一文全览各种 ES 查询在 Java 中的实现

2 词条查询

所谓词条查询,也就是ES不会对查询条件进行分词处理,只有当词条和查询字符串完全匹配时,才会被查询到。



2.1 等值查询-term

等值查询,即筛选出一个字段等于特定值的所有记录。



SQL:



select * from person where name = '张无忌';

而使用ES查询语句却很不一样(注意查询字段带上keyword):



GET /person/_search

{

"query": {

"term": {

"name.keyword": {

"value": "张无忌",

"boost": 1.0

}

}

}

}

ElasticSearch 5.0以后,string类型有重大变更,移除了string类型,string字段被拆分成两种新的数据类型: text用于全文搜索的,而keyword用于关键词搜索。



查询结果:



{

"took" : 0,

"timed_out" : false,

"_shards" : { // 分片信息

"total" : 1, // 总计分片数

"successful" : 1, // 查询成功的分片数

"skipped" : 0, // 跳过查询的分片数

"failed" : 0 // 查询失败的分片数

},

"hits" : { // 命中结果

"total" : {

"value" : 1, // 数量

"relation" : "eq" // 关系:等于

},

"max_score" : 2.8526313, // 最高分数

"hits" : [

{

"_index" : "person", // 索引

"_type" : "_doc", // 类型

"_id" : "1",

"_score" : 2.8526313,

"_source" : {

"address" : "光明顶",

"modifyTime" : "2021-06-29 16:48:56",

"createTime" : "2021-05-14 16:50:33",

"sect" : "明教",

"sex" : "男",

"skill" : "九阳神功",

"name" : "张无忌",

"id" : 1,

"power" : 99,

"age" : 18

}

}

]

}

}



Java 中构造 ES 请求的方式:(后续例子中只保留 SearchSourceBuilder 的构建语句)



/**

* term精确查询

*

* @throws IOException

*/

@Autowired

private RestHighLevelClient client;

@Test

public void queryTerm() throws IOException {

// 根据索引创建查询请求

SearchRequest searchRequest = new SearchRequest("person");

SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

// 构建查询语句

searchSourceBuilder.query(QueryBuilders.termQuery("name.keyword", "张无忌"));

System.out.println("searchSourceBuilder=====================" + searchSourceBuilder);

searchRequest.source(searchSourceBuilder);

SearchResponse response = client.search(searchRequest, RequestOptions.DEFAULT);

System.out.println(JSONObject.toJSON(response));

}



仔细观察查询结果,会发现ES查询结果中会带有_score这一项,ES会根据结果匹配程度进行评分。打分是会耗费性能的,如果确认自己的查询不需要评分,就设置查询语句关闭评分:



GET /person/_search

{

"query": {

"constant_score": {

"filter": {

"term": {

"sect.keyword": {

"value": "张无忌",

"boost": 1.0

}

}

},

"boost": 1.0

}

}

}



Java构建查询语句:



SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

// 这样构造的查询条件,将不进行score计算,从而提高查询效率

searchSourceBuilder.query(QueryBuilders.constantScoreQuery(QueryBuilders.termQuery("sect.keyword", "明教")));

2.2 多值查询-terms

多条件查询类似 Mysql 里的IN 查询,例如:



select * from persons where sect in('明教','武当派');

ES查询语句:



GET /person/_search

{

"query": {

"terms": {

"sect.keyword": [

"明教",

"武当派"

],

"boost": 1.0

}

}

}

Java 实现:



SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

// 构建查询语句

searchSourceBuilder.query(QueryBuilders.termsQuery("sect.keyword", Arrays.asList("明教", "武当派")));

}

2.3 范围查询-range

范围查询,即查询某字段在特定区间的记录。



SQL:



select * from pesons where age between 18 and 22;

ES查询语句:



GET /person/_search

{

"query": {

"range": {

"age": {

"from": 10,

"to": 20,

"include_lower": true,

"include_upper": true,

"boost": 1.0

}

}

}

Java构建查询条件:



SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

// 构建查询语句

searchSourceBuilder.query(QueryBuilders.rangeQuery("age").gte(10).lte(30));

}

2.4 前缀查询-prefix

前缀查询类似于SQL中的模糊查询。



SQL:



select * from persons where sect like '武当%';

ES查询语句:



{

"query": {

"prefix": {

"sect.keyword": {

"value": "武当",

"boost": 1.0

}

}

}

}

Java构建查询条件:



SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

// 构建查询语句

searchSourceBuilder.query(QueryBuilders.prefixQuery("sect.keyword","武当"));

}

2.5 通配符查询-wildcard

通配符查询,与前缀查询类似,都属于模糊查询的范畴,但通配符显然功能更强。



SQL:



select * from persons where name like '张%忌';

ES查询语句:



{

"query": {

"wildcard": {

"sect.keyword": {

"wildcard": "张*忌",

"boost": 1.0

}

}

}

}

Java构建查询条件:



SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

// 构建查询语句

searchSourceBuilder.query(QueryBuilders.wildcardQuery("sect.keyword","张*忌"));

03 负责查询

前面的例子都是单个条件查询,在实际应用中,我们很有可能会过滤多个值或字段。先看一个简单的例子:



select * from persons where sex = '女' and sect = '明教';

这样的多条件等值查询,就要借用到组合过滤器了,其查询语句是:



{

"query": {

"bool": {

"must": [

{

"term": {

"sex": {

"value": "女",

"boost": 1.0

}

}

},

{

"term": {

"sect.keywords": {

"value": "明教",

"boost": 1.0

}

}

}

],

"adjust_pure_negative": true,

"boost": 1.0

}

}

}



Java构造查询语句:



SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

// 构建查询语句

searchSourceBuilder.query(QueryBuilders.boolQuery()

.must(QueryBuilders.termQuery("sex", "女"))

.must(QueryBuilders.termQuery("sect.keyword", "明教"))

);

3.1 布尔查询

布尔过滤器(bool filter)属于复合过滤器(compound filter)的一种 ,可以接受多个其他过滤器作为参数,并将这些过滤器结合成各式各样的布尔(逻辑)组合。







bool 过滤器下可以有4种子条件,可以任选其中任意一个或多个。filter是比较特殊的,这里先不说。



{

"bool" : {

"must" : [],

"should" : [],

"must_not" : [],

}

}

must:所有的语句都必须匹配,与 ‘=’ 等价。

must_not:所有的语句都不能匹配,与 ‘!=’ 或 not in 等价。

should:至少有n个语句要匹配,n由参数控制。

精度控制:



所有 must 语句必须匹配,所有 must_not 语句都必须不匹配,但有多少 should 语句应该匹配呢?默认情况下,没有 should 语句是必须匹配的,只有一个例外:那就是当没有 must 语句的时候,至少有一个 should 语句必须匹配。



我们可以通过 minimum_should_match 参数控制需要匹配的 should 语句的数量,它既可以是一个绝对的数字,又可以是个百分比:



GET /person/_search

{

"query": {

"bool": {

"must": [

{

"term": {

"sex": {

"value": "女",

"boost": 1.0

}

}

}

],

"should": [

{

"term": {

"address.keyword": {

"value": "峨眉山",

"boost": 1.0

}

}

},

{

"term": {

"sect.keyword": {

"value": "明教",

"boost": 1.0

}

}

}

],

"adjust_pure_negative": true,

"minimum_should_match": "1",

"boost": 1.0

}

}

}



Java构建查询语句:



SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

// 构建查询语句

searchSourceBuilder.query(QueryBuilders.boolQuery()

.must(QueryBuilders.termQuery("sex", "女"))

.should(QueryBuilders.termQuery("address.word", "峨眉山"))

.should(QueryBuilders.termQuery("sect.keyword", "明教"))

.minimumShouldMatch(1)

);

最后,看一个复杂些的例子,将bool的各子句联合使用:



select * from persons where sex = '女' and age between 30 and 40 and sect != '明教' and (address = '峨眉山' OR skill = '暗器')

用 Elasticsearch 来表示上面的 SQL 例子:



GET /person/_search

{

"query": {

"bool": {

"must": [

{

"term": {

"sex": {

"value": "女",

"boost": 1.0

}

}

},

{

"range": {

"age": {

"from": 30,

"to": 40,

"include_lower": true,

"include_upper": true,

"boost": 1.0

}

}

}

],

"must_not": [

{

"term": {

"sect.keyword": {

"value": "明教",

"boost": 1.0

}

}

}

],

"should": [

{

"term": {

"address.keyword": {

"value": "峨眉山",

"boost": 1.0

}

}

},

{

"term": {

"skill.keyword": {

"value": "暗器",

"boost": 1.0

}

}

}

],

"adjust_pure_negative": true,

"minimum_should_match": "1",

"boost": 1.0

}

}

}



用Java构建这个查询条件:



SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

// 构建查询语句

BoolQueryBuilder boolQueryBuilder = QueryBuilders.boolQuery()

.must(QueryBuilders.termQuery("sex", "女"))

.must(QueryBuilders.rangeQuery("age").gte(30).lte(40))

.mustNot(QueryBuilders.termQuery("sect.keyword", "明教"))

.should(QueryBuilders.termQuery("address.keyword", "峨眉山"))

.should(QueryBuilders.rangeQuery("power.keyword").gte(50).lte(80))

.minimumShouldMatch(1); // 设置should至少需要满足几个条件

// 将BoolQueryBuilder构建到SearchSourceBuilder中

searchSourceBuilder.query(boolQueryBuilder);

3.2 Filter查询

query和filter的区别:query查询的时候,会先比较查询条件,然后计算分值,最后返回文档结果;而filter是先判断是否满足查询条件,如果不满足会缓存查询结果(记录该文档不满足结果),满足的话,就直接缓存结果,filter不会对结果进行评分,能够提高查询效率。



filter的使用方式比较多样,下面用几个例子演示一下。



方式一,单独使用:



{

"query": {

"bool": {

"filter": [

{

"term": {

"sex": {

"value": "男",

"boost": 1.0

}

}

}

],

"adjust_pure_negative": true,

"boost": 1.0

}

}

}



单独使用时,filter与must基本一样,不同的是filter不计算评分,效率更高。



Java构建查询语句:



SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

// 构建查询语句

searchSourceBuilder.query(QueryBuilders.boolQuery()

.filter(QueryBuilders.termQuery("sex", "男"))

);

方式二,和must、must_not同级,相当于子查询:



select * from (select * from persons where sect = '明教')) a where sex = '女';

ES查询语句:



{

"query": {

"bool": {

"must": [

{

"term": {

"sect.keyword": {

"value": "明教",

"boost": 1.0

}

}

}

],

"filter": [

{

"term": {

"sex": {

"value": "女",

"boost": 1.0

}

}

}

],

"adjust_pure_negative": true,

"boost": 1.0

}

}

}



Java:



SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

// 构建查询语句

searchSourceBuilder.query(QueryBuilders.boolQuery()

.must(QueryBuilders.termQuery("sect.keyword", "明教"))

.filter(QueryBuilders.termQuery("sex", "女"))

);

方式三,将must、must_not置于filter下,这种方式是最常用的:



{

"query": {

"bool": {

"filter": [

{

"bool": {

"must": [

{

"term": {

"sect.keyword": {

"value": "明教",

"boost": 1.0

}

}

},

{

"range": {

"age": {

"from": 20,

"to": 35,

"include_lower": true,

"include_upper": true,

"boost": 1.0

}

}

}

],

"must_not": [

{

"term": {

"sex.keyword": {

"value": "女",

"boost": 1.0

}

}

}

],

"adjust_pure_negative": true,

"boost": 1.0

}

}

],

"adjust_pure_negative": true,

"boost": 1.0

}

}

}



Java:



SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

// 构建查询语句

searchSourceBuilder.query(QueryBuilders.boolQuery()

.filter(QueryBuilders.boolQuery()

.must(QueryBuilders.termQuery("sect.keyword", "明教"))

.must(QueryBuilders.rangeQuery("age").gte(20).lte(35))

.mustNot(QueryBuilders.termQuery("sex.keyword", "女")))

);

04 聚合查询

接下来,我们将用一些案例演示ES聚合查询。



4.1 最值、平均值、求和

案例:查询最大年龄、最小年龄、平均年龄。



SQL:



select max(age) from persons;

ES:



GET /person/_search

{

"aggregations": {

"max_age": {

"max": {

"field": "age"

}

}

}

}

Java:



@Autowired

private RestHighLevelClient client;

@Test

public void maxQueryTest() throws IOException {

// 聚合查询条件

AggregationBuilder aggBuilder = AggregationBuilders.max("max_age").field("age");

SearchRequest searchRequest = new SearchRequest("person");

SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

// 将聚合查询条件构建到SearchSourceBuilder中

searchSourceBuilder.aggregation(aggBuilder);

System.out.println("searchSourceBuilder----->" + searchSourceBuilder);

searchRequest.source(searchSourceBuilder);

// 执行查询,获取SearchResponse

SearchResponse response = client.search(searchRequest, RequestOptions.DEFAULT);

System.out.println(JSONObject.toJSON(response));

}



使用聚合查询,结果中默认只会返回10条文档数据(当然我们关心的是聚合的结果,而非文档)。返回多少条数据可以自主控制:



GET /person/_search

{

"size": 20,

"aggregations": {

"max_age": {

"max": {

"field": "age"

}

}

}

}

而Java中只需增加下面一条语句即可:



searchSourceBuilder.size(20);

与max类似,其他统计查询也很简单:



AggregationBuilder minBuilder = AggregationBuilders.min("min_age").field("age");

AggregationBuilder avgBuilder = AggregationBuilders.avg("min_age").field("age");

AggregationBuilder sumBuilder = AggregationBuilders.sum("min_age").field("age");

AggregationBuilder countBuilder = AggregationBuilders.count("min_age").field("age");

4.2 去重查询

案例:查询一共有多少个门派。



SQL:



select count(distinct sect) from persons;

ES:



{

"aggregations": {

"sect_count": {

"cardinality": {

"field": "sect.keyword"

}

}

}

}

Java:



@Test

public void cardinalityQueryTest() throws IOException {

// 创建某个索引的request

SearchRequest searchRequest = new SearchRequest("person");

// 查询条件

SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

// 聚合查询

AggregationBuilder aggBuilder = AggregationBuilders.cardinality("sect_count").field("sect.keyword");

searchSourceBuilder.size(0);

// 将聚合查询构建到查询条件中

searchSourceBuilder.aggregation(aggBuilder);

System.out.println("searchSourceBuilder----->" + searchSourceBuilder);

searchRequest.source(searchSourceBuilder);

// 执行查询,获取结果

SearchResponse response = client.search(searchRequest, RequestOptions.DEFAULT);

System.out.println(JSONObject.toJSON(response));

}



4.3 分组聚合

4.3.1 单条件分组

案例:查询每个门派的人数



SQL:



select sect,count(id) from mytest.persons group by sect;

ES:



{

"size": 0,

"aggregations": {

"sect_count": {

"terms": {

"field": "sect.keyword",

"size": 10,

"min_doc_count": 1,

"shard_min_doc_count": 0,

"show_term_doc_count_error": false,

"order": [

{

"_count": "desc"

},

{

"_key": "asc"

}

]

}

}

}

}



Java:



SearchRequest searchRequest = new SearchRequest("person");

SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

searchSourceBuilder.size(0);

// 按sect分组

AggregationBuilder aggBuilder = AggregationBuilders.terms("sect_count").field("sect.keyword");

searchSourceBuilder.aggregation(aggBuilder);

4.3.2 多条件分组

案例:查询每个门派各有多少个男性和女性



SQL:



select sect,sex,count(id) from mytest.persons group by sect,sex;

ES:



{

"aggregations": {

"sect_count": {

"terms": {

"field": "sect.keyword",

"size": 10

},

"aggregations": {

"sex_count": {

"terms": {

"field": "sex.keyword",

"size": 10

}

}

}

}

}

}



4.4 过滤聚合

前面所有聚合的例子请求都省略了 query ,整个请求只不过是一个聚合。这意味着我们对全部数据进行了聚合,但现实应用中,我们常常对特定范围的数据进行聚合,例如下例。



案例:查询明教中的最大年龄。这涉及到聚合与条件查询一起使用。



SQL:



select max(age) from mytest.persons where sect = '明教';

ES:



GET /person/_search

{

"query": {

"term": {

"sect.keyword": {

"value": "明教",

"boost": 1.0

}

}

},

"aggregations": {

"max_age": {

"max": {

"field": "age"

}

}

}

}



Java:



SearchRequest searchRequest = new SearchRequest("person");

SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

// 聚合查询条件

AggregationBuilder maxBuilder = AggregationBuilders.max("max_age").field("age");

// 等值查询

searchSourceBuilder.query(QueryBuilders.termQuery("sect.keyword", "明教"));

searchSourceBuilder.aggregation(maxBuilder);

另外还有一些更复杂的查询例子。



案例:查询0-20,21-40,41-60,61以上的各有多少人。



SQL:



select

sum(case when age<=20 then 1 else 0 end) ageGroup1,

sum(case when age >20 and age <=40 then 1 else 0 end) ageGroup2,

sum(case when age >40 and age <=60 then 1 else 0 end) ageGroup3,

sum(case when age >60 and age <=200 then 1 else 0 end) ageGroup4

from

mytest.persons;

ES:



{

"size": 0,

"aggregations": {

"age_avg": {

"range": {

"field": "age",

"ranges": [

{

"from": 0.0,

"to": 20.0

},

{

"from": 21.0,

"to": 40.0

},

{

"from": 41.0,

"to": 60.0

},

{

"from": 61.0,

"to": 200.0

}

],

"keyed": false

}

}

}

}



查询结果:



"aggregations" : {

"age_avg" : {

"buckets" : [

{

"key" : "0.0-20.0",

"from" : 0.0,

"to" : 20.0,

"doc_count" : 3

},

{

"key" : "21.0-40.0",

"from" : 21.0,

"to" : 40.0,

"doc_count" : 13

},

{

"key" : "41.0-60.0",

"from" : 41.0,

"to" : 60.0,

"doc_count" : 4

},

{

"key" : "61.0-200.0",

"from" : 61.0,

"to" : 200.0,

"doc_count" : 1

}

]

}

}





原文链接:https://blog.csdn.net/wang20010104/article/details/130482294

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/179400.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

LLaMA-Adapter源码解析

LLaMA-Adapter源码解析 伪代码 def transformer_block_with_llama_adapter(x, gating_factor, soft_prompt):residual xy zero_init_attention(soft_prompt, x) # llama-adapter: prepend prefixx self_attention(x)x x gating_factor * y # llama-adapter: apply zero_init…

PY32F071单片机,主频最高72 M,带一路DAC,USB

PY32F071 系列微控制器采用高性能的 32 位 ARM Cortex-M0内核&#xff0c;宽电压工作范围的 MCU。嵌入高达128 Kbytes flash 和 16 Kbytes SRAM 存储器&#xff0c;最高工作频率 72 MHz。包含多种不同封装类型多款产品。芯片集成多路 I2C、SPI、USART 等通讯外设&#xff0c;1 …

配置git并把本地项目连接github

一.配置git 1.下载git&#xff08;Git&#xff09;&#xff0c;但推荐使用国内镜像下载&#xff08;CNPM Binaries Mirror&#xff09; 选好64和版本号下载&#xff0c;全部点下一步 下载完成后打开终端&#xff0c;输入 git --version 出现版本号则说明安装成功 然后继续…

C# OpenCvSharp DNN 部署L2CS-Net人脸朝向估计

效果 项目 代码 using OpenCvSharp; using OpenCvSharp.Dnn; using System; using System.Collections.Generic; using System.Drawing; using System.Drawing.Drawing2D; using System.Linq; using System.Text; using System.Windows.Forms;namespace OpenCvSharp_DNN_Demo …

MySQL中表的增删改查

目录 一、CRUD 二、新增&#xff08;Create&#xff09; &#xff08;1&#xff09;语法 &#xff08;2&#xff09;单行数据全列插入 &#xff08;3&#xff09;多行数据指定列插入 三、查询&#xff08;Retrieve&#xff09; &#xff08;1&#xff09;语法 …

swift语言下SurfGen库做的爬虫是什么样的 ?

Swift语言并没有内置的爬虫库&#xff0c;但是你可以使用第三方库来实现爬虫功能。其中比较常用的是Alamofire和SwiftyJSON。Alamofire是一个基于Swift语言的HTTP网络库&#xff0c;可以用来发送HTTP请求和接收HTTP响应。而SwiftyJSON则是一个用于处理JSON数据的Swift库&#x…

vue使用JsBarcode生成条形码

在工作中&#xff0c;有一个需求是接口返回的订单号生成条形码&#xff0c;如图&#xff1a; 1.安装依赖 yarn add jsbarcode2.引入 在script标签中引入 import JsBarcode from jsbarcode 3.使用 this.$refs.a.src的值为条形码的地址。 <template><div><img…

自定义类型结构体(下)

目录 结构体传参结构体实现位段什么是位段位段的内存分配位段的跨平台问题总结&#xff1a; 位段的应用位段使用的注意事项** 感谢各位大佬对我的支持,如果我的文章对你有用,欢迎点击以下链接 &#x1f412;&#x1f412;&#x1f412; 个人主页 &#x1f978;&#x1f978;&a…

应聘遇到性格测试,怎么做才能通过?

本人xxx专业&#xff0c;最近找工作&#xff0c;总会做到性格测试题&#xff0c;好几次了&#xff0c;做完性格测试就没消息了&#xff0c;已经疯了&#xff0c;直接给跪了&#xff0c;完全找不到套路&#xff0c;都快怀疑人生了。所以想问一下&#xff0c;像这样公司的性格测试…

什么是TCY油封?

机械由无数组件协同工作以确保平稳运行&#xff0c;其中一种不可或缺的部件是油封&#xff0c;特别是TCY油封。本文旨在阐明TCY油封的应用、其重要性以及它们如何提高机械的整体效率。 TCY油封主要用于轴密封。轴是一种旋转机器元件&#xff0c;横截面通常为圆形&#xff0c;用…

Microsoft 365 管理自动化

Microsoft 365 服务被大多数组织广泛使用&#xff0c;每天生成的数据量巨大。解决 Microsoft 365 中的问题可能非常困难&#xff0c;并且使用多个管理中心来保护组织变得复杂。本机控制台还缺少某些批量管理任务、全面的审计报告和基于角色的精细访问控制。 Microsoft 360 管理…

c++获取和设置环境变量

这个功能非常常用&#xff0c;但是容易忘记&#xff0c;这里做个记录。 注意&#xff0c;设置的环境变量只在当前进程中生效&#xff0c;所以在电脑中的环境变量设置区域看不到。 std::string env getenv("PATH");env "X:\\envtest";std::string newEnv…

【机器学习】几种常用的机器学习调参方法

在机器学习中&#xff0c;模型的性能往往受到模型的超参数、数据的质量、特征选择等因素影响。其中&#xff0c;模型的超参数调整是模型优化中最重要的环节之一。超参数&#xff08;Hyperparameters&#xff09;在机器学习算法中需要人为设定&#xff0c;它们不能直接从训练数据…

0基础学习PyFlink——事件时间和运行时间的窗口

大纲 定制策略运行策略Reduce完整代码滑动窗口案例参考资料 在 《0基础学习PyFlink——时间滚动窗口(Tumbling Time Windows)》一文中&#xff0c;我们使用的是运行时间(Tumbling ProcessingTimeWindows)作为窗口的参考时间&#xff1a; reducedkeyed.window(TumblingProcess…

国际测试委员会BenchCouncil首发“开源系统杰出成果榜” 百度飞桨上榜

&#x1f4d5;作者简介&#xff1a;热爱跑步的恒川&#xff0c;致力于C/C、Java、Python等多编程语言&#xff0c;热爱跑步&#xff0c;喜爱音乐的一位博主。 &#x1f4d7;本文收录于恒川的日常汇报系列&#xff0c;大家有兴趣的可以看一看 &#x1f4d8;相关专栏C语言初阶、C…

关于pytorch张量维度转换及张量运算

关于pytorch张量维度转换大全 1 tensor.view()2 tensor.reshape()3 tensor.squeeze()和tensor.unsqueeze()3.1 tensor.squeeze() 降维3.2 tensor.unsqueeze(idx)升维 4 tensor.permute()5 torch.cat([a,b],dim)6 torch.stack()7 torch.chunk()和torch.split()8 与tensor相乘运算…

RESTful接口实现与测试

目录标题 是什么&#xff1f;设计风格HTTP协议四种传参方式常用注解RequestBody与ResponseBodyRequestMapping注解RestController与ControllerPathVariable 与RequestParam 接受复杂嵌套对象参数Http数据转换的原理自定义HttpMessageConverter统一规划接口响应的数据格式实战&a…

为什么重写 redisTemplate

为什么重写 redisTemplate 1.安装 redis 上传 redis 的安装包tar -xvf redis-5.0.7.tar.gzyum -y install gcc-cmakemake PREFIX/soft/redis installcd /soft/redis/bin./redis-server redis.conf 2. 集成 redisTemplate maven 依赖 <dependency><groupId>org…

详解Java经典数据结构——HashMap

Java 的 HashMap 是一个常用的基于哈希表的数据结构&#xff0c;它实现了 Map 接口&#xff0c;可以存储键值对。下面我们进行详细介绍&#xff1a; 基本结构&#xff1a;HashMap 底层是基于哈希表来实现的&#xff0c;每次插入一个键值对时&#xff0c;会先对该键进行 Hash 运…

Locust:可能是一款最被低估的压测工具

01、Locust介绍 开源性能测试工具https://www.locust.io/&#xff0c;基于Python的性能压测工具&#xff0c;使用Python代码来定义用户行为&#xff0c;模拟百万计的并发用户访问。每个测试用户的行为由您定义&#xff0c;并且通过Web UI实时监控聚集过程。 压力发生器作为性…