利用python做模拟数据（测试数据），连接数据库和服务器接口,涉及雪花id服务

import datetime
import jsonimport pymysql
import requests
import snowflake.client
from faker import Faker#cmd启动snowflake服务：
#snowflake_start_server --address=localhost --port=8910 --dc=1 --worker=1
def create_testers():# 创建一个中文Faker实例fake = Faker('zh_CN')url = "http://192.168.16.178:8081/v1/app/test/submit"try:# 创建一个数据库连接conn = pymysql.connect(host='127.0.0.1',port=3306,user='root',password='root',database='yzpj')print('连接mysql成功')# 创建一个游标cursor = conn.cursor()# 创建一个sqL语句sql = "INSERT INTO `t_tester`(`id`, `name`, `id_type`, `id_no`, `phone`, `gender`, `birthday`, `education`,`education_years`, `subjective_ses`, `family_monthly_earning`,`status`,`create_time`) values(%s, %s, %s,  %s,%s, %s, %s, %s, %s, '%s', %s, %s, %s)"# 循环生成用户数据  生成334次for i in range(1, 101):for j in range(10):# 生成中文姓名id = snowflake.client.get_guid()name = fake.name()id_type = 1id_no = fake.ssn()phone = fake.phone_number()# 从身份证号中提取出生日期birth_year = int(id_no[6:10])birth_month = int(id_no[10:12])birth_day = int(id_no[12:14])birthday = datetime.date(birth_year, birth_month, birth_day)# 提取性别gender = int(id_no[-2])if gender % 2 == 0:gender = 2  # 女else:gender = 1  # 男# 教育程度education = fake.random_int(min=1, max=6, step=1)education_years = fake.random_int(min=9, max=20, step=1)# 社会地位subjective_ses = fake.random_int(min=1, max=10, step=1)# 家庭收入family_monthly_earning = fake.random_int(min=1, max=8, step=1)status = 1create_time = fake.date_time_between(start_date='-10M', end_date='-9M')# 执行sql语句cursor.execute(sql, (id, name, id_type, id_no, phone, gender, birthday.strftime('%Y-%m-%d'), education,education_years, subjective_ses, family_monthly_earning, status, create_time.strftime('%Y-%m-%d %H:%M:%S')))# 提交事务conn.commit()answer = {"Q1": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q2": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q3": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q4": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q5": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q6": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q7": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q8": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q9": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q10": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q11": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q12": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q13": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q14": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q15": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q16": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q17": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q18": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q19": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q20": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q21": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q22": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q23": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q24": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q25": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q26": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q27": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q28": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q29": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q30": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q31": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q32": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q33": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q34": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q35": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q36": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q37": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q38": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q39": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q40": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q41": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q42": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q43": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q44": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q45": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q46": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q47": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q48": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q49": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q50": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q51": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q52": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q53": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q54": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q55": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q56": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q57": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q58": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"Q59": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"CH1": fake.random_element(elements=('A', 'B', 'C', 'D', 'E')),"CH2": fake.random_element(elements=('A', 'B', 'C', 'D', 'E')),"CH3": fake.random_element(elements=('A', 'B', 'C', 'D', 'E')),"CH4": fake.random_element(elements=('A', 'B', 'C', 'D', 'E')),"CH5": fake.random_element(elements=('A', 'B', 'C', 'D', 'E')),"CH6": fake.random_element(elements=('A', 'B', 'C', 'D', 'E')),"CH7": fake.random_element(elements=('A', 'B', 'C', 'D', 'E')),"CH8": fake.random_element(elements=('A', 'B', 'C', 'D', 'E')),"CH9": fake.random_element(elements=('A', 'B', 'C', 'D', 'E')),"CH10": fake.random_element(elements=('A', 'B', 'C', 'D', 'E')),"DC1": fake.random_element(elements=('A', 'B', 'C')),"DC2": fake.random_element(elements=('A', 'B', 'C')),"DC3": fake.random_element(elements=('A', 'B', 'C')),"DC4": fake.random_element(elements=('A', 'B', 'C')),"DC5": fake.random_element(elements=('A', 'B', 'C', 'D')),"DC6": fake.random_element(elements=('A', 'B', 'C')),"DC7": fake.random_element(elements=('A', 'B', 'C')),"DC8": fake.random_element(elements=('A', 'B', 'C')),"DC9": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K')),"DC10": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"DC11": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"DC12": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"DC13": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G')),"DC14": fake.random_element(elements=('A', 'B', 'C', 'D', 'E', 'F', 'G'))}json_answer = json.dumps(answer)# 提交测评结果data = {"userId": str(id_no),"testType": "1101","testTime": create_time.strftime('%Y-%m-%d %H:%M:%S'),"userAnswer": json_answer,"totalTime": str(fake.random_int(min=90, max=300, step=5)),"stage": "1","status": "1"}json_data = json.dumps(data)data_post(url, json_data)# 提交事务# conn.commit()print('{}条数据插入成功'.format(i*10))# 关闭游标cursor.close()# 关闭连接conn.close()print('关闭数据库连接')except Exception as e:print(e)def data_post(url, data):headers = {"content-type": "application/json;charset=utf-8"}try:response = requests.post(url=url, headers=headers, data=data)if response.status_code == 200:print('请求成功')else:raise Exception('未正常响应请求')return dataexcept requests.exceptions.RequestException as e:print(e)if __name__ == '__main__':create_testers()

前提必须先安装雪花服务

安装Faker库
pip install faker安装最新版PyMySQL
pip install pymysql安装雪花算法库
pip install pysnowflake安装requests库
pip install requestscmd启动snowflake服务：
snowflake_start_server --address=localhost --port=8910 --dc=1 --worker=1

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.mzph.cn/news/783626.shtml

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

相关文章

Python 判断当前操作系统的几种方法

Python 判断当前操作系统的几种方法

本文介绍 Python 判断操作系统的3种方法。以下的方法将分为这几部分： Python os.namePython sys.platformPython platform.system() Python os.name Python 判断操作系统的方法可以使用 os.name，这里以 Python 3 为例，os.name 会返回 posi…
阅读更多...
基于java+SpringBoot+Vue的网上书城管理系统设计与实现

基于java+SpringBoot+Vue的网上书城管理系统设计与实现

基于javaSpringBootVue的网上书城管理系统设计与实现 开发语言: Java 数据库: MySQL技术: SpringBoot MyBatis工具: IDEA/Eclipse、Navicat、Maven 系统展示 前台展示 后台展示 系统简介 整体功能包含： 网上书城管理系统是一个基于互联网的在线购书平台&#…
阅读更多...
文献学习-23-MRM：用于遗传学医学图像预训练的掩码关系建模

文献学习-23-MRM：用于遗传学医学图像预训练的掩码关系建模

MRM: Masked Relation Modeling for Medical Image Pre-Training with Genetics Authors: Qiushi Yang, Wuyang Li, Baopu Li, Yixuan Yuan Source: ICCV 2023 Abstract: 关于自动多模态医疗诊断的 ODERN 深度学习技术依赖于大量的专家注释，这既耗时又令人望而却…
阅读更多...
【Spring MVC】快速学习使用Spring MVC的注解及三层架构

【Spring MVC】快速学习使用Spring MVC的注解及三层架构

💓 博客主页：从零开始的-CodeNinja之路 ⏩ 收录文章：【Spring MVC】快速学习使用Spring MVC的注解及三层架构 🎉欢迎大家点赞👍评论📝收藏⭐文章 目录 Spring Web MVC一: 什么是Spring Web MVC&#xff1…
阅读更多...
何时应用 RAG 与微调

何时应用 RAG 与微调

充分发挥 LLM 的潜力需要在检索增强生成（RAG）和微调之间选择正确的技术。 让我们来看看何时对 LLM、较小的模型和预训练模型使用 RAG 与微调。我们将介绍： LLM 和 RAG 的简要背景RAG 相对于微调 LLM 的优势何时针对不同模型大小对 RAG 进行…
阅读更多...
python 贪吃蛇

python 贪吃蛇

main.py #!/usr/bin/env python3 # -*- coding: utf-8 -*-import pygame # 导入pygame模块from setting import Setting import startmain as sm from pygame.sprite import Groupdef InitGame():print("InitGame")pygame.init() #初始化pygameai_settings Se…
阅读更多...
【图轮】【 最小生成树】【 并集查找】1489. 找到最小生成树里的关键边和伪关键边

【图轮】【 最小生成树】【 并集查找】1489. 找到最小生成树里的关键边和伪关键边

本文涉及知识点 图轮 最小生成树 并集查找 关键边 1489. 找到最小生成树里的关键边和伪关键边 给你一个 n 个点的带权无向连通图，节点编号为 0 到 n-1 ，同时还有一个数组 edges ，其中 edges[i] [fromi, toi, weighti] 表示在 fromi 和 to…
阅读更多...
书生·浦语全链路开源开放体系 第二期

书生·浦语全链路开源开放体系 第二期

文章目录 大模型背景大模型开发流程InternLM 2.0SFT与RLHFInternLM2主要亮点 书生浦语全链路开源开放体系数据-书生万卷InternLM-Train微调 XTuner评测工具 OpenCompass部署 LMDeploy智能体 Lagent智能体工具箱 AgentLego 大模型背景 专用模型：针对特定的任务&…
阅读更多...
【Web】NSSCTF Round#20 Basic 个人wp

【Web】NSSCTF Round#20 Basic 个人wp

目录 前言 真亦假，假亦真 CSDN_To_PDF V1.2 前言 感谢17👴没让我爆零 真亦假，假亦真 直接getshell不行，那就一波信息搜集呗，先开dirsearch扫一下 扫的过程中先试试常规的robots.txt,www.zip,shell.phps,.git,.sv…
阅读更多...
使用Docker Compose一键部署前后端分离项目(图文保姆级教程)

使用Docker Compose一键部署前后端分离项目(图文保姆级教程)

一、安装Docker和docker Compose 1.Docker安装 //下载containerd.io包 yum install https://download.docker.com/linux/fedora/30/x86_64/stable/Packages/containerd.io-1.2.6-3.3.fc30.x86_64.rpm //安装依赖项 yum install -y yum-utils device-mapper-persistent-data l…
阅读更多...
求整数各个数位上的数字之和 C语言

求整数各个数位上的数字之和 C语言

对于任意输入的整数&#xff0c;计算其各个数位上的数字之和。 输入格式 输入一个正整数 N。 输出格式 输出 N 的各个位上的数字之和。 数据范围 1 < N < 2^31 #include <stdio.h> #include <stdlib.h> int shu(int x){ int sum0; while(x>0)…
阅读更多...
百度云加速方法「Cheat Engine」

百度云加速方法「Cheat Engine」

加速网盘下载 相信经常玩游戏的小伙伴都知道「Cheat Engine」这款游戏内存修改器&#xff0c;它除了能对游戏进行内存扫描、调试、反汇编 之外&#xff0c;还能像变速齿轮那样进行本地加速。 这款专注游戏的修改器&#xff0c;被大神发现竟然还能加速百度网盘资源下载&#xf…
阅读更多...
c++前言

c++前言

目录 1. 什么是 C 2. C 发展史 3. C 的重要性 4. 如何学习 C 5. 关于本门课程 1. 什么是C C语言是结构化和模块化的语言&#xff0c;适合处理较小规模的程序。对于复杂的问题&#xff0c;规模较大的 程序&#xff0c;需要高度的抽象和建模时&#xff0c; C 语言则不合适…
阅读更多...
【JavaParser笔记01】JavaParser解析Java源代码中的类信息（javadoc注释、类​​​​​​​名称）

【JavaParser笔记01】JavaParser解析Java源代码中的类信息（javadoc注释、类​​​​​​​名称）

这篇文章，主要介绍如何使用JavaParser解析Java源代码中的类信息（javadoc注释、类名称）。 目录 一、JavaParser依赖库 1.1、引入依赖 1.2、获取类注释信息
阅读更多...
【Python进阶（一）】——异常与错误

【Python进阶（一）】——异常与错误

&#x1f349;CSDN小墨&晓末:https://blog.csdn.net/jd1813346972 个人介绍: 研一&#xff5c;统计学&#xff5c;干货分享          擅长Python、Matlab、R等主流编程软件          累计十余项国家级比赛奖项&#xff0c;参与研究经费10w、40w级横向 文…
阅读更多...
python | 输出n位数的各位位数

python | 输出n位数的各位位数

xinput(请输入一位n位数:)print(*map(int,x)) 在Python中&#xff0c;input() 函数接收用户的输入并返回一个字符串。当你执行 x input(请输入一位n位数:) 时&#xff0c;x 将包含用户输入的字符序列。 接下来&#xff0c;map(int, x) 会对字符串 x 中的每一个字符应用 int 函…
阅读更多...
【uC/OS-III篇】uC/OS-III 移植到 STM32 简明教程

【uC/OS-III篇】uC/OS-III 移植到 STM32 简明教程

uC/OS-III 移植到 STM32 简明教程 一、uC/OS-III 介绍 二、获取UCOS-III源码 三、建立项目工程 四、解决工程编译报错 五、修改项目文件 下一篇博客&#xff1a; 【uC/OS-III篇】uC/OS-III 创建第一个任务&#xff08;For STM32&#xff09; 移植后的工程自取方式&#xf…
阅读更多...
玩转Django分页器

玩转Django分页器

一、Pagination 分页器编程步骤 View, 导入django.core.paginator.Paginator类&#xff0c;创建Paginator 对象时&#xff0c;输入qs对象&#xff0c;以及每页显示条数。 接收 URL, 从请求参数中读取page数值 &#xff0c;通过 paginator.page(page_num) 返回请求页的page_obj…
阅读更多...
从 PG 技术峰会南京站汲取的那些干货

从 PG 技术峰会南京站汲取的那些干货

3月30日下午&#xff0c;“PostgreSQL 数据库技术峰会”南京站圆满举办。 这场峰会同步在线上直播&#xff0c;近 2000 人在线观看。 感谢各位大佬带来精彩演讲。 1. 可观测性 第一场正式演讲是白鳝前辈带来的《PostgreSQL 数据库的可观测性能力》。 数据库的可观测性的重要性不…
阅读更多...
Mysql数据库：MHA高可用架构

Mysql数据库：MHA高可用架构

目录 前言 一、MHA概述 1、什么是MHA 2、MHA的特点 3、MHA的组成 4、MHA的工作原理 5、故障切换备选主库的算法 二、部署MHA高可用架构 1、环境部署 2、部署主从同步 2.1 修改主配置文件并创建软链接 2.1.1 master 修改主配置文件并创建软连接 2.1.2 slave1 修改主…
阅读更多...
最新文章

Copyright @ 2022~2023