- 博客(71)
- 收藏
- 关注
RSS订阅原创 最新【其他】多维分析预汇总应该怎样做才管用？(3)，金九银十正确打开方式
cgroups 函数增加了条件参数，SPL 发现有时间段条件和更高层次的预汇总数据，则会使用时间段预汇总机制来减少运算量。本例中，就会分别从 cube1 和 cube2 中读取相应数据再来汇总。
2024-05-16 07:35:10
1063
原创 最新【全栈计划 —— 编程语言之C#(1)，阿里开发7年大牛
*首次写偏向于项目的文章，无论是Unity的游戏的文章，还在现在用于服务Unity开发的C#文章中，都不会十分耐心的琢磨细节。不太想去抓细节，写出来的东西能够跑起来就行，深挖容易消耗自己的热情，而且写出来的文章也十分啰嗦和累赘。跑起来获得正反馈，不一直摸索一些没有成就感的细节，这种很容易打击自信心的，大踏步往前，不求甚解都行，然后再去优化，不断处理曾经没有处理好的细节、bug，迭代前进。希望都能够享受解决Bug的过程啦**
2024-05-16 07:34:38
962
原创 最新【入门必看-算法基础知识讲解】小白都也能看得懂_算法学习，2024年最新如何才能通过一线互联网公司面试
大家好，我是小诚，国庆放假后跟一些小伙伴聊天时发现，大家潜意识里都知道想要进入大厂算法是必须过关的，所以很多人在学校就开始去刷题了，题目虽然刷了许多，但是对于学习算法的初衷和衡量一个算法的指标却是模糊的，所以，博主想写一篇关于学习算法的初衷和算法的指标，帮助准备学习算法或者初学算法的小伙伴将基础巩固。本篇文章重点介绍：算法相关知识的介绍，和衡量算法的指标(时间复杂度和空间复杂度)如果文章对你有帮助，可以帮忙一键三连和专栏订阅哦！二、专栏推荐。
2024-05-16 07:34:05
678
原创 最新【云原生生态圈】：Docker核心技术全面总结_技下万eff66e(1)，2024年最新【金三银四】
Docker的思想来自于集装箱，集装箱解决了什么问题？在一艘大船上，可以把货物规整的摆放起来。并且各种各样的货物被集装箱标准化了，集装箱和集装箱之间不会互相影响。这样就可以不用单独使用其他的运输工具。大家都用一个标准搬运集装箱了。我们不禁要问，为什么要用docker？不同的应用程序可能会有不同的应用环境，有些软件安装之后会有端口之间的冲突，这时候，可以使用虚拟机来实现隔离，但是使用虚拟机的成本太高，而且消耗硬件。不同的软件的环境都不一样。
2024-05-16 07:33:30
813
原创 嵌入式开发学习之--IIC读写EEPROM（上）_atmel i2c 嵌入式i2c的读写操作实例
本片了解了IIC的特性，下一篇结合代码实验来进一步学习IIC协议。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！5628)**一个人可以走的很快，但一群人才能走的更远！
2024-05-15 22:47:48
559
原创 嵌入式开发学习之--IIC读写EEPROM（上）_atmel i2c 嵌入式i2c的读写操作实例(3)
IIC协议的思想很厉害，对比串口三根线且只能点对点连接，它实现了一根时钟线一根数据线，理论上来说可以无限挂载设备。但是根据工作经验来看，其可靠性并不高，传输距离有限且易受干扰，而且固定设备号这一点也是很别扭，相对来说CAN协议比他要强很多。不过市场上仍然有很多IIC通信的设备，最常见的也就是读写RRPROM,所以我们必须要熟练掌握这种通信方式。提示：以下是本篇文章正文内容，下面案例可供参考。
2024-05-15 22:47:15
664
原创 嵌入式开发学习之--IIC读写EEPROM（上）_atmel i2c 嵌入式i2c的读写操作实例(2)
本片了解了IIC的特性，下一篇结合代码实验来进一步学习IIC协议。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！5628)**一个人可以走的很快，但一群人才能走的更远！
2024-05-15 22:46:42
1084
原创 嵌入式开发学习之--IIC读写EEPROM（上）_atmel i2c 嵌入式i2c的读写操作实例(1)
本片了解了IIC的特性，下一篇结合代码实验来进一步学习IIC协议。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！5628)**一个人可以走的很快，但一群人才能走的更远！
2024-05-15 22:46:09
678
原创 大数据最全ELK日志分析，2024年最新这些细节在大数据开发面试上要注意了
Kibana是一个针对Elasticsearch的开源分析及可视化平台，用来搜索、查看交互存储在Elasticsearch索引中的数据。使用Kibana，可以通过各种图表进行高级数据分析及展示。Kibana让海量数据更容易理解。操作简单，基于浏览器的用户界面可以快速创建仪表板（dashboard）实时显示 Elasticsearch查询动态。设置Kibana非常简单。无需编写代码，几分钟内就可以完成Kibana安装并启动Elasticsearch索引监测。
2024-05-15 12:08:23
405
原创 大数据最全ElasticSearch面试题整理（持续更新）_elsearch面试题(1)，2024年最新阿里面试100%会问到的大数据开发
Master节点负责管理集群状态信息，包括处理创建、删除索引等请求，决定分片被分配到哪个节点，维护和更新集群状态。值得注意的是，只有Master节点才能修改集群的状态信息，并负责同步给其他节点。解决的话，可以把用户的检索结果，存入 Redis 中 10 分钟。值越大，说明这文档越匹配，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。
2024-05-15 12:07:47
464
转载 大数据最全Elasticsearch连续剧之分词器_es 默认分词器，2024年最新成功入职阿里
前面两种分词器，各有优点，但是他们的功能确实不够完备，比如使用ik分词器可以对中文进行分词，但是却不能对拼音分词；所以在现实开发中，我们一般使用自定义分词器进行分词，这样既可以对文字分词，也可以对拼音分词，现在咱们来研究一下如何写一个ik+pinyin分词器。PUT /索引名!!**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。**
2024-05-15 12:07:11
455
原创 大数据最全ElasticSearch架构介绍及原理解析_elasticsearch+sqlserver架构，大数据开发开发知识点
Lucene 使用倒排索引来存储索引数据，它是一种将单词映射到包含这些单词的文档的索引。- Elasticsearch 支持跨多个节点的搜索和数据存储，以实现高可用性和负载均衡。- 副本是为了提高数据的可扩展性和可用性而创建的数据分片的副本。- 副本可以分布在不同的数据节点上，以实现数据的冗余和负载均衡。- 索引包含文档的文本内容和元数据，如文档的 ID、类型和字段。- 每个索引由多个分片（Shards）组成，分片是数据的物理副本。- 分片是索引的物理分割，用于提高数据的可扩展性和可用性。
2024-05-15 12:06:34
273
原创 【推荐系统入门到项目实战】：关联规则之Apriori算法（含代码实现
沃尔玛是最早通过大数据分析而受益的传统零售企业，对消费者购物行为进行跟踪和分析。下面我们来看看如何进行关联规则的分析，首先我们要了解三个概念：支持度、置信度和提升度。
2024-05-15 03:29:43
713
原创 【推荐系统入门到项目实战】：关联规则之Apriori算法（含代码实现(4)
的官方定义（英语：Association rule learning）是一种在大型数据库中发现变量之间的有趣性关系的方法。它的目的是利用一些有趣性的量度来识别数据库中发现的强规则。基于强规则的概念，Rakesh Agrawal等人引入了关联规则以发现由超市的POS系统记录的大批交易数据中产品之间的规律性。例如，从销售数据中发现的规则 {洋葱, 土豆}→{汉堡} 会表明如果顾客一起买洋葱和土豆，他们也有可能买汉堡的肉。得到K=3项的频繁项集{1,2,3}，也就是{牛奶、面包、尿布}的组合。
2024-05-15 03:29:07
811
原创 【推荐系统入门到项目实战】：关联规则之Apriori算法（含代码实现(3)
代表有下降。从概率的角度来看，等价于一个条件概率与先验概率的比值。PB∣APB现在，我们来看看具体的关联规则算法。关联规则最经典的算法有两个。
2024-05-15 03:28:31
634
原创 【推荐系统入门到项目实战】：关联规则之Apriori算法（含代码实现(2)
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，可以戳这里获取置信度（牛奶→啤酒）=2/4=0.5（买了牛奶会买啤酒的概率）置信度（啤酒→牛奶）=2/3=0.67从概率的角度来看，等价于P(B∣A)P(B|A)P(B∣A)下面我们再来看一下，置信度（可乐→尿布）=2/2=1 ，虽
2024-05-15 03:27:54
1005
原创 PostgreSQL数据库如何快速插入大量数据_postgresql 大批量插入(1)
每次实验时，解析的JDBC日志量，解析代码和中间件环境保持不变。只调整流程顺序和数据库参数。
2024-05-14 18:08:10
964
原创 PolarDB-X最佳实践系列（二）：如何使用DataWorks将数据同步到MaxCompute
5.选择PolarDB-X实例对应的网络信息，重点是专有网络、可用区、交换机。安全组暂不明实际意义，可以随便选一个。为了让DataWorks能读取PolarDB-X的数据，需要创建一个数据源。进阶课程，涵盖了95%以上大数据知识点，真正体系化！我们首先在PolarDB-X中创建一些测试数据。1.进入DataWorks控制台，选择。的情况下，需要先创建一个。
2024-05-14 18:07:34
314
原创 PolarDB-X最佳实践系列（二）：如何使用DataWorks将数据同步到MaxCompute(3)
【代码】PolarDB-X最佳实践系列（二）：如何使用DataWorks将数据同步到MaxCompute(3)
2024-05-14 18:06:58
801
原创 PolarDB-X最佳实践系列（二）：如何使用DataWorks将数据同步到MaxCompute(2)
2.点击左边的3.点击右上角4.选择5.数据源类型选择。
2024-05-14 18:06:21
448
原创 2024年最新Knife4j实现微服务聚合API文档实战(2)，深度解读Netty
在微服务环境下，我们每个服务都有各自的API文档，这样访问起来非常麻烦，那么此时我们就需要使用聚合API文档了。SpringBoot的其他配置就省略了，自行查阅。启动项目即可，访问http://localhost/doc.html，如下图。想要构建一个单体是的API文档其实非常简单。微服务聚合模式分为Disk、Cloud、Eureka、Nacos四种模式，我这里先以Cloud模式为例。注意的是，这边location必须使用如下图所示的内容，否则无法识别，会报异常。四种模式，只是配置不同，都很简单。
2024-05-14 09:29:29
462
原创 2024年最新Kafka面试题1(1)，2024年最新大数据开发算法面试题
首先，发送到 Kafka Broker 上的消息，最终是以 Partition 的物理形态来存储到磁盘上的。（如图）而Kafka 为了保证Parititon 的可靠性，提供了 Paritition 的副本机制，然后在这些Partition 副本集里面。存在Leader Partition 和Flollower Partition。生产者发送过来的消息，会先存到 Leader Partition 里面，然后再把消息复制到 Follower Partition，
2024-05-14 09:28:54
270
原创 2024年最新kafka学习(1)，2024年最新自学大数据开发
发布者发布一条消息，该消息通过主题传递给所有的订阅者，在一条消息广播之后才订阅的用户则是收不到该条消息的。在发布 - 订阅模型中，如果只有一个订阅者，那它和队列模型就基本是一样的了。所以说，发布 - 订阅模型在功能层面上是可以兼容队列模型的。发布订阅模型（Pub-Sub） 使用。作为消息通信载体，类似于。
2024-05-14 09:28:18
322
原创 2024年最新Kafka基础知识，作为程序员一定不要仅仅追求物质
除此之外，Kafka 还有一些常见的使用场景，包括数据集成、监控指标、日志聚合、流处理和发布-订阅消息传递等。总的来说，Kafka 是一个强大的分布式事件流处理平台，适用于处理大规模数据流，并在各种行业和场景中得到广泛应用。
2024-05-14 09:27:41
327
原创 2024年大数据最新医学图像分割 3D nnUNet全流程快速实现_医学图像分割步骤(1)，9次大数据开发面试经验总结
”"创建数据集的json“”"import osimport re“”"try:except:return s“”"return l。
2024-05-14 00:50:36
702
原创 2024年大数据最新助力工业物联网，工业大数据之维修事实指标需求分析【二十二】，从不一样的角度描述大数据开发事件传递
【代码】2024年大数据最新助力工业物联网，工业大数据之维修事实指标需求分析【二十二】，从不一样的角度描述大数据开发事件传递。
2024-05-14 00:50:00
621
原创 2024年大数据最新前端知识点（2）(2)，入职3个月的大数据开发程序员面临转正
html属性：html的附加信息组成：属性=“属性值”双标签:html属性写在开始标签内单标签：直接写在行内位置：写在head标签内link标签引入rel：声明引入文件的类型 shortcut icontype：声明引入文件的格式href：引入图片路径相对路径：本地保存路径./+文件名 ： 同级…/+文件名 ： 上级/+文件名 ： 下级绝对路径：服务器地址。
2024-05-14 00:48:48
386
原创 软件测试工程师又一大挑战：大数据测试_大数据测试和软件测试区别
对于大数据的测试则需要不同的工具、技术、框架来进行处理。大数据的体量大、多样化和高速处理所涉及的数据生成、存储、检索和分析使得大数据工程师需要掌握极其高的技术功底。需要你学习掌握更多的大数据技术、Hadoop、Mapreduce等等技术。
2024-05-12 21:44:08
585
原创 软件测试工程师又一大挑战：大数据测试_大数据测试和软件测试区别(2)
糟糕的涉及会导致性能急剧的下降，进而使得系统无法满足我们的需要，因此我们需要，或是说至少在Hadoop环境下进行性能测试、故障恢复测试，以应改进效率和应对可能的最糟糕的情况。大数据应用性能测试涉及海量的结构化和非结构化的数据，与我们平时所面对的业务系统有所不同，所以我们需要针对大数据应用制定特定的测试策略，以应对海量的数据。从上面几个方面来看，从事大数据性能测试所要面临的问题是相对复杂的，尤其对当下国内的测试工程师而言，要走的路还很长，很艰难。对大数据而言，管理影像信息也将是一个巨大的问题。
2024-05-12 21:43:33
381
原创 软件测试工程师又一大挑战：大数据测试_大数据测试和软件测试区别(1)
大数据是指无法在一定时间范围内用传统的计算机技术进行处理的海量数据集。对于大数据的测试则需要不同的工具、技术、框架来进行处理。大数据的体量大、多样化和高速处理所涉及的数据生成、存储、检索和分析使得大数据工程师需要掌握极其高的技术功底。需要你学习掌握更多的大数据技术、Hadoop、Mapreduce等等技术。
2024-05-12 21:42:57
410
原创 开源SPL助力JAVA处理公共数据文件（txt csv json xml xsl）_spl框架 t函数
对于解析后的文本，SPL 可以轻松完成 SQL 式计算。，通常无法直接解析成结构化数据，SPL 提供了灵活的函数语法，只要简单处理就能够获得理想数据。SPL 还提供了符合的语法，包括集合计算、case when、with、嵌套子查询等。
2024-05-12 04:34:27
624
原创 开源SPL助力JAVA处理公共数据文件（txt csv json xml xsl）_spl框架 t函数(2)
可以看到多层结构：。s。除了 json\xml 这样的本地文件，SPL 也支持 WebSerivce 和 Restful 这类网络服务上的多层结构数据。business。
2024-05-12 04:33:51
687
原创 开源SPL助力JAVA处理公共数据文件（txt csv json xml xsl）_spl框架 t函数(1)
通常无法直接解析成结构化数据，SPL 提供了灵活的函数语法，只要简单处理就能够获得理想数据。SPL 还提供了符合的语法，包括集合计算、case when、with、嵌套子查询等。
2024-05-12 04:33:15
755
原创 开源SPL,WebService Restful广泛应用于程序间通讯，如微服务、数据交换、公共或私有的数据服务等。_webserivce接口应用广吗
点击A2格可以看到，来自Json的序表与来自XML的序表一样。事实上，SPL序表可以统一地表达不同来源的多层数据，无论XML还是Json，无论WebService还是Restful，这是其他技术难以做到的。，可以通过点号访问不同的层级，通过下标访问不同的位置。第1层的单个字段的集合：A2.(Client)第1层的多个字段的集合：A2.([Client,Name])第2层所有记录的集合：A2.conj(Orders)第1层第10条记录：A2(10)
2024-05-12 04:32:39
1055
原创 大数据最全刨析《C语言》【进阶】付费知识【完结(3)，这里有份超全大数据开发体系化进阶学习图谱
程序加载完毕，找到main函数，然后开始执行程序，在程序执行阶段，遇到定义自动局部变量的语句的时候，系统自动为这些自动局部变量分配空间，局部变量才诞生了。还有一种，在程序执行的过程中，程序需要的地址空间的大小不确定，需要程序员根据实际情况，向系统提出申请，这样的分配的地址空间称为动态分配。动态变量是由程序员手动分配，释放，程序员可以在程序运行过程手动分配，也可以在程序运的过程中手动释放，可以在函数地执行过程中的任何一个时刻手动释放动态变量的空间，不需要等函数终止时候释放，静态变量是在堆中分配的（链表）
2024-05-11 19:55:57
1074
原创 大数据最全初识面向对象上，大数据开发码农是如何进入腾讯的
今天初始面向对象上就到这里了，随后我会更新初始对象下，一起卷起来.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！[外链图片转存中…(img-x8PBkiTN-1715428489023)]
2024-05-11 19:55:21
688
原创 大数据最全初始大数据（Big Data）开发，小程序FMP优化实录
历史上全人类说过的话的数量大约是5EB，个人计算机目前容量单位为TB。：由于传输数据的量是非常庞大的，所以大数据在传输速率方面是高速的。：以往的结构化数据相较于非结构化数据，非结构化数据越来越多，例如：音频，视频，地理信息等。对非结构化数据的处理能力要求较高。：对复杂的，高效价值的数据进行提纯处理。主要应用场景：物流仓储、零售（纸尿布+啤酒）、旅游、商品广告推荐（推荐算法）、保险、金融、人工智能…
2024-05-11 19:54:44
290
原创 大数据最全分布式监控Skywalking安装及使用教程（保姆级教程）(2)，2024年最新墙都不扶就服你
本文主要讲解分布式链路追踪监控系统Skywalking的安装及使用教程，从0到1，图文并茂的保姆级教程。SkyWalking是一款用于分布式系统跟踪和性能监控的开源工具。它可以帮助开发人员了解分布式系统中不同组件之间的调用关系和性能指标，从而进行故障排查和性能优化。它支持多种语言和框架，包括Java、.NET、Node.js等。它通过在应用程序中插入代理或使用特定的SDK来收集跟踪数据，并将这些数据发送到SkyWalking服务器进行分析和展示。分布式跟踪。
2024-05-11 19:54:08
933
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