C的实用笔记24——为什么需要用指针

1.原因1——通过函数改变变量的值

1、练习:封装一个函数,实现两个数的交换

  1. 思路:根据函数的形参只有在调用时才会被分配内存空间,从而函数的实参和形参根本不是同一个变量,所以,如果我们不传递这两个变量的地址给函数,就不可能实现两个数的交换。这个时候就需要用指针作为函数的形参,然后通过间接访问的方式访问变量值
    f1. 封装交换两个数的API: void changeTwoData(int *pdata1, int *pdata2); 形参是指针值为data1的地址的指针变量pdata1,以及指针值为data2的地址的指针变量pdata2
    	f1.1 通过间接访问的方式,交换data1和data2中的数据
    1. 定义变量data1和data2并初始化
    2. 打印交换前的数据
    3. 调用API1. 交换data1和data2中的数据
    4. 打印交换后的数据

  2. 代码:
    #include <stdio.h>
    void changeTwoData(int *pdata1, int *pdata2);
    int main(int argc, char const *argv[])
    {
        int data1 = 10;
        int data2 = 20;
        int temp;
        printf("交换前:data1=%d, data2=%d\n", data1, data2);
        changeTwoData(&data1, &data2);
        printf("交换后:data1=%d, data2=%d\n", data1, data2);
        return 0;
    }
    void changeTwoData(int *pdata1, int *pdata2)
    {
        int temp;
        temp = *pdata1;
        *pdata1 = *pdata2;
        *pdata2 = temp;
    }

2、指针作为函数参数的代码心得:

  1. 想要通过函数修改某个变量的值,那么就必须传递这个变量的地址给函数。
  2. 函数的形参是指针类型的变量,写形参列表时记得加 * 作为修饰符
  3. 函数知道你传递进来的是地址,所以在函数体中,需要通过间接访问的方式来访问变量值
  4. 我们在定义形参时,最好前面加个p,比如int *pdata1,来告知变量pdata1里面的值是data1的地址。

2.原因2——指针指向固定的区域

1、应用场景:单片机开发、ARMBootLoader代码的编写。

  1. 举例:先获取一个合法的地址,然后在程序中自定义一个指针指向这个固定的地址,这个地址比方说在单片机中我们把它当做寄存器的地址。
    #include <stdio.h>
    int main(int argc, char const *argv[])
    {
        int a = 10;
        printf("address of a is 0x%p\n", &a);
        //用指针的强制转化,把一个固定的、合法的编号转化成地址,承接给一个指针变量
        volatile unsigned int *p = (volatile unsigned int *)0x000000000061FE33;     
        printf("p = 0x%p\n", p);
        return 0;
    }

2、指定固定内存地址当做寄存器地址的代码心得:

  1. 在合法的内存区域选择自己选择一个内存地址
  2. volatile的作用是防止操作系统自动优化内存地址
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,下面是SparkSQL代码笔记03——连接Hive的中文回复: 在SparkSQL中,我们可以通过以下步骤连接Hive: 1. 首先,需要在SparkSession中启用Hive支持,可以使用以下代码: ``` from pyspark.sql import SparkSession spark = SparkSession.builder \ .appName("SparkSQL Hive Example") \ .config("spark.sql.warehouse.dir", "/user/hive/warehouse") \ .enableHiveSupport() \ .getOrCreate() ``` 其中,`enableHiveSupport()`方法启用了Hive支持,`config("spark.sql.warehouse.dir", "/user/hive/warehouse")`指定了Hive元数据存储的目录。 2. 接下来,我们可以使用`spark.sql()`方法执行Hive SQL语句,例如: ``` spark.sql("show databases").show() ``` 这将显示所有的Hive数据库。 3. 如果需要在SparkSQL中访问Hive表,可以使用以下代码: ``` df = spark.sql("select * from my_hive_table") ``` 其中,`my_hive_table`是Hive中的表名。 4. 如果需要在SparkSQL中创建Hive表,可以使用以下代码: ``` spark.sql("create table my_hive_table (id int, name string)") ``` 这将在Hive中创建一个名为`my_hive_table`的表,包含两个列:`id`和`name`。 以上就是连接Hive的基本步骤。需要注意的是,连接Hive需要在Spark集群中安装Hive,并且需要将Hive的JAR包添加到Spark的CLASSPATH中。 ### 回答2: SparkSQL是Apache Spark的一个组件,它提供了用于分布式数据处理的高级SQL查询引擎。SparkSQL支持连接多种数据源,其中之一就是Hive。 如何连接Hive? 在开始连接Hive之前,我们需要确保Hadoop和Hive的配置已经被正确的设置好了,以便Spark能够访问Hive元数据和数据。 首先,我们需要在Spark环境中添加Hive支持。运行下面的代码: `from pyspark.sql import SparkSession spark = SparkSession.builder \ .appName("hive_support") \ .enableHiveSupport() \ .getOrCreate()` 其中,`.enableHiveSupport()`将启用hive支持。 接下来,我们可以使用SparkSession连接Hive。运行下面的代码: `hive_df = spark.sql("SELECT * FROM default.student")` 其中,“default”是Hive的默认数据库,“student”是Hive数据库中的表名。 如果你要访问非默认的Hive数据库,可以使用下面的代码: `hive_df = spark.sql("SELECT * FROM dbname.student")` 其中,“dbname”是非默认的Hive数据库名。 我们还可以使用HiveContext来连接Hive。运行下面的代码: `from pyspark.sql import HiveContext hive_context = HiveContext(sc)` 其中,“sc”是SparkContext对象。 我们可以像这样从Hive中检索数据: `hive_df = hive_ctx.sql("SELECT * FROM default.student")` 现在你已经成功地连接Hive并从中检索了数据,你可以使用SparkSQL的强大功能对数据进行分析。而在连接Hive之外,在SparkSQL中还可以连接其他数据源,包括MySQL、PostgreSQL、Oracle等。 ### 回答3: Spark SQL是一个强大的分布式计算引擎,它可以支持处理多种数据源,并可通过Spark SQL shell、Spark应用程序或JDBC/ODBC接口等方式进行操作。其中,连接Hive是Spark SQL最常用的数据源之一。下面,将介绍如何通过Spark SQL连接Hive。 1、在Spark配置中设置Hive Support 要连接Hive,首先需要在Spark配置中开启Hive Support。在启动Spark Shell时,可以添加如下参数: ``` ./bin/spark-shell --master local \ --conf spark.sql.warehouse.dir="/user/hive/warehouse" \ --conf spark.sql.catalogImplementation=hive \ --conf spark.sql.hive.metastore.version=0.13 \ --conf spark.sql.hive.metastore.jars=maven ``` 这里以本地模式为例,设置Spark SQL的元数据存储在本地文件系统中,设置Hive为catalog实现,以及为Hive Metastore设置版本和JAR文件路径。根据实际情况,还可以指定其他参数,如Hive Metastore地址、数据库名称、用户名和密码等。 2、创建SparkSession对象 在连接Hive之前,需要先创建SparkSession对象。可以通过调用SparkSession.builder()静态方法来构建SparkSession对象,如下所示: ``` val spark = SparkSession.builder() .appName("SparkSQLTest") .config("spark.sql.warehouse.dir", "/user/hive/warehouse") .enableHiveSupport() .getOrCreate() ``` 这里通过builder()方法指定应用程序名称、元数据存储路径以及启用Hive Support,最后调用getOrCreate()方法创建SparkSession对象。 3、通过Spark SQL操作Hive表 通过Spark SQL连接Hive后,就可以通过Spark SQL语句来操作Hive表了。例如,我们可以使用select语句查询Hive表中的数据: ``` val df = spark.sql("SELECT * FROM tablename") df.show() ``` 其中,select语句指定要查询的列和表名,然后通过show()方法来显示查询结果。 除了查询数据之外,Spark SQL还可以通过insertInto语句将数据插入到Hive表中: ``` val data = Seq(("Alice", 25), ("Bob", 30)) val rdd = spark.sparkContext.parallelize(data) val df = rdd.toDF("name", "age") df.write.mode(SaveMode.Append).insertInto("tablename") ``` 这里先创建一个包含数据的RDD对象,然后将其转换为DataFrame对象,并指定列名。接着,通过insertInto()方法将DataFrame对象中的数据插入到Hive表中。 总之,通过Spark SQL连接Hive可以方便地查询、插入、更新和删除Hive表中的数据,从而实现更加灵活和高效的数据处理。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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