hadoop快速入门

最新推荐文章于 2024-07-14 11:06:26 发布
最新推荐文章于 2024-07-14 11:06:26 发布
阅读量179 收藏
点赞数
分类专栏： 大数据

学习目标：

第一次接触具体的大数据框架，先建立起大数据和分布式的宏观概念

1、理解hadoop是什么，用于做什么，大体上怎么用

2、理解hive是什么，用于做什么，大体上怎么用

3、通过一个案例的演示说明，理解数据挖掘系统的基本流程和结构

 

 

  • 一、HADOOP背景介绍

  • 1.1 什么是HADOOP

  • 1.HADOOP是apache旗下的一套开源软件平台
  • 2.HADOOP提供的功能：利用服务器集群，根据用户的自定义业务逻辑，对海量数据进行分布式处理
  • 3HADOOP的核心组件有
  •             HDFS（分布式文件系统）
  •             YARN（运算资源调度系统）
  •             MAPREDUCE（分布式运算编程框架）
  • 4广义上来说，HADOOP通常是指一个更广泛的概念——HADOOP生态圈

  • 1.2 HADOOP产生背景

  • HADOOP最早起源于Nutch。Nutch的设计目标是构建一个大型的全网搜索引擎，包括网页抓取、索引、查询等功能，但随着抓取网页数量的增加，遇到了严重的可扩展性问题——如何解决数十亿网页的存储和索引问题。
  • 2003年、2004年谷歌发表的两篇论文为该问题提供了可行的解决方案。

——分布式文件系统（GFS），可用于处理海量网页的存储

——分布式计算框架MAPREDUCE，可用于处理海量网页的索引计算问题。

  • Nutch的开发人员完成了相应的开源实现HDFS和MAPREDUCE，并从Nutch中剥离成为独立项目HADOOP，到2008年1月，HADOOP成为Apache顶级项目，迎来了它的快速发展期。

1.3 HADOOP在大数据、云计算中的位置和关系

  • 云计算是分布式计算、并行计算、网格计算、多核计算、网络存储、虚拟化、负载均衡等传统计算机技术和互联网技术融合发展的产物。借助IaaS(基础设施即服务)、PaaS(平台即服务)、SaaS（软件即服务）等业务模式，把强大的计算能力提供给终端用户。

 

  • 现阶段，云计算的两大底层支撑技术为“虚拟化”和“大数据技术”

 

  • 而HADOOP则是云计算的PaaS层的解决方案之一，并不等同于PaaS，更不等同于云计算本身。

 

 

 

 

  • 1.4 国内外HADOOP应用案例介绍

  • HADOOP应用于数据服务基础平台建设

 

  • HADOOP用于用户画像

 

  • HADOOP用于网站点击流日志数据挖掘

 

 

 

  • 1.5HADOOP就业职位要求

大数据是个复合专业，包括应用开发、软件平台、算法、数据挖掘等，因此，大数据技术领域的就业选择是多样的，但就HADOOP而言，通常都需要具备以下技能或知识：

  1. HADOOP分布式集群的平台搭建
  2. HADOOP分布式文件系统HDFS的原理理解及使用
  3. HADOOP分布式运算框架MAPREDUCE的原理理解及编程
  4. Hive数据仓库工具的熟练应用
  5. Flume、sqoop、oozie等辅助工具的熟练使用
  6. Shell/python等脚本语言的开发能力

 

1.6 HADOOP生态圈以及各组成部分的简介

各组件简介

 

重点组件：

HDFS：分布式文件系统

MAPREDUCE：分布式运算程序开发框架

HIVE：基于大数据技术（文件系统+运算框架）的SQL数据仓库工具

HBASE：基于HADOOP的分布式海量数据库

ZOOKEEPER：分布式协调服务基础组件

Mahout：基于mapreduce/spark/flink等分布式运算框架的机器学习算法库

Oozie：工作流调度框架

Sqoop：数据导入导出工具

Flume：日志数据采集框架

 

 

 

  • 二、 分布式系统概述

注：由于大数据技术领域的各类技术框架基本上都是分布式系统，因此，理解hadoop、storm、spark等技术框架，都需要具备基本的分布式系统概念

 

  • 2.1 分布式软件系统(Distributed Software Systems)

  • 该软件系统会划分成多个子系统或模块，各自运行在不同的机器上，子系统或模块之间通过网络通信进行协作，实现最终的整体功能
  • 比如分布式操作系统、分布式程序设计语言及其编译(解释)系统、分布式文件系统和分布式数据库系统等。

 

  • 2.2 分布式软件系统举例：solrcloud

  1. 一个solrcloud集群通常有多台solr服务器
  2. 每一个solr服务器节点负责存储整个索引库的若干个shard（数据分片）
  3. 每一个shard又有多台服务器存放若干个副本互为主备用
  4. 索引的建立和查询会在整个集群的各个节点上并发执行
  5. solrcloud集群作为整体对外服务，而其内部细节可对客户端透明

总结：利用多个节点共同协作完成一项或多项具体业务功能的系统就是分布式系统。

 

  • 2.3 分布式应用系统模拟开发

需求：可以实现由主节点将运算任务发往从节点，并将各从节点上的任务启动；

程序清单：

AppMaster

AppSlave/APPSlaveThread

Task

程序运行逻辑流程：

 

  • 三、离线数据分析流程介绍

注：本环节主要感受数据分析系统的宏观概念及处理流程，初步理解hadoop等框架在其中的应用环节，不用过于关注代码细节

 

一个应用广泛的数据分析系统：“web日志数据挖掘”

网站或APP点击流日志数据挖掘系统 。

 

“Web点击流日志”包含着网站运营很重要的信息，通过日志分析，我们可以知道网站的访问量，哪个网页访问人数最多，哪个网页最有价值，广告转化率、访客的来源信息，访客的终端信息等。

 

  • 3.1.3 数据来源

本案例的数据主要由用户的点击行为记录

获取方式：在页面预埋一段js程序，为页面上想要监听的标签绑定事件，只要用户点击或移动到标签，即可触发ajax请求到后台servlet程序，用log4j记录下事件信息，从而在web服务器（nginx、tomcat等）上形成不断增长的日志文件。

形如：

58.215.204.118 - - [18/Sep/2013:06:51:35 +0000] "GET /wp-includes/js/jquery/jquery.js?ver=1.10.2 HTTP/1.1" 304 0 "http://blog.fens.me/nodejs-socketio-chat/" "Mozilla/5.0 (Windows NT 5.1; rv:23.0) Gecko/20100101 Firefox/23.0"

 

 

 

 

  • 3.2 数据处理流程

  • 3.2.1 流程图解析

本案例跟典型的BI系统极其类似，整体流程如下：

但是，由于本案例的前提是处理海量数据，因而，流程中各环节所使用的技术则跟传统BI完全不同，后续课程都会一一讲解：

  1. 数据采集：定制开发采集程序，或使用开源框架FLUME
  2. 数据预处理：定制开发mapreduce程序运行于hadoop集群
  3. 数据仓库技术：基于hadoop之上的Hive
  4. 数据导出：基于hadoop的sqoop数据导入导出工具
  5. 数据可视化：定制开发web程序或使用kettle等产品
  6. 整个过程的流程调度：hadoop生态圈中的oozie工具或其他类似开源产品

 

  • 3.2.2 项目技术架构图

  • 3.2.3 项目相关截图

  • Mapreudce程序运行

 

  • 在Hive中查询数据

 

  • 将统计结果导入mysql

./sqoop export --connect jdbc:mysql://localhost:3306/weblogdb --username root --password root  --table t_display_xx  --export-dir /user/hive/warehouse/uv/dt=2014-08-03

 

 

 

 

 

  • 3.3 项目最终效果

经过完整的数据处理流程后，会周期性输出各类统计指标的报表，在生产实践中，最终需要将这些报表数据以可视化的形式展现出来，本案例采用web程序来实现数据可视化

效果如下所示：

 

 

 

 

 

HADOOP集群具体来说包含两个集群：HDFS集群和YARN集群，两者逻辑上分离，但物理上常在一起

HDFS集群：

负责海量数据的存储，集群中的角色主要有 NameNode / DataNode

YARN集群：

负责海量数据运算时的资源调度，集群中的角色主要有 ResourceManager /NodeManager

(那mapreduce是什么呢？它其实是一个应用程序开发包)

 

本集群搭建案例，以5节点为例进行搭建，角色分配如下：

hdp-node-01    NameNode  SecondaryNameNode

hdp-node-02    ResourceManager

hdp-node-03              DataNode    NodeManager

hdp-node-04              DataNode    NodeManager

hdp-node-05              DataNode    NodeManager

部署图如下：

  • 4.1.2服务器准备

本案例使用虚拟机服务器来搭建HADOOP集群，所用软件及版本：

  • Vmware 11.0
  • Centos  6.5  64bit

 

  • 4.1.3网络环境准备

  • 采用NAT方式联网
  • 网关地址：192.168.33.1
  • 3个服务器节点IP地址：192.168.33.101、192.168.33.102、192.168.33.103
  • 子网掩码：255.255.255.0

  • 4.1.4服务器系统设置

  • 添加HADOOP用户
  • 为HADOOP用户分配sudoer权限
  • 同步时间
  • 设置主机名
    1. hdp-node-01
    2. hdp-node-02
    3. hdp-node-03
  • 配置内网域名映射：
    1. 192.168.33.101          hdp-node-01
    2. 192.168.33.102          hdp-node-02
    3. 192.168.33.103          hdp-node-03
  • 配置ssh免密登陆
  • 配置防火墙

 

  • 4.1.5 Jdk环境安装

  • 上传jdk安装包
  • 规划安装目录  /home/hadoop/apps/jdk_1.7.65
  • 解压安装包
  • 配置环境变量 /etc/profile

 

 

  • 4.1.6 HADOOP安装部署

  • 上传HADOOP安装包
  • 规划安装目录  /home/hadoop/apps/hadoop-2.6.1
  • 解压安装包
  • 修改配置文件  $HADOOP_HOME/etc/hadoop/

最简化配置如下：

vi  hadoop-env.sh

# The java implementation to use.

export JAVA_HOME=/home/hadoop/apps/jdk1.7.0_51

 

vi  core-site.xml

<configuration>

<property>

<name>fs.defaultFS</name>

<value>hdfs://hdp-node-01:9000</value>

</property>

<property>

<name>hadoop.tmp.dir</name>

<value>/home/HADOOP/apps/hadoop-2.6.1/tmp</value>

</property>

</configuration>

vi  hdfs-site.xml

<configuration>

<property>

<name>dfs.namenode.name.dir</name>

<value>/home/hadoop/data/name</value>

</property>

<property>

<name>dfs.datanode.data.dir</name>

<value>/home/hadoop/data/data</value>

</property>

 

<property>

<name>dfs.replication</name>

<value>3</value>

</property>

 

<property>

<name>dfs.secondary.http.address</name>

<value>hdp-node-01:50090</value>

</property>

</configuration>

 

 

 

vi  mapred-site.xml

<configuration>

<property>

<name>mapreduce.framework.name</name>

<value>yarn</value>

</property>

</configuration>

 

vi  yarn-site.xml

<configuration>

<property>

<name>yarn.resourcemanager.hostname</name>

<value>hadoop01</value>

</property>

 

<property>

<name>yarn.nodemanager.aux-services</name>

<value>mapreduce_shuffle</value>

</property>

</configuration>

 

vi  salves

hdp-node-01

hdp-node-02

hdp-node-03

 

 

初始化HDFS

bin/hadoop  namenode  -format

 

启动HDFS

sbin/start-dfs.sh

 

启动YARN

sbin/start-yarn.sh

1、上传文件到HDFS

从本地上传一个文本文件到hdfs的/wordcount/input目录下

[HADOOP@hdp-node-01 ~]$ HADOOP fs -mkdir -p /wordcount/input

[HADOOP@hdp-node-01 ~]$ HADOOP fs -put /home/HADOOP/somewords.txt  /wordcount/input

 

2、运行一个mapreduce程序

在HADOOP安装目录下，运行一个示例mr程序

cd $HADOOP_HOME/share/hadoop/mapreduce/

hadoop jar mapredcue-example-2.6.1.jar wordcount /wordcount/input  /wordcount/output

 

 

 

 

 

  • 5 集群使用初步

  • 5.1 HDFS使用

1、查看集群状态

命令：   hdfs  dfsadmin  –report

可以看出，集群共有3个datanode可用

也可打开web控制台查看HDFS集群信息，在浏览器打开http://hdp-node-01:50070/

2、上传文件到HDFS

  • 查看HDFS中的目录信息

命令：   hadoop  fs  –ls  /

 

  • 上传文件

命令：   hadoop  fs  -put  ./ scala-2.10.6.tgz  to  /

 

  • 从HDFS下载文件

命令：  hadoop  fs  -get  /yarn-site.xml

 

 

 

 

 

 

 

  • 5.2 MAPREDUCE使用

mapreduce是hadoop中的分布式运算编程框架，只要按照其编程规范，只需要编写少量的业务逻辑代码即可实现一个强大的海量数据并发处理程序

  • 5.2.1 Demo开发——wordcount

1、需求

从大量（比如T级别）文本文件中，统计出每一个单词出现的总次数

 

2、mapreduce实现思路

Map阶段：

  • 从HDFS的源数据文件中逐行读取数据
  • 将每一行数据切分出单词
  • 为每一个单词构造一个键值对(单词，1)
  • 将键值对发送给reduce

 

Reduce阶段：

  • 接收map阶段输出的单词键值对
  • 将相同单词的键值对汇聚成一组
  • 对每一组，遍历组中的所有“值”，累加求和，即得到每一个单词的总次数
  • 将(单词，总次数)输出到HDFS的文件中

 

 

3.具体编码实现

(1)定义一个mapper类

//首先要定义四个泛型的类型

//keyin:  LongWritable    valuein: Text

//keyout: Text            valueout:IntWritable

 

public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable>{

         //map方法的生命周期：  框架每传一行数据就被调用一次

         //key :  这一行的起始点在文件中的偏移量

         //value: 这一行的内容

         @Override

         protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

                   //拿到一行数据转换为string

                   String line = value.toString();

                   //将这一行切分出各个单词

                   String[] words = line.split(" ");

                   //遍历数组，输出<单词，1>

                   for(String word:words){

                            context.write(new Text(word), new IntWritable(1));

                   }

         }

}

 

(2)定义一个reducer类

         //生命周期：框架每传递进来一个kv 组，reduce方法被调用一次

         @Override

         protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {

                   //定义一个计数器

                   int count = 0;

                   //遍历这一组kv的所有v，累加到count中

                   for(IntWritable value:values){

                            count += value.get();

                   }

                   context.write(key, new IntWritable(count));

         }

}

 

(3)定义一个主类，用来描述job并提交job

public class WordCountRunner {

         //把业务逻辑相关的信息（哪个是mapper，哪个是reducer，要处理的数据在哪里，输出的结果放哪里。。。。。。）描述成一个job对象

         //把这个描述好的job提交给集群去运行

         public static void main(String[] args) throws Exception {

                   Configuration conf = new Configuration();

                   Job wcjob = Job.getInstance(conf);

                   //指定我这个job所在的jar包

//               wcjob.setJar("/home/hadoop/wordcount.jar");

                   wcjob.setJarByClass(WordCountRunner.class);

                  

                   wcjob.setMapperClass(WordCountMapper.class);

                   wcjob.setReducerClass(WordCountReducer.class);

                   //设置我们的业务逻辑Mapper类的输出key和value的数据类型

                   wcjob.setMapOutputKeyClass(Text.class);

                   wcjob.setMapOutputValueClass(IntWritable.class);

                   //设置我们的业务逻辑Reducer类的输出key和value的数据类型

                   wcjob.setOutputKeyClass(Text.class);

                   wcjob.setOutputValueClass(IntWritable.class);

                  

                   //指定要处理的数据所在的位置

                   FileInputFormat.setInputPaths(wcjob, "hdfs://hdp-server01:9000/wordcount/data/big.txt");

                   //指定处理完成之后的结果所保存的位置

                   FileOutputFormat.setOutputPath(wcjob, new Path("hdfs://hdp-server01:9000/wordcount/output/"));

                  

                   //向yarn集群提交这个job

                   boolean res = wcjob.waitForCompletion(true);

                   System.exit(res?0:1);

         }

 

 

 

 

  • 5.2.2 程序打包运行

  • 1.将程序打包
  • 2.准备输入数据

vi  /home/hadoop/test.txt

Hello tom

Hello jim

Hello ketty

Hello world

Ketty tom

在hdfs上创建输入数据文件夹：

hadoop   fs  mkdir  -p  /wordcount/input

将words.txt上传到hdfs上

         hadoop  fs  –put  /home/hadoop/words.txt  /wordcount/input

 

  • 3.将程序jar包上传到集群的任意一台服务器上

 

  • 4.使用命令启动执行wordcount程序jar包

$ hadoop jar wordcount.jar cn.itcast.bigdata.mrsimple.WordCountDriver /wordcount/input /wordcount/out

 

  • 5.查看执行结果

$ hadoop fs –cat /wordcount/out/part-r-00000

我需要好好学习
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【大数据】Hadoop快速入门
lsj960922的博客
07-04 217
Hadoop是什么： 随着数据量的急剧增加，遇到的两个最直接的问题就是数据存储和计算(分析/利用)。 Hadoop是由Apache基金会所开发的一个用Java实现的分布式基础框架，也可以看做是一个支持开发、运行由通用计算设备组成的大型集群上的分布式应用的平台。Hadoop中的两个最重要的组件—HDFS和MapReduce就是用来解决海量数据(分布式)存储、海量数据(分布式)计算的。用户可以在...
Hadoop 快速入门
06-19
**Hadoop 快速入门** Hadoop 是一个开源的分布式计算框架，由Apache软件基金会维护，主要用于处理和存储海量数据。这个快速入门指南将帮助初学者理解Hadoop的基本概念、架构以及如何开始使用它。 ## 一、Hadoop 的...
Hadoop快速入门
FENG_LIN的博客
09-30 332
这篇文档的目的是帮助你快速完成单机上的Hadoop安装与使用以便你对Hadoop分布式文件系统(HDFS)和Map-Reduce框架有所体会，比如在HDFS上运行示例程序或简单作业等。
1.2 Hadoop快速入门
c_lanxiaofang的博客
07-03 333
任务目的 重点掌握Hadoop的核心组件 了解Hadoop的发展历史及其生态体系 熟记Hadoop的主要特性 任务清单 任务1：Hadoop简介 任务2：Hadoop产生背景 任务3：Hadoop特性 任务1：Hadoop简介 　　1. Hadoop 是 Apache 软件基金会旗下的一个开源的分布式计算平台。 　　2. Hadoop 提供的功能：利用服务器集群，根据用户的自定义业务逻辑，对海量数据进行分布式处理； 　　“处理”什么问题？ 　　海量数据的存储和海量数据的分析计算问题。也就是
Hadoop 快速入门指南
Eternity_04的博客
07-14 158
Hadoop，作为大数据处理的基石，对于初学者来说可能显得有些复杂。本文旨在通过简单的步骤，帮助您在单机上快速安装并运行Hadoop，让您能够体验到Hadoop分布式文件系统（HDFS）和Map-Reduce框架的强大功能。
HADOOP快速入门
10-28 451
目录 课程大纲（HADOOP快速入门） 2 HADOOP 快速入门 3 什么是HADOOP 3 HADOOP产生背景 3 HADOOP在大数据、云计算中的位置和关系 3 国内外HADOOP应用案例介绍 4 国内HADOOP的就业情况分析 5 HADOOP生态圈以及各组成部分的简介 6 分布式系统概述 6 HIVE快速入门 7 2.1 Hive基本介绍 7 2.2 Hive的基本使用 8 2.3 ...
Hadoop——快速入门
热门推荐
wang386476890的专栏
06-09 3万+
大数据不得不提到最有用的利器Hadoop，本文最快的方式让你上手Hadoop，hadoop快速入门，并且有一个感性的认识，也可以当做步骤的快速索引，本文解决以下问题： 理解Hadoop是什么 Hadoop用于做什么以及怎么用 Hadoop使用整体的一个基本流程和结构 理解Hadoop是什么 HADOOP是apache旗下的一套开源软件平台 HADOOP提供的功能：利用服务器集群，根据用户的自定义业务逻辑，对海量数据进行分布式处理 HADOOP的核心组件有 HDFS（分布式
大数据Hadoop快速入门
weixin_40050195的博客
11-23 113
Hadoop是一个由Apache基金会所开发的分布式系统基础架构。 用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。  Hadoop实现了一个分布式文件系统（Hadoop Distributed File System），简称HDFS。HDFS有高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（high thr...
Hadoop快速入门——第四章、zookeeper安装
红目香薰
04-26 1145
Hadoop快速入门——第四章、zookeeper安装 压缩包下载地址：【https://download.csdn.net/download/feng8403000/85227883】 1、上传【zookeeper-3.4.6.tar.gz】文件 2、解压文件 tar -zxvf zookeeper-3.4.6.tar.gz 3、修改文件名称方便操作 mv zookeeper-3.4.6 zookeeper 4、编辑脚本文件 vi /etc/profile...
基于贝叶斯网络BO-Transformer-BiLSTM实现负荷数据回归预测附matlab代码.rar
07-27
1.版本：matlab2014/2019a/2021a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 5.作者介绍：某大厂资深算法工程师，从事Matlab算法仿真工作10年；擅长智能优化算法、神经网络预测、信号处理、元胞自动机等多种领域的算法仿真实验，更多仿真源码、数据集定制私信+。 替换数据可以直接使用，注释清楚，适合新手
易语言 - 易语言我的世界3D源码
07-27
易语言我的世界3D源码
avif-0.5.0-cp37-cp37m-manylinux2010_i686.whl
07-27
python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！ python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！ python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！ python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！ python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！
pillow-10.4.0-pp310-pypy310_pp73-macosx_11_0_arm64.whl
07-27
基本介绍 名称与起源：Pillow，原名为PIL（Python Imaging Library），但PIL只支持Python 2版本。随着Python 3的普及，Pillow作为PIL的一个分支出现，兼容Python 3并提供更多的功能和改进。 主要功能：Pillow支持多种图像格式的打开、保存、显示以及基本的图像操作和处理，如裁剪、缩放、旋转、翻转、滤镜应用等。 跨平台性：Pillow库可以在不同的操作系统上运行，包括Windows、Linux和MacOS等。 主要功能模块 Pillow库包含多个功能模块，每个模块都提供了特定的图像处理功能。以下是一些常用的模块： Image：用于处理图像文件，提供打开、保存、调整大小、旋转、裁剪、滤镜等功能。 ImageDraw：提供在图像上绘制各种形状（如线条、矩形、圆形）和文本的功能。 ImageFont：用于加载和使用TrueType字体文件，以便在图像上绘制文本时设置字体样式、大小和颜色。 ImageFilter：提供各种滤镜效果，如模糊、锐化、边缘增强等，用于图像增强、特效处理和图像识别等应用。 ImageEnhance：用于调整图像的亮度、对比度、颜色饱和度等参数，使图像更加清晰、明亮或具有特定的调色效果。 高级功能 除了基本的图像处理功能外，Pillow还支持一些高级功能，如色彩空间转换、直方图均衡化等。这些功能可以帮助用户进行更复杂的图像处理和分析。
[毕设]智能车辆租赁与调度系统.zip
最新发布
07-27
[毕设]智能车辆租赁与调度系统
ThinkPHP5开发的多小区物业管理系统源码修复版+安装说明
07-27
很适合做物业的一套源码,基于 ThinkPHP5 + Bootstrap 倾力打造的多小区物业管理系统源码，操作简单，功能完善，用户体验良好。 至简物业管理系统功能模块说明 统计分析 以小区为单位，统计如下数据： 小区总栋数 小区总户数 小区总人数 小区租户数量 小区每月收费金额统计 小区车位统计 小区车辆统计 小区宠物统计 小区报修统计 小区管理 主要功能：小区概述，坐落地址，占地面积，开发商名称，物业公司名称，绿化率等信息。房产信息管理：记录每个住户的基本信息，包括户主，房间数，单元信息，楼层 业主信息管理：记录业主基本信息、业主家庭成员、车辆、宠物等信息。 停车位管理：记录车位基本信息（车位编号）、记录车位的使用情况（租或买），费用等信息。 资产设备管理：公共设备管理，比如电梯，路灯，垃圾桶，配电箱管理等等。 收费管理：主要功能模块：收费项目定义、缴费记录管理。 值班管理：以日历的形式，对小区保安的值班情况进行管理。 权限管理：详细的操作权限控制，不仅仅是菜单
cykooz.resizer-3.0.0-cp38-cp38-macosx_11_0_arm64.whl
07-27
python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！ python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！ python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！ python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！ python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！
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