- 博客(72)
- 收藏
- 关注
RSS订阅原创 An error occurred at line: 1 in the generated java file问题处理及tomcat指定对应的jdk运行
机器上有多个应用，一个jdk8已配置了环境变量,kettle用到了，一个tomcat7.0.28用到了jdk7。已知jdk11 路径： /home/jdk1.7.0.62。
2025-07-22 15:56:23
442
原创 等保-linux-三权分立账号设置，系统管理员、安全管理员、审计管理员
本文介绍了在Linux系统中实现等保"三权分立"要求的配置方案。通过创建系统管理员、安全管理员和审计管理员三个独立账户，分别赋予不同的sudo权限：系统管理员负责日常运维，安全管理员配置安全策略，审计管理员仅能查看日志。实施步骤包括创建账户、配置sudo权限、保护审计日志、SSH访问控制以及操作记录。方案强调权限分离、日志保护和定期审查，满足等保2.0三级及以上要求，并建议增加堡垒机、SElinux等措施增强安全性。该配置确保了各管理员权限明确划分且无交叉，符合等保合规要求。
2025-07-10 17:47:43
944
转载 syslog详解及配置远程发送日志和远程日志分类
Syslog协议使用UDP作为传输协议，通过514端口通信，Syslog使用syslogd后台进程，syslogd启动时读取配置文件/etc/syslog.conf，它将网络设备的日志发送到安装了syslog软件系统的日志服务器，Syslog日志服务器自动接收日志数据并写到指定的日志文件中。再此环境中，我们利用rsyslog的客户端分别把ssh、iptables等以及h3c交换机和路由器的日志发送到rsysog的服务端，并在服务端配置存储策略，把不同的日志存放在不同的文件当中，本环境中以ssh日志为例。
2025-07-10 17:42:13
382
原创 Hive中如何监控和诊断查询性能问题
通过系统化的监控和诊断方法，结合工具链的辅助，可快速定位Hive查询性能瓶颈，实现针对性优化。建议定期分析慢查询日志，建立性能监控体系，持续优化数据仓库。在Hive中监控和诊断查询性能问题需要结合。
2025-07-07 16:38:01
31
原创 cmd出现中文乱码
在CMD中出现中文乱码通常是因为字符编码不匹配。CMD默认使用的是OEM编码（如GBK或CP936），而不是UTF-8。执行后，再运行程序或命令，中文应该能正常显示。但这种方法只对当前CMD窗口有效，关闭后会恢复默认。执行后，再运行程序或命令，中文应该能正常显示。但这种方法只对当前CMD窗口有效，关闭后会恢复默认。PowerShell默认支持UTF-8编码，中文显示通常不会有问题。在CMD中执行以下命令，将当前会话的编码设置为GBK（代码页936）尝试以上方法后，CMD中的中文乱码问题应该能得到解决。
2025-06-25 15:11:39
1144
原创 sqlplus直接进正常，用pdborcl实例进sqlplus报ora-12560plsql，plsql连接报ora-01033 oracle initialization or shutdown
摘要：ORA-01033和ORA-12560错误表明存在数据库连接问题。ORA-01033可能由于数据库未完全启动，ORA-12560则与监听服务故障相关。解决步骤包括：1)检查并启动监听服务，验证listener.ora配置；2)确认tnsnames.ora中的PDB连接字符串正确；3)检查数据库服务注册状态及PDB是否打开；4)排查防火墙和网络连接；5)核对listener.ora与sqlnet.ora配置；6)设置正确的PDB服务名参数。建议逐一排查这些环节，若问题未解决需进一步检查版本兼容性和环境变
2025-06-23 12:16:09
887
原创 Hive的索引使用如何优化？
Hive索引优化指南：提升大数据查询性能的关键策略。本文系统解析Hive四种索引类型（传统索引、布隆过滤器、分区索引和桶索引），提供字段选择策略与创建最佳实践，包括分区设计原则与存储格式协同优化方案。同时介绍高级索引技术（向量索引、外部集成）和常见反模式，帮助用户实现10倍以上查询性能提升。通过合理配置和定期维护，索引机制可显著减少IO开销，优化资源分配，是Hive数据仓库调优的核心手段。
2025-06-11 16:36:02
1277
原创 Hive的TextFile格式优化方法
Hive的TextFile格式是一种基于文本的行式存储格式，具有简单易用、兼容性强等特点。它以纯文本形式存储数据，支持自定义分隔符，便于调试和快速数据导入。虽然性能不及ORC、Parquet等列式存储格式，但TextFile在数据导入/导出、非结构化数据处理等场景中仍有优势。本文详细介绍了TextFile的特点、适用场景及优化方法，包括压缩、分区设计、小文件合并等技巧，并对比了与ORC/Parquet的差异，帮助用户合理选择存储格式。
2025-06-05 19:14:15
325
原创 Hive的Parquet格式优化方法
Parquet格式特点与优化摘要 Parquet作为列式存储格式，具有高效查询（仅扫描所需列）、高压缩比（5-10倍）和复杂数据类型支持等优势，适用于海量数据分析、存储成本敏感及交互式查询场景。在Hive中优化Parquet性能的关键方法包括： 分区与分桶：按高频字段分区（如时间）或哈希分桶，减少I/O扫描； 参数调优：调整行组大小（256MB~512MB）、页大小（1MB）及压缩算法（SNAPPY/GZIP）； 谓词下推：利用列统计信息跳过无关数据，避免全表扫描； 文件合并：通过任务参数或离线操作合并小文
2025-06-05 18:54:13
371
原创 Hive中ORC存储格式的优化方法
优化Hive ORC存储格式可显著提升性能并降低存储成本。本文提供了多维度优化方法： 核心参数优化：配置存储压缩参数（如块大小、压缩算法）、索引与过滤参数（Bloom Filter设置） 数据组织：采用分区表/分桶表设计，合理设置分桶数 写入优化：批量写入、小文件合并，调整写入性能参数 高级技巧：列顺序调整、动态分区、外部表使用 监控调优：查看元数据、使用ORC工具分析文件结构 典型优化效果：过滤查询性能提升300%，存储空间节省60%-70%。推荐配置模板可快速应用，并针对常见问题提供了解决方案。通过合理
2025-06-05 18:48:19
348
原创 华为交换机vlan配置步骤
摘要：华为交换机VLAN配置分为三步：1)规划VLAN架构，按部门划分VLAN和IP段；2)基础配置包括创建VLAN、设置端口模式(Access或Trunk)以及批量端口配置；3)高级配置涉及VLAN间路由和端口安全设置。验证配置可使用display命令查看VLAN、端口状态等。该配置流程可实现企业网络的安全隔离与高效管理。
2025-06-05 18:22:44
478
原创 Elasticsearch中的刷新（Refresh）和刷新间隔介绍
Elasticsearch的刷新机制（Refresh）控制着索引数据何时对搜索可见，通过将内存缓冲区数据写入文件系统缓存实现。刷新间隔（Refresh Interval）参数调节该操作频率，默认1秒。合理设置此参数需权衡搜索实时性与写入性能：实时搜索场景保持短间隔，批量写入场景可延长间隔或禁用自动刷新。文中详细对比了刷新与持久化的区别，提供了配置建议、API操作和监控方法，并强调应根据业务需求、硬件资源进行优化调整。
2025-06-04 18:08:14
366
原创 Elasticsearch的写入性能优化
Elasticsearch写入性能优化关键策略包括：合理设置分片数和副本数（写入期间可临时禁用副本）；增大刷新间隔至30秒；使用Bulk API批量写入；优化硬件配置（SSD存储，JVM堆内存不超过物理内存50%）；调整操作系统参数（增大文件描述符限制）；控制段合并策略与线程数。建议采用冷热数据分离、预分配索引等高级策略，并通过监控工具持续跟踪性能指标。实际应用中需结合业务场景分阶段调整参数，完成写入后恢复副本和刷新间隔等配置。
2025-06-04 18:01:34
705
原创 Elasticsearch中的地理空间（Geo）数据类型介绍
在Elasticsearch中，地理空间（Geo）数据类型用于存储和处理与地理位置相关的数据，支持基于地理坐标的查询、过滤和分析。这类数据类型允许用户在分布式环境中高效地处理地理空间相关的搜索、聚合和可视化需求，广泛应用于地图应用、物流追踪、位置服务（LBS）等场景。通过地理空间数据类型，Elasticsearch提供了一套高效的地理数据管理和分析方案，帮助用户快速构建基于位置的搜索和分析功能。一、核心地理空间数据类型。二、核心功能与查询操作。
2025-06-04 17:45:38
264
原创 Elasticsearch中的自定义分析器（Custom Analyzer）介绍
在 Elasticsearch 中，自定义分析器（Custom Analyzer） 是一种可配置的文本处理组件，允许用户通过组合分词器（Tokenizer）、过滤器（Token Filter）和字符过滤器（Character Filter）来定义特定的文本分析逻辑。自定义分析器是 Elasticsearch 中灵活且强大的功能，通过组合字符过滤器、分词器和词元过滤器，能够精确控制文本的索引和搜索行为。在设计分析器时，需充分考虑语言特性、业务逻辑和性能开销，通过测试验证确保效果符合预期。
2025-06-04 17:34:10
241
原创 Elasticsearch的插件（Plugin）系统介绍
摘要：Elasticsearch的插件系统提供模块化扩展能力，允许通过独立模块增强核心功能而不影响稳定性。插件分为官方（如X-Pack安全模块）、第三方（如SQL查询插件）和自定义三类，涵盖分析、存储、安全等场景。用户可通过命令行工具或手动方式安装管理插件，开发自定义插件需实现特定接口并注册扩展点。使用时需注意版本兼容性、性能消耗和安全风险，建议通过官方API监控插件状态。该系统有效平衡了功能扩展与系统稳定性，是Elasticsearch灵活应对复杂需求的关键设计。（148字）
2025-06-04 17:22:02
271
原创 Elasticsearch中的语义搜索（Semantic Search）介绍
Elasticsearch语义搜索技术解析 Elasticsearch语义搜索基于自然语言理解技术，通过将文本转换为向量表示（如BERT生成的768维向量）实现语义相关性匹配，突破了传统关键词搜索的局限性。其核心包含向量嵌入（Dense Vector字段）、相似度计算（余弦/欧氏距离）和混合搜索（结合关键词匹配）三大技术组件。该技术能有效解决同义词、多义词问题，在智能客服、内容推荐等场景表现优异，但面临计算开销大、领域适配等挑战。实现时需创建专用向量索引，通过Inference API或外部模型生成向量，并
2025-06-04 17:15:50
388
原创 Elasticsearch中的监控（Monitoring）功能介绍
Elasticsearch的监控功能通过X-Pack提供集群健康、资源使用、性能指标的全方位监测，包括JVM内存、磁盘空间、查询延迟等关键指标。支持实时可视化、阈值告警和历史数据分析，可配置数据保留策略与跨集群监控。最佳实践建议关注核心指标、设置合理告警、分离监控存储，结合Prometheus等工具扩展监控能力，确保集群稳定运行。该功能对预防故障、优化性能及容量规划具有重要作用。
2025-06-04 17:10:48
1475
原创 Elasticsearch的审计日志（Audit Logging）介绍
Elasticsearch审计日志是记录安全事件的关键功能，用于监控集群访问行为，满足合规要求。它可记录登录、授权、敏感操作等事件，支持输出到文件、索引或外部系统。通过配置可过滤事件、掩码敏感数据。审计日志以JSON格式记录，包含时间、操作用户等详细信息。主要应用于合规审计、安全监控、故障排查等场景。最佳实践包括启用关键事件记录、定期审查日志、与SIEM系统集成等，是提升集群安全性的重要工具。
2025-06-04 17:00:42
318
原创 Elasticsearch中什么是分析器（Analyzer）？它由哪些组件组成？
分析器是ES实现高效文本搜索的基础，通过字符过滤、分词和词元过滤三个组件，将文本转换为可索引和搜索的词项。在Elasticsearch（ES）中，分析器（Analyzer）是处理文本的核心组件，负责将原始文本转换为适合索引和搜索的词项（Term）。“filter”: [“lowercase”, “my_synonyms”] // 小写+同义词。1. 分词（Tokenization）：将文本拆分为独立的词（Token）。四、内置分析器与自定义分析器。
2025-06-04 16:58:11
231
原创 Elasticsearch中的映射（Mapping）是什么？
Elasticsearch 映射（Mapping）是定义文档结构和字段类型的元数据机制，支持动态和显式两种方式。动态映射自动推断字段类型，而显式映射允许精确控制字段配置，包括文本分词器、数值格式等。映射核心功能包含字段类型定义、分词器设置、存储选项等，同时支持嵌套对象等复杂结构。最佳实践建议预定义关键字段、合理选择分词器、优化存储配置，并谨慎处理映射更新（需重建索引）。合理设计映射对提升搜索性能和准确性至关重要。
2025-06-04 16:56:17
247
原创 Elasticsearch索引(Index)介绍，它与数据库中的表有什么区别？
Elasticsearch索引是分布式文档存储的核心单元，采用JSON格式存储数据，通过分片机制实现水平扩展。与关系型数据库表相比，ES索引具有动态映射、分布式架构和近实时搜索等特点，更适合搜索和分析场景。索引设计需考虑分片规划、冷热数据分离等原则，避免大索引问题。理解索引的分片机制、映射特性和分布式架构，对于构建高效ES集群至关重要。
2025-06-04 16:52:32
451
原创 Elasticsearch中的文档（Document）介绍
Elasticsearch文档是JSON格式的基本数据单元，类似于数据库中的行。文档包含唯一ID和元数据字段（如_index、_version），支持自动或手动ID分配。它们存储在索引中，通过哈希路由到不同分片，并利用倒排索引实现高效检索。ES提供文档的CRUD操作、版本控制及生命周期管理，支持动态映射但建议预定义字段类型。最佳实践包括控制文档大小（<10MB）、优化字段设计、合理使用嵌套对象和定期清理碎片。文档是ES数据存储和检索的核心，理解其特性对高效使用ES至关重要。
2025-06-04 16:50:42
248
原创 Elasticsearch的搜索流程描述
Elasticsearch的搜索流程分为查询阶段和拉取阶段，由协调节点接收请求并分发到各分片并行处理。各分片先通过倒排索引检索匹配文档并计算相关性得分，协调节点合并排序结果后获取完整文档数据返回。关键优化包括避免深分页、合理使用路由与缓存、优化索引结构等。这一分布式架构设计实现了海量数据下的高效检索，理解其原理有助于提升搜索性能与业务适配性。
2025-06-04 16:48:10
217
原创 Hive的存储格式如何优化？
Hive存储格式的选择对性能和效率至关重要。ORC和Parquet作为列式存储格式，适合查询少量列的OLAP场景，提供高速查询和压缩支持；行式存储如TextFile和SequenceFile适合全表扫描。ORC在Hive中性能更优，而Parquet跨引擎兼容性更好。优化方法包括合理配置参数（如块大小、压缩算法）、合并小文件以及分区分桶策略。实际选择需根据查询模式、数据类型和压缩需求确定，决策树可帮助快速匹配适用格式。
2025-05-30 15:08:21
1253
原创 Hive的GROUP BY操作如何优化？
Hive GROUP BY操作优化策略包括：针对数据倾斜采用两阶段聚合（局部+全局）或过滤倾斜键；优化聚合函数如用SUM替代COUNT(DISTINCT)或分桶计算；调整并行度与分桶表加速查询；通过预聚合表和位图索引提升性能。关键参数设置如开启两阶段聚合(hive.groupby.skewindata=true)和向量化执行，并合理配置Reducer数量与内存。优化流程建议先分析数据分布，采用两阶段聚合，避免复杂去重，调整资源参数并考虑预聚合方案。这些方法可有效提升大数据量下GROUP BY查询效率。
2025-05-30 14:40:43
629
原创 Hive在实际应用中，如何选择合适的JOIN优化策略？
《Hive JOIN优化策略决策流程》摘要： 本文系统性分析了Hive JOIN优化的核心要素与实施方法： 数据特征分析：通过统计表规模、检测数据倾斜（如键值分布率>5%判定倾斜） 策略匹配：小表用MapJoin，分桶表用SMB Join，倾斜场景采用拆分键值/两阶段聚合 表结构设计：分桶表按JOIN键分桶（100-1000桶），分区表按高频条件分区 资源配置：调整内存参数（MapJoin缓冲区）、并行度（Reducer数=数据量/单节点处理量） 监控验证：通过EXPLAIN检查执行计划，YARN监控
2025-05-30 14:33:07
1150
原创 Hive的JOIN操作如何优化？
Hive JOIN操作优化是提升大数据查询性能的关键。主要优化策略包括：MapJoin（小表广播优化），适用于小表与大表JOIN；Bucket MapJoin（分桶表优化），要求两表分桶键与JOIN键一致；Sort-Merge-Bucket Join（SMB Join），基于排序分桶表实现高效JOIN；倾斜JOIN优化，通过拆分倾斜键或两阶段聚合解决数据不均问题；以及Multi-Join和Join顺序优化，合理规划JOIN流程。同时建议合理配置参数，如自动MapJoin、分桶优化等，并通过监控验证执行计划。
2025-05-30 14:28:52
1229
原创 Hive的数据倾斜是什么？
Hive数据倾斜问题分析与解决方案 数据倾斜在Hive中表现为部分Task处理数据量远大于其他Task，导致性能瓶颈或作业失败。主要原因包括数据源分布不均、SQL设计不合理和配置参数不当。常见表现为Task长时间运行、内存不足或进度停滞。 检测方法包括分析执行计划、统计键值分布和监控作业日志。解决方案分为： SQL优化：使用Map Join、两阶段聚合、拆分倾斜键和优化Count(Distinct)； 参数调优：调整Reducer数量、启用任务重试和合理分区分桶； 架构优化：引入预聚合层、更换计算引擎或增加
2025-05-30 11:49:10
1401
原创 Hive中资源优化方法的详细说明
本文介绍了Hive资源优化的核心方法，主要包括：合理配置YARN集群资源（节点内存、CPU和Container资源）；优化Hive任务并行度（自动计算Map/Reduce任务数量）；精细化管理内存分配（Map/Reduce任务内存、元数据缓存）；启用JVM重用和推测执行提升效率；通过YARN队列管理实现资源隔离；针对数据倾斜场景进行特殊处理。此外还推荐使用监控工具实时分析性能瓶颈，综合运用这些方法可以有效提升Hive查询效率并避免资源浪费。
2025-05-30 11:34:46
1245
原创 如何优化Hive的查询性能？请详细说明查询优化的各个层面（SQL优化、配置优化、资源优化等）和具体方法。
Hive查询性能优化涉及SQL语句优化、配置参数调整、数据存储优化和资源分配等多个方面。SQL优化包括尽早过滤数据、避免笛卡尔积、小表JOIN优化和减少子查询；配置参数方面需合理设置执行引擎、并行度、内存参数和向量化执行；数据存储优化建议采用ORC/Parquet格式、数据压缩以及分区分桶策略；资源优化需调整YARN配置和JVM重用。此外，还需处理数据倾斜问题、收集统计信息分析执行计划，并通过监控工具持续优化。综合运用这些方法可以显著提升Hive查询性能。
2025-05-30 11:33:28
1003
原创 Elasticsearch的写入流程介绍
Elasticsearch的写入流程是一个分布式协调过程，涉及客户端请求路由、主分片处理、副本同步和响应返回四个核心阶段。写入时，数据先写入事务日志（Translog）确保可靠性，再刷新到内存段（Segment）实现近实时搜索。主分片成功后会异步同步到副本分片，支持多种一致性级别配置。关键优化包括批量写入、调整刷新间隔和合理设置副本数量。整个流程通过Translog持久化、段合并和分布式锁机制，平衡了数据一致性与写入性能。
2025-05-30 11:21:52
411
原创 什么是集群（Cluster）？如何保证集群的高可用性？
Elasticsearch集群通过分布式架构实现高可用性，核心机制包括分片副本、主节点选举和自动故障恢复。数据被分散存储于多个节点（分片），并通过副本保障容错；主节点管理元数据，故障时重新选举；节点心跳检测异常后自动重分配分片。此外，跨集群复制和联邦查询可进一步提升容灾能力。这些设计确保了单节点或主节点故障时服务不中断，数据不丢失，使Elasticsearch成为可靠的分布式搜索引擎解决方案。
2025-05-30 10:26:54
274
原创 Elasticsearch中的节点（Node）类型及其作用？
Elasticsearch（ES）集群由不同类型节点组成，各司其职：主节点负责元数据管理和决策；数据节点存储和处理数据；协调节点路由请求并合并结果；预处理节点清洗数据；机器学习节点执行分析任务。小集群可组合多种角色，大中型集群建议分离节点类型以优化性能。节点配置参数包括node.master、node.data等，通过合理组合可构建稳定高效的集群。不同业务场景需针对性设计节点架构，如高可用、高性能或复杂数据处理需求。
2025-05-30 10:15:26
130
原创 副本（Replica）在Elasticsearch中扮演什么角色？
Elasticsearch的副本机制是其高可用架构的核心，通过数据冗余和负载均衡提升系统可靠性及性能。副本分片作为主分片的镜像拷贝，提供故障恢复（自动选举新主分片）、查询负载分担（并行处理读请求）等功能，并支持动态调整数量。虽然会增加存储开销和潜在写入延迟，但合理配置副本数（如1-3个）能有效平衡成本与性能。最佳实践建议匹配节点数量、监控副本状态，确保集群稳定运行。
2025-05-30 10:09:41
422
原创 什么是分片（Shard）？为什么要使用分片？
分片是Elasticsearch（ES）中数据存储和处理的最小单元，本质是一个独立的倒排索引（Inverted Index）实例。ES通过将一个完整的索引拆分成多个分片，实现分布式存储和计算。核心特性每个分片可独立存储数据、处理查询，支持跨分片并行操作。分片分为两类：主分片（Primary Shard）：负责数据的写入和原始存储，数量在创建索引时固定（默认5个）。副本分片（Replica Shard）：主分片的副本，用于数据冗余和查询负载均衡，数量可动态调整（默认1个）。
2025-05-30 09:59:44
253
原创 为什么说Elasticsearch是分布式的？它的分布式特性体现在哪些方面？
Elasticsearch（ES）的分布式架构是其核心优势，通过水平扩展、高可用性和负载均衡实现PB级数据处理和高并发搜索。其设计基于无中心节点模式，核心包括：数据分片存储（主分片与副本）、分布式查询（协调节点与并行处理）、集群自动管理（节点发现与分片均衡）以及高效通信机制（近实时一致性）。这些特性赋予ES线性扩展能力、故障容错性和高性能表现，使之成为电商搜索、日志分析等海量数据场景的理想选择。
2025-05-30 09:32:04
60
原创 什么是Elasticsearch？它与其他搜索引擎相比有什么优势？
Elasticsearch（ES）是一个基于Apache Lucene的开源分布式搜索分析引擎，具有高扩展性、实时性和灵活的数据模型。与Lucene、Solr和Splunk等相比，ES在分布式支持、实时搜索、动态数据模型和生态整合方面更具优势，尤其适合企业搜索、日志监控和实时数据分析场景。其开箱即用的集群管理、毫秒级延迟和完整的Elastic Stack生态使其成为大数据时代的高效解决方案。
2025-05-30 09:20:08
173
原创 Elasticsearch集群管理的相关工具介绍
Elasticsearch集群管理工具链涵盖官方、生态和社区三大维度，提供全面的运维支持。官方工具包括内置API、托管服务(ESS)和命令行(ESCLI)，可实现基础配置与监控。Kibana和X-Pack提供可视化管理和深度监控能力，Logstash/Beats负责数据处理。社区工具如Curator实现索引自动化管理，Elasticsearch Head提供拓扑可视化。云平台工具支持托管服务和容器化部署。选型建议结合场景需求：实时监控推荐Kibana+X-Pack，索引管理用Curator+ILM，云环境优
2025-05-29 19:23:45
1569
原创 Elasticsearch的集群管理介绍
Elasticsearch 集群管理是确保分布式环境下系统稳定运行、高可用和高性能的关键。通过合理规划节点角色、监控关键指标、实施安全策略和定期维护，可构建稳定、高效的分布式搜索系统。建议根据业务规模和负载特性选择合适的架构，并持续监控与优化以应对不断变化的需求。某集群中一个数据节点宕机，集群状态变为黄色。主节点自动将该节点上的分片副本提升为主分片，并在其他节点重新创建副本，恢复后状态变回绿色。：避免一次性移除过多节点，防止触发大规模分片迁移导致性能波动。3 个专用主节点（不存储数据），配置。
2025-05-29 16:58:14
1153
VeraCrypt Setup 1.26.7
2025-07-18
dbeaver-ce-25.1.0-x86-64-setup.exe
2025-06-30
谷歌插件工具elasticsearch-head0.3
2025-03-12
Kettle，全称Pentaho Data Integration（PDI），是一款开源的数据集成工具，由社区驱动，广泛用于数据清洗、转换和加载任务 它提供了图形化的用户界面Spoon，让用户无需编程
2025-03-12
Redis 5.0.14
2025-02-07
rabbitmq3.8.12镜像文件包
2025-02-07
nacos-server镜像包
2025-02-07
mysql8.0.32镜像文件包
2025-02-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人