Redis（Remote Dictionary Server）是一个开源的 NoSQL 数据库，使用 ANSI C 编写，支持多种数据结构，包括字符串、哈希表、列表、集合、有序集合等。它以内存为主要存储方式，可以非常快速地存储和检索数据。在本文中，我们将介绍如何使用 Redis 和 C 语言实现一种常见的数据结构——树状结构。
树是一种常见的数据结构，它以分层的方式表示数据。它由一个根节点开始，每个节点可以有零个或多个子节点，直到没有子节点为止。每个节点都可以存储数据，这使得树非常适合表现层次结构的数据，例如目录结构或组织架构。在本文中，我们将使用 Redis 和 C 语言创建一个简单的文件系统，它可以使用树状结构来表示文件和目录。
我们需要定义一个节点结构体。每个节点将包括一个唯一标识符、一个节点类型（目录或文件）、父节点、子节点列表和一个值（如果节点是文件）。
typedef struct node {char *uuid;char *type;struct node *parent;struct node **children;int child_count;char *value;} Node;
我们使用 UUID（通用唯一识别码）来唯一标识每个节点。UUID 是一个 128 位数字，它的唯一性保证了我们可以安全地使用它们作为结点标识符。type 字段表示结点类型。在我们的文件系统中，它将被设置为 file 或 directory。父节点指向当前节点的父节点，子节点列表是一个指向某个节点指针数组的指针，child_count 表示子节点的数量。如果节点是文件，则 value 字段将包含文件内容。
接下来，我们需要编写代码来创建树。我们将创建一个根节点作为文件系统的起点，然后添加目录和文件作为子节点。我们使用 Redis 作为我们的储存后端，所以我们需要使用 hiredis 进行 Redis 连接。
#include redisContext *redis;int mn(void) {// connect to Redisredis = redisConnect("localhost", 6379);if(redis == NULL || redis->err) {printf("Error connecting to Redis: %s\n", redis->errstr);exit(1);}// CREATE root nodeNode *root = create_node("0", "directory", NULL, NULL, 0, "");add_node(root);// create directoriesNode *dir1 = create_node("1", "directory", root, NULL, 0, "");add_node(dir1);Node *dir2 = create_node("2", "directory", root, NULL, 0, "");add_node(dir2);// create filesNode *file1 = create_node("3", "file", root, NULL, 0, "Hello, world!");add_node(file1);Node *file2 = create_node("4", "file", dir1, NULL, 0, "This is file 2.");add_node(file2);return 0;}
我们可以看到，我们首先连接到 Redis，创建一个根节点（其 uuid 为零），然后创建两个目录节点和两个文件节点。我们使用 add_node 函数将每个节点添加到树中。add_node 函数的实现如下：
void add_node(Node *node) {// serialize the node to JSONcJSON *json = cJSON_CreateObject();cJSON_AddStringToObject(json, "uuid", node->uuid);cJSON_AddStringToObject(json, "type", node->type);if(node->parent != NULL) {cJSON_AddStringToObject(json, "parent", node->parent->uuid);}if(node->child_count > 0) {cJSON *children = cJSON_CreateArray();for(int i = 0; i child_count; i++) {cJSON_AddItemToArray(children, cJSON_CreateString(node->children[i]->uuid));}cJSON_AddItemToObject(json, "children", children);}if(node->value != NULL) {cJSON_AddStringToObject(json, "value", node->value);}char *json_string = cJSON_Print(json);// add the node to RedisredisReply *reply = redisCommand(redis, "SET tree:%s '%s'", node->uuid, json_string);if(reply->type == REDIS_REPLY_ERROR) {printf("Error adding node to Redis: %s\n", reply->str);exit(1);}freeReplyObject(reply);// cleanupcJSON_Delete(json);free(json_string);}
这里，我们使用 cJSON 库将节点序列化为 JSON。然后，我们使用 “SET” 命令将节点添加到 Redis。我们只需要使用 uuid 作为它的键。一旦 Redis 返回的响应类型为 REDIS_REPLY_ERROR，则函数将打印错误消息并退出。我们清理 cJSON 和 JSON 字符串的内存。
我们还需要实现一个函数来创建节点：
Node *create_node(char *uuid, char *type, Node *parent, Node **children, int child_count, char *value) {Node *node = malloc(sizeof(Node));node->uuid = strdup(uuid);node->type = strdup(type);node->parent = parent;node->children = children;node->child_count = child_count;node->value = strdup(value);return node;}
这个函数使用 malloc 分配内存来分配一个新节点，然后使用 strdup 来分配每个字段（我们不希望更改现有字段，所以必须复制它们）。注意我们不传递子节点指针列表和文件内容。这是因为，当我们创建节点时，我们还没有创建子节点或文件内容。我们需要在稍后的时间添加它们。
我们还需要实现一个函数来检索节点：
Node *get_node(char *uuid) {// get the node from RedisredisReply *reply = redisCommand(redis, "GET tree:%s", uuid);if(reply->type == REDIS_REPLY_ERROR) {printf("Error getting node from Redis: %s\n", reply->str);exit(1);}cJSON *json = cJSON_Parse(reply->str);// deserialize the JSON to a NodeNode *node = malloc(sizeof(Node));node->uuid = strdup(cJSON_GetObjectItem(json, "uuid")->valuestring);node->type = strdup(cJSON_GetObjectItem(json, "type")->valuestring);if(cJSON_GetObjectItem(json, "parent") != NULL) {node->parent = get_node(cJSON_GetObjectItem(json, "parent")->valuestring);}node->value = strdup(cJSON_GetObjectItem(json, "value")->valuestring);cJSON *children = cJSON_GetObjectItem(json, "children");if(children != NULL && cJSON_GetArraySize(children) > 0) {node->child_count = cJSON_GetArraySize(children);node->children = malloc(node->child_count * sizeof(Node *));cJSON *child = NULL;int i = 0;cJSON_ArrayForEach(child, children) {node->children[i++] = get_node(child->valuestring);}}// cleanupcJSON_Delete(json);freeReplyObject(reply);return node;}
在这个函数中，我们首先将节点序列化为 JSON，并使用 “GET” 命令从 Redis 中获取节点的值。我们使用 cJSON 库将 JSON 反序列化为 Node 结构体。我们递归地获取每个子节点的父节点，为子节点构建 children[] 数组，并分配所有必要的内存。我们清理 cJSON 和 Redis 响应对象并返回节点。
在文件系统的实现中，我们还需要实现许多其他的函数，例如列出目录内容或更改文件内容。但是，在本文中，我们只介绍了如何使用 Redis 和 C 语言创建一个基本的树状结构模型。这个模型可以轻松扩展，因为 Redis 是一个可扩展的高性能数据储存服务，而 C 是一种快速且强大的编程语言。
香港服务器首选树叶云，2H2G首月10元开通。树叶云（www.IDC.Net）提供简单好用，价格厚道的香港/美国云 服务器 和独立服务器。IDC+ISP+ICP资质。ARIN和APNIC会员。成熟技术团队15年行业经验。
连锁药店的库存如何管理
而药品库存在门店销售波动的情况下，库存值经常产生偏差，甚至造成经常性的缺货。 很多连锁药店都将科学库存的希望寄托在了企业的信息化改造上。 但是笔者调查走访多家已实施信息化的企业，结果并不乐观。 ■传统库存设定的缺陷 以A医药连锁公司为例，该公司下属门店50多家，2002年实现利税近4000万。 公司于2001年实施信息化改造后，从整体上讲是成功的，部门间的工作效率提高了，但是库存的固有问题依旧没有得到解决，究其原因是其库存上下限的设定，实际是一种手工方式的电脑化操作，依据要设定的该药品销售记录，逐一通过计算机进行统计和计算，确定该药品的库存上下限，其操作步骤依靠电脑来完成。 这在一定程度上排除了人为干预的可能，但其缺点也是显而易见的： 难以适应销售波动。 连锁药店经营的品种差异性很大，受季节、流行性疾病、风俗习惯等因素的影响，这就要求配送中心的库存也要随之改变。 但是，库存上下限的设定是依据上一个时间段的销售记录而设定的，无法实时反映近期销售状况的变化，总是与目前的销售需求有一定差距。 这种库存方式看似在动态变化，实际则是一种静态的不能如实反映药品销售量波动的库存。 工作量巨大。 连锁药店经营的品规数成千上万，要想对每一品规精确地管理，必须手工在计算机中依次设定每一品规的库存上下限，其工作量巨大。 统计日均销量的片面性。 每个工作日结束后，连锁药店的配送中心必须将各门店的销售数据进行采集、汇总，并与现有库存进行比较，然后决定是否批量采购。 但是，在各门店的每日销售中，多数药品的销售状态是比较稳定的，只有少数药品有轻微波动。 但少数药品的销售波动往往不十分明显，易被忽视。 以日均销量来作为库存上下限设定的主要依据则掩盖了这种变化的趋势，一旦变化趋势显现，缺货带来的成本暴增将难以预期。 ■被忽略的重要因素 连锁药店的特点之一是利用规模优势，最大限度地降低成本。 因此门店的库存量不能太多，否则势必影响到流动资金的占用与库存管理费用。 那么，门店中存放多少药品的库存才合适呢？业内普遍认为在门店中仅保持现有的陈列数量是最佳的方式，即“零库存”。 有人说，门店“零”库存与配送中心的库存似乎是一对“冤家”。 两者对企业的成本起着此消彼长的作用，如何能平衡两者之间的关系，确实是一件很头痛的事。 笔者认为，管理者在此问题上往往忽略了两个重要的因素——药品的销量与采购时间。 药品的销量。 由于同一药品在各门店的销量是不一样的，要想在门店中实现“零库存”，最直接的依据就是从上一次配送到下一次配送期间门店的销售量。 尽管在相同配送间隔这个销售量是变化的，但对配送中心的库存而言，以此作为依据，统计汇总所有的门店药品销量后并将此库存值作为配送中心库存的下限，是库存实现精确管理、降低库存成本的首要依据。 采购时间。 当药品正常销售时，总库存是在减少的，如果减少的幅度在合理范围内，配送中心的库存就能支持各门店销售。 但是，如果库存减少到接近或低于库存下限的时候，再进行采购就来不及了，毕竟每个品规的采购在途时间和空间距离是不一样的，采购的成本也因此而更加不可控制。 ■加一条警戒线的库存模型 综上分析，笔者认为，配送中心的库存管理应该增加一条警戒线，形成三条线：库存上限、库存下限、库存警戒线。 将采购时间内所需的药品销售量的总和加上库存下限库存值做库存警戒线，当配送中心的库存药品的库存值到达警戒线，配送中心马上采购，将库存值采购到库存上限。 当采购药品配送到门店时，库存值则刚好接近库存下限，这时的库存值又可以维持企业正常的销售周转。 此模型的各个库存上、下限和库存警戒线的设定都是依据企业的销售情况与配送情况而定的，当企业销售情况或配送情况发生变化时，其上下限和警戒线也随之而变动，是一种动态的反映。 库存上限的设定，一定要结合企业销售的实际情况设定，通常来讲，这个值的正常范围一般是一个配送周期的2倍或3倍库存量。 此模型应用到安徽蚌埠的一家B连锁药店，经过近6个月的使用，通过各项数据对比，使该企业30多家门店的库存管理得到了有效的控制，配送及时度与准确率达到87%；采购及时率上升了34.2%；缺货率降低到1.5%；连锁配送的库存成本降低了30%；保管费用下降43.5%；库存管理人员精简了二分之一。 企业的效益无形中上升了一块。 但是这个库存模型也有不足之处，在统计期内，对某些变动采购在途时间超过配送时间，如进口药品和此时间段内销售异常的库存药品，特别是在突发性疾病流行期间，都不能机械套用。 对这部分药品，要采用人工预测与协调的方式，进行人工监控与跟踪。
什么是sql注入？
SQL是Structured Quevy Language(结构化查询语言)的缩写。 SQL是专为数据库而建立的操作命令集，是一种功能齐全的数据库语言。 在使用它时，只需要发出“做什么”的命令，“怎么做”是不用使用者考虑的。 SQL功能强大、简单易学、使用方便，已经成为了数据库操作的基础，并且现在几乎所有的数据库均支持SQL。 ##1 二、SQL数据库数据体系结构 SQL数据库的数据体系结构基本上是三级结构，但使用术语与传统关系模型术语不同。 在SQL中，关系模式(模式)称为“基本表”(base table)；存储模式(内模式)称为“存储文件”(stored file)；子模式(外模式)称为“视图”(view)；元组称为“行”(row)；属性称为“列”(column)。 名称对称如^a^： ##1 三、SQL语言的组成 在正式学习SQL语言之前，首先让我们对SQL语言有一个基本认识，介绍一下SQL语言的组成： 1.一个SQL数据库是表(Table)的集合，它由一个或多个SQL模式定义。 2.一个SQL表由行集构成，一行是列的序列(集合)，每列与行对应一个数据项。 3.一个表或者是一个基本表或者是一个视图。 基本表是实际存储在数据库的表，而视图是由若干基本表或其他视图构成的表的定义。 4.一个基本表可以跨一个或多个存储文件，一个存储文件也可存放一个或多个基本表。 每个存储文件与外部存储上一个物理文件对应。 5.用户可以用SQL语句对视图和基本表进行查询等操作。 在用户角度来看，视图和基本表是一样的，没有区别，都是关系(表格)。 用户可以是应用程序，也可以是终端用户。 SQL语句可嵌入在宿主语言的程序中使用，宿主语言有FORTRAN，COBOL，PASCAL，PL/I，C和Ada语言等。 SQL用户也能作为独立的用户接口，供交互环境下的终端用户使用。 ##1 四、对数据库进行操作 SQL包括了所有对数据库的操作，主要是由4个部分组成： 1.数据定义：这一部分又称为“SQL DDL”，定义数据库的逻辑结构，包括定义数据库、基本表、视图和索引4部分。 2.数据操纵：这一部分又称为“SQL DML”，其中包括数据查询和数据更新两大类操作，其中数据更新又包括插入、删除和更新三种操作。 3.数据控制：对用户访问数据的控制有基本表和视图的授权、完整性规则的描述，事务控制语句等。 4.嵌入式SQL语言的使用规定：规定SQL语句在宿主语言的程序中使用的规则。 下面我们将分别介绍： ##2 (一)数据定义 SQL数据定义功能包括定义数据库、基本表、索引和视图。 首先，让我们了解一下SQL所提供的基本数据类型：(如^b^) 1.数据库的建立与删除 (1)建立数据库：数据库是一个包括了多个基本表的数据集，其语句格式为： CREATE DATABASE 〔其它参数〕 其中，在系统中必须是唯一的，不能重复，不然将导致数据存取失误。 〔其它参数〕因具体数据库实现系统不同而异。 例：要建立项目管理数据库(xmmanage)，其语句应为： CREATE DATABASE xmmanage (2) 数据库的删除：将数据库及其全部内容从系统中删除。 其语句格式为：DROP DATABASE 例：删除项目管理数据库(xmmanage)，其语句应为： DROP DATABASE xmmanage 2.基本表的定义及变更 本身独立存在的表称为基本表，在SQL语言中一个关系唯一对应一个基本表。 基本表的定义指建立基本关系模式，而变更则是指对数据库中已存在的基本表进行删除与修改
DataSet是做什么用的
DataSet是的中心概念.可以把DataSet当成内存中的数据库,DataSet是不依赖与数据库的独立数据集合.所谓独立,就是说,即使断开数据链路,或者关闭数据库,DataSet依然是可用的在内部是用XML来描述数据的,由于XML是一种与平台无关、与语言无关的数据描述语言，而且可以描述复杂关系的数据，比如父子关系的数据，所以DataSet实际上可以容纳具有复杂关系的数据，而且不在依赖于数据库链路。 正是由于DataSet才使得程序员在编程是可以屏蔽数据库之间的差异，从而获得一致的编程模型。 DataSet支持多表、表间关系、数据约束等，和关系数据库的模型基本一致。 DataSet 是 结构的主要组件，它是从数据源中检索到的数据在内存中的缓存。 DataSet 由一组 DataTable 对象组成，您可使这些对象与 DataRelation 对象互相关联。 您还可通过使用 UniqueConstraint 和 ForeignKeyConstraint 对象在 DataSet 中实施数据完整性。 有关使用 DataSet 对象的详细信息，请参见 在 中使用 DataSet。 尽管 DataTable 对象中包含数据，但是 DataRelationCollection 允许您遍览表的层次结构。 这些表包含在通过 Tables 属性访问的 DataTableCollection 中。 当访问 DataTable 对象时，请注意它们是按条件区分大小写的。 例如，如果一个 DataTable 被命名为“mydatatable”，另一个被命名为“Mydatatable”，则用于搜索其中一个表的字符串被认为是区分大小写的。 但是，如果“mydatatable”存在而“Mydatatable”不存在，则认为该搜索字符串不区分大小写。 有关使用 DataTable 对象的更多信息，请参见 创建 DataTable。 DataSet 可将数据和架构作为 XML 文档进行读写。 数据和架构可通过 HTTP 传输，并在支持 XML 的任何平台上被任何应用程序使用。 可使用 WriteXmlSchema 方法将架构保存为 XML 架构，并且可以使用 WriteXml 方法保存架构和数据。 若要读取既包含架构也包含数据的 XML 文档，请使用 ReadXml 方法。
发表评论