百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

Sqlite - 常规函数 - LAST_INSERT_ROWID

ztj100 2025-03-30 23:23 37 浏览 0 评论

在 SQLite 中,last_insert_rowid() 是一个非常实用的内置函数,它主要用于返回最近一次插入操作所生成的自增主键值。下面为你详细介绍该函数的使用方法并给出具体示例。

基本语法

last_insert_rowid() 函数不需要任何参数,其语法格式就是简单的函数名调用:

last_insert_rowid()

适用场景

该函数主要用于处理包含自增主键(通常使用 INTEGER PRIMARY KEY AUTOINCREMENT 定义)的表。当你向这样的表中插入新记录时,SQLite 会自动为新记录分配一个唯一的自增主键值,通过 last_insert_rowid() 函数就可以获取这个刚刚分配的值。

使用方法步骤

1. 创建包含自增主键的表

首先,你需要创建一个带有自增主键的表。以下是一个示例:

-- 创建一个名为 users 的表,包含 id 自增主键和 name 字段
CREATE TABLE users (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    name TEXT
);

2. 插入新记录

向刚刚创建的表中插入一条或多条新记录。示例如下:

-- 向 users 表中插入一条新记录,只指定 name 字段,id 会自动生成
INSERT INTO users (name) VALUES ('John Doe');

3. 获取最近插入记录的自增主键值

在插入操作完成后,立即调用 last_insert_rowid() 函数来获取刚刚插入记录的自增主键值。示例如下:

-- 获取最近一次插入操作生成的自增主键值
SELECT last_insert_rowid();

完整示例代码

-- 创建表
CREATE TABLE users (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    name TEXT
);

-- 插入记录
INSERT INTO users (name) VALUES ('John Doe');

-- 获取最近插入记录的自增主键值
SELECT last_insert_rowid();

-- 继续插入新记录
INSERT INTO users (name) VALUES ('Jane Smith');

-- 再次获取最近插入记录的自增主键值
SELECT last_insert_rowid();

代码解释

  • 创建表:通过 CREATE TABLE 语句创建了一个名为 users 的表,其中 id 字段被定义为自增主键,name 字段用于存储用户姓名。
  • 插入记录:使用 INSERT INTO 语句向 users 表中插入新记录,由于 id 是自增主键,所以不需要显式指定 id 的值。
  • 获取自增主键值:在每次插入操作之后,使用 SELECT last_insert_rowid(); 语句获取最近一次插入操作生成的自增主键值。

注意事项

  • 作用域:last_insert_rowid() 函数返回的是当前数据库连接中最近一次插入操作所生成的自增主键值。不同的数据库连接之间的插入操作是相互独立的,一个连接中的插入操作不会影响另一个连接中 last_insert_rowid() 函数的返回值。
  • 时效性:该函数返回的是最近一次插入操作的结果,所以要在插入操作之后立即调用该函数,否则可能会获取到错误的结果。例如,如果在两次插入操作之间执行了其他插入操作,那么第二次调用 last_insert_rowid() 时返回的将是最后一次插入操作生成的自增主键值。

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: