Можно ли увеличить ограничение имени идентификатора в PostgreSQL до более чем 63 символов без перекомпиляции всей системы базы данных? У меня есть этот проект Django, генерирующий повторяющиеся имена индексов из-за этого ограничения, и нет возможности изменить имена моделей из-за бизнес-требований моего проекта.
Поднимите NAMEDATALEN PostgreSQL без перекомпиляции
22.02.2011
Ответы:
1
Для меня это звучит как ошибка Django. Ранее исправлена ошибка максимальная длина имени, не указанная для PostgreSQL. Я ожидаю, что Django сгенерирует идентификаторы базы данных, соответствующие max_name_length(). Возможно, я безосновательно оптимистичен.
Django уже знает, как усекать и добавлять повторяющийся хеш, чтобы соответствовать max_name_length() Oracle. (См. Проблемы с именами). , составной идентификатор и надейтесь на лучшее, если вы используете любую другую платформу.
Возможно ли, что вы где-то переопределяете поведение по умолчанию, из-за чего Django игнорирует max_name_length()?
Позже . . .
На самом деле они просто составляют длинный составной идентификатор и надеются на лучшее. Тема на osdir.com предполагает, что это будет исправлено в Django 1.3. См. раздел Проблемы с DatabaseCreation, именами таблиц и именами индексов — msg#00142
Еще позже. . .
Билет ошибки длины индекса при выполнении тестов в MySQL показывает, что то же исправление для MySQL было исправлено в версии 1.2. . Также у PostgreSQL (и, возможно, у любой другой платформы) была такая же проблема. Я не знаю, вошло ли исправление для PostgreSQL в версию 1.2.
23.02.2011
2
Нет, нельзя, вы должны использовать более короткие имена. Другие СУБД допускают еще меньше символов, вам всегда нужно проверять эти ограничения.
22.02.2011
TOP или LIMIT, использование EXTRACT или DATEPART(), разделение идентификаторов одинарными, двойными кавычками или скобками, а также максимальная длина идентификатора 63 или 30. . Люди частично используют фреймворки, чтобы перестать думать о серверной части и сосредоточиться на разработке приложений. 24.02.2011 Новые материалы
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..