自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(26)
  • 收藏
  • 关注

原创 Storm+Kafka+Redis+zookeeper docker集群实战问题与解决

问题描述:使用echarts构建地图的时候,由于初次持用到该组建,对其语法不熟悉,正常情况下geo和series应该是同级,但是却把series,写进了geo里。

2023-12-15 16:35:28 410

原创 股票交易信息实时大屏(Kafka+storm+Redis+DataV)

股票大数据统计展屏(基于docker搭建的storm、zookeeper、kafka集群实现)

2023-12-15 16:35:12 825

原创 Storm+Kafka+Zookeeper本地集群实现百万股票数据统计

目前下面的代码在本地集群测试环境中完成了测试,但是还未提交到docker集群中实际运行,这将会在完成大作业时更新。

2023-11-20 17:11:05 180

原创 Docker-compose部署zookeeper+storm集群【保成,秒回】

storm集群的搭建必须依赖于zookeeper,所以搭建storm前需要将zookeeper集群搭建成功,上面提供的链接详细介绍了使用dokcer-compose搭建zookeeper集群的过程,下面将展示使用docker-compose搭建storm集群,事实上可以使用一个文件配置三个nimbus、supervisor,但是我是先搭建好了一个nimbus与一个supervisor,然后再搭建的剩余的两个nimbus、supervisor。出现下面的页面表示storm集群搭建成功。

2023-11-20 16:26:34 356 1

原创 VUE3+javaCV实现长时间录制视频

1、传统html提供了对video组件的媒体流captureStream方法,vue3使用的ts所适配的HTMLELEMNT中的还没有提供直接对video组件提取媒体流的方法。2、将video重绘到canvas,HTMLELEMENT提供了对canvas的媒体流获取的方法,但是只适用于短时间录制。1、使用HTMLVideoElement的caputure捕捉video组件中正在播放的视频流。弊端:将video绘制到canvas,然后捕捉canvas的媒体流,适用于秒级的录制。

2023-11-11 23:32:48 389

原创 VUE3+TS+VITE+webrtc-streamer实现实时视频播放(监控设备-rtsp,进来保你成)

DOCTYPE "... is not valid JSON关键句查询很久,发现得到的答案与我的情况并不相符,然后觉得可能是编码出错了,后来仔细看代码,确实是下图中的代码出错了,没有指明请求的协议以及ip地址前面没加 `//`推流后如果显示不出来,可以尝试在mediamtx或者webrtc两个控制台使用ctrl+c去结束可能的组设的进程,正常情况下,webrtc中会打印非常多no frame,但此时是能够播放的。因为目前没有在项目现场,无法接入摄像头,所以我是使用。启动一个流媒体服务器,使用。

2023-11-10 15:57:54 8436 49

原创 【Docker安装部署Zookeeper+Kafka集群详细教程、部署过程中遇到问题&解决方案】

首先对kafka进行配置,关于kafka消费者与生产者的配置还有很多,目前就配置了每次最多能够读取的消息数量。创建两个map数据结构来记录不同stock_name的trade_volume和每个stock_name的成交数量。我们首先创建一个名为stock_1的topic,而后对生产者进行配置。为了读取csv文件,使用的哦阿了apache 的csv库函数,将stock_name作为key,trade_value作为alue作为消息进行发送。4、 查看docker中运行的容器。

2023-11-01 19:54:05 748 1

原创 Hbse-2.1.0+Hadoop-2.7.7 搭建伪分布式集群

假设你刚刚完成Hbase的测试, Hbase 正在运行, 那么请停止他.这个过程将创建一个全新的目录,HBase 将存储它的数据,所以你之前创建的任何数据库都将丢失。该教程的前提是hadoop分布式集群已经搭建成功,如果还未搭建成功hadoop分布式集群可以前往下方的链接进行学习。在上面的配置中,它存储在 HDFS 上的。上面的value中的值一定要和hadoop的core-site.xml中的地址相同。从本地文件系统更改为您的 HDFS 实例的地址,使用 hdfs:////命令的方式停止 HBase。

2023-10-30 09:45:23 90

原创 SSM 后端开发(mybatis)

前端发来的数据是以`head_url`的形式而后端user对象的属性是`headUrl`,使用JsonProperty来告诉Jackson序列化库在将对象转换为JSON时,使用`head_url`;上面的例子时一个插入sql,user后面的括号中需要使用head_url来匹配user实体中的注解,而#{headUrl}则对应的是user实体中的get/set headUrl方法。对实体进行建表的时候,对于实体的属性常常不会使用 ‘_’ 符号来命名,多采用小驼峰的方式。

2023-10-27 23:16:04 575 1

原创 Hadoop JAVA API

在实际应用中,常常会存在大量客户端访问服务端的情况,如果每有一个客户端请求就创建一个线程,不仅会造成系统资源的消耗,还极易造成系统的不稳定。上图中我们新创建一个testLimit目录, 默认情况下,新创建目录会赋权为755,对于新创建的文件则会赋权为644,可以看到该目录的所有者是master用户,并且属于supergroup。新创建一个用户dell,尝试对hdfs文件系统进行创建目录操作,可以看到我们被拒绝了,为了解决这个问题,考虑将dell用户加入到supergroup组中。# 切换到dell用户。

2023-10-27 19:48:33 60 1

原创 Hive环境搭建

Hive安装配置一、Hive安装地址1)Hive官网地址2)文档查看地址3)下载地址4)github地址。

2023-10-25 23:20:09 139 1

原创 VUE3前端与SpringBOOT后端跨域解决

这种方式成功地实现了登录功能,但是当我想要退出登录的时候发现一直出现跨域问题,因为源地址为http://localhost:8848而目标地址为http://localhost:8080出现了端口跨域,所以不进行跨域配置便无法成功响应。(bug修复了,复原不回去了,就不贴图了),这段代码的意思,是将最终请求地址中的源地址去掉,比如配置的时候源地址为/api,代理地址为http://localhost:8080,那么如果不将/api去掉,在最终的请求地址中就会多一个/api,就无法正确地发送请求。

2023-10-21 22:13:32 257 1

原创 SSM 后端开发(Swagger)

swagger:用于生成、描述、调用和可视化RESTful风格的Web服务。直白地说就是将项目中需要的接口暴露出去。主要对swagger的Tag、Operation以及Schema进行配置。通过Spring Initializr创建spring boot项目。

2023-10-21 16:32:27 178 1

原创 window10 安装Redis

出现PONG便表示本地Redis配置成功,接下来我们便可以将Redis用作数据库、缓存和消息中间件,并在性能、可扩展性和灵活性方面表现出色。4.通过使用Redis提供的客户端连接Redis服务,测试Redis服务是否启动成功。3.在Redis解压路径下执行cmd打开终端,并且运行Redis服务。运行成功,端口默认为6379。

2023-10-21 12:13:33 283 1

原创 SSM 后端开发纪要

但是学时很短,仅仅是对老师的笔记中的简单示例进行了测试,对后端中Dao层、Service层、Controller层的理解不够深刻,这次通过实际项目对之前所学的后端知识进行巩固与提高,下面是对后端各个框架的基础的复习,可能有不太恰当的地方,如果某些内容与你的问题相符,但刚好我没说清楚,请留言,我将尽力为你解决,共同学习。尝试传统实现一个简单功能的方式,在Dao层创建一个功能实现的接口,再创建一个该接口的实现类,而后在Service层创建一个接口并创建它的实现类。猜测使用该设置后idea会自动寻找主机的代理。

2023-10-20 22:15:20 87 1

原创 Hadoop分布式文件系统操作(FsDataInputStream和FsDataOutputStream)

上一篇文章使用IDEA成功连接上了HAdoop集群,本章将使用Configuration、FileSystem、Path、FSDataInputStream、FSDataOutputStream对HDFS(分布式文件系统)进行读写操作。

2023-10-15 09:36:55 655 1

原创 Win10 IDEA连接虚拟机中的Hadoop集群(进来保你成)

至此idea连接Hadoop集群配置完成,更多的操作可以通过Hadoop提供configuration类filesystem类、FSDataInputStream类和FSDataOutputStream类实现。有问题的朋友可以留言,我会及时回复我所能解决的问题,一些我安装时遇到的问题放在后面,大家可以浏览查看。

2023-10-14 20:33:49 3521 17

原创 一个简单的加密Web(vue 3 + Flask)(SM4、RSA、DES等五种加密算法)

学校开了一门密码学的课程,唯一比较感兴趣的是老师关于比特币的一些介绍,旷工、矿池、攻击,以及挖矿的原理,听起来真是不亦乐乎。快要结课了来了一个作业,让我们用Python是实现五种常用的加密方式,有对称加密如DES、SM4,也有非对称加密如RSA。要求就是简单实现,供用户使用的web前端是扩展,但是想着这个作业占20分的期末总分,还是卷一卷吧。于是想到之前用uni-app与flask搭建的智能监控,前端提供用户可以交互的界面,后端通过FLask设置的路由执行相应的操作,这个项目当然也可以按这个思路来。

2023-10-13 16:37:50 994 1

原创 使用uni-app开发一个简易的app

不管是app还是web网页,呈现给用户的都是一个个网页,下面我们从一个实例页面进行介绍。这张页面主要实现一个显示监控画面以及绘制可疑区域的功能。一般来说新建一个vue文件,大概结构如下,在template中主要放置一些组件,如按钮、滑动框、网格图。在script中则使用js语言实现变量的定义、函数的定义等。在style中则对组件的样式进行修饰,让页面变得好看。-- 显示监控画面 -->

2023-09-15 21:24:46 648 1

原创 使用flask搭建web服务,计算机视觉任务落地

前一篇文章对如何将树莓派配置为一个远程监控进行了回顾,并且在文章中留下了两个问题,此篇文章对应——如何搭建一个中转站,将相关的任务分发下去。在搭建服务前,查看了相关的资料,基于python语言开发的后端框架,主要有Django、Flask、Tornado,这三个框架各有特点。Django是一个大而全的web服务框架,其拥有自动化后台管理的功能,使用ORM(对象关系映射),简单定义对象,便能自动生成数据库结构。Flask是一个轻量级的web服务框架,对初学者比较友好,在使用的时候比较核心的就是一个路由思想。

2023-09-15 15:22:11 89 1

原创 树莓派4B+Mediamtx推RTSP流实现远程监控(云服务器版)

最近在进行一个计算机视觉应用项目,需要用到树莓派集成摄像头对视频数据进行采集,使用ffmepg将视频数据推流到RTMP、RTSP服务器。推流至服务器的视频数据可以在PotPlayer、VLC等媒体播放器中,通过服务器ip加端口号拉流播放。此外,使用Python中的Opencv库同样可以实现拉流播放。

2023-09-15 12:28:20 1438 3

原创 斯坦福计算机视觉公开课个人笔记——卷积神经网络

通常卷积核的大小会用来控制卷积后输出的尺寸,通过下图可以看出,一个7X7的图像经过3X3的卷积核,输出为5X5。提到卷积神经网络,首先需要介绍卷积的原理。下面详细介绍一下卷积核,我们使用一个5X5X3的卷积核在图像上从左至右,从上到下滑动,(图3)这5X5X3的卷积核实际上就是存放权重,在滑动的过程中会不断更新权重,生成某些物体或某些部位的模板,最后通过一个全连接层输出对于各类别的得分。这些卷积核会不断地变多以学习到更多地特征,(图5)形成更准确地模板,前期地卷积核会学习到一些低级特征,比如边缘。

2023-07-13 22:27:25 117 2

原创 斯坦福计算机视觉公开课个人笔记——神经网络

而神经网络中的神经元如图1(右)所示,在cell body中对传入的加权值求和(sum),当sum大于某个值的时候便发出信号,然后关注发射信号的时间不必要的,仅仅需要关注信息交互的频率,因此使用一个激活函数来对神经元发电频率建模。X为输入,W1为模板 (图3),将X与W1相乘得到h,h为该输入在各个模板的得分。举个例子,输入可能由红色的车,白色的车,但是W1模板中明显看出来是一个红色的车,而后通过W2加权,可能得到一个模板既包含红色的车又包含白色的车,最后组合起来得到都是车这个分类。

2023-07-09 00:01:15 97 1

原创 斯坦福计算机视觉公开课个人笔记——反向传播

回顾一下,当我们输出一张图片进行分类任务的时候,我们回使用到一个SVM分类器,这个分类器就是一个矩阵,这个矩阵的形状为N*M,N表示我们需要需要区分的类别数,M表示图片拉长后的长度。便引入了损失函数,图片经过分类器后会得出各个类别的得分,我们将其他类别的得分分别与正确类别的得分进行减运算,求和,便得到此次分类的损失,正确区分的损失为零。总之,我们可以通过反向传播得到梯度下降的具体的值,之后便可以对权重进行进行更新,不断循环,直到损失收敛。当W与X为向量的时候,便需要使用到雅可比矩阵的知识(待查),如图4。

2023-07-05 23:59:25 78

原创 斯坦福计算机视觉公开课个人笔记——损失函数与优化

在上一篇文章中,主要介绍了一个线性分类器(图1)。再回顾一下线性分类器的作用,首先从字面意思理解,通过线性二字,可以想到一次函数,我们可以撒上一些点,通过该函数能够将这些点划分到某条线的两侧。再看分类器,那么被线性分类器划分到不同的侧即表示着不同的类。回到上文中小猫图片(后文用image代替)的例子(图2),假如image为2X2,拉长后变为4X1记为x。我们想要进行区别的类为3,那么此时需要一个权重W,该权重为3X4,3则表示需要区分的类别数,4则等于image拉长后的行数。

2023-06-27 22:30:35 119 1

原创 斯坦福计算机视觉公开课个人笔记——图像分类

深度学习前戏:最近邻算法、k近邻算法、线性分类器

2023-05-23 10:47:30 252 2

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除