AWS 专题学习 P10 (Databases、 Data Analytics)

文章目录

  • 专题总览
  • 1. Databases
    • 1.1 选择合适的数据库
    • 1.2 数据库类型
    • 1.3 AWS 数据库服务概述
      • Amazon RDS
      • Amazon Aurora
      • Amazon ElastiCache
      • Amazon DynamoDB
      • Amazon S3
      • DocumentDB
      • Amazon Neptune
      • Amazon Keyspaces (for Apache Cassandra)
      • Amazon QLDB
      • Amazon Timestream
  • 2. Data & Analytics
    • 2.1 Amazon Athena
      • Amazon Athena – 性能优化
      • Amazon Athena – Federated Query (联合查询)
    • 2.2 Redshift 概述
      • Redshift 集群
      • Redshift – 快照&灾难恢复
      • Loading data into Redshift: Large inserts are MUCH better
      • Redshift Spectrum
    • 2.3 Amazon OpenSearch Service
      • OpenSearch patterns - DynamoDB
      • OpenSearch patterns - CloudWatch Logs
      • OpenSearch patterns - Kinesis Data Streams & Kinesis Data Firehose
    • 2.4 Amazon EMR
      • Amazon EMR - 节点类型和购买方式
    • 2.5 Amazon QuickSight
      • QuickSight 集成
      • QuickSight - 仪表板和分析
    • 2.6 AWS Glue
      • AWS Glue - 将数据转换为 Parquet 格式
      • Glue 数据目录:数据集的目录
      • Glue - 高层次概述
    • 2.7 AWS Lake Formation
      • Centralized Permissions Example
    • 2.8 Kinesis Data Analytics 用于 SQL 应用程序
      • Kinesis Data Analytics(SQL 应用程序)
      • Kinesis Data Analytics 用于 Apache Flink
    • 2.9 Amazon Managed Streaming for Apache Kafka(Amazon MSK)
      • Apache Kafka 概述
      • Kinesis Data Streams v.s. Amazon MSK
      • Amazon MSK 消费者
      • 大数据摄取流程
      • 大数据摄取流程讨论

专题总览

包含专题内容总览和系列博客目录
https://blog.csdn.net/weixin_40815218/article/details/135590291

1. Databases

1.1 选择合适的数据库

  • 在AWS上有很多托管的数据库可供选择
  • 根据架构选择合适的数据库的问题:
  • 读重、写重还是平衡工作负载?吞吐量需求?它会改变吗,在一天中需要进行扩展或波动吗?
  • 存储多少数据以及存储多长时间?它会增长吗?平均对象大小?它们如何访问?
  • 数据的持久性?数据的真实来源?
  • 延迟要求?并发用户?
  • 数据模型?如何查询数据?连接?结构化?半结构化?
  • 强类型模式?更灵活?报告?搜索?关系型数据库/NoSQL?
  • 许可证成本?切换到云原生数据库,如Aurora?

1.2 数据库类型

  • 关系型数据库(SQL / OLTP):RDS,Aurora-适用于连接
  • NoSQL数据库-无连接,无SQL:DynamoDB(~ JSON),ElastiCache(键/值对),Neptune(图形),DocumentDB(用于MongoDB),Keyspaces(用于Apache Cassandra)
  • 对象存储:S3(用于大对象)/ Glacier(用于备份/存档)
  • 数据仓库(SQL分析/ BI):Redshift(OLAP),Athena,EMR
  • 搜索:OpenSearch(JSON)-全文搜索,非结构化搜索
  • 图形:Amazon Neptune-显示数据之间的关系
  • 分类帐:Amazon Quantum Ledger数据库
  • 时间序列:Amazon Timestream
  • 注意:某些数据库在数据和分析部分讨论

1.3 AWS 数据库服务概述

Amazon RDS

  • 托管的 PostgreSQL / MySQL / Oracle / SQL Server / MariaDB /自定义
  • 预置的 RDS 实例大小和EBS卷类型和大小
  • 存储的自动扩展功能
  • 支持读副本和多个可用区
  • 通过 IAM,安全组,KMS,SSL 在传输中提供安全性
  • 带有特定时间恢复功能(最多35天)的自动备份
  • 长期恢复的手动数据库快照
  • 托管和计划维护(有停机时间)
  • 支持 IAM 身份验证,与 Secrets Manager 集成
  • RDS Custom 用于访问和自定义基础实例(Oracle和SQL Server)
  • 用例:存储关系数据集(RDBMS / OLTP),执行 SQL 查询,事务

Amazon Aurora

  • 兼容 PostgreSQL / MySQL 的 API,存储和计算分离
  • 存储:数据存储在6个副本中,跨3个可用区-高可用性,自愈,自动扩展
  • 计算:多个可用区的 DB 实例群集,读取副本的自动扩展
  • 群集:编写器和读取器 DB 实例的自定义端点
  • 与 RDS 相同的安全性/监控/维护功能
  • 了解 Aurora 的备份和恢复选项
  • Aurora Serverless-用于不可预测/间歇工作负载,无需容量规划
  • Aurora Multi-Master-用于连续写入故障转移(高写入可用性)
  • Aurora Global:每个区域最多16个DB读取实例,<1秒存储复制
  • Aurora Machine Learning:在 Aurora 上使用 SageMaker 和 Comprehend 执行 ML
  • Aurora 数据库克隆:从现有数据库创建新集群,比恢复快照更快
  • 用例:与 RDS 相同,但维护更少/更灵活/性能更好/功能更多

Amazon ElastiCache

  • 托管的 Redis / Memcached(与 RDS 类似,但用于缓存)
  • 内存数据存储,亚毫秒延迟
  • 必须预置 EC2 实例类型
  • 支持集群(Redis)和多 AZ、读副本(分片)
  • 通过 IAM、安全组、KMS、Redis Auth 实现安全性
  • 备份/快照/按时间点还原功能
  • 托管和计划维护
  • 需要对应用程序代码进行一些更改以发挥作用
  • 用例:键值存储,频繁读取,较少写入,缓存数据库查询结果,存储网站的会话数据,不能使用 SQL。

Amazon DynamoDB

  • AWS 的专有技术,托管的无服务器 NoSQL 数据库,毫秒级延迟
  • 容量模式:预置容量可选择自动扩展或按需容量
  • 可以替代 ElastiCache 作为键/值存储(例如存储会话数据,使用 TTL 功能)
  • 高可用性,默认多 AZ,读写解耦,支持事务
  • 用于读取缓存的 DAX 集群,微秒级读取延迟
  • 安全性通过 IAM 进行身份验证和授权
  • 事件处理:DynamoDB Streams 与 AWS Lambda 或 Kinesis 数据流集成
  • 全局表功能:主动-主动设置
  • 自动备份最长可保留 35 天,可进行 PITR(还原到新表)或按需备份
  • 在 PITR 窗口内使用 S3 导出时无需使用 RCU,在 PITR 窗口内从 S3 导入时无需使用 WCU
  • 非常适合快速演变的模式
  • 用例:无服务器应用程序开发(小型文档 100 KB),分布式无服务器缓存,不具备 SQL 查询语言

Amazon S3

  • S3 是一个…对象的键/值存储
  • 适用于较大的对象,对于许多小对象效果不佳
  • 无服务器,无限扩展,最大对象大小为 5 TB,支持版本控制
  • 层级:S3 标准,S3 低频访问,S3 智能层,S3 Glacier + 生命周期策略
  • 功能:版本控制,加密,复制,MFA-Delete,访问日志…
  • 安全性:IAM,存储桶策略,ACL,访问点,对象/保险库锁定,CORS,对象/保险库锁定
  • 加密:SSE-S3,SSE-KMS,SSE-C,客户端端加密,传输中的 TLS,默认加密
  • 使用 S3 Batch 进行对象批量操作,使用 S3 Inventory 列出文件
  • 性能:分块上传,S3 传输加速,S3 Select
  • 自动化:S3 事件通知(SNS,SQS,Lambda,EventBridge)
  • 用例:静态文件,大文件的键值存储,网站托管

DocumentDB

  • Aurora 是 PostgreSQL / MySQL 的 “AWS 实现”…
  • DocumentDB 是 MongoDB 的同类产品(一种 NoSQL 数据库)
  • MongoDB 用于存储、查询和索引 JSON 数据
  • 与 Aurora 类似的 “部署概念”
  • 完全托管,高可用性,跨 3 个 AZ 复制
  • DocumentDB 存储自动以 10GB 为增量增长,最高可达 64TB
  • 可以自动扩展以处理每秒数百万个请求的工作负载

Amazon Neptune

  • 完全托管的图数据库
  • 一个受欢迎的图数据集可以是一个社交网络
  • 用户有朋友
  • 帖子有评论
  • 评论有用户的点赞
  • 用户分享和点赞帖子…
  • 在 3 个 AZ 上高可用,并可拥有多达 15 个读副本
  • 构建和运行处理高度连接数据集的应用程序-针对这些复杂且难以查询的优化
  • 可以存储数十亿个关系并以毫秒级延迟查询图形
  • 非常适合知识图谱(维基百科)、欺诈检测、推荐引擎、社交网络Screenshot 2023-08-17 at 06.30.24.png

Amazon Keyspaces (for Apache Cassandra)

  • Apache Cassandra 是一个开源的分布式 NoSQL 数据库
  • 一个托管的兼容 Apache Cassandra 的数据库服务
  • 无服务器、可扩展、高可用、由 AWS 完全托管
  • 根据应用程序的流量自动扩展表格的容量
  • 表格在多个可用区内复制 3 次
  • 使用 Cassandra 查询语言 (CQL)
  • 无论规模如何,都可以实现单位数字毫秒级延迟,每秒处理数千个请求
  • 容量:按需模式或预置模式与自动缩放
  • 加密、备份、35 天的 PITR(时间点恢复)
  • 用例:存储物联网设备信息、时间序列数据…

Amazon QLDB

  • QLDB 代表 “Quantum Ledger Database”(量子账本数据库)

  • 账本是记录财务交易的账簿

  • 完全托管、无服务器、高可用、在 3 个可用区中进行复制

  • 用于查看应用程序数据随时间所有更改的历史记录

  • 不可变系统:不能删除或修改任何条目,具有密码学验证!在这里插入图片描述

  • 性能比常见的账本区块链框架提高 2-3 倍,使用 SQL 操作数据

  • 与 Amazon Managed Blockchain 的区别:没有去中心化组件,符合金融监管规定

Amazon Timestream

  • 完全托管、快速、可扩展、无服务器的时间序列数据库
  • 自动调整容量进行扩缩
  • 存储和分析每天的数万亿个事件
  • 比关系型数据库快数千倍,成本只有其十分之一
  • 定时查询、多度量记录、SQL 兼容
  • 数据存储分层:近期数据存储在内存中,历史数据存储在成本优化的存储中
  • 内置时间序列分析函数(帮助您在几乎实时中识别数据模式)
  • 在传输和静止状态下进行加密
  • 用例:物联网应用程序、运营应用程序、实时分析…
    在这里插入图片描述

Amazon Timestream – Architecture

Screenshot 2023-08-17 at 06.29.07.png

2. Data & Analytics

2.1 Amazon Athena

  • 无服务器查询服务,用于分析存储在 Amazon S3 中的数据
  • 使用标准SQL语言查询文件(基于 Presto 构建)
  • 支持 CSV、JSON、ORC、Avro 和 Parquet 格式
  • 定价:每TB数据扫描费用为$5.00
  • 常与 Amazon Quicksight 一起用于报表/仪表盘
  • 用例:商业智能/分析/报表,分析和查询 VPC 流日志、ELB 日志、CloudTrail 跟踪等…
  • 考试提示:使用无服务器 SQL 分析 S3 中的数据,使用 Athena

Screenshot 2023-08-17 at 06.28.10.png

Amazon Athena – 性能优化

  • 使用列式数据以节省成本(减少扫描量)
  • 推荐使用Apache Parquet或ORC
  • 获得巨大的性能改进
  • 使用Glue将数据转换为Parquet或ORC格式
  • 压缩数据以便进行更小的检索(bzip2、gzip、lz4、snappy、zlip、zstd…)
  • 在S3中对数据集进行分区,以便在虚拟列上进行轻松查询
  • 示例:s3://athena-examples/flight/parquet/year=1991/month=1/day=1/
  • 使用较大的文件(> 128 MB)以最小化开销

Amazon Athena – Federated Query (联合查询)

  • 允许您在关系型、非关系型、对象和自定义数据源(AWS或本地)中运行SQL查询
  • 使用在 AWS Lambda 上运行的数据源连接器来运行联合查询(例如CloudWatch Logs、DynamoDB、RDS…)
  • 将结果存储回Amazon S3

Screenshot 2023-08-17 at 06.27.02.png

2.2 Redshift 概述

  • Redshift 基于 PostgreSQL,但不用于 OLTP
  • 它是 OLAP-在线分析处理(分析和数据仓库)
  • 性能比其他数据仓库提高10倍,可以扩展到PB级的数据
  • 数据以列式存储(而不是基于行)和并行查询引擎
  • 根据所预配的实例按量付费
  • 具有用于执行查询的 SQL 接口
  • BI 工具如 Amazon Quicksight 或 Tableau 与之集成
  • 与 Athena 相比:由于索引,查询/连接/聚合更快

Redshift 集群

  • Leader 节点:用于查询规划和结果聚合
  • 计算节点:用于执行查询,将结果发送给 Leader
  • 需要提前预配节点大小
  • 可以使用预留实例以节省成本
    在这里插入图片描述

Redshift – 快照&灾难恢复

  • Redshift 对某些集群具有“多-AZ”模式
  • 快照是集群的时间点备份,存储在 S3 内部
  • 快照是增量的(只保存改变的部分)
  • 可以将快照还原到新的集群中
  • 自动:每8小时、每5GB或按计划。设置保留期为1到35天
  • 手动:快照保留直到删除
  • 可以配置 Amazon Redshift 自动复制集群的快照(自动或手动)到另一个 AWS 区域

Screenshot 2023-08-17 at 06.25.54.png

Loading data into Redshift: Large inserts are MUCH better

Screenshot 2023-08-17 at 06.21.36.png
**copy customer
from ‘s3://mybucket/mydata’
iam_role ‘arn:aws:iam::0123456789012:role/MyRedshiftRole’; **

Redshift Spectrum

  • 在不加载数据的情况下查询已经存在于S3中的数据
  • 必须有可用的 Redshift 集群来启动查询
  • 然后将查询提交给数千个 Redshift Spectrum 节点

Screenshot 2023-08-17 at 06.21.02.png

2.3 Amazon OpenSearch Service

  • Amazon OpenSearch 是 Amazon ElasticSearch 的后继者
  • 在 DynamoDB 中,只能通过主键或索引进行查询…
  • 使用 OpenSearch,您可以搜索任何字段,甚至是部分匹配
  • 常常将 OpenSearch 用作其他数据库的补充
  • OpenSearch 需要一组实例(而不是无服务器)
  • 不支持 SQL(它有自己的查询语言)
  • 从 Kinesis Data Firehose、AWS IoT 和 CloudWatch Logs 进行摄取
  • 通过 Cognito 和 IAM、KMS 加密、TLS 实现安全性
  • 配备 OpenSearch Dashboards(可视化)

OpenSearch patterns - DynamoDB

Screenshot 2023-08-17 at 06.17.14.png

OpenSearch patterns - CloudWatch Logs

Screenshot 2023-08-17 at 06.17.58.png

OpenSearch patterns - Kinesis Data Streams & Kinesis Data Firehose

Screenshot 2023-08-17 at 06.20.17.png

2.4 Amazon EMR

  • EMR 代表 “Elastic MapReduce”
  • EMR 用于创建 Hadoop 集群(大数据),以分析和处理大量数据
  • 集群可以由数百个 EC2 实例组成
  • EMR 与 Apache Spark、HBase、Presto、Flink 等捆绑在一起
  • EMR 负责所有供应和配置
  • 支持自动扩展,并与 Spot 实例集成
  • 用例:数据处理,机器学习,Web 索引,大数据…

Amazon EMR - 节点类型和购买方式

  • 主节点:管理集群,协调,管理健康-长期运行
  • 核心节点:运行任务和存储数据-长期运行
  • 任务节点(可选):只是运行任务-通常是Spot实例
  • 购买选项:
  • 按需:可靠,可预测,不会被终止
  • 预留实例(最低1年):成本节约(如果可用,EMR将自动使用)
  • Spot实例:更便宜,可以终止,可靠性较低
  • 可以有长期运行的集群或短暂(临时)集群

2.5 Amazon QuickSight

  • 无服务器的机器学习驱动的业务智能服务,用于创建交互式仪表板
  • 快速、自动可扩展、可嵌入、按会话定价
  • 用例:
    • 商业分析
    • 构建可视化
    • 执行即席分析
    • 利用数据获得业务洞察
  • 与RDS、Aurora、Athena、Redshift、S3等集成
  • 如果数据导入到QuickSight中,使用SPICE引擎进行内存计算
  • 企业版:可以设置列级安全性(CLS)

Screenshot 2023-08-16 at 23.04.32.png

QuickSight 集成

Screenshot 2023-08-16 at 23.03.56.png

QuickSight - 仪表板和分析

  • 定义用户(标准版本)和组(企业版)
  • 这些用户和组仅存在于QuickSight中,而不在IAM中!
  • 仪表板…
  • 是一个只读的分析快照,可以共享
  • 保留分析的配置(过滤、参数、控件、排序)
  • 您可以与用户或组分享分析或仪表板
  • 要共享仪表板,必须首先发布它
  • 看到仪表板的用户也可以看到底层数据

2.6 AWS Glue

  • 托管的抽取、转换和加载(ETL)服务
  • 用于准备和转换数据以供分析使用
  • 完全无服务器的服务

Screenshot 2023-08-16 at 23.03.29.png

AWS Glue - 将数据转换为 Parquet 格式

Screenshot 2023-08-16 at 23.03.13.png

Glue 数据目录:数据集的目录

Screenshot 2023-08-16 at 23.02.57.png

Glue - 高层次概述

  • Glue 作业书签:防止重新处理旧数据
  • Glue 弹性视图:
    • 使用 SQL 在多个数据存储中组合和复制数据
    • 无需自定义代码,Glue 监视源数据的更改,无服务器
    • 利用“虚拟表”(物化视图)
  • Glue DataBrew:使用预构建的转换清理和规范化数据
  • Glue Studio:用于在 Glue 中创建、运行和监视 ETL 作业的新 GUI
  • Glue 流式 ETL(基于 Apache Spark 结构化流):
    • 兼容 Kinesis Data Streaming、Kafka、MSK(托管 Kafka)

2.7 AWS Lake Formation

  • 数据湖 = 用于分析目的的数据的中心位置
  • 完全托管的服务,可在几天内轻松设置数据湖
  • 发现、清洗、转换和摄取数据到数据湖中
  • 自动化许多复杂的手动步骤(收集、清洗、移动、编目数据等),并进行去重(使用 ML 转换)
  • 在数据湖中结合结构化和非结构化数据
  • 开箱即用的源蓝图:S3、RDS、关系型和 NoSQL 数据库等
  • 细粒度的应用程序访问控制(行级和列级)
  • 建立在 AWS 全局之上

Screenshot 2023-08-16 at 23.01.24.png

Centralized Permissions Example

Screenshot 2023-08-16 at 23.00.46.png

2.8 Kinesis Data Analytics 用于 SQL 应用程序

Screenshot 2023-08-16 at 23.00.22.png

Kinesis Data Analytics(SQL 应用程序)

  • 使用 SQL 在 Kinesis Data Streams 和 Firehose 上进行实时分析
  • 添加 Amazon S3 的参考数据以丰富流式数据
  • 完全托管,无需预配服务器
  • 自动扩展
  • 按实际消耗率付费
  • 输出:
    • Kinesis Data Streams:根据实时分析查询创建流
    • Kinesis Data Firehose:将分析查询结果发送到目标位置
  • 用例:
    • 时间序列分析
    • 实时仪表板
    • 实时指标

Kinesis Data Analytics 用于 Apache Flink

  • 使用 Flink(Java、Scala 或 SQL)处理和分析流式数据

Screenshot 2023-08-16 at 22.59.21.png

  • 在 AWS 上的托管集群上运行任何 Apache Flink 应用程序
  • 提供计算资源,支持并行计算,自动扩展
  • 应用程序备份(实现为检查点和快照)
  • 使用任何 Apache Flink 编程功能
  • Flink 不从 Firehose 读取数据(请改用 Kinesis Analytics for SQL)

2.9 Amazon Managed Streaming for Apache Kafka(Amazon MSK)

  • Amazon Managed Streaming for Apache Kafka(Amazon MSK)是 Amazon Kinesis 的替代品。
  • 它是在AWS上完全托管的Apache Kafka服务。
  • 允许您创建、更新和删除集群。
  • MSK 为您创建和管理 Kafka broker 节点和 Zookeeper 节点。
  • 在您的 VPC 中部署 MSK 集群,支持多可用区(高可用性最多3个)。
  • 自动从常见的 Apache Kafka 故障中恢复。
  • 数据存储在 EBS 卷上,持续时间由您决定。
  • MSK 支持无服务器模式,无需管理容量。
  • MSK 自动预配资源并扩展计算和存储。

Apache Kafka 概述

Screenshot 2023-08-16 at 22.58.44.png

Kinesis Data Streams v.s. Amazon MSK

Kinesis Data Streams

  • 1 MB的消息大小限制。
  • 使用 Shards 进行数据流管理。
  • 支持 Shard 的分裂和合并。
  • 传输过程中使用 TLS 进行加密。
  • 数据静态加密使用 KMS。

Amazon MSK

  • 默认为1MB,可配置为更高(例如:10MB)。
  • Kafka 主题使用分区进行管理。
  • 只能向主题添加分区。
  • 传输过程中支持明文或 TLS 加密。
  • 数据静态加密使用 KMS。

Amazon MSK 消费者

Screenshot 2023-08-16 at 22.55.36.png

大数据摄取流程

  • 我们希望摄取流程是完全无服务器的。
  • 我们希望实时收集数据。
  • 我们希望对数据进行转换。
  • 我们希望使用 SQL 查询转换后的数据。
  • 使用查询创建的报表应该存储在 S3 中。
  • 我们希望将数据加载到数据仓库中并创建仪表板。

Screenshot 2023-08-16 at 22.54.18.png

大数据摄取流程讨论

  • IoT Core 允许您从物联网设备中获取数据。
  • Kinesis 非常适合实时数据收集。
  • Firehose 可以帮助将数据以近实时(1分钟)的方式交付给 S3。
  • Lambda 可以帮助 Firehose 进行数据转换。
  • Amazon S3 可以触发 SQS 的通知。
  • Lambda 可以订阅 SQS(我们可以将 S3 连接到 Lambda)。
  • Athena 是一种无服务器的 SQL 服务,查询结果存储在 S3 中。
  • 报表存储桶包含经过分析的数据,可以被报表工具(如 AWS QuickSight、Redshift 等)使用。

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/247639.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

如何将iPad连接到USB设备?这里提供了详细步骤

本文介绍了如何将iPad连接到USB设备。说明适用于所有版本的iPad。 将USB设备与带USB-C端口的iPad一起使用 以下iPad具有USB-C端口: 自2018年第三代以来的iPad Pro机型 自2020年第四代以来的iPad Air机型 自2021年第六代以来的iPad迷你机型 自2022年以来的第十代iPad机型 这些…

QT+VS实现Kmeans++

1、Kmeans的原理如下: (1)首先选取样本中任一数据点作为第一个聚类中心; (2)计算样本每一个数据点至现所有聚类中心的最近距离,并记录下来; (3)逐一挑选所…

2024.1.28 GNSS 学习笔记

1.基于 地球自转改正卫地距 以及 伪距码偏差 重构定位方程: 先验残差计算公式如下所示: 2.观测值如何定权?权重如何确定? 每个卫星的轨钟精度以及电离层模型修正后的误差都有差异,所以我们不能简单的将各个观测值等权…

qemu 抓取linux kernel vmcore

一、背景 在qemu调试linux kernel时 有时我们会遇到dump 情况,这时可以通过gdb 方式连接分析dump, 但实际中我们用得更多的是离线dump 分析,分析的文件通常是vmcore(linux kernel panic 生成的coredump文件)或者ramdu…

算法沉淀——二分查找(leetcode真题剖析)

算法沉淀——二分查找 01.二分查找02.在排序数组中查找元素的第一个和最后一个位置03.搜索插入位置04.x 的平方根05.山脉数组的峰顶索引06.寻找峰值07.寻找旋转排序数组中的最小值08.LCR 173. 点名 二分查找(Binary Search)是一种在有序数组中查找特定元…

wordpress找不回密码怎么办?4种方法设置新密码

有些WordPress站长太久不登录后台了,所以就忘记了管理员登录密码,这种情况我们应该怎么找回密码呢?或者设置一个新密码呢?下面boke112百科就跟大家分享4种方法设置WordPress新密码。 方法一、登录页面的“忘记密码?”…

在Windows上安装与配置Apache服务并结合内网穿透工具实现公网远程访问本地内网服务

文章目录 前言1.Apache服务安装配置1.1 进入官网下载安装包1.2 Apache服务配置 2.安装cpolar内网穿透2.1 注册cpolar账号2.2 下载cpolar客户端 3. 获取远程桌面公网地址3.1 登录cpolar web ui管理界面3.2 创建公网地址 4. 固定公网地址 前言 Apache作为全球使用较高的Web服务器…

Linux服务器配置与管理(第二次实验)

实验目的及具体要求 目的 1.掌握基于命令行的文件操作 2.掌握基于命令行的目录操作 3.掌握用户账户的命令行操作 4.掌握组账户的命令行操作 5.熟悉磁盘分区操作 6.掌握调整优先级的方法 具体要求 1.掌握基于命令行的文件和目录操作 ①创建测试目录 ②创建文件 ③复…

代码随想录算法训练营DAY6 | 哈希表(1)

DAY5休息一天,今天重启~ 哈希表理论基础:代码随想录 Java hash实现 :java 哈希表-CSDN博客 一、LeetCode 242 有效的字母异位词 题目链接:242.有效的字母异位词 思路:设置字典 class Solution {public boolean isAnag…

设计模式:简单工厂模式

工厂设计模式属于创建型模式,它提供了一种创建对象的最佳方式。工厂模式提供了一种创建对象的方式,而无需指定要创建的具体类。工厂模式属于创建型模式,它在创建对象时提供了一种封装机制,将实际创建对象的代码与使用代码分离。 …

腾讯云幻兽帕鲁服务器创建教程,附4核16G服务器价格表

腾讯云0基础搭建帕鲁服务器4C16G14M服务器稳定无卡顿,先下载SteamCMD,并运行;然后下载Palserver,修改服务ini配置,启动PalServer,进入游戏服务器。腾讯云百科txybk.com分享腾讯云创建幻兽帕鲁服务器教程&am…

LabVIEW准分子激光器控制系统

LabVIEW准分子激光器控制系统是为了实现准分子激光光源在工业、医疗和科研领域的应用集成及其功能的扩展。系统由PC端和激光器端两部分构成,通过光隔离的RS232通讯连接,以实现稳定可靠的控制与通信。 系统主要由微控制单元(MCU)主…

【算法专题】动态规划综合篇

动态规划7.0 1. 最长公共子序列2. 不相交的线3. 不同的子序列4. 通配符匹配5. 正则表达式匹配6. 交错字符串7. 两个字符串的最小ASCII删除和8. 最长重复子数组 1. 最长公共子序列 题目链接 -> Leetcode -1143.最长公共子序列 Leetcode -1143.最长公共子序列 题目&#xf…

堆的概念,性质及其实现

1.堆的概念及结构 如果有一个关键码的集合K { &#xff0c; &#xff0c; &#xff0c;…&#xff0c; }&#xff0c;把它的所有元素按完全二叉树的顺序存储方式存储在一个一维数组中&#xff0c;并满足&#xff1a; < 且 < ( > 且 > ) i 0&#xff0c;1&#x…

Java RC4加密算法

一、RC4加密算法 在密码学中&#xff0c;RC4&#xff08;来自Rivest Cipher 4的缩写&#xff09;是一种流加密算法&#xff0c;密钥长度可变。它加解密使用相同的密钥&#xff0c;因此也属于对称加密算法。 百度百科 - RC4&#xff1a;https://baike.baidu.com/item/RC4/34545…

JavaEE 网络原理

JavaEE 网络原理 文章目录 JavaEE 网络原理1. 网络互连1.1 局域网LAN1.2 广域网WAN 2. 网络通信基础2.1 IP地址2.2 端口号 3. 网络协议3.1 概念3.2 五元组3.3 协议分层3.4 TCP/IP 五层模型3.5 封装和分用 1. 网络互连 随着时代的发展&#xff0c;需要多个计算机协同工作来完成…

Docker安装RcoketMQ

1、Docker安装RcoketMQ-4.9.4 在同级文件夹创建目录config&#xff0c;并在里面创建文件broker.conf&#xff0c;文件内容如下&#xff1a; brokerClusterNameDefaultCluster brokerNamebroker-a brokerId0 deleteWhen04 fileReservedTime48 brokerRoleASYNC_MASTER flushDis…

Java项目:基于SSM框架实现的高校毕业生就业管理系统(ssm+B/S架构+源码+数据库+毕业论文)

一、项目简介 本项目是一套ssm817基于SSM框架实现的高校毕业生就业管理系统&#xff0c;主要针对计算机相关专业的正在做毕设的学生与需要项目实战练习的Java学习者。 包含&#xff1a;项目源码、数据库脚本等&#xff0c;该项目附带全部源码可作为毕设使用。 项目都经过严格调…

Qlik Sense : IntervalMatch(离散匹配)

什么是IntervalMatch IntervalMatch 前缀用于创建表格以便将离散数值与一个或多个数值间隔进行匹配&#xff0c;并且任选匹配一个或多个额外关键值。 语法&#xff1a; IntervalMatch (matchfield)(loadstatement | selectstatement ) IntervalMatch (matchfield,keyfield…

Docker部署Stable-Diffusion-webui

前排提示&#xff1a;如果不想折腾&#xff0c;可直接跳到最后获取封装好的容器&#xff0c;一键运行 :D 前言 乘上AI生成的快车&#xff0c;一同看看沿途的风景。 启一个miniconda容器 docker run -itd -v 宿主机内SD项目路径:/tmp --gpus all --ipc host -p 7860:7860 con…