网约车大数据综合项目——数据分析Spark

已于 2023-11-14 15:22:59 修改
阅读量973 收藏 6
点赞数 1
文章标签： 大数据 spark 数据分析
于 2023-11-14 15:17:43 首次发布
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/m0_52680439/article/details/134398180
版权

第1关：统计撤销订单中撤销理由最多的前10种理由

任务描述

  1. 使用 Spark 统计撤销订单中撤销理由最多的前 10 种理由（因撤销理由为未知的数据过多，统计时不包含撤销理由值未知的数据）。数据集所在位置：/data/workspace/myshixun/data/canceldata.txt，数据集文件字段之间以|分割，文件部分数据展示如下：

    1200DDCX3307|430104|湖南省长沙市岳麓区|17625076885092|2019-03-07 17:32:27|2019-03-07 17:38:33|2|5|未知
1100YDYC423D|430602|湖南省岳阳市岳阳楼区|6665578474529331090|2019-03-07 17:28:46|2019-03-07 17:29:09|1|1|第三方接口取消
shouyue|430100|湖南省长沙市|P190307171256186000|2019-03-07 17:12:55|2019-03-07 17:13:48|1|1|点击下单120S内没有筛选到司机时, 乘客手动点击取消订单

  2. 将统计结果存放在 MySQL 数据库 mydb 的 cancelreason 表中（表已经提前创建）。

/********** Begin **********/
        Dataset<Row> moviesData=spark.read().option("delimiter","|").csv("/data/workspace/myshixun/data/canceldata.txt").toDF("companyid","address","districtname","orderid","ordertime","canceltime","operator","canceltypecode","cancelreason");
        moviesData.registerTempTable("data");
        spark.sql("select cancelreason,count(*) num from data where cancelreason!='未知' group by cancelreason order by num desc limit 10").write()
        .format("jdbc")
        .option("url","jdbc:mysql://127.0.0.1:3306/mydb?useUnicode=true&characterEncoding=utf-8")
        .option("dbtable","cancelreason")
        .option("user","root")
        .option("password","123123")
        .mode(SaveMode.Append).save();
        /********** End **********/

第2关：查询出成功订单最多的10个地区名

任务描述

  1. 使用 Spark 统计成功订单最多的 10 个行政区名;数据集所在位置：/data/workspace/myshixun/data/createdata.txt，数据集文件字段之间以\t分割，文件部分数据展示如下：

    1200DDCX3307    431081    湖南省郴州市资兴市    17625036018008    2019-03-07 07:32:20    2019-03-07 07:32:20    S213(旧)|威狮轮胎    113.247606    25.968607    资兴市.|唐洞加油站    113.251180    25.979303
1200DDCX3307    430111    湖南省长沙市雨花区    17625036099910    2019-03-07 07:31:39    2019-03-07 07:31:39    嘉盛华庭3期(西2门)    113.032280    28.162031    长沙东站树木岭货场    113.010107    28.166197
1200DDCX3307    431122    湖南省永州市东安县    35194606833503    2019-03-07 07:32:05    2019-03-07 07:32:06    东安大道.|潇湘第一城南侧    111.327802    26.391911    东安县.人力资源和社会保障局    111.317184    26.395052

  2. 将统计结果存放在 MySQL 数据库 mydb 的 order_district 表中（表已经提前创建）。

/********** Begin **********/
        Dataset<Row> orderData = spark.read().option("delimiter", "\t").csv("/data/workspace/myshixun/data/createdata.txt").toDF("companyid","address","districtname","orderid","departtime","ordertime","departure","deplongitude","deplatitude","destination","destlongitude","destlatitude");
        orderData.registerTempTable("data");
        spark.sql("select districtname,count(*) num from data group by districtname order by num desc limit 10")
        .write()
        .format("jdbc")
        .option("url","jdbc:mysql://127.0.0.1:3306/mydb?useUnicode=true&characterEncoding=utf-8")
        .option("dbtable","order_district")
        .option("user","root")
        .option("password","123123")
        .mode(SaveMode.Append)
        .save();
        /********** End **********/

第3关：查询订单线路中出行次数最多的五条线路

任务描述

  1. 使用 Spark 统计成功订单线路中出行次数最多的五条线路。。数据集所在位置：/data/workspace/myshixun/data/createdata.txt，数据集文件字段之间以\t分割，文件部分数据展示如下：

    1200DDCX3307    431081    湖南省郴州市资兴市    17625036018008    2019-03-07 07:32:20    2019-03-07 07:32:20    S213(旧)|威狮轮胎    113.247606    25.968607    资兴市.|唐洞加油站    113.251180    25.979303
1200DDCX3307    430111    湖南省长沙市雨花区    17625036099910    2019-03-07 07:31:39    2019-03-07 07:31:39    嘉盛华庭3期(西2门)    113.032280    28.162031    长沙东站树木岭货场    113.010107    28.166197
1200DDCX3307    431122    湖南省永州市东安县    35194606833503    2019-03-07 07:32:05    2019-03-07 07:32:06    东安大道.|潇湘第一城南侧    111.327802    26.391911    东安县.人力资源和社会保障局    111.317184    26.395052

  2. 将统计结果存放在 MySQL 数据库 mydb 的 orderline 表中（表已经提前创建）。

/********** Begin **********/
        Dataset<Row> lineData=spark.read().option("delimiter","\t").csv("/data/workspace/myshixun/data/createdata.txt").toDF("companyid","address","districtname","orderid","departtime","ordertime","departure","deplongitude","deplatitude","destination","destlongitude","destlatitude");
        lineData.registerTempTable("data");
        spark.udf().register("compare", (UDF1<String, String>) s -> {
            String ss = "";
            int i = s.split("\\*")[0].compareTo(s.split("\\*")[1]);
            if (s.split("\\*").length == 2) {
                if (i >= 0) {
                    ss = s.split("\\*")[0] + "*" + s.split("\\*")[1];
                } else {
                    ss = s.split("\\*")[1] + "*" + s.split("\\*")[0];
                }
            } else if (s.split("\\*").length == 6) {
                if (i >= 0) {
                    ss = s.split("\\*")[0] + "*" + s.split("\\*")[1] + "*" + s.split("\\*")[2] + "*" + s.split("\\*")[3] + "*" + s.split("\\*")[4] + "*" + s.split("\\*")[5];
                } else {
                    ss = s.split("\\*")[1] + "*" + s.split("\\*")[0] + "*" + s.split("\\*")[4] + "*" + s.split("\\*")[5] + "*" + s.split("\\*")[2] + "*" + s.split("\\*")[3];
                }
            }
            return ss;
        }, DataTypes.StringType);
        spark.sql("select compare(concat_ws('*',departure,destination))line,count(*) num from data where departure is not null and destination is not null group by compare(concat_ws('*',departure,destination)) order by num desc limit 5")
                .registerTempTable("t1");
        spark.sql("select concat_ws('*',split(compare(concat_ws('*',departure,destination,deplongitude,deplatitude,destlongitude,destlatitude)),'[*]')[0],split(compare(concat_ws('*',departure,destination,deplongitude,deplatitude,destlongitude,destlatitude)),'[*]')[1])line,compare(concat_ws('*',departure,destination,deplongitude,deplatitude,destlongitude,destlatitude)) bb,count(*) num from data where departure is not null and destination is not null group by compare(concat_ws('*',departure,destination,deplongitude,deplatitude,destlongitude,destlatitude)) order by num desc").registerTempTable("t2");
        spark.sql("select split(bb,'[*]')[0] departure,split(bb,'[*]')[2] deplongitude,split(bb,'[*]')[3] deplatitude,split(bb,'[*]')[1] destination,split(bb,'[*]')[4] destlongitude,split(bb,'[*]')[5] destlatitude,num from(select t1.line,t2.bb,t2.num count,t1.num, Row_Number() OVER (partition by t1.line ORDER BY t2.num desc) rank from t1 left join t2 on t1.line = t2.line order by t1.num desc) where rank=1")                .write()
                .format("jdbc")
                .option("url", "jdbc:mysql://127.0.0.1:3306/mydb?useUnicode=true&characterEncoding=utf-8")
                .option("dbtable", "orderline")
                .option("user", "root")
                .option("password", "123123")
                .mode(SaveMode.Append)
                .save();
        /********** End **********/

第4关：湖南各个市的所有订单总量

任务描述

  1. 使用 Spark 统计湖南省各个市的所有订单总量（订单总量=撤销订单+成功订单）。例如“湖南省长沙市岳麓区”与“湖南省长沙市雨花区”这些订单都是属于“长沙市”。数据集所在位置： /data/workspace/myshixun/data/createdata.txt，数据集文件字段之间以\t分割，文件部分数据展示如下： 
    1200DDCX3307    431081    湖南省郴州市资兴市    17625036018008    2019-03-07 07:32:20    2019-03-07 07:32:20    S213(旧)|威狮轮胎    113.247606    25.968607    资兴市.|唐洞加油站    113.251180    25.979303
1200DDCX3307    430111    湖南省长沙市雨花区    17625036099910    2019-03-07 07:31:39    2019-03-07 07:31:39    嘉盛华庭3期(西2门)    113.032280    28.162031    长沙东站树木岭货场    113.010107    28.166197
1200DDCX3307    431122    湖南省永州市东安县    35194606833503    2019-03-07 07:32:05    2019-03-07 07:32:06    东安大道.|潇湘第一城南侧    111.327802    26.391911    东安县.人力资源和社会保障局    111.317184    26.395052

/data/workspace/myshixun/data/canceldata.txt，数据集文件字段之间以|分割，文件部分数据展示如下：

1200DDCX3307|430104|湖南省长沙市岳麓区|17625076885092|2019-03-07 17:32:27|2019-03-07 17:38:33|2|5|未知
1100YDYC423D|430602|湖南省岳阳市岳阳楼区|6665578474529331090|2019-03-07 17:28:46|2019-03-07 17:29:09|1|1|第三方接口取消
shouyue|430100|湖南省长沙市|P190307171256186000|2019-03-07 17:12:55|2019-03-07 17:13:48|1|1|点击下单120S内没有筛选到司机时, 乘客手动点击取消订单
  1. 将统计结果存放在 MySQL 数据库 mydb 的 orderbycity 表中（表已经提前创建）。
/********** Begin **********/
        Dataset<Row> orderData=spark.read().option("delimiter","\t").csv("/data/workspace/myshixun/data/createdata.txt").toDF("companyid", "address", "districtname", "orderid","departtime", "ordertime", "departure", "deplongitude", "deplatitude", "destination","destlongitude", "destlatitude");
        orderData.registerTempTable("data1");
        Dataset<Row> cancelData = spark.read().option("delimiter", "|").csv("/data/workspace/myshixun/data/canceldata.txt").toDF("companyid", "address", "districtname", "orderid","ordertime", "canceltime", "operator","canceltypecode", "cancelreason");
        cancelData.registerTempTable("data2");
        spark.udf().register("city", (UDF1<String, String>) s -> {
            String city = "";
            if (s.contains("自治州")){
                city = s.split("自治州")[0] + "自治州";
            }else {
                city = s.split("市")[0] + "市";
            }
            return city;
        }, DataTypes.StringType);
        spark.sql("select city(districtname) city,count(*) count from data1 where districtname like '湖南省%' group by city(districtname)").registerTempTable("order");
        spark.sql("select city(districtname) city,count(*) count from data2 where districtname like '湖南省%' group by city(districtname)").registerTempTable("cancel");
        spark.sql("select order.city,(order.count+cancel.count) num from order left join cancel on order.city == cancel.city order by num desc")
                .write()
                .format("jdbc")
                .option("url", "jdbc:mysql://127.0.0.1:3306/mydb?useUnicode=true&characterEncoding=utf-8")
                .option("dbtable", "orderbycity")
                .option("user", "root")
                .option("password", "123123")
                .mode(SaveMode.Append)
                .save();

        /********** End **********/

第5关：统计湖南省当天的各时间段订单总数量与各市级当天各时间段订单总数量

任务描述

  1. 使用 Spark 查询湖南省 2019-03-07 日的每分钟订单总数量（以订单时间 ordertime 为依据），查询出来的时间格式为 “yyyy-MM-dd HH:mm”如“2019-03-07 15:37”，将统计结果存放在 MySQL 数据库 mydb 的 order_quantity_time 表中（表已经提前创建）；

MySQL 查询的数据格式示例如下：

time num
2019-03-07 00:00 263
2019-03-07 00:01 285
  1. 使用 Spark 查询湖南省 2019-03-07 日各市级当天每小时订单总数量（以订单时间 ordertime 为依据），并将查询结果存放在 MySQL 数据库 mydb 的 order_city_hour 表中。

时间段处理：

时间段对应的数字
[0点-1点）0
[1点-2点）1
[2点-3点）2
......
[22点-23点）22
[23点-24点）23

MySQL 查询的数据格式示例如下：

hour city num
0 湖南省娄底市 136

数据集所在位置： /data/workspace/myshixun/data/createdata.txt，数据集文件字段之间以\t分割，文件部分数据展示如下：

1200DDCX3307    431081    湖南省郴州市资兴市    17625036018008    2019-03-07 07:32:20    2019-03-07 07:32:20    S213(旧)|威狮轮胎    113.247606    25.968607    资兴市.|唐洞加油站    113.251180    25.979303
1200DDCX3307    430111    湖南省长沙市雨花区    17625036099910    2019-03-07 07:31:39    2019-03-07 07:31:39    嘉盛华庭3期(西2门)    113.032280    28.162031    长沙东站树木岭货场    113.010107    28.166197
1200DDCX3307    431122    湖南省永州市东安县    35194606833503    2019-03-07 07:32:05    2019-03-07 07:32:06    东安大道.|潇湘第一城南侧    111.327802    26.391911    东安县.人力资源和社会保障局    111.317184    26.395052

/data/workspace/myshixun/data/canceldata.txt，数据集文件字段之间以|分割，文件部分数据展示如下：

1200DDCX3307|430104|湖南省长沙市岳麓区|17625076885092|2019-03-07 17:32:27|2019-03-07 17:38:33|2|5|未知
1100YDYC423D|430602|湖南省岳阳市岳阳楼区|6665578474529331090|2019-03-07 17:28:46|2019-03-07 17:29:09|1|1|第三方接口取消
shouyue|430100|湖南省长沙市|P190307171256186000|2019-03-07 17:12:55|2019-03-07 17:13:48|1|1|点击下单120S内没有筛选到司机时, 乘客手动点击取消订单
 /********** Begin **********/
        Dataset<Row> orderData = spark.read().option("delimiter", "\t").csv("/data/workspace/myshixun/data/createdata.txt")
                .toDF("companyid", "address", "districtname", "orderid","departtime", "ordertime", "departure", "deplongitude", "deplatitude", "destination","destlongitude", "destlatitude");
        orderData.registerTempTable("data1");
        Dataset<Row> cancelData = spark.read().option("delimiter", "|").csv("/data/workspace/myshixun/data/canceldata.txt")
                .toDF("companyid", "address", "districtname", "orderid", "ordertime", "canceltime", "operator", "canceltypecode", "cancelreason");
        cancelData.registerTempTable("data2");
        spark.udf().register("city", (UDF1<String, String>) s -> {
            String city = "";
            if (s.contains("自治州")) {
                city = s.split("自治州")[0] + "自治州";
            } else {
                city = s.split("市")[0] + "市";
            }
            return city;
        }, DataTypes.StringType);
        spark.sql("select hour(ordertime) hour,city(districtname)city,count(*) count from data2 where districtname like '湖南省%' group by hour(ordertime),city(districtname) order by hour").registerTempTable("t1");
        spark.sql("select hour(ordertime) hour,city(districtname)city,count(*) count from data1 where districtname like '湖南省%' group by hour(ordertime),city(districtname) order by hour").registerTempTable("t2");
        spark.sql("select (case when t1.hour is null then t2.hour when t2.hour is null then t1.hour else t2.hour end)hour,(case when t1.city is null then t2.city when t2.city is null then t1.city else t2.city end)city,(case when t1.count is null then t2.count when t2.count is null then t1.count else t2.count+t1.count end)num from t1 full join t2 on concat_ws('*',t1.hour,t1.city) = concat_ws('*',t2.hour,t2.city) order by hour,city")
                .write()
                .format("jdbc")
                .option("url", "jdbc:mysql://127.0.0.1:3306/mydb?useUnicode=true&characterEncoding=utf-8")
                .option("dbtable", "order_city_hour")
                .option("user", "root")
                .option("password", "123123")
                .mode(SaveMode.Append)
                .save();
        spark.sql("select (case when t1 is null then t2 when t2 is null then t1 else t2 end) as time ,(case when count1 is null then count2 when count2 is null then count1 else count2+count1 end) as num from(select * from (SELECT DATE_FORMAT(ordertime,'yyyy-MM-dd HH:mm') as t1,count(DATE_FORMAT(ordertime,'yyyy-MM-dd HH:mm')) as count1 FROM data1 GROUP BY DATE_FORMAT(ordertime,'yyyy-MM-dd HH:mm')) as a FULL OUTER JOIN (SELECT DATE_FORMAT(ordertime,'yyyy-MM-dd HH:mm') as t2,count(DATE_FORMAT(ordertime,'yyyy-MM-dd HH:mm')) as count2 FROM data2 GROUP BY DATE_FORMAT(ordertime,'yyyy-MM-dd HH:mm')) as b on a.t1=b.t2) as c order by time")
                .write()
                .format("jdbc")
                .option("url", "jdbc:mysql://127.0.0.1:3306/mydb?useUnicode=true&characterEncoding=utf-8")
                .option("dbtable", "order_quantity_time")
                .option("user", "root")
                .option("password", "123123")
                .mode(SaveMode.Append)
                .save();
        /********** End **********/

educoder中网约车大数据综合项目 —— 数据分析Spark
weixin_46026136的博客
06-18 594
基于 EduCoder 平台提供的初始数据集，统计湖南省当天的各时间段订单总数量与各市级当天各时间段订单总数量。
大数据Spark技术数据分析综合实验：出租车数据分析
会涂色的雨的博客
07-08 1万+
Spark出租车数据实验 目录Spark出租车数据实验【实验目的】【实验原理】【实验环境】【实验步骤】1.数据加载2.数据分析3、模型构建4.可视化展现 【实验目的】 主要使用出租车上传的GPS点作为分析对象，使用Kmeans把出租车轨迹点聚类，找出出租车出现密集的地方，并用地图的方式进行可视化展示 【实验原理】 （1）数据的准备。 （2）创建DataFrame。 （3）使用kmeans聚类。 （4）聚类结果可视化。 【实验环境】 操作系统：Linux 开发环境：pyspark命令行 【实验步骤】 1.数据
头歌 网约车大数据综合项目——基于Spark的数据清洗
qq_70619741的博客
12-27 1950
头歌 网约车大数据综合项目——基于Spark的数据清洗
网约车大数据综合项目——数据分析Hive
CYDYYD的博客
10-15 2920
【代码】网约车大数据综合项目——数据分析Hive。
记录自己做网约车大数据综合项目——数据分析Hive第2关：统计撤销订单中撤销理由最多的前10种理由
weixin_64347217的博客
10-14 471
在hive中创建cancelreason表格，并从cancelorder中搜索撤销理由最多的前10种插入到cancelreason表中。最后导入数据这里，出现了问题，一直导入不成功，报错说是路径的问题，有人可以解决吗？复制命令行打开mysql。
day03_mysql_课后练习 - 参考答案
天平kaiwei
11-21 1787
day03_mysql_课后练习 mysql练习题 第1题 案例： 1、创建一个数据库：day03_test01_school 2、创建如下表格 表1 Department表的定义 字段名 字段描述 数据类型 主键 外键 非空 唯一 DepNo 部门号 int(10) 是 否 是 是 DepName 部门名称 varchar(20) 否 否 是 否 DepNote 部门备注 Varchar(50) 否 否 否 否 表2 Teacher表的定义 字段名 字段描述 数据类
网约车大数据综合项目 —— 数据分析Spark 实验总用时：00:00:03
04-03
### 网约车大数据项目 Spark 数据分析实验报告总结 #### 实验概述 通过利用 Spark 技术，网约车大数据项目的数据分析实验旨在处理大规模数据集并提取有价值的信息。该实验涵盖了从数据加载到最终可视化的整个流程[^...
网约车大数据综合项目——基于Spark的数据清洗头歌
12-12
网约车大数据综合项目——基于Spark的数据清洗是一个涉及大数据处理和清洗的项目，主要目标是处理和清洗网约车平台产生的海量数据，以便后续的分析和应用。以下是该项目的详细介绍： ### 项目背景 随着网约车服务的...
基于Spark的大数据分析在共享单车行业应用研究源码
03-25
本项目致力于使用Spark进行大数据分析，并专注于其在共享单车行业的应用研究。项目采用Vue作为主要开发语言，融合了前端与后端技术，涉及多种编程语言，包括Vue、JavaScript、Java、HTML以及Scala。 技术组成： - ...
第6关：湖南省各市级当天各时间段订单总数量——Hive实战
weixin_62965197的博客
10-12 897
网约车大数据综合项目——数据分析Hive 基于EduCoder平台提供的初始数据集，统计湖南省当天的每分钟订单总数量。
基于订单数据的网约车需求特征分析及预测
laoman456的博客
02-29 1076
通过对大量网约车订单数据的挖掘和分析，研究者们致力于发现不同时间、地点和其他因素对网约车需求的影响规律，以及构建精准的预测模型，为网约车行业提供决策支持和服务优化。例如，一些研究者基于深度学习算法，在网约车订单数据上进行了需求预测研究，取得了较好的效果，实现了对未来需求的较为准确的预测。该系统通过一定的数据处理和特征提取，建立预测模型，可以实现对未来网约车需求的预测，并根据预测结果制定合理的调度策略和资源分配方案[2]。在网约车行业，为了提高运营效率和乘客满意度，需要对乘客的需求进行精准预测和调度安排。
基于SparkStreaming的实时数据清洗
热门推荐
一曲长歌，一剑天涯
11-22 1万+
数据清洗， 是整个数据分析过程中不可缺少的一个环节，其结果质量直接关系到模型效果和最终结论。在实际操作中，数据清洗通常会占据分析过程的50%—80%的时间。实时数据清洗则对于代码的性能更加的苛求。
课堂总结。
2502_90679828的博客
04-23 404
下载安装包：注意选择kafka的版本，以及scala的版本。首先进到software目录当中，如下图所示：然后将安装包上传上来解压之后的效果如下图所示，并把原始kafka文件名重命名一下：重命名之后的效果如下图所示：解压过后的目录如下图所示：上传安装包到集群中，并解压。0: node011: node022: node03·需要修改的第二个地方是修改为：（去掉注释，把主机名称改了）·第三个修改的地方为添加以下语句：在这里添加：·修改日志的存放路径：（Kafkadata目录不需要提前创建，它可以自动创建好。
企业内训｜模拟AI场景课程——某汽车厂商
weixin_48649532的博客
04-26 388
4月18日和19日，东北某市，TsingtaoAI团队为某汽车厂商的智能驾驶业务和研发团队交付“模拟AI场景课程”。本课程基于该厂商在AI领域的战略布局，结合汽车行业智能化转型趋势，以“场景化、实战化、前瞻性”为核心，聚焦AI技术从理论到落地的全链路。通过模拟真实业务场景（如智能座舱优化、智能制造、自动驾驶仿真），帮助学员掌握AI基础能力，并快速应用于研发、生产、营销等环节。
【分布式系统中的“瑞士军刀”_ Zookeeper】一、Zookeeper 快速入门和核心概念
qq_58611691的博客
04-25 1053
读完本篇文章相信已经了解了在 CentOS 7 系统中安装和配置 Zookeeper 的方法，以及 Zookeeper 的核心概念，包括 ZNode 节点、Session 会话、Watcher 监听器和 Leader - Follower 模式。同时，还通过实际的命令操作和代码示例，对这些概念有了更直观的认识。Zookeeper 作为分布式协调的重要工具，其功能远不止于此，后续还可以深入学习其在分布式锁、配置管理、服务注册与发现等方面的应用。
矩阵运营的限流问题本质上是平台与创作者之间的流量博弈
xingyun_ai的博客
04-24 1440
矩阵运营的限流问题本质上是平台与创作者之间的流量博弈，要系统性解决这一问题，需从技术规避、内容优化、运营策略三个维度构建防御体系。
数据分析岗位-相关知识
最新发布
Xiaobaiforgod的博客
04-26 201
OLTP（Online Transaction Processing在线事务处理）和 OLAP（Online Analytical Processing在线分析处理）是两种主要的数据处理模式。举个例子：MySQL 之类的关系型数据库，MongDB 之类的NoSQL的OLTP。ES之类的算OLAP。关系型数据库范式（123NF）：保证数据一致性，减少冗余；数仓建设的星型/雪花模型：优化分析查询性能；
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
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