据统计报表功能; 留言板模块:实现留言板信息的增加、修改、查看功能;
recommend-type

node-v6.9.4-linux-s390x.tar.xz

Node.js,简称Node,是一个开源且跨平台的JavaScript运行时环境,它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立,旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎,可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型,这使得它非常适合处理大量并发连接,从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外,Node.js使用了模块化的架构,通过npm(Node package manager,Node包管理器),社区成员可以共享和复用代码,极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展,它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等,因此,开发者可以用JavaScript编写全栈应用程序,这一点大大提高了开发效率和便捷性。 在实践中,许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台,如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能,简化了开发流程,并且能更快地响应市场需求。
recommend-type

node-v6.13.1-linux-ppc64.tar.xz

Node.js,简称Node,是一个开源且跨平台的JavaScript运行时环境,它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立,旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎,可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型,这使得它非常适合处理大量并发连接,从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外,Node.js使用了模块化的架构,通过npm(Node package manager,Node包管理器),社区成员可以共享和复用代码,极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展,它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等,因此,开发者可以用JavaScript编写全栈应用程序,这一点大大提高了开发效率和便捷性。 在实践中,许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台,如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能,简化了开发流程,并且能更快地响应市场需求。
recommend-type

learn.py

learn.py
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

机器学习怎么将excel转为csv文件

机器学习是一种利用计算机算法和统计数据的方法来训练计算机来进行自动学习的科学,无法直接将excel文件转为csv文件。但是可以使用Python编程语言来读取Excel文件内容并将其保存为CSV文件。您可以使用Pandas库来读取Excel文件,并使用to_csv()函数将其保存为CSV格式。以下是代码示例: ```python import pandas as pd # 读取 Excel 文件 excel_data = pd.read_excel('example.xlsx') # 将数据保存为 CSV 文件 excel_data.to_csv('example.csv', index=
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。