![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
程序员
文章平均质量分 88
普通网友
这个作者很懒,什么都没留下…
展开
-
助力工业物联网,工业大数据之费用事实指标分析及实现【二十四】(4)
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。需要这份系统化资料的朋友,可以戳这里获取一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!小结目标:实现DWB层差旅报销事实指标表的构建路径实施数据来源ciss_s_exp_report_wo_payment:汇总报销单与工单费用单对照表原创 2024-05-15 08:32:58 · 375 阅读 · 0 评论 -
助力工业物联网,工业大数据之费用事实指标分析及实现【二十四】(3)
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。需要这份系统化资料的朋友,可以戳这里获取一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!小结目标:实现DWB层差旅报销事实指标表的构建路径实施数据来源ciss_s_exp_report_wo_payment:汇总报销单与工单费用单对照表原创 2024-05-15 08:32:22 · 956 阅读 · 0 评论 -
助力工业物联网,工业大数据之费用事实指标分析及实现【二十四】(2)
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。需要这份系统化资料的朋友,可以戳这里获取一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!目标:实现DWB层费用报销事实指标表的构建路径实施数据来源ciss_base_servicestation:服务网点信息表ciss_service_exp原创 2024-05-15 08:31:46 · 314 阅读 · 0 评论 -
助力工业物联网,工业大数据之费用事实指标分析及实现【二十四】(1)
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新需要这份系统化资料的朋友,可以戳这里获取小结目标:实现DWB层差旅报销事实指标表的构建路径实施数据来源ciss_s_exp_report_wo_payment:汇总报销单与工单费用单对照表ciss_service_travel_expens原创 2024-05-15 08:31:10 · 265 阅读 · 0 评论 -
【MapReduce】扩展案例 ---- TopN(求取数据集前N名)_topn maprreduce
FileOutputFormat.setOutputPath(job, new Path(“G:\Projects\IdeaProject-C\MapReduce\src\main\java\第七章_MR扩展案例\TopN\output1”));FileInputFormat.setInputPaths(job, new Path(“G:\Projects\IdeaProject-C\MapReduce\src\main\java\第二章_Hadoop序列化\output”));// 获取job对象。原创 2024-05-14 23:51:55 · 764 阅读 · 0 评论 -
【MapReduce】扩展案例 ---- TopN(求取数据集前N名)_topn maprreduce(1)
/ 2 限制TreeMap数据量,超过10条就删除掉流量最小的一条数据。// 定义一个TreeMap作为存储数据的容器(天然按key排序)package 第七章_MR扩展案例.TopN;// 6 遍历treeMap集合,输出数据。// 1 向treeMap集合中添加数据。// 5.限制TreeMap的数量。// 3.封装Beand对象。// 3 遍历集合,输出数据。// 4.向集合中添加元素。// 1.读取一行数据。原创 2024-05-14 23:51:19 · 690 阅读 · 0 评论 -
【kerberos】hadoop集群使用keytab认证的逻辑_centos 8 hadoop-2(1)
UserGroupInformation类中使用静态变量存放hadoop conf和已认证用户信息,所以只需要程序中认证一次,不同类不需要传递认证的user,只需要都到UserGroupInformation取即可。结果是利用环境变量设置的pricipal+keytab或者cache认证。入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!中依据此项配置,查询集群是否启动kerberos。改良内容就是通过配置环境变量的方法,文档中明确了:会默认加载类路径下的。中含有hadoop的安全配置。原创 2024-05-14 23:50:40 · 447 阅读 · 0 评论 -
【Kafka面试演练】那Kafka消费者手动提交、自动提交有什么区别?(2)
面试官:听说你精通Kafka,那我就考考你吧面试官:不用慌尽管说,错了也没关系😊。。。❤️。原创 2024-05-14 23:50:03 · 765 阅读 · 0 评论 -
Apache Shiro Realm实战及认证授权源码解读_field loginservice in com
6)ModularRealmAuthenticator的doAuthenticate()方法会获取相应的realm,由于我们目前只配置了一个realm,所以会执行doSingleRealmAuthentication()方法,接着会AuthenticatingRealm的getAuthenticationInfo()方法,接着继续进入AuthenticatingRealm的getAuthenticationInfo()方法。原创 2024-05-14 14:31:55 · 377 阅读 · 0 评论 -
Apache Impala架构解析及与Hive、SparkSQL的性能比较_hive引擎执行效率对比
调用节点将结果返回给客户端。状态管理进程,定时检查The Impala Daemon的健康状况,协调各个运行Impalad的实例之间的信息关系,Impala正是通过这些信息去定位查询请求所要的数据,进程名叫作 statestored,在集群中只需要启动一个这样的进程,如果Impala节点由于物理原因、网络原因、软件原因或者其他原因而下线,Statestore会通知其他节点,避免查询任务分发到不可用的节点上。2.Impala支持内存中数据处理,它访问/分析存储在Hadoop数据节点上的数据,而无需数据移动。原创 2024-05-14 14:31:19 · 454 阅读 · 0 评论 -
Apache Impala架构解析及与Hive、SparkSQL的性能比较_hive引擎执行效率对比(1)
状态管理进程,定时检查The Impala Daemon的健康状况,协调各个运行Impalad的实例之间的信息关系,Impala正是通过这些信息去定位查询请求所要的数据,进程名叫作 statestored,在集群中只需要启动一个这样的进程,如果Impala节点由于物理原因、网络原因、软件原因或者其他原因而下线,Statestore会通知其他节点,避免查询任务分发到不可用的节点上。5、任务调度和分发:由BE处理生成的分布式物理执行计划,将Fragment根据数据分区信息发配到不同的Impalad节点上执行。原创 2024-05-14 14:30:43 · 262 阅读 · 0 评论 -
Apache Flink 替换 Spark Stream的架构与实践( bilibili 案例解读)_streamsparkflink加载udf
流量规模大,如 bilibili 首页推荐的流量,AI 的展现点击 Join,来自全站的点击量和展现。而流和维表及特征信息的 join 来产出实时 instance 流,但早期相关的工程服务存在着单点问题,服务质量、稳定性带来的维护成本也很高,致使 AI 在早期 Pipeline 的构建下投入非常大。实际过程中,采用原生 Flink 在该规模下会遇到较多的性能问题,如在早期 Flink 1.3.* 版本,其稳定性会较差。下一层是 BSQL 层,主要进行 SQL 的扩展和解析,包括自定义算子和个性算子。原创 2024-05-14 14:30:06 · 738 阅读 · 0 评论 -
2024年最全【操作系统入门到成神系列 九】进程和线程(1),2024年最新【深度思考
线程是进程当中的一条执行流程。同一个进程内多个线程之间可以共享代码段、数据段、打开的文件等资源,但每个线程各自都有一套独立的寄存器和栈,这样可以确保线程的控制流是相对独立的。原创 2024-05-14 05:53:52 · 775 阅读 · 0 评论 -
2024年最全【手把手带你学JavaSE】第三篇:运算符和程序逻辑控制(2),差点挂在第四面
读入字符串读入字符串,如果字符串存在空格的情况下,遇到空格结束如果你要读取字符串和整数,要先读取字符串再读取整数如果要简单使用输入函数,可以用。项目当中,慎重!!!!!!悬垂 else 问题if / else 语句中可以不加 大括号 . 但是也可以写语句(只能写一条语句). 此时 else 是和最接近的 if 匹配.但是实际开发中我们 不建议 这么写. 最好加上大括号.代码风格问题虽然两种方式都是合法的, 但是 Java 中更推荐使用风格1 , { 放在 if / else 同一行.原创 2024-05-14 05:53:16 · 996 阅读 · 0 评论 -
2024年最全【微信小程序】零基础学 小程序语法_微信小程序语法难学吗(1),2024年最新实战案例
【示例4-1】新建一个项目grammar,用来学习本章的内容。运行代码,首页效果如下图所示。在接下来的小节里,我们通过点击不同的按钮进入对应的组件展示中。数据绑定使用Mustache语法(双大括号)将变量包起来。运行效果如图所示。【代码解析】我们分别演示了3种不同的数据绑定,姓名直接使用了固定参数username,性别则使用了一个对象userInfo,并在里面增加了参数sex,所以我们在wxml中要写userInfo.sex。原创 2024-05-14 05:52:40 · 798 阅读 · 0 评论 -
2024年最全【基本面的量化分析与投资的回报可能 - 上篇】_pyfinance,2024年大数据开发面试心得
df_20221 = pd.DataFrame(pd.read_csv(“D:\BaiduNetdiskWorkspace\股票候选\季度3连涨候选人_2022年第壹季.csv”, encoding=‘GBK’, index_col=0))df_result = df_result.sort_values(by=df_result.columns[-1], ascending=False).reset_index(drop=True) # 排序整理一下。原创 2024-05-14 05:52:04 · 962 阅读 · 0 评论 -
2024年大数据最全深入解析大数据体系中的ETL工作原理及常见组件(1),大数据开发开发技巧
*原创 2024-05-13 21:05:29 · 894 阅读 · 0 评论 -
2024年大数据最全深入xJavaFxTool的插件开发模式_xjavafxtool 源码分析,2024年最新2024年大数据开发高级面试题
一个好的产品,离不开成熟的生态,可以兼容种类丰富的外部插件。同时,很方便的帮助开发者,基于一些公共的api来开发扩展基础应用,也是一项非常加分的能力。xJavaFxTool就是这么一款对开发者友好的开发框架。而xJavaFxTool的扩展能力,第一大语言优势就是,基于java开发语言,java语言的动态反射机制,有了反射机制,让动态调用得以实现,并在这里发光发热,项目的高效扩展集成得到了实现。原创 2024-05-13 21:04:53 · 787 阅读 · 0 评论 -
2024年大数据最全消息队列面试题(1),被面试官问的大数据开发问题难倒了
在使用消息队列过程中,应该做到消息不能多消费,也不能少消费,因此可靠性传输,从以下三个角度分析RocketMQ。中有三种模式:单机模式、普通集群模式、镜像集群模式。频繁 中小公司建议用RabbitMQ。的顺序问题分为全局有序和局部有序。原创 2024-05-13 21:04:17 · 886 阅读 · 0 评论 -
2024年大数据最全浏览器缓存机制与分类(一)_(from disk cache),2024年最新斗鱼直播大数据开发开发二面被刷
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新需要这份系统化资料的朋友,可以戳这里获取升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!**由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新。原创 2024-05-13 21:03:40 · 890 阅读 · 0 评论 -
2024年大数据最全AI遮天传 DL-回归与分类_分类回归 ai(2),2024年最新大数据开发最牛教材
我们上面讲解了一维和多维二分类,其实对于多分类,只是增加了函数个数作为维度。如上图,比如对于一个x,三个函数的结果为1.2、4.1、1.9,那么便可根据后续操作对其进行回归或者分类。这三个函数可能是线性的,也可能是非线性的,如logistic回归。选择均方误差(MSE)作为损失函数对其使用最小二乘法/梯度下降法进行计算得出参数。一般意义的交叉熵网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。需要这份系统化资料的朋友,可以戳这里获取。原创 2024-05-13 15:31:35 · 759 阅读 · 0 评论 -
2024年大数据最全AI遮天传 DL-回归与分类_分类回归 ai(1),2024年最新字节跳动面试分享
我们上面讲解了一维和多维二分类,其实对于多分类,只是增加了函数个数作为维度。如上图,比如对于一个x,三个函数的结果为1.2、4.1、1.9,那么便可根据后续操作对其进行回归或者分类。这三个函数可能是线性的,也可能是非线性的,如logistic回归。选择均方误差(MSE)作为损失函数对其使用最小二乘法/梯度下降法进行计算得出参数。原创 2024-05-13 15:30:59 · 1017 阅读 · 0 评论 -
2024年大数据最全AI绘画普及课【二】文生图入门_平铺 分块 (tiling)(4),2024年最新我阿里P7了解到的大数据开发面试的一些小内幕
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新需要这份系统化资料的朋友,可以戳这里获取indoor, sitting on sofa, sunset, backlighting, shiny skin, lens flare, light particles, glowing, dappled sunl原创 2024-05-13 15:30:23 · 561 阅读 · 0 评论 -
2024年大数据最全AI绘画普及课【二】文生图入门_平铺 分块 (tiling)(3),2024年最新稳进大厂
比如:树木,灌木,白色的花,(林间)小路。原创 2024-05-13 15:29:46 · 725 阅读 · 0 评论 -
最新版本Hadoop面试题_第1个副本存放在客户端,如果客户端不在集群内,就在集群内随机挑选一个cpu比较空闲
六:数据被分割成一个个 packet 数据包在 pipeline 上依次传输,在pipeline 反方向上,逐个发送 ack(命令正确应答),最终由 pipeline中第一个 DataNode 节点 A 将 pipeline ack 发送给 client;七:当一个 block 传输完成之后,client 再次请求 NameNode 上传第二个block 到服务器。原创 2024-05-12 18:08:44 · 844 阅读 · 0 评论 -
最新深度学习与神经网络之开宗明义 详解人工智能(1),2024年最新大数据开发基础教程ppt
在人工智能的各个子领域中,由于其解决的问题各不相同,所以对应的目标和使用的工具并不完全相同。在传统意义上来说,人工智能研究的目标包括感知智能、认知智能、行为智能。人工智能自成立以来尝试并放弃了许多不同的方法,包括模拟人类大脑、模拟人类解决问题、形式逻辑、大型知识数据库和模仿动物行为。(小爱、小度、Siri)、智能驾驶系统(特斯拉)、量化交易系统、自动下棋系统(AlphaGo)等能够自动形成决策或者行动的系统。在该领域占据了主导地位,事实证明还是比较成功的,帮助整个工业界和学术界解决了许多具有挑战性的问题。原创 2024-05-12 18:08:08 · 379 阅读 · 0 评论 -
最新深入xJavaFxTool的插件开发模式_xjavafxtool 源码分析(2),2024年最新讲的太透彻了
一个好的产品,离不开成熟的生态,可以兼容种类丰富的外部插件。同时,很方便的帮助开发者,基于一些公共的api来开发扩展基础应用,也是一项非常加分的能力。xJavaFxTool就是这么一款对开发者友好的开发框架。而xJavaFxTool的扩展能力,第一大语言优势就是,基于java开发语言,java语言的动态反射机制,有了反射机制,让动态调用得以实现,并在这里发光发热,项目的高效扩展集成得到了实现。原创 2024-05-12 18:07:32 · 387 阅读 · 0 评论 -
最新浅谈大数据建模的主要技术:维度建模_大数据平台数据 建模 设计,2024最新阿里大数据开发高级面试题总结
事实上,业务过程的所有度量在维度建模中都是存储在事实表中的,除此之外,事实表还存储了引用的维度。事实表通常和一个紧密相关,由于一个企业的业务过程数据构成了其所有数据的绝大部分,因此事实表也通常占用了数据仓库存储的绝大部分。比如对于某个超市来说,其通常占其拥有数据的绝大部分且每天还在不断地累计和增长,而商品、门店、员工、设备等其他数据相对来说固定且变化不大。原创 2024-05-12 18:06:56 · 984 阅读 · 0 评论 -
最全大数据自定义函数udf,2024年最新大数据开发开发避坑指南
二,udf制作流程。原创 2024-05-12 09:37:02 · 379 阅读 · 0 评论 -
最全大数据自学宝典15天入门Javase(内附资源)(1),靠这份大数据开发知识点PDF成功跳槽
13.加入this关键字后的标准版的JavaBean代码。18.增强for遍历List集合_存储自定义类型的对象。18.增强for遍历List集合_存储自定义类型的对象。16.通过API帮助文档查看String类中的方法.05.Object类的toString()方法介绍。18.Scanner练习_获取指定数字的各个位数。16.标准版的JavaBean类的代码定义和使用。18.StringBuilder的添加和反转方法。06.扩展_其他基本类型和String之间的转换。原创 2024-05-12 09:36:26 · 308 阅读 · 0 评论 -
最全大数据系列文章之Redis与Kafka的区别_kafka与redis的区别(2),985研究生被小公司领导留了3年
除了p2p的消息队列,它当然提供PUB/SUB方式的消息模型。Redis,它首先是一个内存数据库,其提供的PUB/SUB功能把消息保存在内存中(基于channel),因此如果你的消息的持久性需求并不高且后端应用的消费能力超强的话,使用Redis PUB/SUB是比较合适的使用场景。Kafka与Redis PUB/SUB之间较大的区别在于Kafka是一个完整的系统,而Redis PUB/SUB只是一个套件(utility)——没有冒犯Redis的意思,毕竟它的主要功能并不是PUB/SUB。原创 2024-05-12 09:35:50 · 243 阅读 · 0 评论 -
最全大数据生态圈技术文档列表,【好文推荐
大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。原创 2024-05-12 09:35:14 · 275 阅读 · 0 评论 -
大数据最新基于大数据的房价分析--2(4),2024年最新阿里面试官
print(“地址解析错误,status:”+str(jsonResult[‘status’])+“,msg:”+jsonResult[‘msg’]+“,errorUrl:”+urlResult)print(“没有错误信息,直接输出信息”+str(jsonResult))print(“同一地址不再解析”+data[‘address’])#根据返回码判断解析结果是否正确,如果不正确,去掉城市参数重试。#数据集中没有带解析的数据,解析该条数据。#用于解析每一条数据的方法。#用于存储结果的集合。原创 2024-05-12 00:59:30 · 774 阅读 · 0 评论 -
大数据最新基于大数据技术和协同过滤算法的图书推荐系统的开发【附源码】,2024年最新大数据开发开发知识点
随着互联网的发展,大数据技术已经成为当今社会的一个热点话题。大数据的应用不仅在商业领域受到广泛关注,也在图书推荐系统中发挥着重要作用。本文将结合大数据技术和协同过滤算法,开发一个基于用户兴趣和历史数据的图书推荐系统。该系统将收集用户的阅读记录、评价和行为数据,通过大数据处理和协同过滤算法分析用户特征,为用户推荐个性化、精准的图书信息。本文将从系统架构设计、数据采集、算法优化和系统评估等方面展开研究,以期为图书借阅服务提供更加便捷、高效的推荐系统。关键词:大数据技术;协同过滤算法;图书推荐系统;用户兴趣;原创 2024-05-12 00:58:53 · 675 阅读 · 0 评论 -
大数据最新基于SQL语言实现机器学习以及深度学习_低效sql识别 机器学习,大数据开发面试项目经验
以上写法只是我现在的想法并不一定最终形式会以这种语法呈现。那么如果我们能够解析SQL语句的话,就不用去限定SQL语句要如何编写了,这样一来使用SQL的数据分析师或者是大数据工程师都可以很好的使用这个功能,不用再花费其他学习成本去学习另一种新的语言。那么这里我们很容易想到这个系统最主要的功能在于这个SQL解析,最后的目标是需要将参数传入sklearn的,因此解析整个SQL将是关键。原创 2024-05-12 00:58:17 · 995 阅读 · 0 评论 -
大数据最新基于SQL语言实现机器学习以及深度学习_低效sql识别 机器学习(1),我的阿里手淘面试经历分享
相信很多朋友听到这个标题第一反应:基于SQL能够实现机器学习?当然还有的朋友是有过了解一些类似项目的,例如Byzer和阿里的SQLFlow。都是基于SQL语言去实现一些机器学习算法。但是真正用过的朋友应该还是少数的,一般使用场景也都是使用Python调用sklearn实现一些简单的机器学习。很少有喜欢科研的朋友从底层手撕数学算法写完实现整个算法,我认识的一些同事朋友几乎都是直接调用sklearn实现,确实现在也是一般调库调参也能够快速实现一些功能,但是这使得机器学习的门栏大大降低。原创 2024-05-12 00:57:41 · 870 阅读 · 0 评论 -
大数据开发岗面试复习30天冲刺 - 日积月累,每日五题【Day12】——Hbase6
•Flush是指将memstore中的数据写入HDFS,变成StoreFile•2.0之前:判断memstore存储大小,单个memstore达到128M就会触发Flush,或者整个memstore达到95%就会触发•2.0之后:根据平均每个memstore的存储大小与16M取最大值计算水位线,高于水位线就Flush,不高于就不Flush,都不高于全部Flush•Compaction的功能是将多个单独有序StoreFile文件进行合并,合并为整体有序的大文件并且删除过期数据,加快读取速度。原创 2024-05-11 16:19:35 · 531 阅读 · 0 评论 -
大数据开发岗面试复习30天冲刺 - 日积月累,每日五题【Day11】——Hbase5
•创建全局索引,会自动构建一张索引表•索引表结构–Rowkey:索引字段+原表的rowkey–列:占位置x•特点:如果查询字段或者查询条件不是索引字段,就不会走索引•应用:适合于读多写少•创建覆盖索引,会自动构建一张索引表•索引表结构–Rowkey:索引字段+原表的rowkey–列:将include中的列放入索引表•特点–如果查询字段或者查询条件不是索引字段,就不会走索引–如果查询的字段在索引表中,直接从索引表返回结果。原创 2024-05-11 16:18:59 · 716 阅读 · 0 评论 -
大数据开发岗面试复习30天冲刺 - 日积月累,每日五题【Day11】——Hbase5(2)
大家好,我是程序员manor。作为一名大数据专业学生、爱好者,深知面试重要性,很多学生已经进入暑假模式,暑假也不能懈怠,正值金九银十的秋招接下来我准备用30天时间,基于大数据开发岗面试中的高频面试题,以每日5题的形式,带你过一遍常见面试题及恰如其分的解答。相信只要一路走来,日积月累,我们终会在最高处见。道阻且长,行则将至;行而不辍,未来可期!本栏目大数据开发岗高频面试题主要出自大数据技术专栏的各个小专栏,由于个别笔记上传太早,排版杂乱,后面会进行原文美化、增加。原创 2024-05-11 16:18:24 · 610 阅读 · 0 评论 -
大数据开发岗面试复习30天冲刺 - 日积月累,每日五题【Day11】——Hbase5(1)
•创建全局索引,会自动构建一张索引表•索引表结构–Rowkey:索引字段+原表的rowkey–列:占位置x•特点:如果查询字段或者查询条件不是索引字段,就不会走索引•应用:适合于读多写少•创建覆盖索引,会自动构建一张索引表•索引表结构–Rowkey:索引字段+原表的rowkey–列:将include中的列放入索引表•特点–如果查询字段或者查询条件不是索引字段,就不会走索引–如果查询的字段在索引表中,直接从索引表返回结果。原创 2024-05-11 16:17:48 · 914 阅读 · 0 评论