SQL Server CE服务器端和客户端安装配置学习笔记
SQL Server 2005 CE开发环境介绍：
最近学习使用SQL Server 2005 Compact Edition进行数据存储，在学习的过程中发现，使用SQL Server2005 management Studio创建数据库时，在“服务器类型”下拉列表中没有“SQL Server Compact Edition”选项。因为文章中有提示必须安装SQL Server 2005 SP2 才能使用这个功能，因此特去下载了一个SP2，但是安装后发现还是没有。百度了一下，看到介绍SQL Server CE 安装的文章又说要安装什么SDK，还有服务器配置什么的，乱七八糟的装了不少东西，结果还是没有任何改变，一气之下，干脆去控制面板里把所有和SQL Server CE相关的安装全部卸载了。这么一来，出现了一个新的问题，不过也就是这，使得我对SQL Server CE的安装构造有了进一步的认识。
到底出现什么问题呢？当我把全部SQL Server CE相关的安装都卸载后，发现原本可以直接在Visual Studio 2005中创建SQL Server CE数据库的操作不能执行了，而且在“数据”—“添加新的数据源”—“数据库”---“数据源”中没有了SQL Server 2005 Compact Edition选项。查找发现，原来我在刚开始删除程序的时候，把Visual Studio2005中自带的SQL Server2005 Mobile Edition给删掉了，解决方法只需要将Visual Studio2005安装光盘放入光驱重新安装SQL Server2005 Mobile Edition组件即可。从这点可以知道，要在.Net中使用SQL Server CE必须安装SQL Server2005 Mobile Edition组件。
最初的那个问题，即“服务器类型”下拉列表中没有”SQL Server Compact Edition”选项，也顺利得到解决。起初我以为机器上安装的SQL Server 2005版本是Express版本，可能功能不全，但是后来看书上介绍的“系统要求”里提到可以是Express版本，因此就开始怀疑是不是SP2补丁打错了，最后下载了http://www.microsoft.com/downloads/details.aspx?familyid=4C6BA9FD-319A-4887-BC75-3B02B5E48A40&displaylang=zh-cn这个版本（具有高级服务的Microsoft SQL Server 2005 Express Edition SP2）就可以了。
所有的Windows Mobile6设备已经附带.NET Compact Framework 2.0 SP1和SQL Server CE，这就意味着在开发托管代码程序�
相关文档：
1 ---上个月月初第一天
2 select CONVERT(varchar(12) , DATEADD(mm,DATEDIFF(mm,0,dateadd(mm,-1,getdate())),0), 112 )
3
4 ---上个月月末最后一天
5 select CONVERT(varchar(12),dateadd(ms,-3,DATEADD(mm,DATEDIFF(m,0,getdate()),0)), 112 )
6
7 ......
根据生日的xx月xx日查找在$checkDate计算，$before日后生日的客户：
$checkDate为YYYY-MM-DD
WHERE substring(ADDDATE( '$checkDate', $before ),6,10)=substring(DATE_FORMAT(birthday,'%Y-%m-%d'),6,10)
$dates 天内生日的客户未考虑到平年、闰年：：
$sql.=" (dayofyear( birthday )-dayofyear( ......
一般的远程访问的写成这样：
Data Source=IP;Initial Catalog=数据库名;UserID=用户名;Password=密码
本地访问的写成这样：
Data Source=(local);Initial Catalog=数据库名;UserID=用户名;Password=密码
如果是本地的，通过windows组件验证的（也就是没有用户名，密码的）写成这样：
Data Source=(local);Initial Cata ......
查询速度慢的原因很多，常见如下几种：
1、没有索引或者没有用到索引(这是查询慢最常见的问题，是程序设计的缺陷)
2、I/O吞吐量小，形成了瓶颈效应。
3、没有创建计算列导致查询不优化。
4、内存不足
5、网络速度慢
6、查询出的数据量过大(可以采用多次查询，其他的方法降低数据量)
7、 ......
