timmy / 📦 SQL Server 附加 MDF / LDF 快速還原資料庫教學
0 лайк(-ов)
0 форк(-ов)
1 файл(-ов)
Последняя активность 11 months ago
用 CREATE DATABASE ... FOR ATTACH 方式快速還原資料庫，不需還原備份檔也能立即啟用舊有 .mdf 與 .ldf！🧠
| 1 | -- 建立資料庫並附加現有的 MDF（主資料庫檔案）和 LDF（記錄檔案） |
| 2 | CREATE DATABASE [你的資料庫名稱] -- 指定要建立的資料庫名稱 |
| 3 | ON (FILENAME = '/你的路徑/你的資料庫.mdf'), -- 指定主資料庫檔案（MDF）的路徑 |
| 4 | (FILENAME = '/你的路徑/你的資料庫_log.ldf') -- 指定交易記錄檔（LDF）的路徑 |
| 5 | FOR ATTACH; -- 使用已存在的 MDF 和 LDF 檔案來附加資料庫 |
| 6 | GO |
| 7 | |
| 8 | -- 具體範例：附加 SalesDB 資料庫 |
| 9 | CREATE DATABASE SalesDB -- 指定要建立的資料庫名稱為 SalesDB |
| 10 | ON (FILENAME = '/var/opt/mssql/data/SalesDB.mdf'), -- 主資料庫檔案（MDF）存放位置 |
timmy / 🧾 SQL Server 輸出 JSON：FOR JSON PATH 超簡單上手
0 лайк(-ов)
0 форк(-ов)
1 файл(-ов)
Последняя активность 11 months ago
用 SQL Server 直接產出 JSON，支援巢狀資料結構與根物件命名，後端串接 REST API 不再痛苦 🙌
| 1 | SELECT id, name, age -- 選取 id、name 和 age 欄位 |
| 2 | FROM YourTable -- 從 YourTable 查詢 |
| 3 | FOR JSON PATH; -- 以 JSON 格式輸出，允許自訂 JSON 結構 |
| 4 | |
| 5 | SELECT id, name, age -- 選取 id、name 和 age 欄位 |
| 6 | FROM YourTable -- 從 YourTable 查詢 |
| 7 | FOR JSON PATH, ROOT('Users'); -- 以 JSON 格式輸出，並加上 "Users" 作為根物件 |
timmy / 💻 用 sqlcmd 操作 SQL Server：從 CLI 查詢資料庫
0 лайк(-ов)
0 форк(-ов)
2 файл(-ов)
Последняя активность 11 months ago
用 Bash 設定 SQL 密碼、執行 SQL 指令檔，還能快速查出所有資料庫名稱！搭配 sqlcmd 效率滿分 ✅
| 1 | export SQLCMDPASSWORD="YourSecurePassword123!" |
| 2 | sqlcmd -S 127.0.0.1,1433 -U sa -i script.sql |
timmy / 🧠 SQL Server 監控懶人包：效能瓶頸、記憶體、連線數全面掌握
0 лайк(-ов)
0 форк(-ов)
2 файл(-ов)
Последняя активность 11 months ago
從連線統計、記憶體使用、鎖定交易、效能查詢、索引使用率，到 I/O 熱點與快取命中率，10 大查詢一網打盡，DBA 快收好 📊
| 1 | -- 查詢當前 SQL Server 的總連線數以及不同 IP 來源的連線數 |
| 2 | SELECT |
| 3 | COUNT(*) AS TotalConnections, -- 計算總連線數 |
| 4 | COUNT(DISTINCT client_net_address) AS UniqueIPs -- 計算不同來源 IP 的數量 |
| 5 | FROM sys.dm_exec_connections; |
| 6 | |
| 7 | -- 查詢所有當前連線的詳細資訊 |
| 8 | SELECT |
| 9 | session_id, -- 連線的會話 ID |
| 10 | connect_time, -- 連線建立的時間 |
timmy / 📡 SQL Server 連線監控全攻略：從 IP 分布到效能瓶頸一次查
0 лайк(-ов)
0 форк(-ов)
1 файл(-ов)
Последняя активность 11 months ago
想知道 SQL Server 有多少人連進來？哪台機器最吵？哪些查詢塞住了系統？這份查詢筆記讓你一目了然 🧠
| 1 | -- 🔍 檢查目前 SQL Server 總連線數（包含系統連線） |
| 2 | SELECT COUNT(*) AS TotalConnections |
| 3 | FROM sys.dm_exec_sessions; |
| 4 | |
| 5 | -- 🔍 只統計使用者的連線數（不包含 SQL Server 內部系統連線） |
| 6 | SELECT COUNT(*) AS UserConnections |
| 7 | FROM sys.dm_exec_sessions |
| 8 | WHERE is_user_process = 1; |
| 9 | |
| 10 | -- 🔍 查詢目前 "活躍" 的連線數 |
Последняя активность 1 year ago
這是一個使用 Streamlit 實現的簡單計算器，支援中英文語系，提供加法和減法運算功能，適合快速數學計算。
| 1 | import streamlit as st |
| 2 | |
| 3 | # 多國語系字典 |
| 4 | LANGUAGES = { |
| 5 | "zh": { |
| 6 | "title": "簡單計算器", |
| 7 | "instruction": "請輸入兩個數字，選擇運算方式：", |
| 8 | "num1": "數字 1", |
| 9 | "num2": "數字 2", |
| 10 | "operation": "選擇運算方式", |
timmy / AgGrid 與 Pandas 資料顯示
0 лайк(-ов)
0 форк(-ов)
1 файл(-ов)
Последняя активность 1 year ago
使用 AgGrid 與 Pandas 讀取並顯示航空安全資料，提供互動式資料表格，方便資料瀏覽與分析。
| 1 | from st_aggrid import AgGrid |
| 2 | import pandas as pd |
| 3 | |
| 4 | df = pd.read_csv('https://raw.githubusercontent.com/fivethirtyeight/data/master/airline-safety/airline-safety.csv') |
| 5 | AgGrid(df) |
timmy / Linux Swappiness 管理小工具
0 лайк(-ов)
0 форк(-ов)
1 файл(-ов)
Последняя активность 1 year ago
這個小工具可以輕鬆查看、臨時設定和永久修改 Linux 系統的 swappiness 值，讓你能夠靈活調整系統的記憶體與 Swap 分區的使用比例，適合需要最佳化系統效能或特定應用需求的使用者。
| 1 | #!/bin/bash |
| 2 | |
| 3 | # manage_swappiness.sh |
| 4 | # 簡單又好用的 Linux swappiness 管理小工具 |
| 5 | |
| 6 | # 檢查是否有 root 權限 |
| 7 | if [ "$EUID" -ne 0 ]; then |
| 8 | echo "嘿，這個腳本需要 root 權限喔！試試用 sudo 來執行吧。" |
| 9 | exit 1 |
| 10 | fi |
timmy / Winutil：一鍵最佳化與安裝工具
1 лайк(-ов)
0 форк(-ов)
1 файл(-ов)
Последняя активность 1 year ago
這段 PowerShell 指令從 Chris Titus 的網站下載並執行 Winutil 工具，讓使用者能輕鬆地安裝常用軟體、移除不需要的功能，以及調整 Windows 設定，提升系統效能和使用體驗。
| 1 | irm "https://christitus.com/win" | iex |
timmy / 已安裝的 Python 套件列表輸出為 CSV
0 лайк(-ов)
0 форк(-ов)
1 файл(-ов)
Последняя активность 1 year ago
此程式碼用於取得目前 Python 環境中所有已安裝的套件名稱和版本，並將結果整理成 CSV 檔案，方便進行記錄、分享或系統排查。
| 1 | # 引入需要用到的套件 |
| 2 | import pandas as pd # 用來處理資料，還能幫我們存成 CSV 檔 |
| 3 | from pkg_resources import working_set # 用來拿到所有已安裝的套件清單 |
| 4 | |
| 5 | # 步驟 1: 把所有已安裝的套件名稱和版本抓出來，直接變成 Pandas DataFrame |
| 6 | # 用列表生成式搭配 DataFrame，省去不必要的中間變數 |
| 7 | df_packages = pd.DataFrame( |
| 8 | [(pkg.key, pkg.version) for pkg in working_set], |
| 9 | columns=["Package", "Version"] |
| 10 | ).sort_values(by="Package") |