【项目实战】SpringBoot连接openGauss

一:Docker安装openGauss

1.下载openGauss

安装好Docker好以后,执行如下命令下载openGauss3.0镜像。

docker pull enmotech/opengauss:3.0.0

dfdedaff0a2d8ba1d4e33b436eaadd00.jpeg

2.运行openGauss

执行如下命令

docker run -itd --name opengauss \
--restart=always \
--privileged=true \
-e GS_PASSWORD=OpenGauss@123 \
-v /home/opengauss:/var/lib/opengauss \
-u root \
-p 5432:5432 \
enmotech/opengauss:3.0.0

6a3d01f9bc4438b63d3e681ba7befd64.jpeg

二:使用openGauss

1.创建用户

安装好openGauss后会自动创建一个默认用户omm,但是该用户不能用于远程连接,必须创建一个新用户,用于数据连接。

1.进入容器

docker exec -it opengauss /bin/bash

2.切换omm用户

su omm

3.连接数据库

gsql -d postgres -p 5432

0277c59dc624963471f2a9454ba53cc1.jpeg

4.创建新用户

CREATE USER gauss WITH Sysadmin IDENTIFIED BY 'OpenGauss@123';

bfd2a719eb6fbc12c7401e6f2b112574.jpeg

执行上述命令后将在postgres下创建用户gauss。

5.给用户授权

GRANT SELECT, INSERT, UPDATE, DELETE ON ALL TABLES IN SCHEMA public TO gauss;
GRANT USAGE, SELECT ON ALL SEQUENCES IN SCHEMA gauss TO gauss;
fcca92e2ad2b9d571fbec17fa5cbdd79.jpeg
6.切换用户openGauss= # \c - gauss

c6aef4b62743f0d535f562048774a6a1.jpeg

注意:输入命令后需要输入密码,密码为前面设置的“openGauss@123”,且密码不显示。

2.创建数据库

1.创建my_db数据库

CREATE DATABASE my_db;

2.查看数据库

openGauss=> \l

7c64812bfa5aeacadc26fe16b9eba82a.jpeg

3.使用Data Studio连接openGauss

1.下载安装

可以到openGauss官网下载安装Data Studio进行使用(注意版本对应)。

0c6ab8779860f4e0a30fb4dd63445c28.jpeg

2.连接数据库

打开Data Studio后输入连接信息(注意自己的主机号)

名称:mygauss-conn
主机名:192.168.108.200
端口号:5432
数据库:postgres
用户名:ga_mason
密码:OpenGauss@123

c708fd80fe939390e4e5453ac62db330.jpeg

连接成功后跳转至如下界面,可以查看创建表。

5a2afb8ca5220e622b1513bb3faeab4f.jpeg

三:项目实战

1.创建表

创建如下tbl_book表

342364fa69ab84693703c1872b8dcbfc.jpeg

0cf3a0db0689dfab89b8a89195a32719.jpeg

d7a158a6239da4b98ed0535689af30d8.jpeg

2.创建项目

1.创建如下SpringBoot项目结构

931cedbd37150504fd24b8ab1805a72b.jpeg



3.项目运行

点击openGaussProApplication.java并运行main方法,浏览器输入

localhost:8080/pages/books.html

d6580f330c2a7bd4d8bcbcb023e35f29.jpeg

进入主界面以后可以进行图书的增删改查操作,下面演示图书的增加,点击“新建”按钮,输入图书信息点击确定

384dd8b7de95aaef28410d63c26fdc79.jpeg

显示图书添加成功

2388efba5a37fbaabaa819ef3a006c4b.jpeg

数据库中也可查询到该条数据

fd9b40db80db8f502dbad9c7117a8617.jpeg

四:总结

平时做项目用的都是MySQL较多,今天尝试了一下将openGauss作为数据库进行项目的数据存储,总的体验效果感觉还不错,包括存储速度以及连接简易性等,如果已经在电脑中配置好了openGauss环境,完全可以考虑将openGauss作为项目数据库来使用。但是不足的地方在于openGauss只支持在Linux进行安装,而平时我们使用最多的是Windows系统,所以对于个人用户来说使用不是那么方便,另外openGauss的连接工具Data Studio的功能还不够完善,可以对照Navicat进行改进,相信这样能更好提升使用体验。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/225520.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

OpenAi Q* (Q Star)项目入门介绍

为初学者解释 Open Ai 的 Q*(Q Star) Q* 的两个可能来源。 1)Q 可能是指 "Q-learning",这是一种用于强化学习的机器学习算法。 Q 名称的由来*:把 "Q*"想象成超级智能机器人的昵称。 Q 的意思是这个机器人非常善于做决定。 它从经验中学习,就像你从玩…

什么是数据填报?

数据填报是报表用以满足用户提出的灵活报送数据的需求,能快速开发各类数据采集系统的专业功能。多源填报模型,可实现数据的多源抽取与多源回填,在同一张填报表上实现数据提交至多个不同的数据表、数据库。 随着业务快速变化和扩大&#xff0c…

邮件群发:避免垃圾邮箱,提升营销效果

群发邮件为什么会进入垃圾邮箱呢?常见的原因有:邮件内容出现问题、域名和IP的信誉度不高、退订数或投诉过多等原因。所以,营销人员在做EDM的时候,应该把握方式技巧,才能获取良好的营销效果,避免邮件成为垃圾…

特征可视化,代码详解

输入 输出 代码 import os import torch import torchvision as tv import torchvision.transforms as transforms import torch.nn as nn import torch.optim as optim import argparse import skimage.data import skimage.io import skimage.transform import numpy as np…

15:00面试,15:06就出来了,问的问题有点变态。。。

从小厂出来,没想到在另一家公司又寄了。 到这家公司开始上班,加班是每天必不可少的,看在钱给的比较多的份上,就不太计较了。没想到8月一纸通知,所有人不准加班,加班费不仅没有了,薪资还要降40%…

C++值常用集合算法

C值常用集合算法 set_intersection #include<iostream> using namespace std; #include<vector> #include<numeric> #include<algorithm>class MyPrint { public:void operator()(int val){cout << val<<" ";} };void test() {v…

EC 404 information economics

EC 404 information economics WeChat: zh6-86

【Cmake】Cmake基础学习

CMake学习 一、基础学习 1. 利用Cmake进行单个源代码构建可执行文件 (1)基础命令 最基本的 CMake项目是由单个源代码文件构建的可执行文件。对于这样的简单项目,只需要一个包含三个命令的 CMakeLists.txt 文件。 注意: 虽然 CMake 支持大写、小写和混合大小写命令,但是…

个人投资白银收益怎么样?

个人投资白银是可以带来丰厚的收益&#xff0c;但收益的具体情况取决于多种因素。以下是一些明确的答案和举例&#xff0c;帮助投资者更好地理解个人投资白银的收益情况。 白银市场的价格波动是决定投资收益的主要因素之一&#xff0c;白银价格受全球经济形势、地缘局势风险、…

运行时错误/缺陷到底是什么缺陷

运行时错误(Run-time Error)是一种跟程序运行状态相关的缺陷。这类缺陷不能通过直接禁用相关特性来屏蔽&#xff0c;而是需要通过分析变量的数值状态来发现可能的异常。简单来说&#xff0c;这些缺陷通常只有当程序执行起来以后&#xff0c;才能逐渐暴露出的缺陷&#xff0c;一…

Jetpack Compose中适应性布局的新API

Jetpack Compose中适应性布局的新API 针对大屏幕优化的新组合件。 使用新的Material适应性布局&#xff0c;为手机、可折叠设备和平板电脑构建应用程序变得更加简单&#xff01;市场上各种不同尺寸的Android设备的存在挑战了构建应用程序时对屏幕尺寸的通常假设。开发者不应该…

机器学习的复习笔记4-岭回归与多项式回归

一、岭回归 在简单的线性回归中&#xff0c;一味追求平方误差最小化&#xff0c;R2值尽可能大&#xff0c;可能会受到噪声的严重干扰。噪声&#xff0c;即偶发的错误的值。 如图&#xff0c;若为满足所有点的拟合&#xff08;虚线&#xff09;&#xff0c;表面上看R2值小&…