实训笔记8.29

最新推荐文章于 2024-07-19 14:02:42 发布
最新推荐文章于 2024-07-19 14:02:42 发布
阅读量816 收藏
点赞数
分类专栏： 实训 文章标签： 笔记 大数据
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/cai_4/article/details/132568118
版权

实训笔记8.29

8.29笔记

一、《白龙马电商用户行为日志分析平台》项目概述–大数据离线项目

1.1 项目的预备知识

1.1.1 电商平台
1.1.2 用户行为数据
  1. 访客的用户信息
  2. 访客的终端信息
  3. 请求网址信息
  4. 请求来源信息
  5. 请求的产品信息
1.1.3 常见的软件/网站的组成和技术实现
  1. 前端
  2. 后端
  3. 数据库
1.1.4 大数据中数据计算场景
  1. 离线计算
  2. 实时计算
  3. 图计算
  4. 算法挖掘推荐等等

1.2 项目的开发背景和开发意义

1.3 项目的开发流程和技术选项

  1. 数据产生环节（不属于我们项目的一部分，只不过因为我们没有数据产生的源头，所以我们需要根据白龙马网站脱敏数据格式我们模拟数据产生即可）–才有数据供大数据环境去存储和处理，同时数据产生是不会停止的，除非网站不使用了。

  2. 数据采集存储阶段：将网站产生的用户行为数据采集存储到大数据环境中，保证数据能持久化、海量化、高可靠的保存下来

    技术选项：Flume+HDFS

    执行周期：7*24小时不停止的执行的

  3. 数据清洗预处理阶段：采集存储的数据中把数据质量不好的数据剔除，把格式不规整的数据统一格式，得到高质量数据。

    技术选项：MapReduce+HDFS

    执行周期：周期性调度执行的（一天执行一次，第二天处理前一天采集存储的数据）

  4. 数据统计分析阶段：在清洗预处理完成的高质量数据基础之上，我们采用一些统计分析的技术，从数据中统计分析相关的功能指标

    技术选项：Hive

    执行周期：同数据清洗预处理的周期

  5. 数据迁移导出阶段：将Hive统计分析完成的结果指标迁移导出到RDBMS中，留备后期的大数据环节操作 技术选项：sqoop+mysql 执行周期：同数据统计分析的执行周期

    步骤3~5：大数据离线计算环节–周期性（一天执行一次）调度执行 而是7、任务调度阶段（azkaban）

    步骤2~5：大数据开发人员的工作

  6. 数据可视化阶段（严格意义上不属于大数据开发工程师的工作范围）：将指标结果以图表的形式进行展示

    技术选项：代码可视化、DataV

    执行周期：7*24小时执行的

1.4 本次项目的统计指标

  1. 终端纬度——统计不同浏览器的使用占比
  2. 用户纬度
    1. 不同年龄段用户的占比
    2. 网站的新老用户访问量
    3. 网站的独立访客数
  3. 来源纬度——网站的站外和站内来源占比
  4. 时间纬度——不同年份/不同月份/每天/每小时/每季度的用户访问量
  5. 地理纬度——不同地理位置的用户访问量

1.5 本次项目的数据格式

254.126.32.169 - - 2018-02-10 05:14:31 "POST https://www.bailongma.com/category/a HTTP/1.0" 500 92077 https://www.bailongma.com/category/a Safari webkitwindows 甘肃 36.04 103.51 27

二、项目的第一个环节：数据产生环节

2.1 作用

模拟电商网站中用户触发行为之后，网站后端自动记录用户行为数据到日志文件的过程

2.2 实现

通过Java代码+IO流+随机数+for循环+时间格式化类 实现的数据模拟

2.3 部署运行

让数据产生更加契合真实的业务数据产生场景。将数据产生的代码打成JAR包，然后再服务器上借助java -jar|-cp xxx.jar [全限定类名]

三、项目的第二个环节（大数据环节的第一个阶段）：数据采集存储阶段

3.1 概念

电商网站产生的用户行为数据记录到一个日志文件中**/root/project/data-gen/userBehavior.log**，但是文件是直接存储在我们服务器的硬盘上的，但是服务器的硬盘是有大小的，而且服务器的硬盘也不是分布式的，因此无法存储海量数据，而我们网站的用户行为数据因为它是7*24小时不停止的采集的，因此就会出现计算机无法存储userBehavior.log海量的数据。所以我们需要通过数据采集存储技术将userBehavior.log产生的用户行为数据采集存储到大数据分布式文件系统HDFS中。 同时因为userBehavior.log无法记录海量数据，userBehavior.log文件真正的业务场景下会有定期的清理规则。

3.2 技术选项

大数据中数据采集技术有很多的 Flume、SQOOP、DataX、Cancl…

采集日志文件数据到大数据环境中，符合要求的只有一个技术Flume技术

Flume+HDFS

3.3 开发流程

3.3.1 核心思想

核心思想就是编写Flume数据采集存储脚本，脚本中指定Flume的agent进程中source、channel、sink的类型

3.3.2 设计Flume的Agent中三个组件
  1. source
    1. 需要采集的是我们网站产生的用户行为数据文件userBehavior.log中源源不断记录的用户行为数据
    2. exec
  2. channel——memory
  3. sink
    1. 需要把数据下沉到HDFS
    2. hdfs
    3. 在HDFS存储的规则必须是一个动态目录（基于时间的）形式 /dataCollect/%Y-%m-%d
3.3.3 采集存储的流程

在这里插入图片描述

3.3.4 编写项目的采集脚本
# 1、给Flume进程agent起名别  source  channel sink组件起别名
project.sources=s1
project.channels=c1
project.sinks=k1

# 2、配置source关联的数据源  记录用户行为数据的日志文件/root/project/data-gen/userBehavior.log
project.sources.s1.type=exec
project.sources.s1.command=tail -F /root/project/data-gen/userBehavior.log

# 3、配置channel管道  基于内存的
project.channels.c1.type=memory
project.channels.c1.capacity=20000
project.channels.c1.transactionCapacity=10000
project.channels.c1.byteCapacity=104857600

# 4、配置sink关联的目的地 HDFS  HDFS的目的地是一个基于时间的动态目录
project.sinks.k1.type=hdfs
project.sinks.k1.hdfs.path=hdfs://single:9000/dataCollect/%Y-%m-%d
project.sinks.k1.hdfs.round=true
project.sinks.k1.hdfs.roundValue=24
project.sinks.k1.hdfs.roundUnit=hour
project.sinks.k1.hdfs.filePrefix=data
project.sinks.k1.hdfs.fileSuffix=.log
project.sinks.k1.hdfs.useLocalTimeStamp=true
# 文件滚动设置只基于文件的大小的滚动 不基于event滚动、时间滚动
project.sinks.k1.hdfs.rollInterval=0
project.sinks.k1.hdfs.rollCount=0
project.sinks.k1.hdfs.rollSize=134217728
project.sinks.k1.hdfs.fileType=DataStream

# 5、关联agent的各个组件
project.sources.s1.channels=c1
project.sinks.k1.channel=c1

【问题】：采集到HDFS上文件的格式文件

3.3.5 采集数据
  1. 先启动HDFS和采集脚本
  2. 再启动数据产生程序模拟数据的产生

四、项目的第三个环节（大数据环节的第二个阶段）：数据清洗预处理阶段

4.1 概念

采集存储的数据我们是没有做任何的校验的，也就意味着不管数据正确与否（价值密度低），全部采集存储了下来，但是这样的话，我们对数据在进行统计分析的时候，有问题的数据可能就会造成我们的统计结果准确性收到影响。

其中数据正确与否的问题在大数据中是有一个专业的名词–数据质量问题。

简而言之，数据清洗预处理就是把采集的数据中质量不好的数据过滤掉，同时把数据格式统一化，得到高质量数据。

4.2 数据清洗预处理的技术选项

数据清洗预处理其实说白就是一种数据计算。而且因为我们采集的数据量比较庞大，因此我们不能使用普通技术完成数据的计算过程，最起码我们得使用大数据计算框架才能完成。

本次我们项目对计算的时间没有要求，同时因为数据中到底哪些数据有问题我们都不太清楚，所以我们可以选择使用MapReduce技术完成，使用Hive的话因为数据问题可能导致表格出现很大的偏差。

4.3 项目的数据清洗预处理的规则

4.3.1 清洗规则的问题

不同的网站/软件采集的用户行为数据都是不一样的，因此我们数据的清洗预处理的规则（哪些数据是合法数据、哪些数据是不合法的数据）不是固定的。而是基于不同的业务场景，不同的数据场景给出合适的清洗预处理规则。

清洗之前的数据格式如下：

 120.191.181.178 - - 2018-02-18 20:24:39 "POST https://www.bailongma.com/item/b HTTP/1.1" 203 69172 https://www.bailongma.com/register UCBrowser Webkit X3android 8.0 海南 20.02 110.20 36

采集的一条完整的用户行为日志是以空格分割的多个字段组成的

ip  两个无意义的中划线字段  时间字段（两个字段组成的） 行为触发之后访问网址（三个字段组成的） 响应状态码 
响应字节数  来源网址  用户使用的浏览器信息（至少有一个字段） 地址信息（三个字段组成的） 年龄 
一条完成的用户行为数据最少应该由16个字段组成。
4.3.2 规则
  1. 如果以空格分割以后，一条用户行为数据的字段个数少于16，那么代表数据不完成，清洗掉
  2. 用户行为数据中有一个字段是响应状态码，如果响应状态码大于等于400，那么代表用户访问网站失败了，这是一条错误的访问数据，清洗掉
  3. 如果用户没有开启定位权限，或者用户没有登录网站，那么用户行为数据中地理位置信息和用户年龄字段会使用中划线（-）替代，因此如果用户行为数据中 省份、纬度、经度、年龄等字段是中划线（-）那么代表数据缺失了，清洗掉
  4. 我们通过以上三个规则把数据中我们认为质量不好的数据过滤清洗掉，清洗完成的数据我们最终需要输出，但是我们输出高质量数据时我们不能原模原样的输出（因为原始的数据中有很多字段对于我们目前统计分析的指标没有作用 因此输出数据时，应该直接把无用字段给剔除出去—预处理）。 清洗之后的数据我们还需要按照我们统计指标的要求把数据预处理一下然后输出，输出的格式主要： ip地址，访问时间，请求网站Url，来源URL，浏览器信息，省份，纬度，经度，年龄 预处理完成之后多字段之间以逗号（，）分割

4.4 开发数据清洗预处理程序（MapReduce编写）

因为我们只需要对数据进行过滤和预处理操作，不涉及到聚合操作，因此MR程序中不需要包含Reduce阶段，只需要有Map阶段即可

MapReduce程序在去处理数据时，周期性调度执行的，第二天处理前一天采集存储的数据，因此MR程序在编写时，待处理的输入文件路径应该是一个动态目录（采集存储的昨天的数据目录）

五、相关代码

package com.sxuek;

import java.io.*;
import java.text.SimpleDateFormat;
import java.util.*;

/**
 * 专门用来产生用户行为数据的  而且通过这个类模拟白龙马用户行为数据产生过程
 * 120.191.181.178 - - 2018-02-18 20:24:39 "POST https://www.bailongma.com/item/b HTTP/1.1" 203 69172 https://www.bailongma.com/register UCBrowser Webkit X3android 8.0 海南 20.02 110.20 36
 * ip地址 两个中划线  日期 时间  用户的请求网站(三个字段组成的)  请求网站的响应码  请求的响应字节数  来源网站   浏览器信息（n个字段）  省份  纬度  经度  年龄
 *
 * 模拟数据的时候--数据的真实性，IP地址随机生成  时间生成-数据产生的时间  来源网站和请求网址可以从脱敏数据中获取回来
 * 浏览器信息（从文件读取）
 */
public class DataGenerator {
    //1、定义一个存储IP地址的集合 一会产生模拟数据的时候，模拟数据当中ip地址从集合中随机获取一个
    private static List<String> ipList = new ArrayList<>();
    //2、定义一个集合，集合存放请求的白龙马的网址  模拟数据当中请求网址时从集合中随机获取一个即可
    private static List<String> requestList = new ArrayList<>();
    //3、定义一个集合，集合存放来源网站信息，模拟数据的来源网站时候我们可以从集合中随机获取一个即可
    private static List<String> refererList = new ArrayList<>();
    //4、定义一个集合 存放请求的响应状态码
    private static List<String> codeList = new ArrayList<>();
    //5、定义一个集合 存放浏览器信息  一会模拟产生数据时，浏览器信息从集合中随机获取
    private static List<String> userAgentList = new ArrayList<>();
    //6、定义一个集合，集合存放地理位置信息
    private static List<String> addressList = new ArrayList<>();

    /**
     * 初始化方法，初始化方法主要是给我们上面定义的集合先填充一点数据
     */
    private static void init(){
        /**
         * 1、填充状态码集合 一会随机从集合获取一条数据，默认情况下每一条数据的获取概率都是一样
         * 如果你想让某一个值获取概率大一点那么可以将这个值在集合多添加几次
         */
        codeList.addAll(Arrays.asList("200","203","300","301","200","203","300","301","200","203","300","301","200","203","300","301","400","401","403","500","503"));
        /**
         * 2、填充浏览器信息集合
         */
        userAgentList.add("Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.1; Win64; x64; Trident/4.0)");
        userAgentList.add("Mozilla/5.0 (Windows; U; Windows NT 5.2) Gecko/2008070208 Firefox/3.0.1");
        userAgentList.add("Mozilla/5.0 (Macintosh; PPC Mac OS X; U; en) Opera 8.0");
        userAgentList.add("Mozilla/5.0 (Windows; U; Windows NT 5.2) AppleWebKit/525.13 (KHTML, like Gecko) Version/3.1 Safari/525.13");
        userAgentList.add("Mozilla/5.0 (Windows; U; Windows NT 5.2) AppleWebKit/525.13 (KHTML, like Gecko) Chrome/0.2.149.27 Safari/525.13");
        userAgentList.add("Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.11 TaoBrowser/2.0 Safari/536.11");
        userAgentList.add("Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; QQBrowser/7.0.3698.400) ");
        userAgentList.add("Mozilla/5.0 (Windows NT 5.1) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.84 Safari/535.11 SE 2.X MetaSr 1.0");
        userAgentList.add("Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.11 TaoBrowser/2.0 Safari/536.11");
        /**
         * 填充ip地址  请求网站 来源网站  省份地理位置信息 四个集合
         * 四个集合的填充不能随便瞎写  集合从脱敏数据文件中读取对应的值填充进来
         */
        BufferedReader bufferedReader = null;
        try {
            //如果将项目打成jar包之后，a.log文件不识别，此时我们需要使用类加载器读取jar包中的文件   要求文件必须在一个resources格式的目录下
            //这行代码只能在jar包中使用  如果项目没有打jar包的话 这行代码无法识别a.log文件
            InputStream inputStream = DataGenerator.class.getClassLoader().getResourceAsStream("b.log");
            bufferedReader = new BufferedReader(new InputStreamReader(inputStream));
//            bufferedReader = new BufferedReader(new FileReader("a.log"));
            String line = null;
            //这个数据是我们给大家发送的脱敏数据 脱敏数据大数据没法使用 原因是因为是旧数据
            while((line = bufferedReader.readLine()) != null){
                String[] array = line.split(" ");
                //脱敏数据中的IP地址放到ipList集合中
                ipList.add(array[0]);
                //需要把请求方式 请求网站 请求协议三个字段以空格组合放到requestList集合中
                requestList.add(array[5]+" "+array[6]+" "+array[7]);
                //来源信息把它加到来源列表当中
                refererList.add(array[10]);
                refererList.add("https://www.baidu.com/search");
                refererList.add("https://www.baidu.com/search");
                refererList.add("https://www.baidu.com/search");
                refererList.add("https://www.sougou.com/search");
                refererList.add("https://www.google.com/search");
                //把省份 维度 经度 加到地理位置数据中
                addressList.add(array[array.length-4]+" "+array[array.length-3]+" "+array[array.length-2]);
            }
        } catch (FileNotFoundException e) {
            throw new RuntimeException(e);
        } catch (IOException e) {
            throw new RuntimeException(e);
        } finally {
            if (bufferedReader != null){
                try {
                    bufferedReader.close();
                } catch (IOException e) {
                    throw new RuntimeException(e);
                }
            }
        }
    }

    /**
     * 程序执行入口
     * @param args
     */
    public static void main(String[] args) throws IOException, InterruptedException {
        //1、填充模拟数据集合
        init();
        /**
         * 2、模拟数据的目的是为了模拟真实的数据产生逻辑，
         * 真实场景下 数据是源源不断的产生的。所以我们模拟程序也是源源不断的产生的，不会停止的 除非你手动停止
         * 产生数据的时候，数据得有一个存放的一个文件路径 文件中通过IO流写入数据
         */
        Scanner scanner = new Scanner(System.in);
        System.out.println("请输入网站产生的用户行为日志数据文件的路径");
        String path = scanner.next();
        //定义IO输出流  用于模拟一会数据产生之后输出到日志文件的的过程
        BufferedWriter bufferedWriter = new BufferedWriter(new FileWriter(path));
        //随机类 用于产生随机数的
        Random random = new Random();
        //定义时间格式类 用于格式化时间的
        SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
        while (true){
            /**
             * 真实情况下 虽然数据是7*24小时产生的，但是并不是每时每刻都在产生数据，
             * 而是会间断性的产生的  比如每隔1-10s 产生10-50条数据
             * 尤其是在凌晨12:00 -6:00的时候 数据产生的非常缓慢
             */
            //1、先获取数据产生的一个时间
            Calendar calendar = Calendar.getInstance();
            boolean judgeNight = isJudgeNight(calendar);
            // num代表一次产生num条数据
            int num = 0;
            // time代表产生一次数据 休息多长时间
            int time = 0;
            if (judgeNight){
                //代表是凌晨的时间
                num = random.nextInt(10);
                time = 30000+random.nextInt(60001);
            }else{
                //代表的是非凌晨的时间
                num = random.nextInt(50);
                time = 1000+ random.nextInt(20001);
            }
            /**
             * for循环代表产生num条数据
             */
            for (int i = 0; i < num; i++) {
                /**
                 * 获取数据对应的值  然后拼接 输出即可
                 */
                //1、获取ip地址 [0,ipList.size()-1]
                String ip = ipList.get(random.nextInt(ipList.size()));
                //2、获取数据的生成时间
                Date date = new Date();
                //2023-08-28 18:00:00
                String dataGenTime = sdf.format(date);
                //3、随机获取请求的网址--行为触发之后请求的网址
                String request = requestList.get(random.nextInt(requestList.size()));
                //4、随机获取一个状态码
                String code = codeList.get(random.nextInt(codeList.size()));
                //5、随机产生一个响应字节数
                int bytes = random.nextInt(100000);
                //6、随机获取一个来源网站
                String referer = refererList.get(random.nextInt(refererList.size()));
                //7、随机获取一个浏览器信息
                String userAgent = userAgentList.get(random.nextInt(userAgentList.size()));
                //8、随机获取一个地理位置信息
                String address = addressList.get(random.nextInt(addressList.size()));
                //9、随机产生一个年龄
                int age = 18+ random.nextInt(71);
                //组装数据  可以使用StringBuffer完成 数据和数据之间一定要以空格分割
                String data = ip+" - - "+dataGenTime+" "+request+" "+code+" "+bytes+" "+referer+" "+userAgent+" "+address+" "+age;
                //将数据输出
                bufferedWriter.write(data);
                //写出一个换行符 保证一条用户行为数据独占一行
                bufferedWriter.newLine();
                //bufferWriter是处理流 输出数据必须加flush
                bufferedWriter.flush();
            }
            //生成num条数据之后 间隔time时间之后再继续生成
            Thread.sleep(time);
            System.out.println("间隔了"+time+"秒之后生成了"+num+"条数据");
        }
    }

    /**
     * 方法是用来判断是否为凌晨的时间
     * @param cal
     * @return
     */
    public static boolean isJudgeNight(Calendar cal){
        //先获取当前的时间
        Date currentTime = cal.getTime();
        //先获取当前日期下的凌晨时间段  两个时间 一个是开始的时间 一个是结束的时间
        //开始的时间是当天的00:00:00  结束时间 06:00:00
        cal.set(Calendar.HOUR_OF_DAY,0);
        cal.set(Calendar.MINUTE,0);
        cal.set(Calendar.SECOND,0);
        //获取当前时间对应的凌晨的开始时间
        Date startTime = cal.getTime();

        cal.set(Calendar.HOUR_OF_DAY,6);
        cal.set(Calendar.MINUTE,0);
        cal.set(Calendar.SECOND,0);
        //获取当前时间对应的结束时间
        Date endTime = cal.getTime();

        if (currentTime.after(startTime) && currentTime.before(endTime)){
            return true;
        }else{
            return false;
        }
    }
}
cai-4
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
《机器学习》周志华--第5章神经网络。 笔记+习题
weixin_45775701的博客
11-16 2万+
The definition of neural network:神经网络是由具有适应性的简单单元组成的广泛并行互联的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。 神经网络的学习过程，就是根据训练数据来调整神经元之间的连接权（connection weight）以及每个功能神经元的阈值，神经网络经过学习后的东西，蕴藏在连接权与阈值中。 5.1神经元模型 其最初是模拟的生物神经元。我们假设每个神经元电位高于某个“阈值”时会处于兴奋。 对于每个神经元，如图5.1所示，神经元接收到来自其他
HTML期末作业——基于html实现娱乐音乐资讯发布平台HTML模板(22页面)
专注于dreamweaver网页设计制作
06-02 831
🎵 音乐网页设计 、🎸仿网易云音乐、各大音乐官网网页、🎶明星音乐演唱会主题、🥁爵士乐音乐、民族音乐、等网站的设计与制作。🏷️HTML音乐网页设计，采用DIV+CSS布局，共有多个页面，排版整洁，内容丰富，主题鲜明，首页使用CSS排版比较丰富，色彩鲜明有活力，导航与正文字体分别设置不同字号大小。导航区域设置了背景图。子页面有纯文字页面和图文并茂页面。🏅 一套优质的💯网页设计应该包含 (具体可根据个人要求而定)📔网站布局方面：计划采用目前主流的、能兼容各大主流浏览器、显示效果稳定的浮动网页布局结
ISO/IEC 27002:2022中文版
热门推荐
single_element的博客
04-30 1万+
ISO/IEC 27002:2022 信息安全，网络安全与隐私保护 ——信息安全控制 *试译交流版 *
u_center 8.29
05-21
《u_center 8.29：GPS模块配置与调试的利器》 u_center，作为一款高效且实用的GPS模块配置和调试工具，以其强大的功能在IT行业中占据了一席之地。尤其是其8.29版本，更是深受广大用户和专业技术人员的喜爱。这个...
checkstyle-8.29-all.jar
02-03
checkstyle-8.29-all.jar 文件。网上下载超慢的，所以上传到这里下载。需要的赶紧下载吧
Bitvise SSH Client8.29最新版
03-25
可支持win7 win10 Bitvise SSH客户端8.29有什么新功能 2019年3月23日 修复了以前的8.xx版本中的问题，如果SSH客户端尚未更新到新版本的时间超过42天，则尝试应用更新将因Windows注册表访问被拒绝错误而失败。
bitvise ssh client 8.29
06-18
**Bitvise SSH Client 8.29：Windows上的强大SSH连接工具** Bitvise SSH Client是一款专为Windows用户设计的高效、安全的Secure Shell (SSH) 客户端，版本号8.29，它提供了强大的功能，使得远程登录Linux服务器以及...
u-centersetup_v8.29
06-03
《U-Center Setup_v8.29：一站式整合管理平台详解》 U-Center Setup_v8.29是一款集成了多种功能的系统管理工具，专为S1216及更高版本设计，提供了全面的解决方案，帮助用户高效、便捷地管理其业务系统。本文将深入...
C语言复习（笔记加例题）第一章：数据类型及其运算
weixin_55021541的博客
07-17 1017
通常在其他编程语言中用作字符串的缩写，但在 C 语言中，字符串是通过字符数组char a[]来表示的。：以下哪个类型是 C 语言中用来存储布尔值的？：以下哪个类型是 C 语言中用来存储字符的？：以下哪个不是 C 语言中的基本数据类型？2. C 运算符的种类、运算优先级和结合性。3. 不同类型数据间的转换与运算。4. C 表达式的类型和求值规则。并不是一个基本数据类型。：A，在 C 语言中，
防御笔记第七天（时需更新）
weixin_63264424的博客
07-16 764
HRP在进行双机热备时，还有一个要求，两台热设备之间，必须拥有一条链路，用来同步信息，并且，这条链路必须是三层链路---这两条路在进行数据传输时，不受安全策略的影响，（注意，如果心跳线是直连的，则不受安全策略的影响，但是中间有中继设备，即非直连场景，则需要配置安全策略）----心跳线----VGMP发送的报文也是通过心跳线传输的。配置信息---（接口IP地址，路由地址）-----hrp不能同步基本的接口和路由信息，安全策略和NAT策略……状态信息-----会话表，server-map，黑名单和白名单等等。
node模块加载及第三方包（学习笔记）
oopsboom的博客
07-16 587
gulp是什么？ 基于node平台开发的前端构建工具 将机械化操作编写成任务, 想要执行机械化操作时执行一个命令行命令任务就能自动执行了 用机器代替手工，提高开发效率。 能做什么？ 项目上线，HTML、CSS、JS文件压缩合并 语法转换（es6、less …） 公共文件抽离 修改文件浏览器自动刷新 Gulp使用 1.使用npm install gulp下载gulp库文件 2.在项目根目录下建立gulpfile.js文件（只能是这个文件） 3.重构项目的文件夹结构 src目录放置源代码文件 dist目录放置构
NestJS笔记
m0_65519288的博客
07-16 609
概述：本篇文章是NestJS笔记，包括了Nest的基本使用、连接数据库、日志操作。
Java并发编程与高并发解决方案笔记
tuku0801的专栏
07-17 989
将结合大量图示及代码演示，带你掌握多线程并发编程（线程安全，线程调度，线程封闭，同步容器等）与高并发处理思路与手段（扩容，缓存，队列，拆分等），构建完整的并发与高并发知识体系
linux学习笔记整理: 关于linux系统介绍 2024/7/16；
gzx233的博客
07-16 1143
linux基础介绍和指令
AGV栅格地图与QImage图片转换笔记
Pou光明的博客
07-15 309
最近在加班加点处理一个agv相关的任务，印象比较深的是将agv给的json数据转换为一个图片。最终的简化需求是将某坐标系下的二维点数据转换为一张图片的像素。Ok，首先的问题是如何将二维的数据映射到栅格坐标系。先看数据例子："mapType":"2D-Map","maxPos":{"x":4.51,"y":16.331},"minPos":{"x":-14.138,"y":-1.48} "resol...
cs224w笔记（p5）
最新发布
m0_51118873的博客
07-19 317
它特别关注两个节点共有的邻居节点，并给予那些在网络中不太常见的共有邻居更高的权重，而对于那些更常见的共有邻居则给予较低的权重。其中，Γ(𝑢)Γ(u) 表示节点 𝑢u 的邻居节点集合，Γ(𝑣)Γ(v) 表示节点 𝑣v 的邻居节点集合，Γ(𝑢)∩Γ(𝑣)Γ(u)∩Γ(v) 表示 𝑢u 和 𝑣v 的共有邻居节点集合。其中，𝐴A 和 𝐵B 分别代表两个集合，∣𝐴∩𝐵∣∣A∩B∣ 表示集合 𝐴A 与 𝐵B 的交集元素的数量，而 ∣𝐴∪𝐵∣∣A∪B∣ 表示集合 𝐴A 与 𝐵B 的并集元素的数量。
STM32学习和实践笔记（40）：DS18B20温度传感器实验
qq_37191547的博客
07-15 827
DS18B20温度传感器的内部存储器包括一个高速的暂存器RAM和一个非易失性的可电擦除的EEPROM,后者存放高温度和低温度触发器TH、TL和配置寄存器。60~240 us，以产生低电平应答脉冲。单总线器件仅在主机发出读时序时，才向主机传输数据，所以，在主机发出读数据命令后，必须马上产生读时序，以便从机能够传输数据。比如我们要计算+85度，数据输出十六进制是0X0550，因为高字节的高5位为0，表明检测的温度是正温度，接着主机释放总线，外部的上拉电阻将单总线拉高，延时 15～60 us，并进入接收模式。
Cadence23学习笔记（三）
zjb6668的博客
07-15 358
焊接FPC的时候先上锡，焊台加热后再图上焊油，再放置元器件，再加热：万用表测电流只需要把表笔接到电流的孔位即可测量电流，不需要接再串联一个负载：有些线性电源两个通道可以串联，并联起来使用；
mysql8.29安装配置教程
11-06
以下是mysql8.0安装配置教程： 1.登录mysql官网下载mysql安装包（根据你的系统选择对应的版本）。 2.解压安装包并将其移动到/usr/local目录下。 3.创建mysql用户和用户组，并将mysql安装包中的文件授权给mysql用户和...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

cai-4

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值