neo4j 图数据库：Cypher 查询语言、医学知识图谱

neo4j 图数据库：Cypher 查询语言、医学知识图谱

    • Cypher 查询语言
      • 创建数据
      • 查询数据
        • 查询并返回所有节点
        • 查询并返回所有带有特定标签的节点
        • 查询特定属性的节点及其所有关系和关系的另一端节点
        • 查询从名为“小明”的节点到名为“小红”的节点的路径
      • 更新数据
        • 更新一个节点的属性
        • 添加新属性
        • 更新关系的属性
      • 删除数据
        • 删除节点
        • 删除关系
        • 删除属性
      • 三元组导入知识图谱
        • 对于 `kg_triples_small.txt`
        • 对于 `CPubMed-KGV_1.1.txt`
        • 深度级联查询 - 获取全面的症状-疾病网络
      • Python 交互 Neo4j
        • 步骤 1: 安装 Neo4j Python 驱动程序
        • 步骤 2: 建立连接
        • 步骤 3: 执行查询
        • 步骤 4: 处理事务
        • 步骤 5: 关闭驱动
      • 查询性能优化
        • 使用索引
        • 合理使用标签
        • 优化Cypher查询
        • 使用参数化查询
        • 使用更高效的查询模式
        • 监控和分析查询性能

 

Cypher 查询语言

Cypher 是 neo4j 查询语言。

以下列举一些最少必要知识，能用就行。

其他用法，可以问大模型。

创建数据

CREATE (n:User {name:"小明", age:18}) RETURN n
# 创建一个属性为 name:"小明" 和 age:18 的 User 类型的节点，并返回这个节点。CREATE (n:User {name:"小明"}) -[r:LOVE{time:"一万年"}]-> (m:User{name:"小红"}) return n,r,m
# 创建了两个用户节点：小明 和 小红。它还创建了一个从 小明 指向 小红 的 LOVE 类型的关系，并设置了属性 time:"一万年"。该命令返回这两个节点以及他们之间的关系。CREATE (n:User {name:"小明"}) <-[r:LOVE{time:"一万年"}]- (m:User{name:"小红"}) return n,r,m
# 与第二条命令类似，但关系的方向相反。

在 Cypher 查询语言中，用于图数据库操作的特定符号有特殊意义，这里对您提到的符号进行详细解释：

  1. {}（花括号）:

    花括号用于定义节点或关系的属性。

    在创建节点或关系时，花括号内可以包含一系列的键值对，键与值之间用冒号分隔。例如：

    CREATE (n:User {name: "小明", age: 18})

    这里 {name: "小明", age: 18} 定义了一个 User 类型的节点，具有 name 和 age 两个属性。

  2. :（冒号）:
    冒号在 Cypher 中用于指定节点的标签或关系的类型。

    标签通常用来分类或标识不同的节点，而关系的类型用来描述节点之间的连接方式。

    例如：

    MATCH (n:User) -[:FRIEND]-> (m:User)

    这里 :User 表明 n 和 m 是 User 类型的节点，而 :FRIEND 指明两者之间的关系类型为 FRIEND。

  3. ->（箭头）:
    箭头用于指明关系的方向。

    在图数据库中，关系可以是有向的，箭头显示了从一个节点指向另一个节点的路径。例如：

    CREATE (n) -[:LIKES]-> (m)

    这表示从节点 n 到节点 m 存在一个 LIKES 类型的关系，并且方向是从 n 指向 m。

  4. ()（圆括号）:

    圆括号用于围绕节点，并可与其他符号结合表示关系和属性。

    在定义节点时，圆括号内可以包含节点的变量名（可选）、标签（可选）和属性（可选）。例如：

    MATCH (n) -[:KNOWS]-> (m)

    这里 (n) 和 (m) 分别代表图中的两个节点，通过 KNOWS 关系相连。

这些符号的组合使得 Cypher 查询语言能够直观地描述和操作图数据结构。

查询数据

这三个 Cypher 查询示例都是用来从图数据库中检索数据的：

查询并返回所有节点
MATCH (n) 
RETURN n
  • MATCH (n): 匹配图中的所有节点，这里 n 是节点的变量名，可以用来引用任何被匹配到的节点。
  • RETURN n: 返回所有匹配到的节点。
  • 注释：// 匹配并返回图中的所有节点
查询并返回所有带有特定标签的节点
MATCH (n:User) 
RETURN n
  • MATCH (n:User): 匹配图中所有标记为 User 的节点，:User 指定了节点的标签。
  • RETURN n: 返回所有带有 User 标签的节点。
  • 注释：// 查询并返回所有标为“User”的节点
查询特定属性的节点及其所有关系和关系的另一端节点
MATCH (n:User {name:"小明"}) -[r]- (m) 
RETURN n, r, m
  • MATCH (n:User {name:"小明"}) -[r]- (m): 匹配图中名为 “小明” 的 User 类型节点，并匹配该节点的所有关系 r 及关系的另一端节点 m。关系 [r] 没有指定方向，表示可以是任何方向。
  • RETURN n, r, m: 返回与名为 “小明” 的 User 节点有关系的所有节点和这些关系。写成 return * 等同
  • 注释：// 查询名为“小明”的用户节点及其所有关系和关联节点
查询从名为“小明”的节点到名为“小红”的节点的路径
MATCH path = (a:User {name: "小明"})-[*]->(b:User {name: "小红"})
RETURN path

这条查询的解释如下：

  • MATCH path = (a:User {name: "小明"})-[*]->(b:User {name: "小红"}): 这里定义了一个变量 path 来保存从“小明”到“小红”的路径。(a:User {name: "小明"}) 和 (b:User {name: "小红"}) 分别指定了起点和终点节点，而 [*] 表示路径中可以包含任意数量和类型的关系，并且是有方向的，从“小明”指向“小红”。
  • RETURN path: 返回找到的所有路径。

如果你想限制路径的长度，例如，查找最多经过3个关系的路径，可以修改查询如下：

MATCH path = (a:User {name: "小明"})-[*..3]->(b:User {name: "小红"})
RETURN path

这个修改使得查询只返回最多包含三个关系的路径。

这样的限制有助于避免在大图中执行过于复杂的查询，从而可能导致性能问题。

此外，如果你对路径的详细信息感兴趣，比如路径中每个节点和关系的具体属性，你可以展开路径的返回内容：

MATCH path = (a:User {name: "小明"})-[*]->(b:User {name: "小红"})
RETURN nodes(path) AS nodes, relationships(path) AS relationships

这将返回路径中的所有节点和关系，使得你能够获取更多关于路径的具体细节。

这些查询覆盖了从最基本的节点检索到更具体的带有条件和关系的检索，适合不同的查询需求。

在实际使用时，根据图的大小和复杂性，你可能需要考虑查询的效率和性能。

更新数据

在 Cypher 查询语言中，更新数据通常涉及修改节点或关系的属性。这些操作通过 SET 关键词来实现。下面，我会给出一些常见的更新数据的示例：

更新一个节点的属性

假设你想更新名为“小明”的用户的年龄。你可以使用以下Cypher命令：

MATCH (n:User {name: "小明"})
SET n.age = 20
RETURN n

这条命令的解释如下：

  • MATCH (n:User {name: "小明"}): 找到所有名为“小明”的 User 节点。
  • SET n.age = 20: 将这些节点的 age 属性设置为 20。
  • RETURN n: 返回更新后的节点。
添加新属性

如果你想给“小明”添加一个新的属性，比如 email：

MATCH (n:User {name: "小明"})
SET n.email = "xiaoming@example.com"
RETURN n

这将给“小明”节点添加一个 email 属性，并设其值为 “xiaoming@example.com”。

更新关系的属性

假设你想更新“小明”和“小红”之间 LOVE 关系的时间属性：

MATCH (a:User {name: "小明"})-[r:LOVE]->(b:User {name: "小红"})
SET r.time = "两万年"
RETURN a, r, b

这条命令的解释如下：

  • MATCH (a:User {name: "小明"})-[r:LOVE]->(b:User {name: "小红"}): 找到从“小明”到“小红”的 LOVE 类型的关系。
  • SET r.time = "两万年": 更新这个关系的 time 属性。
  • RETURN a, r, b: 返回更新后的节点和关系。

删除数据

在 Cypher 查询语言中，删除操作涉及到移除节点、关系、属性或整个图结构的一部分。

删除节点

要删除特定的节点，你需要先匹配到这个节点，然后使用 DELETE 命令。

需要注意的是，如果该节点还有任何关系，直接删除会失败，因为图数据库要求任何存在的关系都必须有明确的起点和终点。

如果你想删除一个节点及其所有关系，可以使用 DETACH DELETE。

示例：删除名为“小红”的用户节点及其所有关系：

MATCH (n:User {name: "小红"})
DETACH DELETE n

这里，DETACH DELETE n 会删除匹配到的节点 n 及其所有关系。

删除关系

如果你想单独删除节点之间的关系而保留节点本身，可以匹配到这些关系然后删除它们。

示例：删除“小明”和“小红”之间的所有关系：

MATCH (a:User {name: "小明"})-[r]-(b:User {name: "小红"})
DELETE r

这条命令不会删除任何节点，只会删除两个用户之间的所有关系。

删除属性

你可以使用 REMOVE 命令来删除节点或关系上的某个属性。

示例：删除“小明”节点的 age 属性：

MATCH (n:User {name: "小明"})
REMOVE n.age
RETURN n

执行后，“小明”的节点将不再有 age 属性。

三元组导入知识图谱

对于 kg_triples_small.txt

  1. 检查数据格式：

    • 确认每行是不是标准的三元组形式，例如 "主体, 关系, 宾体"。

  2. 导入到Neo4j：

    • 如果文件已经是CSV格式，直接使用如下Cypher命令导入：
      LOAD CSV FROM 'file:///path_to_kg_triples_small.csv' AS line
MERGE (subject:Entity {name: line[0]})
MERGE (object:Entity {name: line[2]})
MERGE (subject)-[r:RELATION {type: line[1]}]->(object)
对于 CPubMed-KGV_1.1.txt

CPubMed-KGV_1.1.txt 格式有点特别。

是@@形式，这种和三元祖形式有差异，要怎么处理呢？

这种数据是人工做的标识文本，是分类，特有的设计模式，直接导入就可以了。

可以用llamaindex，可以直接导入，因为AI帮你处理了数据，就不用你手动写代码转csv。

深度级联查询 - 获取全面的症状-疾病网络

在医学领域，构建和查询症状与疾病之间的网络可以极大地帮助医生和研究人员理解疾病的复杂关系，从而改进诊断和治疗方法。

在这样的应用场景中，深度级联查询可以用来探索症状和疾病之间的多级关联，比如通过中间状态或其他相关症状/疾病来链接起始症状和目标疾病。

首先，我们需要构建一个图模型，其中包含两种基本类型的节点：Symptom（症状）和Disease（疾病）。

这些节点通过关系如INDICATES（表征）、LEADS_TO（导致）或ASSOCIATED_WITH（相关联）相连。

例如：

  • 症状A INDICATES 疾病B
  • 疾病B LEADS_TO 疾病C
  • 症状A ASSOCIATED_WITH 症状D

假设我们想要探索某个特定症状如何通过一系列其他症状和疾病最终可能导致某个具体疾病。

这种查询不仅有助于诊断，还能揭示潜在的病理路径。

MATCH path = (s:Symptom {name: "Persistent Cough"})-[:INDICATES|ASSOCIATED_WITH*1..4]->(d:Disease {name: "Lung Cancer"})
RETURN path

这里的查询做了以下几点：

  • 起始节点：症状节点，名为“Persistent Cough”（持续性咳嗽）。
  • 目标节点：疾病节点，名为“Lung Cancer”（肺癌）。
  • 关系类型和深度：通过INDICATES（表征）或ASSOCIATED_WITH（相关联）关系，探索从起始症状到目标疾病的所有可能路径，路径的深度从1到4级不等。
  • 返回：返回从“持续性咳嗽”可能导致“肺癌”的所有路径。

为了进一步探索可能的中间疾病和症状，可以扩展查询来包含更多的关系类型和节点：

MATCH path = (s:Symptom {name: "Persistent Cough"})-[:INDICATES|ASSOCIATED_WITH|LEADS_TO*1..6]->(d:Disease {name: "Lung Cancer"})
RETURN path

在这个查询中，添加了LEADS_TO关系，这表示疾病到疾病的直接影响，允许探索更长的病理路径。

Python 交互 Neo4j

在项目中，一般是Python中执行Cypher查询语句，从而操作Neo4j数据库中的数据，而不是直接对着 neo4j 操作。

步骤 1: 安装 Neo4j Python 驱动程序

首先，确保你已经安装了neo4j包。如果还未安装，可以通过pip安装：

pip install neo4j
步骤 2: 建立连接

你需要创建一个与Neo4j数据库的连接。通常这涉及到指定数据库的URL、用户名和密码。

from neo4j import GraphDatabaseuri = "bolt://localhost:7687"  # Neo4j实例的Bolt URL
username = "neo4j"
password = "your_password"driver = GraphDatabase.driver(uri, auth=(username, password))
步骤 3: 执行查询

通过定义一个函数来执行查询。这个函数使用一个驱动实例来运行Cypher查询并返回结果。

def get_user(driver, name):with driver.session() as session:result = session.run("MATCH (u:User {name: $name}) RETURN u", name=name)return [record["u"] for record in result]# 调用函数
user_data = get_user(driver, "小明")
print(user_data)
步骤 4: 处理事务

为了处理更复杂的业务逻辑，可以在会话中执行多个操作作为一个事务。

def create_friendship(driver, name1, name2):with driver.session() as session:session.write_transaction(lambda tx: tx.run("MATCH (a:User), (b:User) ""WHERE a.name = $name1 AND b.name = $name2 ""CREATE (a)-[:FRIENDS_WITH]->(b)", name1=name1, name2=name2))create_friendship(driver, "小明", "小红")
步骤 5: 关闭驱动

操作完成后，确保关闭驱动连接。

driver.close()

查询性能优化

在医学问诊的场景中，使用Neo4j来存储和查询有关疾病、症状、治疗方法及其相互关系的数据时，可以采取以下优化策略来提升查询性能。每个策略下将给出一个具体的例子：

使用索引

应用场景：快速查找特定症状或疾病的记录。
示例：为疾病的名称创建索引，以便快速启动诊断过程。

CREATE INDEX ON :Disease(name)
合理使用标签

应用场景：确保查询只涉及相关类型的节点，以减少查询范围。
示例：在查询涉及特定类型的节点时，使用合适的标签。

MATCH (s:Symptom)-[:INDICATES]->(d:Disease)
WHERE s.name = 'Headache'
RETURN d.name

在此例中，Symptom 和 Disease 标签帮助数据库引擎快速定位和查询相关节点。

优化Cypher查询

应用场景：避免返回不必要的数据，减少数据传输。
示例：只返回需要的属性，而不是整个节点。

MATCH (p:Patient)-[:HAS_SYMPTOM]->(s:Symptom)
RETURN s.name

这里，只返回症状名称而非整个症状节点的所有属性。

使用参数化查询

应用场景：提高查询的重用性和安全性。
示例：使用参数化的方式来查询具有特定症状的所有患者。

MATCH (p:Patient)-[:HAS_SYMPTOM]->(s:Symptom {name: $symptomName})
RETURN p.name

参数 $symptomName 可以在运行时提供，这样同一查询可以用于不同的症状。

使用更高效的查询模式

应用场景：避免过于复杂的匹配模式，特别是在大型图中。
示例：使用较短的路径和限制结果集的大小来优化查询。

MATCH path = (s:Symptom {name: 'Fever'})-[:INDICATES*1..2]->(d:Disease)
RETURN d.name LIMIT 10

这里，路径长度限制为1到2跳，查询结果也限制为最多10个。

监控和分析查询性能

应用场景：识别和优化慢查询。
示例：使用PROFILE来分析查询并找出性能瓶颈。

PROFILE MATCH (p:Patient)-[:HAS_DISEASE]->(d:Disease)
WHERE d.name = 'Diabetes'
RETURN p.name

PROFILE 提供了关于查询如何执行的详细信息，包括每个操作的数据库命中次数和资源消耗。

通过应用这些策略，医学问诊系统的数据库查询可以更加快速和有效，从而提升系统的整体性能和用户体验。

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/374198.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

Golang | Leetcode Golang题解之第228题汇总区间

Golang | Leetcode Golang题解之第228题汇总区间

题目&#xff1a; 题解&#xff1a; func summaryRanges(nums []int) (ans []string) {for i, n : 0, len(nums); i < n; {left : ifor i; i < n && nums[i-1]1 nums[i]; i {}s : strconv.Itoa(nums[left])if left < i-1 {s "->" strconv.It…
阅读更多...
「媒体邀约」上海请媒体的费用

「媒体邀约」上海请媒体的费用

传媒如春雨&#xff0c;润物细无声&#xff0c;大家好&#xff0c;我是51媒体网胡老师。 上海无疑是最具活动的城市之一&#xff0c;各种大大小小的论坛、发布会、展览展会应接不暇&#xff0c;那么在上海做活动想邀请媒体进行宣传报道&#xff0c;需要多少费用呢&#xff1a;…
阅读更多...
阅读笔记——《Fuzz4All: Universal Fuzzing with Large Language Models》

阅读笔记——《Fuzz4All: Universal Fuzzing with Large Language Models》

【参考文献】Xia C S, Paltenghi M, Le Tian J, et al. Fuzz4all: Universal fuzzing with large language models[C]//Proceedings of the IEEE/ACM 46th International Conference on Software Engineering. 2024: 1-13.【注】本文仅为作者个人学习笔记&#xff0c;如有冒犯&…
阅读更多...
U-net和U²-Net网络详解

U-net和U²-Net网络详解

目录 U-Net: Convolutional Networks for Biomedical Image Segmentation摘要U-net网络结构pixel-wise loss weight U-Net: Going Deeper with Nested U-Structure for Salient Object Detection摘要网络结构详解整体结构RSU-n结构RSU-4F结构saliency map fusion module -- 显著…
阅读更多...
线性代数|机器学习-P22逐步最小化一个函数

线性代数|机器学习-P22逐步最小化一个函数

文章目录 1. 概述2. 泰勒公式3. 雅可比矩阵4. 经典牛顿法4.1 经典牛顿法理论4.2 牛顿迭代法解求方程根4.3 牛顿迭代法解求方程根 Python 5. 梯度下降和经典牛顿法5.1 线搜索方法5.2 经典牛顿法 6. 凸优化问题6.1 约束问题6.1 凸集组合 Mit麻省理工教授视频如下&#xff1a;逐步…
阅读更多...
科普文：Java对象在堆中的内存结构

科普文：Java对象在堆中的内存结构

概叙 今天来讲些抽象的东西 -- 对象头&#xff0c;因为我在学习的过程中发现很多地方都关联到了对象头的知识点&#xff0c;例如JDK中的 synchronized锁优化 和 JVM 中对象年龄升级等等。 对象内存构成# Java 中通过 new 关键字创建一个类的实例对象&#xff0c;对象存于内存的…
阅读更多...
从零开始学习嵌入式----C语言框架梳理与后期规划

从零开始学习嵌入式----C语言框架梳理与后期规划

目录 一、环境搭建. 二、见解 三、C语言框架梳理 四、嵌入式学习规划流程图&#xff08;学习顺序可能有变&#xff09; 一、环境搭建. C语言是一门编程语言&#xff0c;在学习的时候要准备好环境。我个人比较喜欢用VS,具体怎么安装请百度。学习C语言的时候&#xff0c;切忌…
阅读更多...
使用来此加密申请多域名SSL证书

使用来此加密申请多域名SSL证书

在数字化时代的浪潮中&#xff0c;网站的安全性已成为企业和个人不可或缺的一部分。特别是在数据传输和用户隐私保护方面&#xff0c;SSL证书的作用愈发显著。 申请多域名SSL证书步骤 1、登录来此加密网站&#xff0c;输入域名&#xff0c;可以勾选泛域名和包含根域。 2、选择…
阅读更多...
Apache Hadoop之历史服务器日志聚集配置

Apache Hadoop之历史服务器日志聚集配置

上篇介绍了Apache Hadoop的分布式集群环境搭建&#xff0c;并测试了MapReduce分布式计算案例。但集群历史做了哪些任务&#xff0c;任务执行日志等信息还需要配置历史服务器和日志聚集才能更好的查看。 配置历史服务器 在Yarn中运行的任务产生的日志数据不能查看&#xff0c;…
阅读更多...
一套基于 Ant Design 和 Blazor 的开源企业级组件库

一套基于 Ant Design 和 Blazor 的开源企业级组件库

前言 今天大姚给大家分享一套基于Ant Design和Blazor的开源&#xff08;MIT License&#xff09;、免费的企业级组件库&#xff08;喜欢Ant Design风格的同学推荐使用&#xff09;&#xff1a;Ant Design Blazor。 项目特性 提炼自企业级中后台产品的交互语言和视觉风格。 开…
阅读更多...
Qt：15.布局管理器(QVBoxLayout-垂直布局、QHBoxLayout-水平布局、QGridLayout-网格布局、拉伸系数，控制控件显示的大小)

Qt：15.布局管理器(QVBoxLayout-垂直布局、QHBoxLayout-水平布局、QGridLayout-网格布局、拉伸系数，控制控件显示的大小)

目录 一、QVBoxLayout-垂直布局&#xff1a; 1.1QVBoxLayout介绍&#xff1a; 1.2 属性介绍&#xff1a; 1.3细节理解&#xff1a; 二、QHBoxLayout-水平布局&#xff1a; 三、QGridLayout-网格布局&#xff1a; 3.1QGridLayout介绍&#xff1a; 3.2常用方法&#xff1a…
阅读更多...
git查看版本，查看安装路径、更新版本

git查看版本，查看安装路径、更新版本

git version 查看版本 git update-git-for-windows 更新版本 git version 查看版本
阅读更多...
江波龙 128G msata量产

江波龙 128G msata量产

一小主机不断重启&#xff0c;用DG格式化 无法完成&#xff0c;应该是有坏块了 找一个usb转msata转换板 查了一下是2246en aa主控 颗粒应该是三星的 缓存是现代的 找到量产工具sm22XMPToolP0219B 打开量产工具 用镊子先短接一下jp1 插入usb口&#xff0c;再拿走镊子 scan …
阅读更多...
【Pytorch】RNN for Image Classification

【Pytorch】RNN for Image Classification

文章目录 1 RNN 的定义2 RNN 输入 input, h_03 RNN 输出 output, h_n4 多层5 小试牛刀 学习参考来自 pytorch中nn.RNN()总结RNN for Image Classification(RNN图片分类–MNIST数据集)pytorch使用-nn.RNN 1 RNN 的定义 nn.RNN(input_size, hidden_size, num_layers1, nonlinea…
阅读更多...
3D云渲染工具对决：Maya与Blender的性能和功能深度比较

3D云渲染工具对决：Maya与Blender的性能和功能深度比较

3D建模和动画制作已成为数字领域不可或缺的一环&#xff0c;无论是在影视特效的震撼场面&#xff0c;还是在游戏角色的生动表现&#xff0c;3D技术都扮演着至关重要的角色。而在这一领域&#xff0c;Maya和Blender这两款软件&#xff0c;以其强大的功能和广泛的应用&#xff0c…
阅读更多...
COMe Type6核心板：基于飞腾FT2000/D2000的全国产化标准板卡

COMe Type6核心板：基于飞腾FT2000/D2000的全国产化标准板卡

目前采用了国产飞腾处理器的COMe核心板开发的比较多&#xff0c;各家都有属于自己的基于COM Express标准设计的模块化计算板卡。COM Express是一种标准化的嵌入式计算模块&#xff0c;用于将处理器、内存和外围设备控制器等关键组件集成在一个小型的板卡上&#xff0c;便于快速…
阅读更多...
FUSE（用户空间文件系统）命令参数

FUSE（用户空间文件系统）命令参数

GPT-4 (OpenAI) FUSE (Filesystem in Userspace)是一个允许创建用户空间文件系统的接口。它提供了一个API&#xff0c;让开发者在未修改内核代码的情况下&#xff0c;通过自己的程序实现文件系统。FUSE 文件系统通常通过 mount 命令来挂载&#xff0c;而且这个命令可以接受各…
阅读更多...
【Docker-compose】搭建php 环境

【Docker-compose】搭建php 环境

文章目录 Docker-compose容器编排1. 是什么2. 能干嘛3. 去哪下4. Compose 核心概念5. 实战 &#xff1a;linux 配置dns 服务器&#xff0c;搭建lemp环境&#xff08;Nginx MySQL (MariaDB) PHP &#xff09;要求6. 配置dns解析配置 lemp Docker-compose容器编排 1. 是什么 …
阅读更多...
mov视频怎么改成mp4？把mov改成MP4的四个方法

mov视频怎么改成mp4？把mov改成MP4的四个方法

mov视频怎么改成mp4&#xff1f;选择合适的视频格式对于确保内容质量和流通性至关重要。尽管苹果公司的mov格式因其出色的视频表现备受赞誉&#xff0c;但在某些情况下&#xff0c;它并非最佳选择&#xff0c;因为使用mov格式可能面临一些挑战。MP4格式在各种设备&#xff08;如…
阅读更多...
树链剖分相关

树链剖分相关

树链剖分这玩意儿还挺重要的&#xff0c;是解决静态树问题的一个很好的工具~ 这里主要介绍一下做题时经常遇到的两个操作&#xff1a; 1.在线求LCA int LCA(int x,int y){while(top[x]!top[y])if(dep[top[x]]>dep[top[y]]) xfa[top[x]];else yfa[top[y]];return dep[x]&l…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023