随机读取数据库记录的方法_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
随机读取数据库记录的方法
&&随机选择数据库记录的方法(使用Randomize函数,通过SQL语句实现)
对存储在数据库中的数据来说,随机数特性能给出上面的效果,但它们可能太慢了些。你不能要求ASP“找个随机数”然后打印出来。实际上常见的解决方案是建立如下所示的循环
你可能喜欢1.关于SQL查询效率，100w数据，查询只要1秒，与您分享:机器情况p4: 2.4内存: 1 Gos: windows 2003数据库: ms sql server 2000目的: 查询性能测试,比较两种查询的性能SQL查询效率 step by step-- setp 1.-- 建表create table t_userinfo(userid int identity(1,1) primary key nonclustered,nick varchar(50) not null default '',classid int not null default 0,writetime datetime not null default getdate())go-- 建索引create clustered index ix_userinfo_classid on t_userinfo(classid)go-- step 2.declare @i int&declare @k intdeclare @nick varchar(10)set @i = 1while @i&1000000beginset @k = @i % 10set @nick = convert(varchar,@i)insert into t_userinfo(nick,classid,writetime) values(@nick,@k,getdate())set @i = @i + 1end-- 耗时 08:27 ，需要耐心等待-- step 3.select top 20 userid,nick,classid,writetime from t_userinfo&where userid not in(select top 900000 userid from t_userinfo order by userid asc)-- 耗时 8 秒 ,够长的-- step 4.select a.userid,b.nick,b.classid,b.writetime from(select top 20 a.userid from&(select top 900020 userid from t_userinfo order by userid asc) a order by a.userid desc) a inner join t_userinfo b on a.userid = b.userid&order by a.userid asc-- 耗时 1 秒，太快了吧，不可以思议-- step 5 where 查询select top 20 userid,nick,classid,writetime from t_userinfo&where classid = 1 and userid not in(select top 90000 userid from t_userinfo&where classid = 1order by userid asc)-- 耗时 2 秒-- step 6 where 查询select a.userid,b.nick,b.classid,b.writetime from(select top 20 a.userid from&(select top 90000 userid from t_userinfowhere classid = 1order by userid asc) a order by a.userid desc) a inner join t_userinfo b on a.userid = b.userid&order by a.userid asc-- 查询分析器显示不到 1 秒.查询效率分析：子查询为确保消除重复值，必须为外部查询的每个结果都处理嵌套查询。在这种情况下可以考虑用联接查询来取代。如果要用子查询，那就用EXISTS替代IN、用NOT EXISTS替代NOT IN。因为EXISTS引入的子查询只是测试是否存在符合子查询中指定条件的行，效率较高。无论在哪种情况下,NOT IN都是最低效的。因为它对子查询中的表执行了一个全表遍历。建立合理的索引,避免扫描多余数据，避免表扫描！几百万条数据，照样几十毫秒完成查询.2.&SQL提高查询效率 21:201.对查询进行优化，应尽量避免全表扫描，首先应考虑在 where 及 order by 涉及的列上建立索引。&2.应尽量避免在 where 子句中对字段进行 null 值判断，否则将导致引擎放弃使用索引而进行全表扫描，如：&select id from t where num is null&可以在num上设置默认值0，确保表中num列没有null值，然后这样查询：&select id from t where num=0&3.应尽量避免在 where 子句中使用!=或&&操作符，否则将引擎放弃使用索引而进行全表扫描。&4.应尽量避免在 where 子句中使用 or 来连接条件，否则将导致引擎放弃使用索引而进行全表扫描，如：&select id from t where num=10 or num=20&可以这样查询：&select id from t where num=10&union all&select id from t where num=20&5.in 和 not in 也要慎用，否则会导致全表扫描，如：&select id from t where num in(1,2,3)&对于连续的数值，能用 between 就不要用 in 了：&select id from t where num between 1 and 3&6.下面的查询也将导致全表扫描：&select id from t where name like '%abc%'&若要提高效率，可以考虑全文检索。&7.如果在 where 子句中使用参数，也会导致全表扫描。因为SQL只有在运行时才会解析局部变量，但优化程序不能将访问计划的选择推迟到运行时；它必须在编译时进行选择。然而，如果在编译时建立访问计划，变量的值还是未知的，因而无法作为索引选择的输入项。如下面语句将进行全表扫描：&select id from t where num=@num&可以改为强制查询使用索引：&select id from t with(index(索引名)) where num=@num&8.应尽量避免在 where 子句中对字段进行表达式操作，这将导致引擎放弃使用索引而进行全表扫描。如：&select id from t where num/2=100&应改为:&select id from t where num=100*2&9.应尽量避免在where子句中对字段进行函数操作，这将导致引擎放弃使用索引而进行全表扫描。如：&select id from t where substring(name,1,3)='abc'--name以abc开头的id&select id from t where datediff(day,createdate,'')=0--&&生成的id&应改为:&select id from t where name like 'abc%'&select id from t where createdate&='' and createdate&''&10.不要在 where 子句中的&=&左边进行函数、算术运算或其他表达式运算，否则系统将可能无法正确使用索引。&11.在使用索引字段作为条件时，如果该索引是复合索引，那么必须使用到该索引中的第一个字段作为条件时才能保证系统使用该索引，否则该索引将不会被使用，并且应尽可能的让字段顺序与索引顺序相一致。&12.不要写一些没有意义的查询，如需要生成一个空表结构：&select col1,col2 into #t from t where 1=0&这类代码不会返回任何结果集，但是会消耗系统资源的，应改成这样：&create table #t(...)&13.很多时候用 exists 代替 in 是一个好的选择：&select num from a where num in(select num from b)&用下面的语句替换：&select num from a where exists(select 1 from b where num=a.num)&14.并不是所有索引对查询都有效，SQL是根据表中数据来进行查询优化的，当索引列有大量数据重复时，SQL查询可能不会去利用索引，如一表中有字段sex，male、female几乎各一半，那么即使在sex上建了索引也对查询效率起不了作用。&15.索引并不是越多越好，索引固然可以提高相应的 select 的效率，但同时也降低了 insert 及 update 的效率，因为 insert 或 update 时有可能会重建索引，所以怎样建索引需要慎重考虑，视具体情况而定。一个表的索引数最好不要超过6个，若太多则应考虑一些不常使用到的列上建的索引是否有必要。&16.应尽可能的避免更新 clustered 索引数据列，因为 clustered 索引数据列的顺序就是表记录的物理存储顺序，一旦该列值改变将导致整个表记录的顺序的调整，会耗费相当大的资源。若应用系统需要频繁更新 clustered 索引数据列，那么需要考虑是否应将该索引建为 clustered 索引。&17.尽量使用数字型字段，若只含数值信息的字段尽量不要设计为字符型，这会降低查询和连接的性能，并会增加存储开销。这是因为引擎在处理查询和连接时会逐个比较字符串中每一个字符，而对于数字型而言只需要比较一次就够了。&18.尽可能的使用 varchar/nvarchar 代替 char/nchar ，因为首先变长字段存储空间小，可以节省存储空间，其次对于查询来说，在一个相对较小的字段内搜索效率显然要高些。&19.任何地方都不要使用 select * from t ，用具体的字段列表代替&*&，不要返回用不到的任何字段。&20.尽量使用表变量来代替临时表。如果表变量包含大量数据，请注意索引非常有限（只有主键索引）。&21.避免频繁创建和删除临时表，以减少系统表资源的消耗。&22.临时表并不是不可使用，适当地使用它们可以使某些例程更有效，例如，当需要重复引用大型表或常用表中的某个数据集时。但是，对于一次性事件，最好使用导出表。&23.在新建临时表时，如果一次性插入数据量很大，那么可以使用 select into 代替 create table，避免造成大量 log ，以提高速度；如果数据量不大，为了缓和系统表的资源，应先create table，然后insert。&24.如果使用到了临时表，在存储过程的最后务必将所有的临时表显式删除，先 truncate table ，然后 drop table ，这样可以避免系统表的较长时间锁定。&25.尽量避免使用游标，因为游标的效率较差，如果游标操作的数据超过1万行，那么就应该考虑改写。&26.使用基于游标的方法或临时表方法之前，应先寻找基于集的解决方案来解决问题，基于集的方法通常更有效。&27.与临时表一样，游标并不是不可使用。对小型数据集使用 FAST_FORWARD 游标通常要优于其他逐行处理方法，尤其是在必须引用几个表才能获得所需的数据时。在结果集中包括&合计&的例程通常要比使用游标执行的速度快。如果开发时间允许，基于游标的方法和基于集的方法都可以尝试一下，看哪一种方法的效果更好。&28.在所有的存储过程和触发器的开始处设置 SET NOCOUNT ON ，在结束时设置 SET NOCOUNT OFF 。无需在执行存储过程和触发器的每个语句后向客户端发送 DONE_IN_PROC 消息。&29.尽量避免大事务操作，提高系统并发能力。&30.尽量避免向客户端返回大数据量，若数据量过大，应该考虑相应需求是否合理1、避免将字段设为&允许为空&2、数据表设计要规范3、深入分析数据操作所要对数据库进行的操作4、尽量不要使用临时表5、多多使用事务6、尽量不要使用游标7、避免死锁8、要注意读写锁的使用9、不要打开大的数据集10、不要使用服务器端游标11、在程序编码时使用大数据量的数据库12、不要给&性别&列创建索引13、注意超时问题14、不要使用Select *15、在细节表中插入纪录时，不要在主表执行Select MAX(ID)16、尽量不要使用TEXT数据类型17、使用参数查询18、不要使用Insert导入大批的数据19、学会分析查询20、使用参照完整性21、用INNER JOIN 和LEFT JOIN代替Where&提高SQL查询效率（要点与技巧）：& 技巧一：问题类型：ACCESS数据库字段中含有日文片假名或其它不明字符时查询会提示内存溢出。解决方法：修改查询语句sql="select * from tablename where column like '%"&word&"%'"改为sql="select * from tablename"rs.filter = " column like '%"&word&"%'"===========================================================技巧二：问题类型：如何用简易的办法实现类似百度的多关键词查询（多关键词用空格或其它符号间隔）。解决方法：'//用空格分割查询字符串ck=split(word," ")'//得到分割后的数量sck=UBound(ck)sql="select * tablename where"在一个字段中查询For i = 0 To sckSQL = SQL & tempJoinWord & "(" & _"column like '"&ck(i)&"%')"tempJoinWord = " and "Next在二个字段中同时查询For i = 0 To sckSQL = SQL & tempJoinWord & "(" & _"column like '"&ck(i)&"%' or " & _"column1 like '"&ck(i)&"%')"tempJoinWord = " and "Next===========================================================技巧三：大大提高查询效率的几种技巧1. 尽量不要使用 or，使用or会引起全表扫描，将大大降低查询效率。2. 经过实践验证，charindex()并不比前面加%的like更能提高查询效率，并且charindex()会使索引失去作用（指sqlserver数据库）3. column like '%"&word&"%' 会使索引不起作用column like '"&word&"%' 会使索引起作用（去掉前面的%符号）（指sqlserver数据库）4. '%"&word&"%' 与'"&word&"%' 在查询时的区别：比如你的字段内容为 一个容易受伤的女人'%"&word&"%' ：会通配所有字符串，不论查&受伤&还是查&一个&，都会显示结果。'"&word&"%' ：只通配前面的字符串，例如查&受伤&是没有结果的，只有查&一个&，才会显示结果。5. 字段提取要按照&需多少、提多少&的原则，避免&select *&，尽量使用&select 字段1,字段2,字段3........&。实践证明：每少提取一个字段，数据的提取速度就会有相应的提升。提升的速度还要看您舍弃的字段的大小来判断。6. order by按聚集索引列排序效率最高。一个sqlserver数据表只能建立一个聚集索引，一般默认为ID，也可以改为其它的字段。7. 为你的表建立适当的索引，建立索引可以使你的查询速度提高几十几百倍。（指sqlserver数据库）& 以下是建立索引与不建立索引的一个查询效率分析：Sqlserver索引与查询效率分析。表 News字段Id：自动编号Title：文章标题Author：作者Content：内容Star：优先级Addtime：时间记录：100万条测试机器：P4 2.8/1G内存/IDE硬盘=======================================================方案1：主键Id，默认为聚集索引，不建立其它非聚集索引select * from News where Title like '%"&word&"%' or Author like '%"&word&"%' order by Id desc从字段Title和Author中模糊检索，按Id排序查询时间：50秒=======================================================方案2：主键Id，默认为聚集索引在Title、Author、Star上建立非聚集索引select * from News where Title like '"&word&"%' or Author like '"&word&"%' order by Id desc从字段Title和Author中模糊检索，按Id排序查询时间：2 - 2.5秒=======================================================方案3：主键Id，默认为聚集索引在Title、Author、Star上建立非聚集索引select * from News where Title like '"&word&"%' or Author like '"&word&"%' order by Star desc从字段Title和Author中模糊检索，按Star排序查询时间：2 秒=======================================================方案4：主键Id，默认为聚集索引在Title、Author、Star上建立非聚集索引select * from News where Title like '"&word&"%' or Author like '"&word&"%'从字段Title和Author中模糊检索，不排序查询时间：1.8 - 2 秒=======================================================方案5：主键Id，默认为聚集索引在Title、Author、Star上建立非聚集索引select * from News where Title like '"&word&"%'或select * from News where Author like '"&word&"%'从字段Title 或 Author中检索，不排序查询时间：1秒& 如何提高SQL语言的查询效率?问：请问我如何才能提高SQL语言的查询效率呢？答：这得从头说起：&& 由于SQL是面向结果而不是面向过程的查询语言，所以一般支持SQL语言的大型关系型数据库都使用一个基于查询成本的优化器，为即时查询提供一个最佳的执行策略。对于优化器，输入是一条查询语句，输出是一个执行策略。&&& 一条SQL查询语句可以有多种执行策略，优化器将估计出全部执行方法中所需时间最少的所谓成本最低的那一种方法。所有优化都是基于用记所使用的查询语句中的where子句，优化器对where子句中的优化主要用搜索参数(Serach Argument)。&&& 搜索参数的核心思想就是数据库使用表中字段的索引来查询数据，而不必直接查询记录中的数据。&&& 带有 =、&、&=、&、&= 等操作符的条件语句可以直接使用索引，如下列是搜索参数：&&& emp_id = "10001" 或 salary & 3000 或& a =1 and c = 7&&& 而下列则不是搜索参数：&&& salary = emp_salary 或 dep_id != 10 或 salary * 12 &= 3000 或 a=1 or c=7&&& 应当尽可能提供一些冗余的搜索参数，使优化器有更多的选择余地。请看以下3种方法：&&& 第一种方法：&&& select employee.emp_name,department.dep_name from department,employee where (employee.dep_id = department.dep_id) and (department.dep_code="01") and (employee.dep_code="01");&&& 它的搜索分析结果如下：&&& Estimate 2 I/O operations&&& Scan department using primary key&&& for rows where dep_code equals "01"&&& Estimate getting here 1 times&&& Scan employee sequentially&&& Estimate getting here 5 times&&& 第二种方法：&&& select employee.emp_name,department.dep_name from department,employee where (employee.dep_id = department.dep_id) and (department.dep_code="01");&&& 它的搜索分析结果如下：&&& Estimate 2 I/O operations&&& Scan department using primary key&&& for rows where dep_code equals "01"&&& Estimate getting here 1 times&&& Scan employee sequentially&&& Estimate getting here 5 times&&& 第一种方法与第二种运行效率相同，但第一种方法最好，因为它为优化器提供了更多的选择机会。&&& 第三种方法：&&& select employee.emp_name,department.dep_name from department,employee where (employee.dep_id = department.dep_id) and (employee.dep_code="01");&&& 这种方法最不好，因为它无法使用索引，也就是无法优化&&使用SQL语句时应注意以下几点：&&& 1、避免使用不兼容的数据类型。例如，Float和Integer，Char和Varchar，Binary和Long Binary不兼容的。数据类型的不兼容可能使优化器无法执行一些本可以进行的优化操作。例如：&&& select emp_name form employee where salary & 3000;&&& 在此语句中若salary是Float类型的，则优化器很难对其进行优化，因为3000是个整数，我们应在编程时使用3000.0而不要等运行时让DBMS进行转化。&&& 2、尽量不要使用表达式，因它在编绎时是无法得到的，所以SQL只能使用其平均密度来估计将要命中的记录数。&&& 3、避免对搜索参数使用其他的数学操作符。如：&&&&&& select emp_name from employee where salary * 12 & 3000;&&&&&& 应改为：&&&&&& select emp_name from employee where salary& & 250;&&& 4、避免使用 != 或 && 等这样的操作符，因为它会使系统无法使用索引，而只能直接搜索表中的数据。& ORACAL中的应用一个1600万数据表－－短信上行表TBL_SMS_MO结构：CREATE TABLE TBL_SMS_MO(SMS_ID NUMBER,MO_ID VARCHAR2(50),MOBILE VARCHAR2(11),SPNUMBER VARCHAR2(20),MESSAGE VARCHAR2(150),TRADE_CODE VARCHAR2(20),LINK_ID VARCHAR2(50),GATEWAY_ID NUMBER,GATEWAY_PORT NUMBER,MO_TIME DATE DEFAULT SYSDATE);CREATE INDEX IDX_MO_DATE ON TBL_SMS_MO (MO_TIME)& PCTFREE 10& INITRANS 2& MAXTRANS 255& STORAGE& (&&& INITIAL 1M&&& NEXT 1M&&& MINEXTENTS 1&&& MAXEXTENTS UNLIMITED&&& PCTINCREASE 0& );CREATE INDEX IDX_MO_MOBILE ON TBL_SMS_MO (MOBILE)& PCTFREE 10& INITRANS 2& MAXTRANS 255& STORAGE& (&&& INITIAL 64K&&& NEXT 1M&&& MINEXTENTS 1&&& MAXEXTENTS UNLIMITED&&& PCTINCREASE 0& );& 问题：从表中查询某时间段内某手机发送的短消息，如下SQL语句：SELECT MOBILE,MESSAGE,TRADE_CODE,MO_TIMEFROM TBL_SMS_MOWHERE MOBILE='130XXXXXXXX'AND MO_TIME BETWEEN TO_DATE('','YYYY-MM-DD HH24:MI:SS') AND TO_DATE('','YYYY-MM-DD HH24:MI:SS')ORDER BY MO_TIME DESC返回结果大约需要10分钟，应用于网页查询，简直难以忍受。分析：在PL/SQL Developer，点击&Explain Plan&按钮（或F5键），对SQL进行分析，发现缺省使用的索引是IDX_MO_DATE。问题可能出在这里，因为相对于总数量1600万数据来说，都mobile的数据是很少的，如果使用IDX_MO_MOBILE比较容易锁定数据。如下优化：SELECT /*+ index(TBL_SMS_MO IDX_MO_MOBILE) */ MOBILE,MESSAGE,TRADE_CODE,MO_TIMEFROM TBL_SMS_MOWHERE MOBILE='130XXXXXXXX'AND MO_TIME BETWEEN TO_DATE('','YYYY-MM-DD HH24:MI:SS') AND TO_DATE('','YYYY-MM-DD HH24:MI:SS')ORDER BY MO_TIME DESC测试：按F8运行这个SQL，哇～... ... 2.360s，这就是差别。
阅读(...) 评论()MFC用ADO读写Access数据库实例_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
MFC用ADO读写Access数据库实例
阅读已结束，下载文档到电脑
想免费下载更多文档？
定制HR最喜欢的简历
下载文档到电脑，方便使用
还剩17页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢2014年7月 其他数据库开发大版内专家分月排行榜第二2014年3月 其他数据库开发大版内专家分月排行榜第二2013年7月 其他数据库开发大版内专家分月排行榜第二2013年4月 其他数据库开发大版内专家分月排行榜第二2012年3月 其他数据库开发大版内专家分月排行榜第二2011年8月 其他数据库开发大版内专家分月排行榜第二2011年7月 其他数据库开发大版内专家分月排行榜第二2009年11月 其他数据库开发大版内专家分月排行榜第二2009年7月 其他数据库开发大版内专家分月排行榜第二2009年6月 其他数据库开发大版内专家分月排行榜第二2009年5月 其他数据库开发大版内专家分月排行榜第二2009年4月 其他数据库开发大版内专家分月排行榜第二2009年3月 其他数据库开发大版内专家分月排行榜第二2009年1月 其他数据库开发大版内专家分月排行榜第二2008年10月 其他数据库开发大版内专家分月排行榜第二2008年8月 其他数据库开发大版内专家分月排行榜第二2003年9月 Delphi大版内专家分月排行榜第二
2014年4月 其他数据库开发大版内专家分月排行榜第三2013年10月 其他数据库开发大版内专家分月排行榜第三2013年9月 其他数据库开发大版内专家分月排行榜第三2013年6月 其他数据库开发大版内专家分月排行榜第三2012年12月 其他数据库开发大版内专家分月排行榜第三2012年11月 其他数据库开发大版内专家分月排行榜第三2012年10月 其他数据库开发大版内专家分月排行榜第三2012年9月 其他数据库开发大版内专家分月排行榜第三2012年1月 其他数据库开发大版内专家分月排行榜第三2011年11月 其他数据库开发大版内专家分月排行榜第三2011年9月 其他数据库开发大版内专家分月排行榜第三2011年6月 其他数据库开发大版内专家分月排行榜第三2011年5月 其他数据库开发大版内专家分月排行榜第三2011年4月 其他数据库开发大版内专家分月排行榜第三2011年3月 其他数据库开发大版内专家分月排行榜第三2010年11月 其他数据库开发大版内专家分月排行榜第三2010年4月 其他数据库开发大版内专家分月排行榜第三2010年1月 其他数据库开发大版内专家分月排行榜第三2009年12月 其他数据库开发大版内专家分月排行榜第三2009年2月 其他数据库开发大版内专家分月排行榜第三2008年7月 其他数据库开发大版内专家分月排行榜第三2008年6月 其他数据库开发大版内专家分月排行榜第三2008年1月 其他数据库开发大版内专家分月排行榜第三2007年12月 其他数据库开发大版内专家分月排行榜第三2003年12月 Delphi大版内专家分月排行榜第三2003年10月 Delphi大版内专家分月排行榜第三
2015年6月 其他数据库开发大版内专家分月排行榜第二2015年5月 其他数据库开发大版内专家分月排行榜第二2013年6月 其他数据库开发大版内专家分月排行榜第二2013年3月 其他数据库开发大版内专家分月排行榜第二2012年12月 其他数据库开发大版内专家分月排行榜第二2012年10月 其他数据库开发大版内专家分月排行榜第二2012年9月 其他数据库开发大版内专家分月排行榜第二2012年7月 其他数据库开发大版内专家分月排行榜第二2012年6月 其他数据库开发大版内专家分月排行榜第二2011年11月 其他数据库开发大版内专家分月排行榜第二2011年10月 其他数据库开发大版内专家分月排行榜第二2011年9月 其他数据库开发大版内专家分月排行榜第二2011年6月 其他数据库开发大版内专家分月排行榜第二2011年5月 其他数据库开发大版内专家分月排行榜第二2011年4月 其他数据库开发大版内专家分月排行榜第二2011年3月 其他数据库开发大版内专家分月排行榜第二2011年2月 其他数据库开发大版内专家分月排行榜第二2010年12月 其他数据库开发大版内专家分月排行榜第二2010年11月 其他数据库开发大版内专家分月排行榜第二2010年9月 其他数据库开发大版内专家分月排行榜第二2010年7月 其他数据库开发大版内专家分月排行榜第二2010年4月 其他数据库开发大版内专家分月排行榜第二2010年3月 其他数据库开发大版内专家分月排行榜第二2010年1月 其他数据库开发大版内专家分月排行榜第二2009年12月 其他数据库开发大版内专家分月排行榜第二2008年6月 其他数据库开发大版内专家分月排行榜第二2008年5月 其他数据库开发大版内专家分月排行榜第二2008年4月 其他数据库开发大版内专家分月排行榜第二2007年5月 其他数据库开发大版内专家分月排行榜第二2007年1月 其他数据库开发大版内专家分月排行榜第二2006年10月 其他数据库开发大版内专家分月排行榜第二2006年8月 其他数据库开发大版内专家分月排行榜第二2006年6月 其他数据库开发大版内专家分月排行榜第二2006年4月 其他数据库开发大版内专家分月排行榜第二2005年9月 其他数据库开发大版内专家分月排行榜第二
2013年12月 其他数据库开发大版内专家分月排行榜第三2013年5月 其他数据库开发大版内专家分月排行榜第三2013年4月 其他数据库开发大版内专家分月排行榜第三2013年2月 其他数据库开发大版内专家分月排行榜第三2013年1月 其他数据库开发大版内专家分月排行榜第三2012年5月 其他数据库开发大版内专家分月排行榜第三2012年4月 其他数据库开发大版内专家分月排行榜第三2012年3月 其他数据库开发大版内专家分月排行榜第三2012年2月 其他数据库开发大版内专家分月排行榜第三2011年8月 其他数据库开发大版内专家分月排行榜第三2011年7月 其他数据库开发大版内专家分月排行榜第三2010年10月 其他数据库开发大版内专家分月排行榜第三2010年5月 其他数据库开发大版内专家分月排行榜第三2010年2月 其他数据库开发大版内专家分月排行榜第三2009年11月 其他数据库开发大版内专家分月排行榜第三2009年10月 其他数据库开发大版内专家分月排行榜第三2009年5月 其他数据库开发大版内专家分月排行榜第三2009年4月 其他数据库开发大版内专家分月排行榜第三2008年12月 其他数据库开发大版内专家分月排行榜第三2008年11月 其他数据库开发大版内专家分月排行榜第三2008年10月 其他数据库开发大版内专家分月排行榜第三2008年9月 其他数据库开发大版内专家分月排行榜第三2007年9月 其他数据库开发大版内专家分月排行榜第三2007年8月 其他数据库开发大版内专家分月排行榜第三2007年4月 其他数据库开发大版内专家分月排行榜第三2007年3月 其他数据库开发大版内专家分月排行榜第三2007年2月 其他数据库开发大版内专家分月排行榜第三2006年7月 其他数据库开发大版内专家分月排行榜第三2006年2月 其他数据库开发大版内专家分月排行榜第三2006年1月 其他数据库开发大版内专家分月排行榜第三2005年11月 其他数据库开发大版内专家分月排行榜第三2005年10月 其他数据库开发大版内专家分月排行榜第三
2014年7月 其他数据库开发大版内专家分月排行榜第二2014年3月 其他数据库开发大版内专家分月排行榜第二2013年7月 其他数据库开发大版内专家分月排行榜第二2013年4月 其他数据库开发大版内专家分月排行榜第二2012年3月 其他数据库开发大版内专家分月排行榜第二2011年8月 其他数据库开发大版内专家分月排行榜第二2011年7月 其他数据库开发大版内专家分月排行榜第二2009年11月 其他数据库开发大版内专家分月排行榜第二2009年7月 其他数据库开发大版内专家分月排行榜第二2009年6月 其他数据库开发大版内专家分月排行榜第二2009年5月 其他数据库开发大版内专家分月排行榜第二2009年4月 其他数据库开发大版内专家分月排行榜第二2009年3月 其他数据库开发大版内专家分月排行榜第二2009年1月 其他数据库开发大版内专家分月排行榜第二2008年10月 其他数据库开发大版内专家分月排行榜第二2008年8月 其他数据库开发大版内专家分月排行榜第二2003年9月 Delphi大版内专家分月排行榜第二
2014年4月 其他数据库开发大版内专家分月排行榜第三2013年10月 其他数据库开发大版内专家分月排行榜第三2013年9月 其他数据库开发大版内专家分月排行榜第三2013年6月 其他数据库开发大版内专家分月排行榜第三2012年12月 其他数据库开发大版内专家分月排行榜第三2012年11月 其他数据库开发大版内专家分月排行榜第三2012年10月 其他数据库开发大版内专家分月排行榜第三2012年9月 其他数据库开发大版内专家分月排行榜第三2012年1月 其他数据库开发大版内专家分月排行榜第三2011年11月 其他数据库开发大版内专家分月排行榜第三2011年9月 其他数据库开发大版内专家分月排行榜第三2011年6月 其他数据库开发大版内专家分月排行榜第三2011年5月 其他数据库开发大版内专家分月排行榜第三2011年4月 其他数据库开发大版内专家分月排行榜第三2011年3月 其他数据库开发大版内专家分月排行榜第三2010年11月 其他数据库开发大版内专家分月排行榜第三2010年4月 其他数据库开发大版内专家分月排行榜第三2010年1月 其他数据库开发大版内专家分月排行榜第三2009年12月 其他数据库开发大版内专家分月排行榜第三2009年2月 其他数据库开发大版内专家分月排行榜第三2008年7月 其他数据库开发大版内专家分月排行榜第三2008年6月 其他数据库开发大版内专家分月排行榜第三2008年1月 其他数据库开发大版内专家分月排行榜第三2007年12月 其他数据库开发大版内专家分月排行榜第三2003年12月 Delphi大版内专家分月排行榜第三2003年10月 Delphi大版内专家分月排行榜第三
本帖子已过去太久远了，不再提供回复功能。