前章で説明した `BankAccounts` テーブルを基に、トランザクションの作成手順を確認します。

今回は、1つの口座から別の口座へ資金を移動するシンプルな金融取引を行います。両方の処理が1つの論理的な単位として実行されることが、実際のトランザクションの例となります。

口座番号 `101` と `789` を使用し、初期残高は以下の通りです。

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

SQLの高度なテクニックを通じて、SQLの魅力的な旅を始めましょう。データベーストランザクションにおけるデータの正確性を保つために重要なACID特性について学びます。データベースのパフォーマンスを向上させるためのクエリ最適化の高度な方法を発見します。ウィンドウ関数、トリガー、データ制御言語（DCL）、NoSQLデータベースなど、特別なSQL機能を探求します。これにより、現代のデータベース管理を自信を持って効果的に扱うことができます。

ここでは、データベース管理におけるACID（原子性、一貫性、独立性、永続性）の基本原則について探ります。これらの原則が、操作の完全性を保証し、データの一貫性を維持し、同時実行トランザクションを分離し、データの永続的な保存を確保することで、信頼性の高いトランザクションを実現する方法を学びます。

インデックス最適化を通じてSQLクエリの効率を向上させる方法を探求します。データベースのパフォーマンスにおけるインデックスの重要性について深く学び、インデックスの設計、実装、および効果的な活用方法を習得します。適切なインデックス選択のための戦略、クエリ実行計画への影響の理解、インデックスの選択と活用によるクエリパフォーマンスの最適化について解説します。

このセクションでは、トリガー、ウィンドウ関数、DCL（データ制御言語）などの重要なトピックを取り上げ、それらの実装および最適化戦略について包括的な洞察を提供します。さらに、NoSQL DBMSの分野にも触れ、そのアーキテクチャ、利点、実践的な応用について詳しく解説します。

チャレンジ：トランザクション作成

解答