- 博客(395)
- 资源 (41)
- 收藏
- 关注
原创 Mac M1 Hadoop 启动WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform
问题:Mac M1 Hadoop 启动WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform问题:Mac M1 Hadoop 启动WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform。
2024-09-04 22:09:46 358
原创 Mac M1安装Hive
如果你确定装过mysql,但是执行上述命令后,发现不存在mysql命令,那说明你的系统环境没有配置。出现一段空白,接着出现Initialization script completed。关闭hiveServer2时,执行如下命令查看hive进程;执行上面命令后,若有结果输出,则证明配置完成了。如果出现mac权限问题,解决方法参考。就可以见到hive的web界面了。若出现路径,则存在mysql。配置好后保存,使配置文件生效。用户名hive,密码hive。用户名通过如下命令查看。通过如下命令杀死该进程。
2024-09-03 23:39:26 1298
原创 Mac M1 安装Hadoop教程(安装包安装)
2.下载好后,进行解压,将解压后的文件夹命名为hadoop-3.4.0,并将解压的hadoop文件夹放到资源库(这里你可以根据自己需要放到指定路径下,如果放到其它地方有些配置你需要做对应修改)。注意如果是x86架构的苹果电脑,Architecture选择x86 64-bit或者 x86-32bit。在打印的日志中,没有报错,且有下面提示表示格式化成功!双击标红的部分,然后按照提示,一直默认安装即可。如果在执行过程中,发现权限不足,解决办法参考。,在搜索框中搜索共享,在共享中,打开。回车、y、回车、回车。
2024-09-03 21:23:40 1275
原创 Mac zsh: permission denied 问题
参考链接:https://blog.csdn.net/weixin_39122254/article/details/133953905。执行脚本或文件时,报错 zsh: permission denied 问题。
2024-09-01 22:22:53 375
原创 Mac 安装Hadoop教程(HomeBrew安装)
本教程旨在介绍在Mac 电脑上安装Hadoop,便于编程开发人员对大数据技术的熟悉和掌握。
2024-08-31 13:22:50 1545
原创 Mac 安装 jdk 8详细教程
Mac 电脑上安装Jdk 8 的步骤很简单,不用想Windows那样需要配置环境变量PATH、JAVA_HOME。下载完后,得到一个.dmg文件,双击它,一直默认安装即可。如果以上三个命令都能正确执行,则表明 jdk 安装成功。这里需要注册一个账号,然后,账号下载。安装完成后,打开终端,输入以下命令。下载对应版本的JDK 8。
2024-08-31 12:43:10 801
原创 雷达图概述以及实例
雷达图,是一种展现多维度数据间相对重要性或程度的可视化图形。以中心点为起点,从该中心点向外延伸出多条射线,每条射线代表一个特定的变量或指标。射线上的点或线段则根据该变量的具体数值进行定位,从而形成一个多维度的数据视图。这种图形结构类似雷达扫描的视觉效果,使得观察者能够迅速捕捉到数据点的综合特征及其在各维度上的表现差异。
2024-08-27 22:02:09 400
原创 数据库表水平分割和垂直分割?
水平分割的缺点是增加了查询的复杂性,可能需要使用UNION操作来查询所有数据,这在某些情况下可能会超过它带来的优点。当表中的数据本来就有独立性,例如记录不同地区或不同时期的数据,且有些数据常用而有些不常用。
2024-08-06 21:45:04 213
原创 编程中的类、对象、实例的关系?
以上就是一个用Java实现的Student类,而stu1、stu2是对象,也可以称为类的实例。类、对象、实例的关系?
2024-08-02 13:04:11 117
原创 通讯规约协议
(1)应用:在我国早期的电力系统调度自动化系统中较为常见。(2)特点:采用串行口连接的星型模式计算机网络拓扑结构,位为RS 232,异步通讯模式。主要优点是传输模式不需主站干预,当传输过程中某些数据出现差错时,可以用下一个循环中的数据来补救。但缺点也明显,如传送时延与传送信息数量有关,信道有效利用率不高,且下行困难。
2024-07-24 23:08:55 341
原创 加密算法(二):Base64、MD5、SHA系列 、DES 和 HMAC
MD5信息摘要算法(英语:MD5 Message-Digest Algorithm),一种被广泛使用的密码散列函数,可以产生出一个128位(16字节)的散列值(hash value),用于确保信息传输完整一致。MD5由美国密码学家罗纳德·李维斯特(Ronald Linn Rivest)设计,于1992年公开,用以取代MD4算法。这套算法的程序在 RFC 1321 标准中被加以规范。1996年后该算法被证实存在弱点,可以被加以破解,对于需要高度安全性的数据,专家一般建议改用其他算法,如SHA-2。
2024-07-20 18:25:34 820
原创 多级访问控制概述和简介
1)定义:主体是指一个发出请求或要求的实体。2)实例:主体可以是某个用户,也可以是用户启动的进程、服务或设备。1)定义:客体是接受其他实体访问的被动实体。2)示例:凡是可以被操作的信息、资源、对象都可以被看作客体,如文件、数据库记录、网络设备等。1)定义:控制策略是主体对客体的访问规则集,限制主体对客体的访问权限。2)示例:这些规则可能基于用户的身份、角色、权限级别或其他安全属性来制定。实现访问控制的关键是设计合理的访问控制策略和机制,包括身份认证、授权管理、访问控制列表等:方法:通过用户名和密码、生
2024-07-20 12:08:50 551
原创 Spring Boot项目请求,出现“java.lang.IllegalArgumentException: Request header is too large”?
application.yml 配置文件。
2024-07-14 17:49:48 162
原创 加密算法(一): AES、RSA、AES 和 RSA混合加密
1.简介AES(高级加密标准)是一种对称加密算法,被广泛用于数据加密。你可以在Python和Java中使用AES算法进行加密和解密操作。接下来,我将分别演示如何在Python和Java中使用AES进行加密和解密,并展示如何通过消息队列(RabbitMQ)将加密后的数据从Java客户端传递到Python服务端进行解密。2.加密模式AES(Advanced Encryption Standard)是一种对称加密算法,它通常使用128位、192位或256位密钥进行加密和解密。
2024-07-11 23:37:06 1065
原创 Web server failed to start. Port 8080 was already in use.
1)查看8080端口被哪个线程占用了2)杀掉该进程号。
2024-07-02 20:35:32 310
原创 Jupyter Notebook 说明 和 安装教程【WIN && MAC】
用户可以通过电子邮件,Dropbox,Github 和 Jupyter Notebook Viewer,将Jupyter Notebook分享给其他人。在Jupyter Notebook中,代码可以实时地生成图像,视频,LaTex 和 JavaScript。Jupyter包含以下组件:Jupyter Notebook 和 Notebook 文件格式Jupyter Qt 控制台内核消息协议 (kernel messaging protocol)许多其他组件。
2024-06-27 21:23:58 658
原创 【计算机网络知识】设备MAC地址会变吗?是固定的吗?
1)MAC地址不会变,MAC地址是网卡决定的,是固定的。2)MAC地址它是由厂家分配并烧录到网卡芯片中的,具有全球唯一性,和人的指纹一样可以作为网卡识别以及底层物理传输中识别主机的重要信息。
2024-06-20 22:46:31 1131
原创 Ps中 饱和度 和 自然饱和度 的区别?
1.饱和度(Saturation):在Photoshop中,饱和度是一个全局性调整,它影响图像中所有颜色的鲜艳程度。当你增加饱和度时,所有的颜色都会变得更浓烈、更鲜艳;相反,减小饱和度会使图像整体变得灰暗,直到所有颜色变为灰色(饱和度为0%时)。然而,过高饱和度可能导致色彩溢出、细节丢失,尤其是在色彩原本就很丰富的区域,可能会显得过于夸张且不自然。2.自然饱和度(Vibrance):自然饱和度是一个相对智能的调整选项,它主要针对那些颜色较淡或饱和度较低的区域,适当增加其饱和度,而对于那些已经很饱和的颜色区
2024-05-08 22:44:21 968
原创 Ps 中 曲线和色阶的区别在哪里?
在Photoshop中,曲线(Curves)和色阶(Levels)是两种调整图像色调和对比度的工具,它们有一些相似之处,但也有一些重要的区别。调整方式:曲线(Curves):曲线调整工具允许你在图像的不同亮度级别上进行更为精细的调整。你可以通过拖动曲线上的点,调整图像中特定亮度级别的对比度和亮度。色阶(Levels): 色阶工具通过调整图像中的黑点、白点和中间灰度点来控制对比度。通过移动滑块,你可以调整图像中的黑色和白色点的位置,从而改变图像的整体对比度。
2024-05-06 22:32:14 658
原创 利用PS中Lab颜色模式进行简单调色?
【原图】详细步骤如下:Step 1 : 打开PS,打开素材,点菜单栏,【图像】-【模式】-【Lab颜色】,效果如下图Step2:ctrl(或command)+m打开曲线工具,选择a通道,效果如下图。Step3: 把标准的这个点,向相反的方向拉,效果如下图Step4: 如果是选择b通道,向相反的方向拉,可以获得如下效果:
2024-05-05 20:30:11 258
原创 Ps 图像转线稿
最后,在“最小值”滤镜的对话框中,设置合适的半径数值。通过调整半径数值,可以得到满意的线稿效果。接下来,选择“滤镜”菜单中的“其它”选项,再选择“最小值”滤镜。之后,将新图层的混合模式更改为“线性减淡”,这样可以将反相后的图层与原始图层进行叠加,使线条部分更加突出。首先,按下Ctrl+Shift+U快捷键,将图像转换为灰度模式,去除所有颜色信息,只留下黑白灰的色调。然后,按下Ctrl+I快捷键,将新图层进行反相处理,即黑白颜色互换。接着,按下Ctrl+J快捷键,复制当前图层,得到一个新的图层副本。
2024-05-04 22:06:05 614
原创 数据质量评价指标【国家标准】
需要对数据进行治理,以提高数据治理,使其满足具体应用需求。评估数据集中的重复值。一种方法是通过对属性值进行排序和消除重复值的方法来检查数据集中的重复数据。评估数据的更新速度和时效性。数据的时效性可以影响数据分析的结果和决策制定的有效性。数据符合数据标准、数据模型、业务规则、元数据或权威参考数据的程度。数据准确表示其所描述的真实实体(实际对象)真实值的程度。数据与其他特定上下文中使用的数据无矛盾的程度。按照数据规则要求,数据元素被赋予数值的程度。评估数据集中数据的逻辑关系是否一致。数据能被访问的程度。
2024-04-29 22:44:55 2724
原创 PS色彩模式
在这里,青、品红色和黄色可以混合出黑色,但是在现实场景中,这里是混合不出完全的黑色的,因此,这里需要黑色。A 深绿色(低亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值)B 深蓝色(低亮度值)到灰色(中亮度值)再到黄色(高亮度值)点阵图像或栅格图像,是由称作像素(图片元素)的单个点组成的。理论上包括了人眼可以看见的所有色彩的色彩模式。2)M:magenta 品红色。只使用黑白灰三种颜色表示像素。只使用黑白两种颜色表示像素。3)Y:yellow 黄色。1)C:cyan 青色。
2024-04-29 21:51:14 150
原创 Python训练的机器学习模型【保存】 和【加载】的方法?
可以使用pickle将训练好的模型保存到磁盘上,以备将来使用。现有的机器学习模型保存方法有三种,分别为使用pickle(通用)、joblib(大型模型)、HDF5(存储深度学习模型的权重)在这个例子中,我们首先定义了模型的架构,然后使用model.load_weights()函数加载之前保存的模型权重,并在新数据上进行预测。使用ONNX,您可以将模型从一个框架转换为另一个框架,或者在不同平台上使用模型。HDF5是一种用于存储大型科学数据集的文件格式,常用于存储深度学习模型的权重。
2024-04-28 22:27:36 734 1
原创 E-R图设计时,实体间(一对多)和(多对一)关系,外键如何加?
相关概念参考:https://blog.csdn.net/chktsang/article/details/121013225。数据模型的类型:概念数据模型、逻辑数据模型、物理数据模型。E-R图设计时,实体一对多和多对一关系,外键如何加?1)学生表(学生学号,学生姓名,班级编码)其中,K代表主键,Fk代表外键。1)学生表(学生学号,学生姓名)其中,K代表主键,Fk代表外键。2)班级(班级编码,班级名称)2)课程(课程编码,课程名称)
2024-04-26 07:59:37 1456
原创 数据库范式
Boyce-Codd Normal Form(巴斯-科德范式)在3NF基础上,任何主属性不能对主键子集依赖(在3NF基础上消除主属性对主码子集的依赖)巴斯-科德范式(BCNF)是第三范式(3NF)的一个子集,即满足巴斯-科德范式(BCNF)必须满足第三范式(3NF)。而真正的第四范式,则是在设计规范中添加了对多值及依赖的要求。**第一范式(1NF)**是指在关系模型中,对于添加的一个规范要求,所有的域都应该是原子性的,即数据库表的每一列都是不可分割的原子数据项,而不能是集合,数组,记录等非原子数据项。
2024-04-19 08:30:54 276
原创 数据抽样与数据采样的区别?
数据抽样是从一大堆数据中,选取一部分数据,作为样本。便于后期对数据检查数据是否被修改的依据。数据采样是从一大批数据中,选择一部分具有代表所抽样数据全部特征的数据,作为样本。当然,首次抽样数据的抽样算法、抽样长度、抽样比例、抽样结果需要进行保存。注意:这里选取的数据不一定具有代表性。数据抽取是从一堆数据中,抽取知识。例如:从语料数据中抽取规则或知识。注意:这里的样本是具有代表性的。
2024-04-13 08:31:31 271
rocketmq-externals-rocketmq-console-1.0.0.tar
2022-02-21
Oracle数据库安装程序(version-10201_database_win32).rar
2021-08-18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人