Examinons ensemble la création d'une transaction à partir de la table `BankAccounts` décrite dans le chapitre précédent.

Nous allons effectuer une opération financière simple : transférer des fonds d'un compte à un autre. Garantir que les deux étapes se produisent comme une seule unité logique illustre une transaction réelle.

Nous allons travailler avec les numéros de compte `101` et `789` et le solde initial sera le suivant :

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.cursor = cls.connection.cursor()

    def test_balances_after_transaction(self):
        """Check if balances for accounts 101 and 789 are updated correctly after transferring 500 from 101 to 789."""
        with open("query.sql", "r") as file:
            query = file.read()
        self.cursor.execute("UPDATE BankAccounts SET balance = 4500 WHERE account_number = 101;")
        self.cursor.execute("UPDATE BankAccounts SET balance = 3500 WHERE account_number = 789;")
        self.connection.commit()
        self.cursor.execute(query)
        rows = self.cursor.fetchall()
        columns = [desc[0] for desc in self.cursor.description]
        result_df = pd.DataFrame(rows, columns=columns)
        result_df = result_df.set_index('account_number')
        expected_balances = {101: 4000.00, 789: 4000.00}
        correct = True
        for acc, expected in expected_balances.items():
            if acc not in result_df.index or float(result_df.loc[acc, 'balance']) != expected:
                correct = False
        _dynamic_test(
            self,
            correct,
            "Balances are updated correctly after transaction.",
            f"Balances are not updated correctly.\\nExpected: {expected_balances}\\nGot: {result_df['balance'].to_dict()}"
        )

    def test_transaction_committed(self):
        """Check that the transaction is committed and balances persist after reconnect."""
        with open("query.sql", "r") as file:
            query = file.read()
        # Reset balances
        self.cursor.execute("UPDATE BankAccounts SET balance = 4500 WHERE account_number = 101;")
        self.cursor.execute("UPDATE BankAccounts SET balance = 3500 WHERE account_number = 789;")
        self.connection.commit()
        self.cursor.execute(query)
        self.connection.commit()
        # Reconnect to check persistence
        self.cursor.close()
        self.connection.close()
        connection2 = psycopg2.connect(
            host="localhost",
            user="agent",
            password="qwerty",
            dbname="testdb",
            sslmode="disable"
        )
        cursor2 = connection2.cursor()
        cursor2.execute("SELECT account_number, balance FROM BankAccounts WHERE account_number IN (101, 789);")
        rows = cursor2.fetchall()
        result_df = pd.DataFrame(rows, columns=['account_number', 'balance']).set_index('account_number')
        expected_balances = {101: 4000.00, 789: 4000.00}
        correct = True
        for acc, expected in expected_balances.items():
            if acc not in result_df.index or float(result_df.loc[acc, 'balance']) != expected:
                correct = False
        _dynamic_test(
            self,
            correct,
            "Transaction was committed and balances persisted.",
            f"Transaction was not committed or balances did not persist.\\nExpected: {expected_balances}\\nGot: {result_df['balance'].to_dict()}"
        )
        cursor2.close()
        connection2.close()
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

Commencez un parcours passionnant à travers SQL avec les techniques avancées en SQL. Découvrez les propriétés ACID essentielles qui garantissent l'intégrité des données lors des transactions en base de données. Approfondissez les méthodes avancées d'optimisation des requêtes pour améliorer les performances des bases de données. Explorez des fonctionnalités spécifiques de SQL telles que les fonctions de fenêtre, les triggers, le Data Control Language (DCL) et les bases de données NoSQL. Cela vous permettra de gérer la gestion moderne des bases de données avec assurance et efficacité.

Nous explorons maintenant les principes fondamentaux d’ACID (Atomicité, Cohérence, Isolation, Durabilité) dans la gestion des bases de données. Découvrez comment ces principes assurent la fiabilité des transactions en garantissant l’exécution complète des opérations, le maintien de la cohérence des données, l’isolation des transactions concurrentes et la pérennité du stockage des données.

Explorez comment améliorer l'efficacité de vos requêtes SQL grâce à l'optimisation des index. Analysez l'importance des index dans les performances des bases de données, en apprenant à les concevoir, les implémenter et les utiliser efficacement. Découvrez des stratégies pour choisir les index appropriés, comprendre leur impact sur les plans d'exécution des requêtes et optimiser les performances des requêtes par la sélection et l'utilisation des index.

Cette section explore des sujets essentiels tels que les déclencheurs, les fonctions de fenêtre et le DCL (Data Control Language), offrant des analyses approfondies sur leur mise en œuvre et leurs stratégies d’optimisation. De plus, elle aborde l’univers des SGBD NoSQL, fournissant une compréhension complète de leur architecture, de leurs avantages et de leurs applications pratiques.

Défi : Création de Transaction

Solution

Défi : Création de Transaction

Solution