2401_84166536的博客

1.sqluldr2sqluldr2是楼方鑫针对Oracle数据库开发的数据快速导出工具，应该绝大多数oracle用户都用过，因为它依旧是目前从oracle中导出文本数据最快的方式了,速度远超oracle官方的sqlplus spool导出。但是大多数人基本上都只使用其导出文件的功能，而不知道这个工具还可以导出标准输出（所谓标准输出即不生成文件，直接打印在屏幕上）2.gsql/psql(\copy 元命令)gsql/psql的"\copy"元命令。

在目标端建立一个同样的表★测试通过管道传输数据，没有报错在目标端查询scott.emp表，数据和源端一致。

在说这个方案前，先简单说明一下这个方案的几个知识点。

安装客户端，这两个客户端的安装方式差不多，就是解压，然后配置环境变量LD_LIBRARY_PATH,比如配置连接Oracle的环境变量如下(如果需要永久配置则要修改对应的配置文件)下载sqluldr2程序这个就自己在网上搜吧，基本下载下来是一个压缩包，里面有两个windows版的和两个linux版的，我们需要的是"sqluldr2_linux64_10204.bin"这个文件，下完后可以把文件名改短点，比如"sqluldr2"

我们可以看到里面根据不同知识层面分成对应的题库，算法也进行了对应的分类，十分的友好，接下来就开始今天的刷题之旅。

5️⃣接下来就是递归遍历了，递归比较外侧(左节点的左孩子和右节点的右孩子比较)和内测(左节点的右孩子和右节点的左孩子)的情况。其实这道题目和判断两棵树是否相同是差不多思路的，两棵树A,B，B如果满足是A的子树，那么就会有三种情况。1️⃣我们先看看根节点是否为空，根节点为空，则返回true，否则就得递归比较左右节点。3️⃣如果左节点为空，右节点不为空，或者左节点不为空，右节点为空，则返回false。4️⃣接下来，就是左右节点都非空的情况，我们就得比较节点的数值是否相等。

1️⃣我们先看看根节点是否为空，根节点为空，则返回true，否则就得递归比较左右节点2️⃣如果左右节点都为空，则返回true3️⃣如果左节点为空，右节点不为空，或者左节点不为空，右节点为空，则返回false4️⃣接下来，就是左右节点都非空的情况，我们就得比较节点的数值是否相等5️⃣接下来就是递归遍历了，递归比较外侧(左节点的左孩子和右节点的右孩子比较)和内测(左节点的右孩子和右节点的左孩子)的情况。

学习算法，还有一些知识的时候，有时候看书后以为自己懂了，结果做题就发现自己没什么思路，为此，博主决定坚持刷题，这里给大家推荐一个适合大家做题复习，准备面试的网站点此进入，里面还有大量的面经，大家可以在面试之前去看看我们可以看到里面根据不同知识层面分成对应的题库，算法也进行了对应的分类，十分的友好，接下来就开始今天的刷题之旅。

先打开配置文件：vi /etc/sysconfig/network-scripts/ifcfg-ens32 #查看防火墙状态:systemctl status firewalld.service。关闭防火墙:systemctl stop firewalld.service。如需克隆虚拟机，需要先观察是否修改主机名，如果没有修改需要先修改主机名。重新进入配置文件修改ip，因克隆所以只需更改最后三位数。最后克隆的虚拟机需进行更改UUID：输入uuidgen。6.因后期使用所需，需要关闭防火墙。

我们从业务逻辑的层面上来优化数据倾斜，比如上面的两个城市做推广活动导致那两个城市数据量激增的例子，我们可以单独对这两个城市来做count，单独做时可用两次MR，第一次打散计算，第二次再最终聚合计算。但是在ip表中，我们在统计这个值的时候，为了方便，我们把获取不到ip的用户，统一认为他们的ip为0。两边其实都没有错的，但是一旦我们做关联了，这个任务会在做关联的阶段，也就是sql的on的阶段卡死。因此，解决数据倾斜的重点在于对数据设计和业务的理解，这两个搞清楚了，数据倾斜就解决了大部分了。

显示Service successfully installed表示安装成功3、安装好后启动服务：net start mysql：启动成功会有汉字显示：MySQL 服务已经启动成功。4、检验是否安装成功：在命令行窗口输入后输入密码就是显示如下，这证明安装成功；：这里如果你是第一次安装的话咱们得mysql的root用户是没有密码的，那你就直接点击回车就好，就会直接进入如下界面，5、安装MySQL数据的连接工具navicatnavicat是免安装的，大家直接官网下载后直接解压就可以使用。

数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策。

类似这样的关系，如公司组织结构，分公司是总公司的一部分，部门是分公司的一部分，当然如果定义得好的话员工是部门的一部分；当维表中的主键在事实表中没有与外键关联时，这样的维称为退化维，退化维的定义是Ralph Kimball提出来的。缓慢变化维的提出是因为在现实世界中，维度的属性并不是静态的，它会随着时间的流失发生缓慢的变化。这种随时间发生变化的维度我们一般称之为缓慢变化维，并且把处理维度表的历史变化信息的问题称为处理缓慢变化维的问题，有时也简称为处理SCD的问题。分类维是通过对一个维的属性值分组而创建的。

不包含事实的事实表被称作无事实的事实表。虽然没有明确地记录事实，但是却能够支持度量。

外链图片转存中…(img-THA7tsUP-1715627281111)][外链图片转存中…(img-AczMCur9-1715627281112)]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！

这里的主机名是hadoop101~hadoop103，要根据情况修改代码。#1 获取输入参数个数，如果没有参数，直接退出。#3 获取上级目录到绝对路径。#4 获取当前用户名称。

(img-T0V9SXOg-1715595758140)](img-hGRUb5Bi-1715595758141)](img-VLkrjPYg-1715595758141)]string与char *的转换。初始化set/multiset。初始化map/multimap。遍历set/multiset。遍历map/multimap。string的大小写转换。string子串的获取。类的成员函数作为友元。运算符重载中使用友元。

【文章说明】：本篇将介绍如何通过以下步骤，将在虚拟机或云服务器上为搭建Hadoop集群或CDH集群做准备工作【操作步骤】：以下操作均以CentOS 7.9系统为例，是搭建Hadoop集群或CDH集群的前置操作。。

pyqt界面可以 检测图片、视频和调用摄像头，有相应的选择项；采用pytrch框架，python代码。

猫狗分类数据集catVSdog。

用户对网站的每次访问包含了一系列的点击动作行为，这些点击行为数据就构成了点击流数据（Click Stream Data），它代表了用户浏览网站的整个流程。比如用户在某一个会话session内，进入会话的起始页面和起始时间，会话结束是从哪个页面离开的，离开时间，本次session总共访问了几个页面等信息。事实表的数据中，有些属性共同组成了一个字段（糅合在一起），比如年月日时分秒构成了时间,当需要根据某一属性进行分组统计的时候，需要截取拼接之类的操作，效率极低。如果超过30分钟，则把下次访问算成新的会话开始。

一个表的索引数最好不要超过6个，若太多则应考虑一些不常使用到的列上建的索引是否有 必要。14.并不是所有索引对查询都有效，SQL是根据表中数据来进行查询优化的，当索引列有大量数据重复时，SQL查询可能不会去利用索引，如一表中有字段sex，male、female几乎各一半，那么即使在sex上建了索引也对查询效率起不了作用。11.在使用索引字段作为条件时，如果该索引是复合索引，那么必须使用到该索引中的第一个字段作为条件时才能保证系统使用该索引，否则该索引将不会被使用，并且应尽可能的让字段顺序与索引顺序相一致。

上面columns 标识将要分片的表字段，algorithm 分片函数，其中分片函数配置中，mapFile标识配置文件名称，type默认值为0，0表示Integer，非零表示String，所有的节点配置都是从0开始，及0代表节点1。上面columns 标识将要分片的表字段，algorithm 分片函数，配置中配置了开始日期，分区天数，即默认从开始日期算起，分隔10天一个分区，还有一切特性请看源码。所有的节点配置都是从0开始，及0代表节点1，此配置非常简单，即预先制定可能的id范围到某个分片。

use TESTDB;

解决方案：D:\chromedownload\hadoop-3.1.1\share\hadoop\yarn\timelineservice 将这个文件夹下的hadoop-yarn-server-timelineservice-3.1.1.jar 包 放到 这个路径下D:\chromedownload\hadoop-3.1.1\share\hadoop\yarn 即可解决。4.启动hdfs 和 yarn ，首先以 管理员身份 运行命令提示符 ：到hadoop文件夹下的sbin路径下。出现以下页面即为成功。

Truffle ：以太坊开发框架Ganache CLI：是在本地使用内存模拟的一个以太坊环境，其基于Node.js，以前叫TestRPC在开发过程中使用。安装nodejs，参考npm 安装web3检测是否安装成功$ node显示如下：说明web3.js已经安装成功。安装testrpc（在本地使用内存模拟的一个以太坊环境）安装成功后，启动testrpc 区块链节点testrpc安装truffle（编译、部署智能合约的工具）

先选择CD/DVD，再选择使用ISO映像文件，最后选择浏览找到下载好的镜像文件。此时这个克隆出来的虚拟机和原虚拟机各个配置都是一样的，我们接下来要对网络、主机名等进行配置。首先要打开网卡，然后查看是否能获取到IP地址(我这里是桥接)，再更改主机名后点击Done。选择安装过程中使用的语言，这里选择英文、键盘选择美式键盘。如下图所示，点击加号，选择/boot，给boot分区分200M。选择第一项，安装直接CentOS 7，回车，进入下面的界面。然后就开始克隆了，时间不会太久，整个过程大概1~2分钟。

/ 存放满足匹配条件的元素。CString strKeyWords = _T(“东城区”);char* pMatchNameStr = “东城区”;char* pMatchNameStr = “东城区”;// 通过for循环去遍历列表搜目标设备。// 重载==操作符。

1）接口的定义接口由使用者定义2）接口的实现接口的实现是隐式的只要实现接口里的方法import ("net/http""time"if err!

(img-e4TmIaUc-1715467906410)](img-OP07Nq8V-1715467906410)](img-gX5ncAe5-1715467906410)]*node.TreeNode // Embedding 内嵌。

git status。

为了真正理解 Git 处理分支的方式，我们需要回顾一下 Git 是如何保存数据的。前面我们了解到，Git 保存的不是文件的变化或者差异，而是一系列不同时刻的 快照。在进行提交操作时，Git 会保存一个提交对象（commit object）。知道了 Git 保存数据的方式，我们可以很自然的想到——该提交对象会包含一个指向暂存内容快照的指针。但不仅仅是这样，该提交对象还包含了作者的姓名和邮箱、提交时输入的信息以及指向它的父对象的指针。

注意:流程应该用root用户修改内容,然后chown命令重新给予es用户权限,我这里用es用户修改的配置文件,如果出现问题,直接用root用户再次赋予权限即可。我们现在并不需要这个库，但是elasticsearch启动却需要连接这个库，所以我们需要将这个连接的配置关闭，让启动的时候不去连接这个库。创建用户组,设置es操作用户:groupadd es,向ES用户组添加用户es:useradd es -g es。root权限变更为es权限 : chown -Rf es:es /home/local/es/

Logstash由JRuby语言编写，基于消息（message-based）的简单架构，并运行在Java虚拟机（JVM）上。不同于分离的代理端（agent）或主机端（server），LogStash可配置单一的代理端（agent）与其它开源软件结合，以实现不同的功能。Logstash的理念1)Collect：数据输入2)Enrich：数据加工，如过滤，改写等3)Transport：数据输出（被其他模块进行调用）

Elasticsearch 使用一种称为倒排索引的结构，ES中的倒排索引其实就是 **lucene 的倒排索引，**区别于传统的正向索引，倒排索引会再存储数据时将关键词和数据进行关联，保存到倒排表中，然后查询时，将查询内容进行分词后在倒排表中进行查询，最后匹配数据即可。深翻页：比如我们检索一次，轮询所有分片，汇集结果，根据 TF-IDF 等算法打分，排序后将前 10。对用户来说，翻页应该很快啊，但是实际上，第一次检索多复杂，下一次检索就多复杂。不翻页，也就不会翻页了，数据就可以清除了。

ES文档的数据拆分成一个个有完整含义的关键词，并将关键词与文档对应，这样就可以通过关键词查询文档。要想正确地分词，需要选择合适的分词器。现在咱们来探索一下分词器的真实面目!

系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**

Task类型：http://airflow.apache.org/docs/apache-airflow/stable/concepts/operators.html常用。

目标了解AirFlow的功能特点及应用场景路径step1：背景step2：设计step3：功能step4：特点step5：应用实施+ **起源**- 2014年，Airbnb创造了一套工作流调度系统：Airflow，用来替他们完成业务中复杂的ETL处理。从清洗，到拼接，只用设置好一套Airflow的流程图。- 2016年开源到了Apache基金会。- 2019年成为了Apache基金会的顶级项目：http://airflow.apache.org/。

目标了解AirFlow的功能特点及应用场景路径step1：背景step2：设计step3：功能step4：特点step5：应用实施+ **起源**- 2014年，Airbnb创造了一套工作流调度系统：Airflow，用来替他们完成业务中复杂的ETL处理。从清洗，到拼接，只用设置好一套Airflow的流程图。- 2016年开源到了Apache基金会。- 2019年成为了Apache基金会的顶级项目：http://airflow.apache.org/。