实训笔记8.30

最新推荐文章于 2024-10-31 10:59:26 发布
最新推荐文章于 2024-10-31 10:59:26 发布
阅读量493 收藏
点赞数
分类专栏： 实训 文章标签： 笔记 大数据 hive
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/132589275
版权

实训笔记8.30

8.30笔记

一、项目开发流程一共分为七个阶段

1.1 数据产生阶段

1.2 数据采集存储阶段

1.3 数据清洗预处理阶段

1.4 数据统计分析阶段

1.5 数据迁移导出阶段

1.2~1.5：大数据开发阶段

1.3~1.5：周期性调度执行，三个阶段需要通过azkaban任务调度工具进行自动化周期调度执行，
（项目的第7个阶段，任务调度阶段）

1.6 数据可视化阶段

二、项目数据清洗预处理的实现

2.1 清洗预处理规则

数据清洗规则

  1. 一条用户行为数据如果字段个数不足16，那么数据不完整，舍弃

  2. 一条用户行为数据中如果响应状态码大于等于400的，那么数据访问错误，舍弃

  3. 一条用户行为数据中省份 纬度 经度 年龄以-填充的，那么代表数据缺失，舍弃

    数据预处理规则

  4. 预处理规则：清洗完成的数据中最后在输出时，有很多的字段我们不需要的，因此我们需要对部分数据进行舍弃，对需要保留的字段数据以\001特殊字符分割输出

技术选项：MapReduce技术

2.2 代码实现

【注意】

  1. 因为我们只需要做数据的清洗预处理操作，不涉及到聚合操作，因此我们只需要一个Mapper阶段即可，不需要reduce阶段
  2. MapReduce数据清洗预处理是周期性调度执行的，一天执行一次，第二天处理前一天采集存储的数据，前一天采集存储的数据是以时间为基准的动态目录下存放，因此MR程序处理数据时，输入数据的目录必须得是昨天时间的目录。 【注意】会在第二天处理前一天的数据，一般会在第二天的凌晨去处理第一天采集存储的数据。（任务调度的事情）
  3. MR程序处理完成的数据输出到HDFS上，但是数据清洗预处理完成的数据给Hive做统计分析的，Hive我们也是一天执行一次，Hive是在数据清洗预处理完成之后执行的。 MR程序处理完成的数据输出到HDFS上时，也必须以基于时间的动态目录存放
  1. 创建Maven项目，引入MR的编程依赖
  2. 编写MR程序的Mapper程序和Driver驱动程序
  3. 在本地测试运行无问题之后，需要将代码打成jar包上传到大数据环境中在YARN上运行 必须启动YARN

三、项目的数据统计分析阶段

3.1 概念和技术选项

统计分析就是基于我们清洗预处理完成的高质量，从不同的数据纬度聚合数据，或者对数据进行计算得到我们感兴趣的一些指标或者是对网站运营发展有关的一些指标。

统计分析进行数据计算时，可能涉及到大量的聚合操作以及一些排名、排序等等操作，而这些操作也都是数据计算，那么我们就可以使用大数据计算框架完成，而大数据计算框架MapReduce如果要聚合、排序、分组等操作，MR代码就会非常的复杂。因此我们一般做统计分析时有一个想法，既能计算大量的数据，还能快速简单的进行数据的聚合、排名、分组等操作。就可以使用Hive数据仓库技术完成。

【注意】基本上到现在为止，如果我们要做大数据统计分析，不是直接使用大数据计算框架（MapReduce、Spark、Flink），因为大数据统计分析涉及到大量的聚合、排序、分组等等操作，操作如果直接使用大数据计算框架代码会非常的复杂。基本上都是使用类SQL（表面上写的是类SQL语句，底层还是大数据计算框架）的方式进行大数据统计分析的。

Hadoop—Hive

Spark—Spark SQL

Flink—Flink SQL

3.2 Hive数据仓库进行统计分析时两个核心概念

3.1.1 数据仓库分层

数据仓库建模是用来梳理表和表之间的关系的，便于我们后期进行统计分析。数据仓库分层是我们使用数据仓库进行统计分析的开发流程。

数据仓库分层从最底层开始到最高层主要有如下三层（不同的公司基于三层更加细致的分层）

  1. ODS层（数据贴源层）

如果我们要使用Hive数据仓库做统计分析，首先我们需要把清洗预处理完成的数据导入到Hive中加载成为一个数据表，ODS层指的就是把清洗预处理完成的数据原模原样的导入到Hive中，导入进来之后这些表组成了ODS层

  1. DW层（数据仓库层）–Hive统计分析的核心 数据仓库建模的阶段

    1. DWD层（明细宽表层）

      把ODS层的数据表可以再次处理一下构建成为一个明细宽表

      明细宽表一般会把ODS层的字段拆分成更加细粒度的字段，便于我们后期好做统计分析（时间字段）

    2. DIM层（纬表层）

纬度表如果比较多，那么纬度表单独划分到DW的DIM层

  1. ADS层（数据应用层）

将统计分析的结果以指标表的形式存储到ADS层

3.2.2 数据仓库建模

建模的目的是为了方便我们后期统计分析

在使用Hive进行数据统计分析时，首先必须先把清洗预处理完成的数据加载到Hive中成为数据表，而且一般在真实的企业项目中，清洗预处理完成数据不止一个，各种各样的数据，数据和数据之间都是有关系的。

所谓的数据仓库建模就是我们在对数据进行清洗预处理的时候，清洗预处理完成之后的多个数据之间的关系梳理建模

  1. 数据仓库建模的名词解释

    1. 事实表：一张表中基本全都是外键，如果我们需要查询数据，需要将这个表和各个对应的其它数据表进行关联查询才能得到我们想要的数据 订单表
    2. 维度表：事实表中外键对应的详细信息存储的表，而且他也是我们统计分析时纬度信息 用户表 商品表

  2. 数据仓库模型建立有很多种方式的，主要分为

    1. 3NF数据仓库建模

    2. 纬度建模

      1. 星型模型

        事实表直接与纬度表关联，而且只有一级关联

      2. 雪花模型

        事实表直接与维度表关联，纬度表拆分出更加细致的一些纬度表

      3. 星座模型

        在一个数仓中，事实表有多个，每一个事实表都有它自己对应的纬度表，纬度表还有它的二级纬度表

如何完成建模？数据清洗预处理的时候，把数据处理成为合适的模型结构

3.3 数据统计分析的实现（最好把所有的HQL代码写到一个SQL文件中，最后统一执行运行） 统计分析必须启动HDFS和YARN

3.3.1 构建ODS层

ODS层指的是我们把清洗预处理完成的数据不加以任何的处理，直接原模原样的在Hive中构建与之对应的表格，并且把数据装载到表格当中

清洗预处理完成的数据格式以\001特殊字符分割的，这样的话可以避免分隔符和字段的中一些符号冲突，导致装载数据到Hive出现串行的问题。

Hive中数据表有很多分类的：内部表、外部表、分区表、分桶表

考虑：数据统计分析一天执行一次，也就意味着我们每天处理完成的数据都需要往Hive的ODS层的数据表导入一份，如何区分ODS层导入的数据是哪一天？需要构建一个分区表（基于时间的）。外部表

3.3.2 构建DWD层

DWD明细宽表层就是把ODS层的数据表字段拆分成为更加细粒度的字段，便于我们后期的统计分析。 DWD层说白了就是在ODS的数据表基础之上在多增加一些冗余字段，但是方便我们后期操作了

  1. ODS层的字段如下：

  1. 可以拆分的字段主要有两个

    1. 时间字段：后期需要基于细粒度的时间做统计分析

      年

      月

      日

      时

    2. 来源URL字段：后期统计站内站外的流量占比，站内站外的对比是基于HOST主机名/域名——HOST

DWD层这个数据表就属于我们Hive的自有表了，因此明细宽表我们构建成为内部分区表即可

明细宽表中没有数据，明细宽表中的数据从什么地方来？因为DWD层是基于ODS层建立的，因此DWD层的数据需要从ODS层查询获得。 需要从ODS层对应的数据表中查询指定的数据添加到DWD层当中（注意一下分区的问题）。

3.3.3 构建ADS层

ADS层其实就是我们基于DW数据仓库库构建的DWD和DIM层的数据表，进行查询，通过聚合、分组、排序等等操作统计相关的指标，得到指标数据，然后将指标数据存储到一个Hive数据表中。

  1. 基于时间纬度的指标

    1. 统计网站每年的用户的流量

      网站每天都会产生数据，每一天数据一增加，那么当前年份的用户访问量必然增加一天的数据

      思路：不是针对明细宽表某一个分区的数据进行统计分析，而是针对于明细宽表中整体数据集进行统计分析（所有的分区进行操作）

      实现：因为在明细宽表中已经拆分除了visit_year字段，因此我们只需要根据visit_year分区聚合数据即可得到，每一年的用户访问量

      select visit_year,count(*) from dwd_user_behavior_detail group by visit_year;

    2. 统计网站每一年不同月份的用户流量

      1. 实现同上
      2. 区别：分组时，需要根据年和月来分组

    3. 统计网站每一年不同月份下每天用户的访问量

      1. 实现同上
      2. 区别：分组的时候，需要根据年、月、日三个字段来分组

    4. 统计网站每一年不同月份下每天的每小时用户的访问量

      1. 实现同上
      2. 区别：分组的时候，需要根据年、月、日、时四个字段来分组

    5. 统计网站每一年每一个月的流量相比于上个月的比例：开窗函数（上边界和下边界），针对每一年不同月份的用户流量指标的二次分析结果

  2. 基于地理纬度的指标

    1. 统计每天网站不同省份用户的访问量
    2. 每天访问量TOP10的省份

  3. 基于用户纬度的指标

    1. 统计不同年龄段用户的访问量
    2. 统计每天网站的独立访客数

  4. 基于终端纬度的指标——统计网站用户使用的不同浏览器的占比情况

  5. 基于来源纬度的指标——统计网站每天站内和站外的流量占比

  6. 指标有很多，可以进行各种自由扩展

四、模拟其他年份，其他月份，其他日期的数据

只需要通过date -s “时间” 系统时间改成我们想要模拟数据的日期即可

把以前产生的userBehavior.log文件删除了

然后启动采集程序 启动数据模拟程序

处理数据，只需要再把系统时间往后调整一天

五、相关代码

-- 0、创建一个项目专属的数据库
create database if not exists project;
use project;
-- 1、构建ODS层的数据表，数据表和清洗预处理完成的数据格式一致的表格 而且ODS层的表格是外部分区表
create external table if not exists ods_user_behavior_origin(
   ip_addr string, --ip地址
   visit_time string,-- 浏览时间
   request_url string,-- 行为触发之后的请求网址
   referer_url string,-- 来源网址
   user_agent string,-- 用户使用的浏览器信息
   province string, --省份
   latitude string, -- 纬度
   longitude string, -- 经度
   age int --年龄
)partitioned by(data_gen_time string)
row format delimited fields terminated by '\001'; 

-- 2、需要将清洗预处理完成的昨天的数据（/dataClean/yyyy-MM-dd）导入到ods层的昨天时间分区中。
load data inpath '/dataClean/${hiveconf:yesterday}' into table ods_user_behavior_origin partition(data_gen_time='${hiveconf:yesterday}')

-- 3、构建DWD明细宽表层  就是在ods数据表基础之上增加了五列字段 visit_year  visit_month  visit_day  visit_hour referer_host
create  table if not exists dwd_user_behavior_detail(
   ip_addr string, --ip地址
   visit_time string,-- 浏览时间
   visit_year string, --拆分的浏览年份
   visit_month string,----拆分的浏览月份
   visit_day string,---拆分的浏览天
   visit_hour string,---拆分的浏览时
   request_url string,-- 行为触发之后的请求网址
   referer_url string,-- 来源网址
   referer_host string, -- 来源网址的域名
   user_agent string,-- 用户使用的浏览器信息
   province string, --省份
   latitude string, -- 纬度
   longitude string, -- 经度
   age int --年龄
)partitioned by(data_gen_time string)
row format delimited fields terminated by '\001'; 

-- 4、从贴源数据表查询明细宽表所需的数据，然后把数据增加到明细宽表的昨天的时间分区中
insert overwrite table dwd_user_behavior_detail partition(data_gen_time='${hiveconf:yesterday}')
select 
	ip_addr,
	visit_time,
	date_format(visit_time,'yyyy') as visit_year,
	date_format(visit_time,'MM') as visit_month,
	date_format(visit_time,'dd') as visit_day,
	date_format(visit_time,'HH') as visit_hour,
	request_url,
	referer_url,
	parse_url(referer_url,'HOST') as referer_host,
	user_agent,
	province,
	latitude,
	longitude,
	age
from ods_user_behavior_origin 
where data_gen_time='${hiveconf:yesterday}';

-- 5、构建数据应用层 统计各种各样的指标数据，并且把指标数据保存到Hive对应的指标表中 指标表的结构必须和我们查询的指标数据一致的
--（1）基于时间纬度--统计网站每年用户的流量
create table if not exists ads_year_flow(
   visit_year string,
   flow bigint
)row format delimited fields terminated by '\001';

-- 将统计的结果覆盖添加到基于年份的指标表中 防止年份流量数据重复
insert overwrite table ads_year_flow
select  visit_year,count(*)  from dwd_user_behavior_detail group by visit_year;


-- （2）统计网站每一年不同月份的用户流量
create table if not exists ads_month_flow(
   visit_year string,
   visit_month string,
   flow bigint
)row format delimited fields terminated by '\001';

insert overwrite table ads_month_flow
select  visit_year,visit_month,count(*)  from dwd_user_behavior_detail group by visit_year,visit_month;

package com.sxuek;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;

import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;
import java.text.SimpleDateFormat;
import java.util.Calendar;
import java.util.Date;

/**
 * MR程序的驱动程序
 *   封装MR程序的
 */
public class DataCleanDriver {
    public static void main(String[] args) throws IOException, URISyntaxException, InterruptedException, ClassNotFoundException {
        //1、准备一个配置文件对象 用来封装MR程序运行的一些相关配置
        Configuration conf = new Configuration();
        conf.set("fs.defaultFS","hdfs://192.168.38.101:9000");

        //2、准备一个用于封装MR程序的Job对象
        Job job = Job.getInstance(conf);
        //3、设置一个jar包的位置判断 是为了让MR程序打成jar包以后可以正常运行
        job.setJarByClass(DataCleanDriver.class);

        //4、配置MR程序的InputFormat以及我们的输入文件路径
        job.setInputFormatClass(TextInputFormat.class);
        //输入文件路径是采集存储的昨天的数据目录 /dataCollect/yyyy-MM-dd 在驱动程序中获取昨天的时间
        Calendar cal = Calendar.getInstance();//默认是今天的时间
        cal.add(Calendar.DAY_OF_MONTH,-1);
        Date date = cal.getTime();
        //需要把获取的昨天的时间转换称为yyyy-MM-dd这种格式
        SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd");
        String yesterday = sdf.format(date);
        String inputPath = "/dataCollect/"+yesterday;
        System.out.println("待处理的数据目录为"+inputPath);
        TextInputFormat.setInputPaths(job,new Path(inputPath));

        //5、封装Mapper阶段
        job.setMapperClass(DataCleanMapper.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(NullWritable.class);

        //6、封装Reducer阶段
        job.setNumReduceTasks(0);

        //7、封装OutputFormat  封装输出目录 输出目录也得是一个动态目录 /dataClean/yyyy-MM-dd
        job.setOutputFormatClass(TextOutputFormat.class);
        Path outPath = new Path("/dataClean/"+yesterday);
        FileSystem fileSystem = FileSystem.get(new URI("hdfs://192.168.38.101:9000"), conf, "root");
        if (fileSystem.exists(outPath)){
            fileSystem.delete(outPath,true);
        }
        TextOutputFormat.setOutputPath(job,outPath);

        //8、提交MR程序运行 然后运行成功合理的关闭MR程序
        boolean flag = job.waitForCompletion(true);
        System.exit(flag?0:1);
    }
}

package com.sxuek;

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;

/**
 * MR程序的Mapper阶段
 *   四个泛型：Mapper阶段的输入key value  输出key value
 *   因为采集存储的数据是以纯文本文档的形式在HDFS上存放的，而且一个文件采集存储的时候设置128M
 *   因此我们清洗预处理时，一个文件正好可以当作一个切片使用，不存储大量的小文件
 *   所以我们MR程序的InputFormat我们直接使用默认TextInputFormat机制即可
 *
 * 因为数据清洗预处理只需要mapper阶段，不需要reduce阶段，因此mapper阶段的输出就是最终输出
 * mapper输出的就是每一行清洗预处理完成的一行数据
 */
public class DataCleanMapper extends Mapper<LongWritable, Text,Text, NullWritable> {
    @Override
    protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, NullWritable>.Context context) throws IOException, InterruptedException {
        /**
         * 1、获取到切片中对应的每一行的用户行为日志数据
         * 172.83.232.165 - - 2023-08-29 15:19:32 "POST https://www.bailongma.com/category/b HTTP/1.1" 200 15075 https://www.baidu.com/search Mozilla/5.0 (Macintosh; PPC Mac OS X; U; en) Opera 8.0 广东 23.08 113.14 56
         */
        String line = value.toString();
        /**
         * 2、将用户行为数据以空格分割得到一个数组 数组中存放的就是用户行为数据对应的多个字段
         */
        String[] array = line.split(" ");
        //拿到数组之后 我们应该先进行一个字段个数不合法的清洗过程
        if (array.length < 16){
            return;
        }

        //获取用户行为数据中各种字段信息
        //获取用户的访问IP 第一个字段
        String ip = array[0];
        //获取用户的访问时间  第四个字段和第五字段两部分组成
        String time = array[3]+" "+array[4];
        //获取用户的请求URL  第七个字段
        String requestURL = array[6];
        //获取用户的响应状态码  第九个字段 而且是整数类型
        int code = Integer.parseInt(array[8]);
        //获取用户的来源URL  第11个字段
        String refererURL = array[10];
        //获取用户的浏览器信息 字段个数不确定  但是浏览器的位置一定是从第12个字段开始到倒数第五个字段结束
        StringBuffer stringBuffer = new StringBuffer();
        for (int i = 11; i <= array.length-5 ; i++) {
            stringBuffer.append(array[i]);
        }
        String userAgent = stringBuffer.toString();
        //获取用户的省份 纬度 经度 年龄
        String province = array[array.length - 4];
        String latitude = array[array.length - 3];
        String longitude = array[array.length - 2];
        String age = array[array.length - 1];

        /**
         *  3、清洗过程
         */
        //清洗状态码大于等于400的
        if (code >= 400){
            return;
        }
        //把地理位置信息和用户年龄为-的数据舍弃
        if (province.equals("-") || latitude.equals("-") || longitude.equals("-") || age.equals("-")){
            return;
        }

        /**
         *  4、将数据预处理成我们想要的格式
         *  ip,访问时间,请求URL,来源URL,用户浏览器,省份,纬度,经度,年龄
         */

        StringBuffer sb = new StringBuffer();
        //append可以一直拼接  链式编程 方法执行完成返回当前方法的调用对象
        sb.append(ip).append(",").append(time).append(",").append(requestURL).append(",")
                .append(refererURL).append(",").append(userAgent).append(",").append(province)
                .append(",").append(latitude).append(",").append(longitude).append(",").append(age);
        String result = sb.toString();
        //5、输出预处理之后的结果数据即可
        context.write(new Text(result),NullWritable.get());
    }
}
cai-4
关注
专栏目录
编程比赛——第十二届蓝桥杯JavaB组省赛第一场（省一）---参赛心得
Bouy的博客
04-29 1496
文章目录前言一、参赛的心路历程二、参赛的整个过程1.准备过程2.参赛过程总结 前言 因为有好多事情忙不过来，所以开学到现在都没发表文章了，今天看到了我的蓝桥杯成绩–省一，也算是满足了自己的一个小目标吧，心血来潮，想着写一篇文章，记录一下我自己的心得体会。 提示：此篇文章，我没有写本届题的解题思路和技巧 一、参赛的心路历程 在此之前，我参加了第十一届蓝桥杯的比赛，之前也写了有记录 2020年大学生编程比赛—ACM、蓝桥杯、天梯赛 因为我已经大三下学期了，马上大四就要面临实习，所以参加本届我还是特别犹豫的
任务 F ：工时统计
嘘嘘喵的博客
12-21 1123
任务F：工时统计 这家传统的贸易公司采取的是时薪制，也就是按小时计算工资，普通员工的每小时薪资按 50 来算；管理者的时薪按 80 来算。目前公司的考勤规则是这样的： 考勤规则说明： 提前打卡：可以计入有效工时，例如：8:40 打卡，那么 8:40 至 9:00 之间的 20 分钟可以计入有效工时。但提前打卡最多只能提前 30 分钟，例如 8:20 打卡，计入有效工时的部分只能是 8:30～9:00 之间的半小时； 滞后打卡：可以计入有效工时，例如：12:20 打卡，那么 12:00 至 12:2
优秀课件笔记之社会消费性支出—— 购买性支出之二
bulote
03-12 448
1、本文所以内容来自 著名高校课件和学生笔记（校园里面经常见到有人高价买笔记）2、任课教师不会提供参考文献，所以只能对作者表示感谢，如果引用了您的作品，可以用回复方式补充参考文献。3、我不对文章无关问题进行解答，文章内容也比较难，我也很难解答您遇到的问题，如果发现BUG可以用回复方式帮我修正。本课其他部分的导航条见页面底部 财政学(导论) The Public Finance 第五章 财政投...
ZigBee协议栈编译 Error[e46]: Undefined external "?V1" referred in AF
u010898680的博客
02-10 7148
ZigBee协议栈编译 Error[e46]: Undefined external "?V1" referred in AF 原因解决方法修改 Number of virtual 为8修改 chipcon_cstartup.s51 文件 原因 IAR高版本和低版本的ZStack出现不兼容。 解决方法 修改 Number of virtual 为8 GenericApp右键Options 修改 ...
关于自己在大学的一些经历
阿利在努力
07-02 7736
这是我的个人日记，写到现在已经1年多了，都是真实的事情，参加过很多竞赛（acm,挑战杯，863青软设计，数学建模，软件测试等），可以说是竞赛之路吧，获得的几公斤重的荣誉证书不想提了，因为觉得无论我做的好不好，可以让别人有个参考经验，至少我是一个能够用经历来感悟人生的人，是真的没有所谓的功利性驱动的，我的出发点在于经历本身。然而我不觉得在这个公开场所说自己的经历是一种错，我是一名理想主义者，喜欢什么就做什么。里面没有任何的修改，保证了当时的写的状态，所以如果有错字和病句就谅解下。
ISO/IEC 27002:2022中文版
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 *
机器学习的1000+篇文章总结
02-28 9319
机器学习的1000+篇文章总结 本文收集和总结了有关机器学习的1000+篇文章，由于篇幅有限只能总结近期的内容，想了解更多内容可以访问：http://www.ai2news.com/, 其分享了有关AI的论文、文章、图书。 吴恩达机器学习-9-降维PCA http://www.ai2news.com/blog/12185/ 机器学习也有弱点？哪些是机器学习的未解之谜？ http://www.ai2news.com/blog/39473/ 一站式机器学习平台建设实践 http://www
三级_网络技术_19_路由器的配置及使用
2301_80961833的博客
08-12 874
此设备启用了ODR动态路由协议，并学到了E1和E2两种类型的OSPF外部路由。60.28.176.170和00d0.bcf1.ab14。60.28.176.170和00d0.bcf1.ab14。202.112.41.1和00d0.63c3.3c41。202.112.41.1和00d0.63c3-3c41。194.6.97 .2和00d0 bcf1 ab14。222.4.57.2和00d0.63c3.3c41。和00d0.bcf1.ab14。和00d0.63c3.3c41。和00d0.63c3.3c41。
多年收集的一些稀有软件4
热门推荐
weixin_33728708的博客
10-06 2万+
QQ:365543212　 Geovariances产品: Geovariances Isatis 2013 1CD(地质统计学软件) Geovariances.Isatis.2016.Win64 1CD Geovariances Minestis 2016 v2.0.0Win64 1CD 　 软脑公司产品: 3D-Sigma for WinALL-ISO 1CD（岩土体三维应力分...
iar for 8051 v8.30附带破解文件
04-06
iar for 8051 v8.30附带破解文件，分享给ZigBee开发的朋友，亲测可以使用，破解文件放到路径 8051 的上层目录
冰点还原企业版8.30
04-28
一键生成客户端 局域网下 生成客户端 批量控制主机
Sapera_LT_8.30_SDK.exe
07-30
DALSA线阵相机和面阵相机的开发SDK。官网最新版是8.41，但是很难下载，这是网上找的的比较新的一个版本。
CSS常用标签笔记
qq_14822691的博客
10-28 673
cursor:url(图片地址), 属性值;
C++学习笔记----9、发现继承的技巧（六）---- 有趣且令人迷惑的继承问题（2）
weixin_71738303的博客
10-27 980
Derived类可以定义与在基类中继承的构造函数同样的参数列表的构造函数。然而，因为Derived类用单独的float类型的参数定义它自己的构造函数，使用单独的float类型的参数的基类中继承的构造函数就被隐藏了。例如，如下的Derived类尝试继承Based1与Base2的所有构造函数，对于基于float的构造函数就产生了不确定性。这个技术使用了using声明来显式包含了继承类中的成员函数的基类定义。只用提供的Base构造函数就可以构建一个Base对象，或者是缺省的构造函数，或者是接受int的构造函数。
【Kotlin】 基础语法笔记
最新发布
xuanyulevel6的博客
10-31 729
kotlin基础语法学习笔记
地磁传感器（学习笔记下）
Gaorui678的博客
10-26 482
读到后的值，最终传入t_sQMC5883L定义的结构体,注意一下这里面的mag_reg数据变量，定义的时候是16位的3个元素，在读寄存器的时候，强制为8位指针变量，读6个字节。然后我们再写一个计算方位角的函数，使用磁力值计算方位角，最简单的方式，只需要一个公式。咱们接着学习笔记上来学习哈，首先，我们编写读取方位角程序，配置好传感器以后，我们就可以读取磁力值了，我们先定义一个结构体类型，用来存放磁力值以及方位角值。在主函数中，qmc5883l初始化以后，每间隔1秒钟计算1次方位角值，然后通过串口发送到终端。
星河飞雪网络安全学习笔记-shodan使用3
weixin_52567283的博客
10-29 362
shodan使用3
论文阅读笔记：Automated Creation of Digital Cousins for Robust Policy Learning
HollowKnightz的博客
10-28 868
论文阅读笔记：Automated Creation of Digital Cousins for Robust Policy Learning
《使用Gin框架构建分布式应用》阅读笔记：p234-p250
codists的博客
10-29 993
书里使用的是RabbitMQ(https://www.rabbitmq.com/)，这里补充一点说明：a、访问管理页面从3.8版本开始，管理插件(rabbitmq_management)默认不器用。需要先启用才能使用访问管理页面。b、默认帐号、密码如果启动容器的时候未设置密码，账号、密码默认是guest、guest。c、各端口作用client端通连接端口：5672页面管理访问端口： 15672服务间通信端口：25672d.管理页面Overview > Totals 缺少图exit。
HP SmartStart 8.30离线收集阵列日志与系统诊断教程
Smart Start 8.30是一款用于收集HP服务器软硬件日志的专业工具，其操作步骤主要针对的是通过离线方式进行。以下是详细的步骤指南： 1. **准备工作**：确保有一个1GB的U盘已正确插入服务器，并将SmartStart CD放入...
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