数据库考题？求数据库应用题
大家好，今天给各位分享数据库考题的一些知识，其中也会对求数据库应用题进行解释，文章篇幅可能偏长，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在就马上开始吧！
数据库工程师课程
Ⅰ我想自学数据库工程师需要看哪些书
考试科目1：信息系统知识
1.
计算机系统知识
1.1
硬件知识
1.1.1
计算机体系结构和主要部件的基本工作原理
·
1.1.2
存储系统
·
1.1.3
安全性、可靠性与系统性能评测基础知识
1.2
数据结构与算法
1.2.1
常用数据结构
·
1.2.2
常用算法
·
1.3
软件知识
1.3.1
操作系统知识
1.3.2
程序设计语言和语言处理程序的知识
·
1.4
计算机网络知识
2.
数据库技术
2.1
数据库技术基础
2.1.1
数据库模型
2.1.2
数据库管理系统的功能和特征
2.1.3
数据库系统体系结构
·
2.2
数据操作
2.2.1
关系运算
·
2.2.2
关系数据库标准语言（SQL）
2.3
数据库的控制功能
2.4
数据库设计基础理论
2.4.1
关系数据库设计
·
2.4.2
对象关系数据库设计
·
2.5
数据挖掘和数据仓库基础知识
2.6
多媒体基本知识
2.6.1
多媒体技术基本概念
2.6.2
多媒体压缩编码技术
·
2.6.3
多媒体技术应用
2.7
系统性能知识
·
2.8
计算机应用基础知识
3.
系统开发和运行维护知识
3.1
软件工程、软件过程改进和软件开发项目管理知识
3.2
系统分析基础知识
·
3.3
系统设计知识
·
3.4
系统实施知识
·
3.5
系统运行和维护知识
·
4.
安全性知识
·
5.标准化知识
6.信息化基础知识
·
7.计算机专业英语
考试科目2：数据库系统设计与管理
1.数据库设计
1.1
理解系统需求说明
1.2
系统开发的准备
1.3
设计系统功能
1.4
数据库设计
1.4.1
设计数据模型
·
1.4.2
物理结构设计
1.4.3
数据库实施与维护
1.4.4
数据库的保护
·
1.5
编写外部设计文档
·
1.6
设计评审
2.
数据库应用系统设计
2.1
设计数据库应用系统结构
·
2.2
设计输入输出
2.3
设计物理数据
2.4
设计安全体系
·
2.5
应用程序开发
2.5.1
应用程序开发
2.5.2
模块划分（原则、方法、标准）
2.5.3
编写程序设计文档
2.5.4
程序设计评审
2.6
编写应用系统设计文档
2.7
设计评审
3.
数据库应用系统实施
3.1
整个系统的配置与管理
3.2
常用数据库管理系统的应用（SQL
Server、Oracle、Sybase、DB2、Access或Visual
Foxpro）
·3.3
数据库应用系统安装
3.4
数据库应用系统测试
3.5
培训与用户支持
4.数据库系统的运行和管理
4.1
数据库系统的运行计划
4.2
数据库系统的运行和维护
4.3
数据库管理
4.4
性能调整
4.5
用户支持
5.
SQL
5.1
数据库语言
5.2
SQL概述
5.3
数据库定义
5.4
数据操作
5.5
完整性控制与安全机制
5.6
创建触发器（Create
Trigger）
5.7
SQL使用方式
·
5.8
SQL
标准化
6.
网络环境下的数据库
6.1
分布式数据库
6.1.1
分布式数据库的概念
·
6.1.2
分布式数据库的体系结构
·
6.1.3
分布式查询处理和优化
6.1.4
分布式事务管理
·
6.1.5
分布式数据库系统的应用
6.2
网络环境下数据库系统的设计与实施
7.数据库的安全性
7.1
安全性策略的理解
7.2
数据库安全测量
8.
数据库发展趋势与新技术
8.1
面向对象数据库（OODBMS）
8.1.1
OODBMS的特征
8.1.2
面向对象数据模型
8.1.3
面向对象数据库语言
8.1.4
对象关系数据库系统（ORDBMS）
8.2
企业资源计划（ERP）和数据库
8.2.1
ERP概述
·
8.2.2
ERP与数据库
·
8.2.3
案例分析
8.3
决策支持系统的建立。
主要看一下数据库原理数据结构还有就是数据库设计这些
Ⅱ请问想成为一名好的数据库工程师，大学是学经济和政治的，所以不太清楚要学哪些东西
1，你的问题太笼统，没法准确回答。
2，如果学知识，不建议看书，书里的东西太理论化。
3，建议在网上先搜数据库，SQL,oracle等命令，下客户端安装后自己边练边学，等把网上搜到的主流命令练会后（大约2周），
4，之后就去图书馆，浏览型的去看书，不要从第一页看，从你感兴趣的目录和内容去看，
5，最后选个当当什么网上书店里数据库排行第一的书，看一遍补充建立个框架，比如实际联系中无法学到的游标的定义，库设计的经验等等。
6，这时候你应该可以去应聘DBA入门级别的工作了。
7，以上过程不要超过4周，超过则拖下去此事则荒废了。
Ⅲ数据库开发工程师需要学习哪些课程
数据库开发工程师需要学习的课程：
计算机硬件、数据结构与算法、操作系统、程序设计语言、计算机网络、数据库技术、多媒体知识、系统开发和运行维护、安全性知识、标准化知识、知识产权、计算机专业英语等课程，数据库方面的主要有数据库设计、数据流程设计、数据库系统的运行和管理、还有SQL语言。
数据库开发工程师简介：
数据库开发工程师是指设计、开发、维护管理大型数据库的专业人才。第一类是MySQL，以自由软件为主，以社团式开发为代表。版本选择4.0,侧重于在Linux平台（RedHat8.0）。MySQL数据库短小精悍，速度比较快，它是自由软件产品，现在美国国家航天局的数据库系统就是MySQL。在很多中小型的ICP有着广泛的应用。第二类是SQL Server 2000，中小型企业数据库，界面友好，可操作性强，在数据库市场占有很大的份量，SQL Server 2000是企业产品的代表，定位数据库中低端市场。第三类是Oracle9i，中大型企业数据库，跨平台，在数据库中高市场占有很大的份量，Oracle9i介绍主要是Windows 2000平台和Linux平台（RedHat8.0）。Oracle9i在金融、电信、银行有很多经典应用。
Ⅳ数据库工程师需要掌握哪些知识
一、考试说明
1.考试要求
（1）掌握计算机体系结构以及各主要部件的性内能和基本工作原理；容
（2）掌握操作系统、程序设计语言的基础知识，了解编译程序的基本知识；
（3）熟练掌握常用数据结构和常用算法；
（4）熟悉软件工程和软件开发项目管理的基础知识；
（5）熟悉计算机网络的原理和技术；
（6）掌握数据库原理及基本理论；
（7）掌握常用的大型数据库管理系统的应用技术；
（8）掌握数据库应用系统的设计方法和开发过程；
（9）熟悉数据库系统的管理和维护方法，了解相关的安全技术；
（10）了解数据库发展趋势与新技术；
（11）掌握常用信息技术标准、安全性，以及有关法律、法规的基本知识；
（12）了解信息化、计算机应用的基础知识；
（13）正确阅读和理解计算机领域的英文资料。
Ⅳ大数据开发工程师要学习哪些课程
主要学习office办公自动化，HTML+css3，JavaScript，C语言程序设计，Linux服务器配置与应用，MySQL数据库管理的应用等。
Ⅵ数据库系统工程师需要学哪些课程
可以到工业和信息化部教育与考试中心（网址//ceiaec/index）查看关于这类考试的信息，而且有准确专的考试时间和指定教属材信息，指定教材里主要包括数据结构、操作系统、数据库系统概论、计算机网络、计算机组成原理、管理信息系统方面的，各个方面都涉及一点的
Ⅶ计算机四级数据库工程师要考什么需要什么复习资料
我今年3月刚考过四级数据库，过了也考过了五月的软考数据库工程师，但是我科班的。还有三个月来得及何况现在是暑假这么多时间！需要资料留个邮箱！
四级的教材：四级的官方教材+官方的考题与训练两本书+历年真题（学校图书馆可以借飞思希赛前面两本是官方在指定教材，后三本是我自己用过的复习资料。（网络文库里面有这些书的图片）
全国计算机等级考试四级教程--数据库工程师(2011年版).
计算机全真笔试+上机考题解答与训练四级数据库工程师
(2011)全国计算机等级考试考点分析、题解与模拟——四级数据库工程师.
全国计算机等级考试考点分析、题解与模拟——四级数据库工程师.
(四级数据库历年真题)全国计算机等级考试历年真题必练——四级数据库工程师.
四级数据库和软考的数据库工程师比，更注重理论，所以你得早点开始复习，如果你没有基础，书至少看三遍。第一遍，把书大概看一下，知道哪些地方不懂；第二遍，梳理知识点；第三遍，巩固知识点，最好将重要的和你不懂的知识点记在笔记本上，考前半个月开始做真题！
真题都有规律可寻的！
计算机等级考试（教育部主办的）
软考（由国家人事部和信息产业部领导下的国家级考试）
个人觉得等级考试简单点，软考难点但是用人单位更重视点(我面试时候我说过了四级数据库，人家问我软考数据库过了没，明显软考含金量高)
等级考试纯理论化（纯数据库知识），四级工程师通过率高
软考理论（考计算机四大基础知识数据结构、计算机组成原理、计算机网络、操作系统，还涉及软件工程、编译原理、计算机安全、计算机英语等知识）+实际，软考网络工程师软件设计师数据库工程师通过率低，含金量高）
Ⅷ我想考软考数据库工程师，需要买《数据库系统工程师考试全程指导》吗
可以买的，不过建议你去希赛软考学院看一下，数据库系统工程师辅导有很多，你可以选择自己所需要的，如真题解析类的，案例分析类的，全程指导的，还有考试大纲！
急!请教一道数据库考题
我这里给了参考的答案，但是我的愿望和一楼是一样的，希望学习这种东西是自己的刻苦努力，而不是投机取巧，加油。
1.
select c.课程名称,c.任课教师
from成绩 a,课程 b,学生 c
where a.课程号=b.课程号 and a.学号=c.学号
and c.学号=S3;
2.
select课程号，课程名称
from课程
where任课教师='LIU';
3.
select a.姓名
from学生 a,成绩 b,课程 c
where a.学号=b.学号 and b.课程=c.课程
and a.性别='女' and c.任课教师='LIU'
group by a.姓名
having count(a.姓名)>=1;
4.
select学号，姓名，班级
from学生
where学号 not in(
select distinct学号
from成绩
);
求数据库应用题
数据库语言的目标
要说清这个目标，先要理解数据库是做什么的。
数据库这个软件，名字中有个“库”字，会让人觉得它主要是为了存储的。其实不然，数据库实现的重要功能有两条：计算、事务！也就是我们常说的 OLAP和 OLTP，数据库的存储都是为这两件事服务的，单纯的存储并不是数据库的目标。
我们知道，SQL是目前数据库的主流语言。那么，用 SQL做这两件事是不是很方便呢？
事务类功能主要解决数据在写入和读出时要保持的一致性，实现这件事的难度并不小，但对于应用程序的接口却非常简单，用于操纵数据库读写的代码也很简单。如果假定目前关系数据库的逻辑存储模式是合理的（也就是用数据表和记录来存储数据，其合理性与否是另一个复杂问题，不在这里展开了），那么 SQL在描述事务类功能时没什么大问题，因为并不需要描述多复杂的动作，复杂性都在数据库内部解决了。
但计算类功能却不一样了。
这里说的计算是个更广泛的概念，并不只是简单的加加减减，查找、关联都可以看成是某种计算。
什么样的计算体系才算好呢？
还是两条：写着简单、跑得快。
写着简单，很好理解，就是让程序员很快能写出来代码来，这样单位时间内可以完成更多的工作；跑得快就更容易理解，我们当然希望更短时间内获得计算结果。
其实 SQL中的 Q就是查询的意思，发明它的初衷主要是为了做查询（也就是计算），这才是 SQL的主要目标。然而，SQL在描述计算任务时，却很难说是很胜任的。
SQL为什么不行
先看写着简单的问题。
SQL写出来很象英语，有些查询可以当英语来读和写（网上多得很，就不举例了），这应当算是满足写着简单这一条了吧。
且慢！我们在教科书上看到的 SQL经常只有两三行，这些 SQL确实算是写着简单的，但如果我们尝试一些稍复杂化的问题呢？
这是一个其实还不算很复杂的例子：计算一支股票最长连续上涨了多少天？用 SQL写出来是这样的：
selectmax(consecutive_day)from(selectcount(*)(consecutive_dayfrom(selectsum(rise_mark) over(orderbytrade_date) days_no_gainfrom(selecttrade_date,case when closing_price>lag(closing_price) over(order by trade_date)then 0 else 1 END rise_markfrom stock_price))group by days\_no\_gain)这个语句的工作原理就不解释了，反正有点绕，同学们可以自己尝试一下。
这是润乾公司的招聘考题，通过率不足 20%；因为太难，后来被改成另一种方式：把 SQL语句写出来让应聘者解释它在算什么，通过率依然不高。
这说明什么？说明情况稍有复杂，SQL就变得即难懂又难写！
再看跑得快的问题，还是一个经常拿出来的简单例子：1亿条数据中取前 10名。这个任务用 SQL写出来并不复杂：
SELECTTOP 10x FROMT ORDERBYx DESC但是，这个语句对应的执行逻辑是先对所有数据进行大排序，然后再取出前 10个，后面的不要了。大家知道，排序是一个很慢的动作，会多次遍历数据，如果数据量大到内存装不下，那还需要外存做缓存，性能还会进一步急剧下降。如果严格按这句 SQL体现的逻辑去执行，这个运算无论如何是跑不快的。然而，很多程序员都知道这个运算并不需要大排序，也用不着外存缓存，一次遍历用一点点内存就可以完成，也就是存在更高性能的算法。可惜的是，用 SQL却写不出这样的算法，只能寄希望于数据库的优化器足够聪明，能把这句 SQL转换成高性能算法执行，但情况复杂时数据库的优化器也未必靠谱。
看样子，SQL在这两方面做得都不够好。这两个并不复杂的问题都是这样，现实中数千行的 SQL代码中，这种难写且跑不快的情况比比皆是。
为什么 SQL不行呢？
要回答这个问题，我们要分析一下用程序代码实现计算到底是在干什么。
本质上讲，编写程序的过程，就是把解决问题的思路翻译成计算机可执行的精确化形式语言的过程。举例来说，就象小学生解应用题，分析问题想出解法之后，还要列出四则运算表达式。用程序计算也是一样，不仅要想出解决问题的方法，还要把解法翻译成计算机能理解执行的动作才算完成。
用于描述计算方法的形式语言，其核心在于所采用的代数体系。所谓代数体系，简单说就是一些数据类型和其上的运算规则，比如小学学到的算术，就是整数和加减乘除运算。有了这套东西，我们就能把想做的运算用这个代数体系约定的符号写出来，也就是代码，然后计算机就可以执行了。
如果这个代数体系设计时考虑不周到，提供的数据类型和运算不方便，那就会导致描述算法非常困难。这时候会发生一个怪现象：翻译解法到代码的难度远远超过解决问题本身。
举个例子，我们从小学习用阿拉伯数字做日常计算，做加减乘除都很方便，所有人都天经地义认为数值运算就该是这样的。其实未必！估计很多人都知道还有一种叫做罗马数字的东西，你知道用罗马数字该怎么做加减乘除吗？古罗马人又是如何上街买菜的？
代码难写很大程度是代数的问题。
再看跑不快的原因。
软件没办法改变硬件的性能，CPU和硬盘该多快就是多快。不过，我们可以设计出低复杂度的算法，也就是计算量更小的算法，这样计算机执行的动作变少，自然也就会快了。但是，光想出算法还不够，还要把这个算法用某种形式语言写得出来才行，否则计算机不会执行。而且，写起来还要比较简单，都要写很长很麻烦，也没有人会去用。所以呢，对于程序来讲，跑得快和写着简单其实是同一个问题，背后还是这个形式语言采用的代数的问题。如果这个代数不好，就会导致高性能算法很难实现甚至实现不了，也就没办法跑得快了。就象上面说的，用 SQL写不出我们期望的小内存单次遍历算法，能不能跑得快就只能寄希望于优化器。
我们再做个类比：
上过小学的同学大概都知道高斯计算 1+2+3+…+100的小故事。普通人就是一步步地硬加 100次，高斯小朋友很聪明，发现 1+100=101、2+99=101、…、50+51=101，结果是 50乘 101，很快算完回家午饭了。
听过这个故事，我们都会感慨高斯很聪明，能想到这么巧妙的办法，即简单又迅速。这没有错，但是，大家容易忽略一点：在高斯的时代，人类的算术体系（也是一个代数）中已经有了乘法！象前面所说，我们从小学习四则运算，会觉得乘法是理所当然的，然而并不是！乘法是后于加法被发明出来的。如果高斯的年代还没有乘法，即使有聪明的高斯，也没办法快速解决这个问题。
目前主流数据库是关系数据库，之所以这么叫，是因为它的数学基础被称为关系代数，SQL也就是关系代数理论上发展出来的形式语言。
现在我们能回答，为什么 SQL在期望的两个方面做得不够好？问题出在关系代数上，关系代数就像一个只有加法还没发明乘法的算术体系，很多事做不好是必然的。
关系代数已经发明五十年了，五十年前的应用需求以及硬件环境，和今天比的差异是很巨大了，继续延用五十年前的理论来解决今天的问题，听着就感觉太陈旧了？然而现实就是这样，由于存量用户太多，而且也还没有成熟的新技术出现，基于关系代数的 SQL，今天仍然是最重要的数据库语言。虽然这几十年来也有一些改进完善，但根子并没有变，面对当代的复杂需求和硬件环境，SQL不胜任也是情理之中的事。
而且，不幸的是，这个问题是理论上的，在工程上无论如何优化也无济于事，只能有限改善，不能根除。不过，绝大部分的数据库开发者并不会想到这一层，或者说为了照顾存量用户的兼容性，也没打算想到这一层。于是，主流数据库界一直在这个圈圈里打转转。
SPL为什么能行
那么该怎样让计算写着更简单、跑得更快呢？
发明新的代数！有“乘法”的代数。在其基础上再设计新的语言。
这就是 SPL的由来。它的理论基础不再是关系代数，称为离散数据集。基于这个新代数设计的形式语言，起名为SPL（Structured Process Language)。
SPL针对 SQL的不足（更确切地说法是，离散数据集针对关系代数的各种缺陷）进行了革新。SPL重新定义了并扩展许多结构化数据中的运算，增加了离散性、强化了有序计算、实现了彻底的集合化、支持对象引用、提倡分步运算。
限于篇幅，这里不能介绍 SPL（离散数据集）的全貌。我们在这里列举 SPL（离散数据集）针对 SQL（关系代数）的部分差异化改进：
游离记录
离散数据集中的记录是一种基本数据类型，它可以不依赖于数据表而独立存在。数据表是记录构成的集合，而构成某个数据表的记录还可以用于构成其它数据表。比如过滤运算就是用原数据表中满足条件的记录构成新数据表，这样，无论空间占用还是运算性能都更有优势。
关系代数没有可运算的数据类型来表示记录，单记录实际上是只有一行的数据表，不同数据表中的记录也不能共享。比如，过滤运算时会复制出新记录来构成新数据表，空间和时间成本都变大。
特别地，因为有游离记录，离散数据集允许记录的字段取值是某个记录，这样可以更方便地实现外键连接。
有序性
关系代数是基于无序集合设计的，集合成员没有序号的概念，也没有提供定位计算以及相邻引用的机制。SQL实践时在工程上做了一些局部完善，使得现代 SQL能方便地进行一部分有序运算。
离散数据集中的集合是有序的，集合成员都有序号的概念，可以用序号访问成员，并定义了定位运算以返回成员在集合中的序号。离散数据集提供了符号以在集合运算中实现相邻引用，并支持针对集合中某个序号位置进行计算。
有序运算很常见，却一直是 SQL的困难问题，即使在有了窗口函数后仍然很繁琐。SPL则大大改善了这个局面，前面那个股票上涨的例子就能说明问题。
离散性与集合化
关系代数中定义了丰富的集合运算，即能将集合作为整体参加运算，比如聚合、分组等。这是 SQL比 Java等高级语言更为方便的地方。
但关系代数的离散性非常差，没有游离记录。而 Java等高级语言在这方面则没有问题。
离散数据集则相当于将离散性和集合化结合起来了，既有集合数据类型及相关的运算，也有集合成员游离在集合之外单独运算或再组成其它集合。可以说 SPL集中了 SQL和 Java两者的优势。
有序运算是典型的离散性与集合化的结合场景。次序的概念只有在集合中才有意义，单个成员无所谓次序，这里体现了集合化；而有序计算又需要针对某个成员及其相邻成员进行计算，需要离散性。
在离散性的支持下才能获得更彻底的集合化，才能解决诸如有序计算类型的问题。
离散数据集是即有离散性又有集合化的代数体系，关系代数只有集合化。
分组理解
分组运算的本意是将一个大集合按某种规则拆成若干个子集合，关系代数中没有数据类型能够表示集合的集合，于是强迫在分组后做聚合运算。
离散数据集中允许集合的集合，可以表示合理的分组运算结果，分组和分组后的聚合被拆分成相互独立的两步运算，这样可以针对分组子集再进行更复杂的运算。
关系代数中只有一种等值分组，即按分组键值划分集合，等值分组是个完全划分。
离散数据集认为任何拆分大集合的方法都是分组运算，除了常规的等值分组外，还提供了与有序性结合的有序分组，以及可能得到不完全划分结果的对位分组。
聚合理解
关系代数中没有显式的集合数据类型，聚合计算的结果都是单值，分组后的聚合运算也是这样，只有 SUM、COUNT、MAX、MIN等几种。特别地，关系代数无法把 TOPN运算看成是聚合，针对全集的 TOPN只能在输出结果集时排序后取前 N条，而针对分组子集则很难做到 TOPN，需要转变思路拼出序号才能完成。
离散数据集提倡普遍集合，聚合运算的结果不一定是单值，仍然可能是个集合。在离散数据集中，TOPN运算和 SUM、COUNT这些是地位等同的，即可以针对全集也可以针对分组子集。
SPL把 TOPN理解成聚合运算后，在工程实现时还可以避免全量数据的排序，从而获得高性能。而 SQL的 TOPN总是伴随 ORDER BY动作，理论上需要大排序才能实现，需要寄希望于数据库在工程实现时做优化。
有序支持的高性能
离散数据集特别强调有序集合，利用有序的特征可以实施很多高性能算法。这是基于无序集合的关系代数无能为力的，只能寄希望于工程上的优化。
下面是部分利用有序特征后可以实施的低复杂度运算：
1)数据表对主键有序，相当于天然有一个索引。对键字段的过滤经常可以快速定位，以减少外存遍历量。随机按键值取数时也可以用二分法定位，在同时针对多个键值取数时还能重复利用索引信息。
2)通常的分组运算是用 HASH算法实现的，如果我们确定地知道数据对分组键值有序，则可以只做相邻对比，避免计算 HASH值，也不会有 HASH冲突的问题，而且非常容易并行。
3)数据表对键有序，两个大表之间对位连接可以执行更高性能的归并算法，只要对数据遍历一次，不必缓存，对内存占用很小；而传统的 HASH值分堆方法不仅比较复杂度高，需要较大内存并做外部缓存，还可能因 HASH函数不当而造成二次 HASH再缓存。
4)大表作为外键表的连接。事实表小时，可以利用外键表有序，快速从中取出关联键值对应的数据实现连接，不需要做 HASH分堆动作。事实表也很大时，可以将外键表用分位点分成多个逻辑段，再将事实表按逻辑段进行分堆，这样只需要对一个表做分堆，而且分堆过程中不会出现 HASH分堆时的可能出现的二次分堆，计算复杂度能大幅下降。
其中 3和 4利用了离散数据集对连接运算的改造，如果仍然延用关系代数的定义（可能产生多对多），则很难实现这种低复杂的算法。
除了理论上的差异， SPL还有许多工程层面的优势，比如更易于编写并行代码、大内存预关联提高外键连接性能等、特有的列存机制以支持随意分段并行等。
再把前面的问题用 SPL重写一遍有个直接感受。
一支股票最长连续上涨多少天：
stock_price.sort(trade_date).group@o(closing_price计算思路和前面的 SQL相同，但因为引入了有序性后，表达起来容易多了，不再绕了。
1亿条数据中取前 10名：
T.groups(;top(-10,x))SPL有更丰富的集合数据类型，容易描述单次遍历上实施简单聚合的高效算法，不涉及大排序动作。
这里还有更多 SPL代码以体现其思路及大数据算法：
重磅！开源SPL交流群成立了
简单好用的SPL开源啦！
为了给感兴趣的小伙伴们提供一个相互交流的平台，
特地开通了交流群（群完全免费，不广告不卖课）
需要进群的朋友，可长按扫描下方二维码
END，本文到此结束，如果可以帮助到大家，还望关注本站哦！