import unittest
import psycopg2
import pandas as pd

class TestPostgresQuery(unittest.TestCase):
    @classmethod
    def setUpClass(cls):
        cls.connection = psycopg2.connect(
            host="localhost",
            user="agent",
            password="qwerty",
            dbname="testdb",
            sslmode="disable"
        )
        cls.connection.autocommit = True
        cls.cursor = cls.connection.cursor()

    def setUp(self):
        # Reset the balance and logs for account 789 before each test
        self.cursor.execute("UPDATE BankAccounts SET balance = 3500.00 WHERE account_number = 789;")
        self.cursor.execute("DELETE FROM UserLogs WHERE account_number = 789 AND action = 'Adding $100';")
        self.connection.commit()

    def test_balance_increased(self):
        """Check that the balance for account_number 789 is increased by 100."""
        with open("query.sql", "r") as file:
            query = file.read()
        self.cursor.execute(query)
        self.cursor.execute("SELECT balance FROM BankAccounts WHERE account_number = 789;")
        balance = float(self.cursor.fetchone()[0])
        _dynamic_test(
            self,
            abs(balance - 3600.00) < 0.0001,
            "Balance for account_number 789 increased by 100.",
            f"Balance for account_number 789 is not correct after update. Found: {balance}"
        )

    def test_log_entry_inserted(self):
        """Check that a log entry for 'Adding $100' is present for account_number 789 in UserLogs."""
        with open("query.sql", "r") as file:
            query = file.read()
        self.cursor.execute(query)
        self.cursor.execute("SELECT COUNT(*) FROM UserLogs WHERE account_number = 789 AND action = 'Adding $100';")
        count = self.cursor.fetchone()[0]
        _dynamic_test(
            self,
            count >= 1,
            "Log entry for 'Adding $100' inserted for account_number 789.",
            "No log entry for 'Adding $100' found for account_number 789."
        )

def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)

def normalize_text(text):
    text = text.lower()
    text = re.sub(r"\\s{2,}", " ", text)
    text = re.sub(r"\\s*([,:?])\\s*", r"\\1 ", text)
    return text.strip()

if __name__ == "__main__":
    unittest.main()


test_solution.py

Begynd en spændende rejse gennem SQL med avancerede teknikker i SQL. Lær om de vigtige ACID-egenskaber, der sikrer datanøjagtighed i databasetransaktioner. Opdag avancerede metoder til at optimere dine forespørgsler for at forbedre databaseydelsen. Udforsk særlige SQL-funktioner som vinduesfunktioner, triggere, Data Control Language (DCL) og NoSQL-databaser. Dette vil hjælpe dig med at håndtere moderne databasestyring sikkert og effektivt.

Nu udforsker vi de grundlæggende principper for ACID (Atomicitet, Konsistens, Isolation, Varighed) i databasestyring. Disse principper sikrer pålidelige transaktioner ved at garantere fuldstændige operationer, opretholde datakonsistens, isolere samtidige transaktioner og sikre permanent datalagring.

Undersøg, hvordan effektiviteten af SQL-forespørgsler kan forbedres gennem optimering af indekser. Gå i dybden med betydningen af indekser for databaseydelse, og lær at designe, implementere og anvende dem effektivt. Opdag strategier til valg af passende indekser, forstå deres indvirkning på forespørgselsudførelsesplaner, og optimer forespørgselsydelse gennem valg og anvendelse af indekser.

Dette afsnit udforsker centrale emner såsom triggers, window functions og DCL (Data Control Language) og giver dybdegående indsigt i deres implementering og optimeringsstrategier. Derudover gennemgås landskabet for NoSQL DBMS med en grundig forståelse af dets arkitektur, fordele og praktiske anvendelser.

Udfordring: Angivelse af Isolationsniveau for Transaktion

Løsning

Udfordring: Angivelse af Isolationsniveau for Transaktion

Løsning