スキップしてメイン コンテンツに移動

secure_file_priv

Introduction
sorry, this page is Japanese only. 
最近SQLを勉強し始めたので自分のメモ代わりに得た知識を書こうと思います。
OSはwindowsでMYSQL server 5.7を使っています。


LOAD DATA INFILE
CSVファイルをLOAD DATA INFILEで取り込おうとしたらエラーが出ました。エラーメッセージではsecure_file_privがどうのこうの......
ではまずsecure_file_privとはなんなのか確認していきます。

secure_file_priv
secure_file_privはデフォルトで設定される項目の一つです。
secure_file_privがデフォルトで設定されているときは、その設定されているディレクトリにあるファイルしか読み取れません。
secure_file_privの値の確認は

 mysql> SELECT @@global.secure_file_priv


で確認できます。



windowsの場合はProgramData/MySQL server 5.7/uploadsが指定されているようです。



CSVファイルのIMPORT

では実際にuploadsの中にあるcsv fileをimportするcodeは以下です。取り込みたいファイルをselect@@global.secure_file_privで得られたディレクトリに置いておくのを忘れないでください。



C:/ProgramData/MySQL/MySQL server 5.7/Uploads/に入っているfile.csvをdbというデータベースのtabというtableにimportします。




 
DATA LOAD INFILE 'C:/ProgramData/MySQL/MySQL Server 5.7/Uploads/
file.csv' INTO TABLE db.table






selec @@global.secure_file_privで指定されているディレクトリ以外からファイルを取り込む方法は以下に記しておきます。



secure_file_privの変更

secure_file_privを変更したい、もしくはどのディレクトリからもcsvファイルを取り込みたいときは以下のようなことをします。




    

  1. C:/ProgramData/MySQL/MySQL server 5.7 のmy.iniというファイルを開く
    2. 

  2. 125行目くらいにあるsecure_file_priv="C:/ProgramData/MySQL/MySQL server 5.7/Uploads/"の行を見つけます。
    3. 

  3. secure_file_priv="C:/ProgramData/MySQL/MySQL server 5.7/Uploads/"　の" "の間に指定したいディレクトリのpathを書きます。どのディレクトリからもimportしたいときは空白にしてください。
    

    

    

    

    4. 

  4. MySQLを再起動します。
    5. 

  5. SELECT @@global.secure_file_privを実行し、指定したディレクトリのpathが入っていればOKです。
    

    

    6. 






ProgramdDataの場所がわからない場合は以下を参考にしてください。



ProgramDataの場所

uploadsにファイルを入れなければいけないのは分かったが、そもそもProgramDataが見つからない。

ProgramDataは隠しファイルになっているのでデフォルトのままでは表示されないことになっています。

ですので、隠しファイルを表示するように設定する必要があります。

ファイルを開くところに行き、



表示 -> 隠しファイル　のところチェック！！







これだけです。(^▽^)/







Reference

https://fisproject.jp/2016/03/mysql5-7-import-from-csv/

http://androidlover.net/android-emulator/bluestacks/windows-hidden-programdata-folder-appear.html













































Labels:





























コメント











コメントを投稿
































このブログの人気の投稿





















Implementation of Robbins monro




























Robbins monro の実装   sorry, this page is Japanese only.    今回はRobbins monro の実装をしてみました。  Robbins monroは確率勾配降下法の学習率を入りテーション回数の逆数で割っていくものです。  使っているprogram言語はpython 3です。osはwindowsです。(macほしい...)    アルゴリズム  確率勾配降下方とは目的関数の最適解を求めるアルゴリズムです。目的関数をf(X)とすると、手順は以下のようになっています。    初期学習率$n_0$を決めます。訓練データDを用意します。この訓練データは複数の初期値の集まりです。  訓練データから一つ初期値をランダムに取り出し、これを$x_0$とし、最初の予測値とします。  次の式に現在の予測値$x_0$を代入し、新たな予測値$x_{n+1}$を得ます。$$x_{n+1} = x_{n} - \frac{n_0}{n} grad f(X_n)$$  収束して入れば4へ、収束していなければ2で得られた値$x{n+1}$を新たに$x_n$としてもう一度2を行う。  訓練データを一周していなければ2へ、一周していれば各初期値から得られた解の中から目的関数を最も小さくするものを選ぶ。　　    実装例   以下の目的関数を最小化させてみましょう。   $$f(x,y) = (x-2)^2 + (y-3)^2 $$     コマンドラインでpythonを実行していきます。                 予想通り、（２，３）という解を導き出してくれました。目的関数が簡単だったので、初期値をどの値でとってもばっちり正解にたどり着いてくれました。     CODE   以下にRobbins monroの関数だけ置いておきます。 こちら にすべてのコードを載せています。  def Robbins_monro(function,grad,number_variable_gradient):      init_learning_rate = 1.5      stepsize = 1000      init_value = np.array([range(-1000,1020,20) for i in range(number_v...




















コメントを投稿









続きを読む






























カーネルSVMの実装




























 Introduction   English ver    今日はカーネルSVMを実装しました。  最適化には内点法を実装しました。  この記事では実装のみ書いていますが、理論編もそのうちに書きたいと思います。書き次第、リンクを貼っておきます。   # 第一弾書きました。  SVMの理論 part 1   僕のcomputerはwindowsでOSもwindowsです。  実装はPython3で行います。   概要   カーネルとは  データセットについて  実装の結果    カーネルとは  カーネルとは非線形問題を解くための手法です。  直線で分類できないようなデータをある写像をもとで、直線で分類できるような分布に変形することです。次の画像を見たほうがわかりやすいかもしれません。   ⇓↓⇓↓⇓↓⇓↓⇓↓⇓↓⇓↓⇓↓⇓↓⇓↓⇓↓⇓↓⇓↓⇓↓⇓↓⇓↓⇓↓⇓↓⇓↓⇓↓⇓↓   このように変形することをカーネルトリックといいます。  変形されたデータは写像\(\phi\)によって\(\phi(x)\)と表現されます。  \[\phi:x -> \phi(x)\]  しかし、SVMではカーネル関数は次のように表されることが多いです。  \[K(x,y)=\phi(x)^T \phi(y)\]  なぜなら、SVMでは \(\phi(x)^T \phi\)のみを計算するからです。  最もよく使われているカーネルはRBFとpolynomialです。    RBF  \[K(x,y) = \exp(-\gamma ||x-y||^2)\]     polynomial  \[K(x,y) = (x^Ty+c)^p\]     \(K(x,y) = x^Ty\)とすればこれは線形SVMになります。   データセット  今日使うデータセットはnp.random.randnによって生成された正規分布に従う乱数です。   と   このデータを作ったコードは ここ に置いてあります。   Implementation  今回はRBFカーネルを使いました。  \(\gamma = 0.5\)  正規化係数50とすると次のようになりました。   次に二つ目のデータセットに対して、RBF kernelを使いました。  \(\gamma = 0.5\)  正規化係数を100とすると、次のよ...




















コメントを投稿









続きを読む






























Graph theory in Python




























 Introduction   日本語 ver    Today, I write the networkx module for graph theory in Python.  I write about basis of Gragh theory.  Please look at this page .  This post is not written Graph theory, but I want to share module in Python for Graph theory.   Networkx  Python3 have Networkx module.  If you have python2, you should install by pip  pip install networkx   Make Graph by Networkx  first, import networkx module and make instance.  import networkx as nx import matplotlib.pyplot as plt  G = nx.Graph()  next, add node and edge  G.add_node(1) # add Multiple nodes G.add_nodes_from([2,3,4])  G.add_edge(1,2) # add Multiple edges G.add_edges_from([(3,4),(1,2),(4,6)])  next, plot G  nx.draw(G) plt.show()   networkx have many function.  I will write new learning about networkx in this post.   Reference  https://qiita.com/kzm4269/items/081ff2fdb8a6b0a6112f  http://akiniwa.hatenablog.jp/entry/2013/05/12/012459   




















コメントを投稿









続きを読む