7.2HBase详解

已于 2022-02-23 10:41:02 修改
阅读量438 收藏 2
点赞数
分类专栏： 推荐系统-大数据 文章标签： hbase 数据库 big data
于 2022-02-18 17:41:15 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/u012441595/article/details/123005110
版权

python编程快速上手（持续更新中…）

推荐系统基础

文章目录

5.1 HBase简介

1 什么是HBase

  • HBase是一个分布式的、面向列的开源数据库
  • HBase是Google BigTable的开源实现
  • HBase不同于一般的关系数据库, 适合非结构化数据存储

2 BigTable

  • BigTable是Google设计的分布式数据存储系统，用来处理海量的数据的一种非关系型的数据库。
    • 适合大规模海量数据，PB级数据；
    • 分布式、并发数据处理，效率极高；
    • 易于扩展，支持动态伸缩
    • 适用于廉价设备；
    • 不适用于传统关系型数据的存储；

3 面向列的数据库

HBase 与 传统关系数据库的区别

在这里插入图片描述

关系型数据库中数据示例

在这里插入图片描述

同样数据保存到列式数据库中

在这里插入图片描述

行数据库&列数据库存储方式比较

在这里插入图片描述

4 什么是非结构化数据存储

  • 结构化数据
    • 适合用二维表来展示的数据
  • 非结构化数据
    • 非结构化数据是数据结构不规则或不完整
    • 没有预定义的数据模型
    • 不方便用数据库二维逻辑表来表现
    • 办公文档、文本、图片、XML, HTML、各类报表、图像和音频/视频信息等

5 HBase在Hadoop生态中的地位

  • HBase是Apache基金会顶级项目
  • HBase基于HDFS进行数据存储
  • HBase可以存储超大数据并适合用来进行大数据的实时查询

在这里插入图片描述

6 HBase与HDFS

  • HBase建立在Hadoop文件系统上, 利用了HDFS的容错能力
  • HBase提供对数据的随机实时读/写访问功能
  • HBase内部使用哈希表, 并存储索引, 可以快速查找HDFS中数据

7 HBase使用场景

  • 瞬间写入量很大
  • 大量数据需要长期保存, 且数量会持续增长
  • HBase不适合有join, 多级索引, 表关系复杂的数据模型

5.2 HBase的数据模型

  • NameSpace: 关系型数据库的"数据库"(database)

  • 表(table)：用于存储管理数据，具有稀疏的、面向列的特点。HBase中的每一张表，就是所谓的大表(Bigtable)，可以有上亿行，上百万列。对于为值为空的列，并不占用存储空间，因此表可以设计的非常稀疏。

  • 行(Row)：在表里面,每一行代表着一个数据对象,每一行都是以一个行键(Row Key)来进行唯一标识的, 行键并没有什么特定的数据类型, 以二进制的字节来存储

  • 列(Column): HBase的列由 Column family 和 Column qualifier 组成, 由冒号: 进行行间隔, 如 family: qualifier

  • 行键(RowKey)：类似于MySQL中的主键，HBase根据行键来快速检索数据，一个行键对应一条记录。与MySQL主键不同的是，HBase的行键是天然固有的，每一行数据都存在行键。

  • 列族(ColumnFamily)：是列的集合。列族在表定义时需要指定，而列在插入数据时动态指定。列中的数据都是以二进制形式存在，没有数据类型。在物理存储结构上，每个表中的每个列族单独以一个文件存储。一个表可以有多个列簇。

  • 列修饰符(Column Qualifier) : 列族中的数据通过列标识来进行映射, 可以理解为一个键值对(key-value), 列修饰符(Column Qualifier) 就是key 对应关系型数据库的列

  • 时间戳(TimeStamp)：是列的一个属性，是一个64位整数。由行键和列确定的单元格，可以存储多个数据，每个数据含有时间戳属性，数据具有版本特性。可根据版本(VERSIONS)或时间戳来指定查询历史版本数据，如果都不指定，则默认返回最新版本的数据。

  • 区域(Region)：HBase自动把表水平划分成的多个区域，划分的区域随着数据的增大而增多。

  • HBase 支持特定场景下的 ACID，即对行级别的 操作保证完全的 ACID

cap定理

分布式系统的最大难点，就是各个节点的状态如何同步。CAP 定理是这方面的基本定理，也是理解分布式系统的起点。

一致性(所有节点在同一时间具有相同的数据)
在这里插入图片描述

  • 可用性(保证每个请求不管成功或失败都有响应,但不保证获取的数据的正确性)
  • 分区容错性(系统中任意信息的丢失或失败不会影响系统的运行,系统如果不能在某个时限内达成数据一致性,就必须在上面两个操作之间做出选择)
    在这里插入图片描述
    hbase是CAP中的CP系统,即hbase是强一致性的

5.3 HBase 的安装与Shell操作

1 HBase的安装

参考：7.1.CentOS7下安装HBase的安装与配置

2 HBase shell

  • HBase DDL 和 DML 命令

在这里插入图片描述

  • 连接集群

hbase shell

  • 创建表

create ‘user’,‘base_info’

  • 删除表

disable ‘user’
drop ‘user’

  • 创建名称空间

create_namespace ‘test’

  • 展示现有名称空间

list_namespace

  • 创建表的时候添加namespace

create ‘test:user’,‘base_info’

  • 显示某个名称空间下有哪些表

list_namespace_tables ‘test’

  • 插入数据
put ‘表名’，‘rowkey的值’，’列族：列标识符‘，’值‘
put 'user','rowkey_10','base_info:username','Tom'
put 'user','rowkey_10','base_info:birthday','2014-07-10'
put 'user','rowkey_10','base_info:sex','1'
put 'user','rowkey_10','base_info:address','Tokyo'

put 'user','rowkey_16','base_info:username','Mike'
put 'user','rowkey_16','base_info:birthday','2014-07-10'
put 'user','rowkey_16','base_info:sex','1'
put 'user','rowkey_16','base_info:address','beijing'

put 'user','rowkey_22','base_info:username','Jerry'
put 'user','rowkey_22','base_info:birthday','2014-07-10'
put 'user','rowkey_22','base_info:sex','1'
put 'user','rowkey_22','base_info:address','Newyork'

put 'user','rowkey_24','base_info:username','Nico'
put 'user','rowkey_24','base_info:birthday','2014-07-10'
put 'user','rowkey_24','base_info:sex','1'
put 'user','rowkey_24','base_info:address','shanghai'

put 'user','rowkey_25','base_info:username','Rose'
put 'user','rowkey_25','base_info:birthday','2014-07-10'
put 'user','rowkey_25','base_info:sex','1'
put 'user','rowkey_25','base_info:address','Soul'
  • 查询表中的所有数据
scan 'user'
#HBase中一般存储数据量都很大 很少使用全表查询 scan会加上一些条件限制
  • 查询表中的所有数据
scan '名称空间:表名', {COLUMNS => ['列族名1', '列族名2'], LIMIT => 10, STARTROW => '起始的rowkey'}  # 通过COLUMNS  LIMIT STARTROW 等条件缩小查询范围

#LIMIT=>2 限制输出两行
scan 'user' ,{COLUMNS =>['base_info'],LIMIT=>2}
## 返回结果
ROW                        COLUMN+CELL
 rowkey_10                 column=base_info:address, timestamp=1558323139732, value=Tokyo
 rowkey_10                 column=base_info:birthday, timestamp=1558323139636, value=2014-07-10
 rowkey_10                 column=base_info:sex, timestamp=1558323139678, value=1
 rowkey_10                 column=base_info:username, timestamp=1558323918953, value=Tom4
 rowkey_16                 column=base_info:address, timestamp=1558323139963, value=beijing
 rowkey_16                 column=base_info:birthday, timestamp=1558323139866, value=2014-07-10
 rowkey_16                 column=base_info:sex, timestamp=1558323139907, value=1

#STARTROW 限制起始的Rowkey
scan 'user' ,{COLUMNS =>['base_info'],LIMIT=>2,STARTROW=>'rowkey_16'}
#返回结果：
ROW                        COLUMN+CELL
 rowkey_16                 column=base_info:address, timestamp=1558323139963, value=beijing
 rowkey_16                 column=base_info:birthday, timestamp=1558323139866, value=2014-07-10
 rowkey_16                 column=base_info:sex, timestamp=1558323139907, value=1
 rowkey_22                 column=base_info:address, timestamp=1558323140188, value=Newyork
 rowkey_22                 column=base_info:birthday, timestamp=1558323140107, value=2014-07-10
 rowkey_22                 column=base_info:sex, timestamp=1558323140143, value=1
 rowkey_22                 column=base_info:username, timestamp=1558323140036, value=Jerry
  • scan查询添加过滤器

ROWPREFIXFILTER rowkey 前缀过滤器

scan查询添加过滤器

ROWPREFIXFILTER rowkey 前缀过滤器
  • 查询某个rowkey的数据

查询某个rowkey的数据

  • 查询某个rowkey的数据

get ‘user’,‘rowkey_16’,‘base_info’
get ‘user’,‘rowkey_16’,‘base_info:username’
get ‘user’, ‘rowkey_16’, {COLUMN => [‘base_info:username’,‘base_info:sex’]}

  • 删除表中的数据

delete ‘user’, ‘rowkey_16’, ‘base_info:username’

  • 清空数据

truncate ‘user’

  • 操作列簇

alter ‘user’, NAME => ‘f2’
alter ‘user’, ‘delete’ => ‘f2’

  • HBase 追加型数据库 会保留多个版本数据

desc ‘user’
Table user is ENABLED
user
COLUMN FAMILIES DESCRIPTION
{NAME => ‘base_info’, VERSIONS => ‘1’, EVICT_BLOCKS_ON_CLOSE => ‘false’, NEW_VERSION_B
HE_DATA_ON_WRITE => ‘false’, DATA_BLOCK_ENCODING => ‘NONE’, TTL => ‘FOREVER’, MI
ER => ‘NONE’, CACHE_INDEX_ON_WRITE => ‘false’, IN_MEMORY => ‘false’, CACHE_BLOOM
se’, COMPRESSION => ‘NONE’, BLOCKCACHE => ‘false’, BLOCKSIZE => ‘65536’}

  • VERSIONS=>'1’说明最多可以显示一个版本 修改数据

put ‘user’,‘rowkey_10’,‘base_info:username’,‘Tom’

  • 指定显示多个版本

get ‘user’,‘rowkey_10’,{COLUMN=>‘base_info:username’,VERSIONS=>2}

  • 修改可以显示的版本数量

alter ‘user’,NAME=>‘base_info’,VERSIONS=>10

  • 通过时间戳查询
    • 通过TIMERANGE 指定时间范围

scan ‘user’,{COLUMNS => ‘base_info’, TIMERANGE => [1558323139732, 1558323139866]}
get ‘user’,‘rowkey_10’,{COLUMN=>‘base_info:username’,VERSIONS=>2,TIMERANGE => [1558323904130, 1558323918954]}

  • 通过时间戳过滤器 指定具体时间戳的值

scan ‘user’,{FILTER => ‘TimestampsFilter (1558323139732, 1558323139866)’}
get ‘user’,‘rowkey_10’,{COLUMN=>‘base_info:username’,VERSIONS=>2,FILTER => ‘TimestampsFilter (1558323904130, 1558323918954)’}

  • 获取最近多个版本的数据
get 'user','rowkey_10',{COLUMN=>'base_info:username',VERSIONS=>10}

COLUMN                           CELL
 base_info:username              timestamp=1558323918953, value=Tom4
 base_info:username              timestamp=1558323904133, value=Tom3
 base_info:username              timestamp=1558323758696, value=Tom2
 base_info:username              timestamp=1558323139575, value=Tom
  • 通过指定时间戳获取不同版本的数据
get 'user','rowkey_10',{COLUMN=>'base_info:username',TIMESTAMP=>1558323904133}

#返回结果如下
COLUMN                           CELL
 base_info:username              timestamp=1558323904133, value=Tom3

get 'user','rowkey_10',{COLUMN=>'base_info:username',TIMESTAMP=>1558323918953}
#返回结果如下
COLUMN                           CELL
 base_info:username              timestamp=1558323918953, value=Tom4

3.命令表

在这里插入图片描述

5.4 HappyBase操作Hbase

1.什么是HappyBase

HappyBase 是FaceBook员工开发的操作HBase的python库, 其基于Python Thrift, 但使用方式比Thrift简单, 已被广泛应用

2.启动hbase thrift server : hbase-daemon.sh start thrift

3.安装happy base

pip install happybase

4.如何使用HappyBase

建立连接

import happybase
connection = happybase.Connection(‘somehost’)

当连接建立时, 会自动创建一个与 HBase Thrift server的socket链接. 可以通过参数禁止自动链接, 然后再需要连接是调用 Connection.open():

connection = happybase.Connection('somehost', autoconnect=False)
# before first use:
connection.open()

Connection 这个类提供了一个与HBase交互的入口, 比如获取HBase中所有的表: Connection.tables():

print(connection.tables())

操作表

  • Table类提供了大量API, 这些API用于检索和操作HBase中的数据。 在上面的示例中，我们已经使用Connection.tables（）方法查询HBase中的表。 如果还没有任何表，可使用Connection.create_table（）创建一个新表：

connection.create_table(‘users’,{‘cf1’: dict()})

  • 创建表之后可以传入表名获取到Table类的实例:

table = connection.table(‘mytable’)

查询操作

# api
table.scan() #全表查询
table.row('row_key') # 查询一行
table.rows([row_keys]) # 查询多行
#封装函数
def scanQuery():
    # 创建和hbase的连接
    connection = happybase.Connection('192.168.19.137')
    #通过connection找到user表 获得table对象
    table = connection.table('user')
    filter = "ColumnPrefixFilter('username')"
    #row_start 指定起始rowkey 缩小查询范围
    #filter 添加过滤器
    for key,value in table.scan(row_start='rowkey_10',filter=filter):
        print(key,value)
    # 关闭连接
    connection.close()
def getQuery():
    connection = happybase.Connection('192.168.19.137')
    # 通过connection找到user表 获得table对象
    table = connection.table('user')
    result = table.row('rowkey_22',columns=['base_info:username'])
    #result = table.row('rowkey_22',columns=['base_info:username'])
    result = table.rows(['rowkey_22','rowkey_16'],columns=['base_info:username'])
    print(result)
    # 关闭连接
    connection.close()

插入数据

#api
table.put(row_key, {'cf:cq':'value'})
def insertData():
    connection = happybase.Connection('192.168.19.137')
    # 通过connection找到user表 获得table对象
    table = connection.table('users')
    table.put('rk_01',{'cf1:address':'beijing'})
    # 关闭连接
    for key,value in table.scan():
        print(key,value)
    connection.close()

删除数据

#api
table.delete(row_key, cf_list)

def deleteData():
    connection = happybase.Connection('192.168.19.137')
    # 通过connection找到user表 获得table对象
    table = connection.table('users')
    table.delete('rk_01',['cf1:username'])
    # 关闭连接
    for key,value in table.scan():
        print(key,value)
    connection.close()

删除表

#api
conn.delete_table(table_name, True)
#函数封装
def delete_table(table_name):
    pretty_print('delete table %s now.' % table_name)
    conn.delete_table(table_name, True)

完整代码

import happybase

def connectHBase():
    #创建和hbase的连接
    connection = happybase.Connection('192.168.19.137')
    #获取hbase中的所有表
    print(connection.tables())
    #关闭连接
    connection.close()

def createTable():
    connection = happybase.Connection('192.168.19.137')
    connection.create_table('users',{'cf1': dict()})
    print(connection.tables())
    connection.close()

def scanQuery():
    # 创建和hbase的连接
    connection = happybase.Connection('192.168.19.137')
    #通过connection找到user表 获得table对象
    table = connection.table('user')
    filter = "ColumnPrefixFilter('username')"
    #row_start 指定起始rowkey 缩小查询范围
    #filter 添加过滤器
    for key,value in table.scan(row_start='rowkey_10',filter=filter):
        print(key,value)
    # 关闭连接
    connection.close()
def getQuery():
    connection = happybase.Connection('192.168.19.137')
    # 通过connection找到user表 获得table对象
    table = connection.table('user')
    result = table.row('rowkey_22',columns=['base_info:username'])
    #result = table.row('rowkey_22',columns=['base_info:username'])
    result = table.rows(['rowkey_22','rowkey_16'],columns=['base_info:username'])
    print(result)
    # 关闭连接
    connection.close()
def insertData():
    connection = happybase.Connection('192.168.19.137')
    # 通过connection找到user表 获得table对象
    table = connection.table('users')
    table.put('rk_01',{'cf1:address':'beijing'})
    # 关闭连接
    for key,value in table.scan():
        print(key,value)
    connection.close()
def deleteData():
    connection = happybase.Connection('192.168.19.137')
    # 通过connection找到user表 获得table对象
    table = connection.table('users')
    table.delete('rk_01',['cf1:username'])
    # 关闭连接
    for key,value in table.scan():
        print(key,value)
    connection.close()

def deletetable():
    #创建和hbase的连接
    connection = happybase.Connection('192.168.19.137')
    #获取hbase中的所有表
    connection.delete_table('users',disable=True)
    print(connection.tables())
    #关闭连接
    connection.close()
def main():
    #connectHBase()
    #createTable()
    scanQuery()
    #getQuery()
    #insertData()
    #deleteData()
    #deletetable()

  if __name__ == "__main__":
      main()

5.5 HBase组件

1 HBase 基础架构

在这里插入图片描述

Client

①与zookeeper通信, 找到数据入口地址
②使用HBase RPC机制与HMaster和HRegionServer进行通信；
③Client与HMaster进行通信进行管理类操作；
④Client与HRegionServer进行数据读写类操作。

Zookeeper

①保证任何时候，集群中只有一个running master，避免单点问题；
②存贮所有Region的寻址入口，包括-ROOT-表地址、HMaster地址；
③实时监控Region Server的状态，将Region server的上线和下线信息，实时通知给Master；
④存储Hbase的schema，包括有哪些table，每个table有哪些column family。
HMaster

可以启动多个HMaster，通过Zookeeper的Master Election机制保证总有一个Master运行。

角色功能：

①为Region server分配region；
②负责region server的负载均衡；
③发现失效的region serve并重新分配其上的region；
④HDFS上的垃圾文件回收；
⑤处理用户对表的增删改查操作。

HRegionServer

HBase中最核心的模块，主要负责响应用户I/O请求，向HDFS文件系统中读写数据。

作用：

①维护Master分配给它的region，处理对这些region的IO请求；
②负责切分在运行过程中变得过大的region。
此外，HRegionServer管理一系列HRegion对象，每个HRegion对应Table中一个Region，HRegion由多个HStore组成，每个HStore对应Table中一个Column Family的存储，Column Family就是一个集中的存储单元，故将具有相同IO特性的Column放在一个Column Family会更高效。

HStore
  • HBase存储的核心，由MemStore和StoreFile组成。
    在这里插入图片描述
  • 用户写入数据的流程为：client访问ZK, ZK返回RegionServer地址-> client访问RegionServer写入数据 -> 数据存入MemStore，一直到MemStore满 -> Flush成StoreFile
HRegion
  • 一个表最开始存储的时候，是一个region。
  • 一个Region中会有个多个store，每个store用来存储一个列簇。如果只有一个column family，就只有一个store。
  • region会随着插入的数据越来越多，会进行拆分。默认大小是10G一个。
HLog
  • 在分布式系统环境中，无法避免系统出错或者宕机，一旦HRegionServer意外退出，MemStore中的内存数据就会丢失，引入HLog就是防止这种情况。

2 HBase模块协作

HBase启动
  • HMaster启动, 注册到Zookeeper, 等待RegionServer汇报
  • RegionServer注册到Zookeeper, 并向HMaster汇报
  • 对各个RegionServer(包括失效的)的数据进行整理, 分配Region和meta信息
RegionServer失效
  • HMaster将失效RegionServer上的Region分配到其他节点
  • HMaster更新hbase: meta 表以保证数据正常访问
HMaster失效
  • 处于Backup状态的其他HMaster节点推选出一个转为Active状态
  • 数据能正常读写, 但是不能创建删除表, 也不能更改表结构
IT瘾君
关注
专栏目录
详解HBase架构原理
02-24
HBase是一个高可靠、高性能、面向列、可伸缩的分布式存储系统，利用HBase技术可在廉价的PCServer上搭建大规模结构化存储集群。HBase是GoogleBigTable的开源实现，与GoogleBigTable利用GFS作为其文件存储系统类似，...
Hbase入门详解
01-20
1、hbase概述 1.1 hbase是什么 hbase是基于hdfs进行数据的分布式存储，具有高可靠、高性能、列存储、可伸缩、实时读写的nosql数据库。 hbase可以存储海量的数据，并且后期查询性能很高，可以实现上亿条数据的查询秒...
[Hbase]一 HBase基础
weixin_44428807的博客
10-10 904
HBase数据模型的关键在于 稀疏、分布式、多维、排序 的映射。其中映射 map指代非关系型数据库的 key-Value结构。
HBase
最新发布
翱翔-蓝天
10-17 1018
HBase 是一个分布式、面向列的 NoSQL 数据库，构建于 Hadoop 之上，使用 Hadoop 的 HDFS 作为底层存储，适合处理大规模数据的实时读写和随机访问。HBase 专为处理 PB 级别的大数据量而设计，能够在分布式集群中实现海量数据的存储和快速查询，尤其适合半结构化或非结构化数据场景。HBase 是一个强大的分布式 NoSQL 数据库，适合存储和处理大规模的半结构化数据和实时读写的场景。
plsql查询Oracle数据库发现有的数据是乱码
qq_29270805的博客
10-17 414
客户端发送数据：数据 “一二三四五六” 以AL32UTF8字符集编码，即。数据传输：数据通过网络传输到数据库服务器。数据接收与转换：数据库接收到数据后，将其从AL32UTF8转换为ZHS16GBK，即。存储数据：转换后的数据以ZHS16GBK字符集存储在数据库中。
docker-harbor
qq_54598007的博客
10-17 861
（1）基于角色控制：用户和仓库都是基于项目进行组织的，而用户在项目中可以拥有不同的权限。（2）基于镜像的复制策略：镜像可以在多个Harbor实例之间进行复制（同步）。（3）支持 LDAP/AD：Harbor 可以集成企业内部已有的 AD/LDAP（类似数据库的一张表），用于对已经存在的用户认证和管理。（4）镜像删除和垃圾回收：镜像可以被删除，也可以回收镜像占用的空间。（5）图形化用户界面：用户可以通过浏览器来浏览，搜索镜像仓库以及对项目进行管理。
基于SSM班级事务管理系统的设计
2401_87849773的博客
10-15 415
管理员账户功能包括：系统首页，个人中心，学生管理，班委管理，班会组织管理，健康档案管理，党员发展管理，党员培训管理，学生成绩管理。主要技术：Java,Spring,mybatis,mysql,jquery,html。班委账号功能包括：系统首页，学生管理，学生成绩管理，活动信息管理，班费通知管理。服务器：SpringBoot自带 apache tomcat。JDK版本：Java JDK1.8。数据库可视化工具： navicat。数据库版本： mysql5.7。开发系统：Windows。
Rdis的应用，示例，四种模式单机模式、主从模式、哨兵模式、集群模式
weixin_66568937的博客
10-16 680
为此， Redis 提供了复制（replication）功能，可以实现当一台数据库中的数据更新后，自动将更新的数据同步到其他数据库上。主从模式在很多系统设计时都会考虑，一个master挂在多个slave节点，当master服务宕机，会选举产生一个新的master节点，从而保证服务的高可用性。从上面很容易就想到一个问题，既然主从复制，意味着master和slave的数据都是一样的，有数据冗余问题。替换原来的故障节点。刚刚提到了，主从模式，当主节点宕机之后，从节点是可以作为主节点顶上来，继续提供服务的。
MySQL查询优化：提升数据库性能
apple_64847327的博客
10-17 888
MySQL查询优化是一个涉及多个层面的复杂过程，需要我们从索引设计、查询语句编写、数据类型选择、服务器配置等多个角度进行综合考虑。通过不断学习和实践，我们可以逐渐掌握这门艺术，从而提升我们的数据库性能，为用户提供更快更好的服务。优化是一个持续的过程，随着数据量的增长和查询模式的变化，我们需要不断地回顾和调整我们的优化策略。
SCAU数据库实验2习题
会写代码的mika的博客
10-13 1082
1. 查询所有计算机系（Comp. Sci.）开出的、3个学分的课程名。SELECTFROMWHERE2. 查询ID为12345的学生所选修的所有课程的课程号与课程名。3. 使用聚集函数查询ID为12345的学生所选修的所获得的总学分4. 统计每位学生选修的总学分数，显示学生姓名和总学分。对没选修课程的学生，总学分对应位置显示0。
Go 项目如何集成类似mybatisPlus插件呢？GORM走起!!
童龙辉的博客
10-16 965
Go 项目中，虽然没有像 MyBatis Plus 这样特定的 ORM 插件，但可以使用功能相似的 Go ORM 框架，比如 GORM，它支持链式查询、自动迁移、预加载等功能，与 MyBatis Plus 有相似之处。通过一些插件或扩展，可以实现更丰富的功能，比如软删除、分页查询等
快速构建SpringBoot项目
qq_38527427的博客
10-14 756
下文将简述如何快速构建一个SpringBoot项目，使用SpringData JPA实现持久层访问，集成lombok、swagger2及集成thymeleaf进行页面展示。
mysql锁之乐观锁、悲观锁、表锁、行锁、共享锁、排他锁
qq_68883928的博客
10-14 654
锁是计算机协调多个进程或线程并发访问某一个资源的机制，在数据库中，除传统的计算资源（CPU、RAM、I/O）的争用以外，数据也是一种供许多用户共享的资源。如何保证数据并发访问的一致性、有效性是所在有数据库必须解决的一个问题，锁冲突也是影响数据库并发访问性能的一个重要因素。从这个角度来说，锁对数据库而言显得尤其重要，也更加复杂。
SQLite数据库在Android中的应用及操作方式
Good_tea_h的博客
10-14 814
SQLite数据库在Android中的应用非常广泛，它作为一个轻量级的关系型数据库，以其高效、可靠和易于使用的特点，成为了Android平台上存储和管理数据的首选方案。以下是对SQLite数据库在Android中的应用及操作方式的详细介绍。
初识Flink
程序员小潘
10-15 636
伴随现代信息技术的持续发展，我们能清晰地察觉到，信息生产的规模不断扩张，信息更新的速率持续攀升。以电商系统为例，用户从搜索商品到下单支付，整个链路可能短短几秒就可以完成，倘若能在这条链路里更迅速地分析与挖掘出价值更高的信息，便能取得优势地位。在这种需求推动的宏大背景下，各类批处理、流处理引擎得以快速发展，其中 Apache Flink 更是成为后来居上的佼佼者。
python爬虫快速入门之---Scrapy 从入门到包吃包住
m0_63144319的博客
10-16 1055
scrapy是一个为了爬取网站数据，提取结构性数据而编写的应用框架。可以应用在包括数据挖掘，信息处理或存储历史数据等一系列的程序中。Scrapy是一个开源的Python 爬虫框架，用于从网站上提取数据（即进行网络爬虫），并能将这些数据进行处理和存储。它的设计目标是简单高效地抓取大量网页，并提供强大的工具来进行数据的提取和分析。Scrapy shell是一个交互式shell（终端），您可以在其中快速调试您的抓取代码，而无需运行spider。
基于SpringBoot的冬奥会科普平台
weixin_53180424的博客
10-16 363
系统展示 【2024最新】基于Java+SpringBoot+Vue+MySQL的，前后端分离。
redis过期提醒
Lxn2zh的博客
10-16 981
有一次看redis的配置文件发现一个notify-keyspace-events配置，注释里边长篇大论的，那我得看看这是干啥的，看完注释内容，发现不得了了，redis竟然还有过期提醒的功能。g 一般性的，非特定类型的命令，比如del，expire，rename等。e 驱逐事件，当某个键因 maxmemore 策略而被删除时，产生该事件。首先呢，这个功能是基于发布订阅的，通过key的事件来触发发布订阅。x 过期事件，当某个键过期并删除时会产生该事件。s Set命令。
HBase详解：运行、启动及Web管理
HBase是Apache Hadoop生态系统中的一个重要组成部分，它是一个分布式、开源的NoSQL数据库，专为大规模、高吞吐量的非结构化数据存储而设计。HBase的设计灵感来源于Google的Bigtable，它利用Hadoop分布式文件系统...
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