【SQL笔试题】SN_1 连续登陆系列问题

简介

连续登陆天数场景描述是对一个特定情境或活动连续发生的天数进行详细的阐述。这种描述通常用于展示某个事件或活动的持续时间，以及它对参与者或环境产生的影响。

常见的应用场景：

  1. 用户留存分析：通过跟踪用户的连续登录天数，可以分析用户的留存情况，了解用户对产品的粘性和忠诚度。
  2. 产品使用频率：连续登录天数反映了用户对产品的使用频率，有助于了解产品的使用情况和用户的需求。
  3. 用户活跃度：通过连续登录天数，可以评估用户群体的活跃度，识别高活跃度用户和需要激励的用户。
  4. 营销策略效果评估：连续登录天数可以作为衡量营销策略效果的指标，如签到奖励、任务完成奖励等。
  5. 用户行为预测：通过历史连续登录数据，可以建立模型预测用户的未来行为，如流失风险、购买倾向等。
  6. 产品功能优化：分析连续登录天数与用户使用的产品功能之间的关系，可以为产品功能的优化提供依据。
  7. 个性化推荐：根据用户的连续登录天数和相关行为数据，可以进行个性化内容或产品的推荐。
  8. 客户关系管理：连续登录天数可以作为客户关系管理中的一个维度，帮助识别和奖励忠诚客户。

常见可能用到的数据分析和数据挖掘方法：

  1. 趋势分析：通过绘制连续登录天数的趋势图，可以观察用户群体的整体活跃趋势。
  2. 分段分析：将用户按照连续登录天数进行分段，分析不同段内用户的特征和需求。
  3. 相关性分析：探究连续登录天数与其他用户行为指标（如购买次数、浏览时长等）之间的相关性。
  4. 回归分析：建立回归模型，分析连续登录天数对用户行为（如收入、转化率等）的影响。
  5. 用户画像构建：利用连续登录天数作为用户画像的一个维度，结合其他数据构建更全面的用户画像。
  6. 漏斗分析：在特定业务流程中，分析连续登录天数对用户转化率的影响，识别潜在的瓶颈和改进点。
  7. 聚类分析：对用户进行聚类，根据连续登录天数和其他行为数据将用户分为不同的群体，以进行更精细化的运营。
  8. 异常检测：通过检测连续登录天数的异常变化，可以发现潜在的问题或欺诈行为。

示例分析和详解

常见的笔试题考点：

  1. 用户最长连续登陆天数。（注意看是否有间断，间断是否统计）
  2. 连续登陆超过x天/不少于x天的用户。
  3. 任意/最近时间段内用户连续登陆天数/超过x天的用户。

……

题目：用户登录信息表login_tb（log_id：登录动作id,user_id：用户id, log_time：登录时间, log_port：登录端口）。

下面是建表语句和模拟的数据：

drop table if exists `login_tb` ;
create table if not exists `login_tb` (
`user_id` int,
`login_time` datetime,
`login_port` varchar(64));
insert into login_tb values(1101,'2022-02-09 07:24:15','pc');
insert into login_tb values(1102,'2022-02-09 09:12:57','app');
insert into login_tb values(1003,'2022-02-10 09:36:11','m');
insert into login_tb values(1102,'2022-02-10 09:37:01','app');
insert into login_tb values(1104,'2022-02-10 12:01:46','app');
insert into login_tb values(1106,'2022-02-10 10:23:01','app');
insert into login_tb values(1003,'2022-02-11 10:43:01','m');
insert into login_tb values(1102,'2022-02-11 11:56:47','app');
insert into login_tb values(1104,'2022-02-11 14:52:37','app');
insert into login_tb values(1106,'2022-02-11 16:56:27','app');
insert into login_tb values(1003,'2022-02-11 17:43:01','m');
insert into login_tb values(1106,'2022-02-12 10:56:17','app');
insert into login_tb values(1106,'2022-02-15 10:56:17','app');
insert into login_tb values(1106,'2022-02-16 10:56:17','app');
insert into login_tb values(1106,'2022-02-17 10:56:17','app');
insert into login_tb values(1106,'2022-02-18 10:56:17','app');

需求1：请用 SQL 查询用户最长连续登陆天数。

需求2：请用 SQL 查询连续登陆不少于3天的用户。

需求3：请用 SQL 查询2022年2月1日-2022年2月28日用户最长的连续登录天数。

首先，简单查询如下图，我们可以对进行 user_id 和 login_time 排序大致看看情况：

image

可以看到用户 1003 连续登陆 2 天，其中 2022-02-11 登陆多次；用户 1101 登陆 1 天；用户 1102 连续登陆 3 天；用户 1104 连续登陆 2 天；用户 1106 连续登陆 3 天，间断了 2 天，又接着连续登陆了 4 天。

注意事项：

  1. 一个用户/商品一天可以登陆/下单多次，因此需要注意去重复。
  2. 在一段时间内，可能连续登陆多天，间断几天后，又连续登陆。

下面我们介绍通过 SQL 方法主逐步实现上面需求。

方法一：利用排名窗口函数

  1. 可能出现多次登陆，对所需列去重复；
  2. 利用 row_number 对每个 user_id 登录日期进行升序排序，得到 rn 列（如果是连续的，可以发现用户 user_id 对应的排序字段 rn 是连续的）；
  3. 利用 date_sub 将 login_date 与 rn 相减，可以得到“伪日期列-dt_uid”，可以发现不管是否间断，若连续登录，dt_uid 对应相同；

image-2

  1. 对 user_id 和 dt_uid 进行分组聚合，再使用 datediff 或者 count ，就可以得出每个 user_id 对应连续的“开始日期、结束日期和连续天数”。

image-3

  1. 结合具体题目需求，添加筛选或稍微处理，基本上可以应对相关系列题目。

需求答案：

########### 需求1：请用 SQL 查询用户最长连续登陆天数。
-- 一天可能出现多次登陆，去重
with t0 as(select distinct user_id, date(login_time) as login_datefrom login_tb),
-- 利用 row_number 对每个 user_id 登录日期进行升序排序，得到 rn 列（如果是连续的，可以发现用户 user_id 对应的排序字段 rn 是连续的）
-- 利用 date_sub 将 login_date 与 rn 相减，可以得到“伪日期列-dt_uid”，可以发现不管是否间断，若连续登录，dt_uid 对应相同；t1 as(select user_id, login_date, row_number() over (partition by user_id order by login_date) as rn, date_sub(login_date, interval row_number() over (partition by user_id order by login_date)day) as dt_uidfrom t0),
-- 对 user_id 和 dt_uid 进行分组聚合，再使用 datediff 或者 count ，就可以得出每个 user_id 对应连续的“开始日期、结束日期和连续天数”。t2 as(select user_id, dt_uid, min(login_date)                                as consecutive_start_date, max(login_date)                                as consecutive_end_date, datediff(max(login_date), min(login_date)) + 1 as consecutive_days, count(login_date)                              as consecutive_days1from t1group by user_id, dt_uid)
select user_id, max(consecutive_days) as consecutive_days_longest
from t2
group by user_id;########### 需求2：请用 SQL 查询连续登陆不少于3天的用户。
-- 一天可能出现多次登陆，去重
with t0 as(select distinct user_id, date(login_time) as login_datefrom login_tb),
-- 利用 row_number 对每个 user_id 登录日期进行升序排序，得到 rn 列（如果是连续的，可以发现用户 user_id 对应的排序字段 rn 是连续的）
-- 利用 date_sub 将 login_date 与 rn 相减，可以得到“伪日期列-dt_uid”，可以发现不管是否间断，若连续登录，dt_uid 对应相同；t1 as(select user_id, login_date, row_number() over (partition by user_id order by login_date) as rn, date_sub(login_date, interval row_number() over (partition by user_id order by login_date)day) as dt_uidfrom t0),
-- 对 user_id 和 dt_uid 进行分组聚合，再使用 datediff 或者 count ，就可以得出每个 user_id 对应连续的“开始日期、结束日期和连续天数”。t2 as(select user_id, dt_uid, min(login_date)                                as consecutive_start_date, max(login_date)                                as consecutive_end_date, datediff(max(login_date), min(login_date)) + 1 as consecutive_days, count(login_date)                              as consecutive_days1from t1group by user_id, dt_uid)
select user_id
from t2
group by user_id
having max(consecutive_days) >= 3;########### 需求3：请用 SQL 查询2022年2月1日-2022年2月15日用户最长的连续登录天数。
-- 一天可能出现多次登陆，去重
with t0 as(select distinct user_id, date(login_time) as login_datefrom login_tbwhere date(login_time) between '2022-02-01' and '2022-02-15'),
-- 利用 row_number 对每个 user_id 登录日期进行升序排序，得到 rn 列（如果是连续的，可以发现用户 user_id 对应的排序字段 rn 是连续的）
-- 利用 date_sub 将 login_date 与 rn 相减，可以得到“伪日期列-dt_uid”，可以发现不管是否间断，若连续登录，dt_uid 对应相同；t1 as(select user_id, login_date, row_number() over (partition by user_id order by login_date) as rn, date_sub(login_date, interval row_number() over (partition by user_id order by login_date)day) as dt_uidfrom t0),
-- 对 user_id 和 dt_uid 进行分组聚合，再使用 datediff 或者 count ，就可以得出每个 user_id 对应连续的“开始日期、结束日期和连续天数”。t2 as(select user_id, dt_uid, min(login_date)                                as consecutive_start_date, max(login_date)                                as consecutive_end_date, datediff(max(login_date), min(login_date)) + 1 as consecutive_days, count(login_date)                              as consecutive_days1from t1group by user_id, dt_uid)
select user_id, max(consecutive_days) as consecutive_days_longest
from t2
group by user_id;

可以发现 需求1 只要在前面分析的思路上，稍微添加临时表汇总即可；需求3 只要在 需求1 基础上，临时表 t0 稍微添加日期范围条件即可；

方法二：利用错位窗口函数

  1. 可能出现多次登陆，对所需列去重复；
  2. 利用自连接和 lead 找出断点日期，即连续登录开始或者间断的初始日期（login_date_cr）和下次连续登陆的开始日期（login_date_nr），如果为 null 则给默认永久即 9999-12-31；

image-4

  1. 利用上一步得出的 结果， 将每个对应的用户 user_id 和 login_date 映射在[login_date_cr, login_date_nr) 之间(注意 login_date_nr 是开区间），可以发现不管是否间断，若连续登录，用户的 login_date_cr 和 login_date_nr 对应相同；

image-5

  1. 对 user_id 、 login_date_cr 和 login_date_nr 进行分组聚合，再使用 datediff 或者 count ，就可以得出每个 user_id 对应连续的“开始日期、结束日期和连续天数”。

image-6

  1. 结合具体题目需求，添加筛选或稍微处理，基本上可以应对相关系列题目。

需求答案：

########### 需求1：请用 SQL 查询用户最长连续登陆天数。
-- 一天可能出现多次登陆，去重
with t0 as(select distinct user_id, date(login_time) as login_date from login_tb),
-- 利用自连接和 lead 找出断点日期，即连续登录开始或者间断的初始日期，和下次连续登陆的开始日期，如果为 null 则给默认永久即 9999-12-31t1 as(select a.user_id, a.login_date                                                                            as login_date_cr, lead(a.login_date, 1, '9999-12-31') over (partition by a.user_id order by a.login_date) as login_date_nrfrom t0 as aleft join t0 as bon a.user_id = b.user_idand datediff(a.login_date, b.login_date) = 1where b.login_date is null),
-- 利用上一步得出的 结果， 将每个对应的用户 user_id 和 login_date 映射在[login_date_cr, login_date_nr) 之间(注意 login_date_nr 是开区间）
-- ，可以发现不管是否间断，若连续登录，用户的 login_date_cr 和 login_date_nr 对应相同；t2 as(select t0.user_id, t0.login_date, t1.login_date_cr, t1.login_date_nrfrom t0left join t1on t0.user_id = t1.user_idand t0.login_date >= t1.login_date_crand t0.login_date < t1.login_date_nr),
-- 对 user_id 、 login_date_cr 和 login_date_nr 进行分组聚合，再使用 datediff 或者 count ，就可以得出每个 user_id 对应连续的“开始日期、结束日期和连续天数”。t3 as(select user_id, login_date_cr, login_date_nr, min(login_date)                                as consecutive_start_date, max(login_date)                                as consecutive_end_date, datediff(max(login_date), min(login_date)) + 1 as consecutive_days, count(login_date)                              as consecutive_days1from t2group by user_id, login_date_cr, login_date_nr)
select user_id, max(consecutive_days) as consecutive_days_longest
from t3
group by user_id;########### 需求2：请用 SQL 查询连续登陆不少于3天的用户。
-- 一天可能出现多次登陆，去重
with t0 as(select distinct user_id, date(login_time) as login_date from login_tb),
-- 利用自连接和 lead 找出断点日期，即连续登录开始或者间断的初始日期，和下次连续登陆的开始日期，如果为 null 则给默认永久即 9999-12-31t1 as(select a.user_id, a.login_date                                                                            as login_date_cr, lead(a.login_date, 1, '9999-12-31') over (partition by a.user_id order by a.login_date) as login_date_nrfrom t0 as aleft join t0 as bon a.user_id = b.user_idand datediff(a.login_date, b.login_date) = 1where b.login_date is null),
-- 利用上一步得出的 结果， 将每个对应的用户 user_id 和 login_date 映射在[login_date_cr, login_date_nr) 之间(注意 login_date_nr 是开区间）
-- ，可以发现不管是否间断，若连续登录，用户的 login_date_cr 和 login_date_nr 对应相同；t2 as(select t0.user_id, t0.login_date, t1.login_date_cr, t1.login_date_nrfrom t0left join t1on t0.user_id = t1.user_idand t0.login_date >= t1.login_date_crand t0.login_date < t1.login_date_nr),
-- 对 user_id 、 login_date_cr 和 login_date_nr 进行分组聚合，再使用 datediff 或者 count ，就可以得出每个 user_id 对应连续的“开始日期、结束日期和连续天数”。t3 as(select user_id, login_date_cr, login_date_nr, min(login_date)                                as consecutive_start_date, max(login_date)                                as consecutive_end_date, datediff(max(login_date), min(login_date)) + 1 as consecutive_days, count(login_date)                              as consecutive_days1from t2group by user_id, login_date_cr, login_date_nr)
select user_id
from t3
group by user_id
having max(consecutive_days) >= 3;########### 需求3：请用 SQL 查询2022年2月1日-2022年2月15日用户最长的连续登录天数。
-- 一天可能出现多次登陆，去重
with t0 as(select distinct user_id, date(login_time) as login_datefrom login_tbwhere date(login_time) between '2022-02-01' and '2022-02-15'),
-- 利用自连接和 lead 找出断点日期，即连续登录开始或者间断的初始日期，和下次连续登陆的开始日期，如果为 null 则给默认永久即 9999-12-31t1 as(select a.user_id, a.login_date                                                                            as login_date_cr, lead(a.login_date, 1, '9999-12-31') over (partition by a.user_id order by a.login_date) as login_date_nrfrom t0 as aleft join t0 as bon a.user_id = b.user_idand datediff(a.login_date, b.login_date) = 1where b.login_date is null),
-- 利用上一步得出的结果， 将每个对应的用户 user_id 和 login_date 映射在[login_date_cr, login_date_nr) 之间(注意 login_date_nr 是开区间）
-- ，可以发现不管是否间断，若连续登录，用户的 login_date_cr 和 login_date_nr 对应相同；t2 as(select t0.user_id, t0.login_date, t1.login_date_cr, t1.login_date_nrfrom t0left join t1on t0.user_id = t1.user_idand t0.login_date >= t1.login_date_crand t0.login_date < t1.login_date_nr),
-- 对 user_id 、 login_date_cr 和 login_date_nr 进行分组聚合，再使用 datediff 或者 count ，就可以得出每个 user_id 对应连续的“开始日期、结束日期和连续天数”。t3 as(select user_id, login_date_cr, login_date_nr, min(login_date)                                as consecutive_start_date, max(login_date)                                as consecutive_end_date, datediff(max(login_date), min(login_date)) + 1 as consecutive_days, count(login_date)                              as consecutive_days1from t2group by user_id, login_date_cr, login_date_nr)
select user_id, max(consecutive_days) as consecutive_days_longest
from t3
group by user_id;

通过两种方法可知，主要思路都是需要给用户连续登陆日期打上一个独有的分组标签，只要解决了这个，问题就基本上解决了，方法有很多，有兴趣的同学可以自行探索，就个人而已，比较推荐方法一：利用排名窗口函数，普遍适用于许多分析工具。

为了快速得到我们想要的结果，我们可能想到或者看到许多方法来解决需求2“请用 SQL 查询连续登陆不少于3天的用户”。如下图，通过 count 和 lead 开窗函数之间限定不少于3天两种方法。

image-7

再根据结果，嵌套子查询筛选不少于3天的用户，得到的结果似乎正确，我们再看看下面另外的情况。

image-8

如果我们将需求调整为“请用 SQL 查询连续登陆不少于6天的用户”。从数据查看，应该没有任何一个用户满足需求。继续沿用上面的代码逻辑，结果如下：
image-9

可以发现，用户 1106 将会被统计出来，我们知道用户 1106 是连续登陆 3 天，间断了 2 天，又接着连续登陆了 4 天，这显然存在问题，所以需要特别注意雷区“是否有连续、间断、再连续，间断是否需要统计等问题”。

get 上面的分析思路和方法，我们来趁热打铁，做几道真题练练手～

经典真题

真题1：订单表（order），字段包含：订单（order_id）、商品（sku_id）、支付时间（paid_timestamp）、订单状态（order_status，支付成功为order_status=1）。

  • 需求1：请用SQL实现“从今天往前算的最近180天内，支付成功记录的商品清单最长的连续下单天数“。
  • 需求2：请用SQL实现”从今天往前算的最近180天内，连续30天有支付成功记录的商品清单。

难度等级：⭐️⭐️⭐️⭐️⭐️

答案：

########## 需求1
-- 一个商品一天可能被下单多次，限定需求范围查询
with t0 as(select distinct sku_id, date(paid_timestamp) as paid_datefrom orderwhere order_status = 1and date(paid_timestamp) >= date_sub(curdate(),interval 180 day)and date(paid_timestamp) <= curdate()),t1 as(select sku_id, paid_date, row_number() over (partition by sku_id order by paid_date) as rn, date_sub(paid_date, interval row_number() over (partition by sku_id order by paid_date)day) as dt_uidfrom t0),t2 as(select sku_id, dt_uid, min(paid_date)                                as consecutive_start_date, max(paid_date)                                as consecutive_end_date, datediff(max(paid_date), min(paid_date)) + 1 as consecutive_days, count(paid_date)                              as consecutive_days1from t1group by sku_id, dt_uid)
select sku_id, max(consecutive_days) as consecutive_days_longest
from t2
group by sku_id;########## 需求2
-- 一个商品一天可能被下单多次，限定需求范围查询
with t0 as(select distinct sku_id, date(paid_timestamp) as paid_datefrom orderwhere order_status = 1and date(paid_timestamp) >= date_sub(curdate(),interval 180 day)and date(paid_timestamp) <= curdate()),t1 as(select sku_id, paid_date, row_number() over (partition by sku_id order by paid_date) as rn, date_sub(paid_date, interval row_number() over (partition by sku_id order by paid_date)day) as dt_uidfrom t0),t2 as(select sku_id, dt_uid, min(paid_date)                                as consecutive_start_date, max(paid_date)                                as consecutive_end_date, datediff(max(paid_date), min(paid_date)) + 1 as consecutive_days, count(paid_date)                              as consecutive_days1from t1group by sku_id, dt_uid)
select sku_id
from t2
group by sku_id
having max(consecutive_days) >= 30;

真题2：用户签到表 user_sign_d 用来记录用户每日是否签到，包含以下字段：日期(sign_date：‘yyyy-mm-dd’)、用户ID（user_id）、当日是否签到（if_sign：1表示签到，0表示未签到）。

  • 需求1：编写SQL查询，计算截止2022年1月31日最长连续签到打卡了多少天，输出结果包含 user_id 和 consecutive_sign_days。
  • 需求2：编写SQL查询，计算2022年1月1日-2022年1月31日连续签到打卡超过 28 天的牛马🐮🐎（用户），连续打卡可间断，但间断不超过 2 天（周末）继续打卡有效，否则无效，比如打卡 5 天，间断 2 天，又连续打卡 5 天，则连续打卡视为连续登陆 12 天；打卡 5 天，间断 3 天，又连续打卡 5 天，则连续打卡视为连续登陆 5 天。

难度等级：⭐️⭐️⭐️⭐️⭐️

答案：

########## 需求1
-- 一个用户一天可能打卡多次，限定需求范围查询
with t0 as(select distinct user_id, date(sign_date) as sign_datefrom user_sign_dwhere if_sign = 1and date(sign_date) <= '2022-01-31'),t1 as(select user_id, sign_date, row_number() over (partition by user_id order by sign_date) as rn, date_sub(sign_date, interval row_number() over (partition by user_id order by sign_date)day) as dt_uidfrom t0),t2 as(select user_id, dt_uid, min(sign_date)                                as consecutive_start_date, max(sign_date)                                as consecutive_end_date, datediff(max(sign_date), min(sign_date)) + 1 as consecutive_days, count(sign_date)                              as consecutive_days1from t1group by user_id, dt_uid)
select user_id, max(consecutive_days) as consecutive_days_longest
from t2
group by user_id;########## 需求2
-- 一个用户一天可能打卡多次，限定需求范围查询
with t0 as(select distinct user_id, date(sign_date) as sign_datefrom user_sign_dwhere if_sign = 1and date(sign_date) >= '2022-01-01'and date(sign_date) <= '2022-01-31'),
-- 计算用户与上次次登陆日期差t1 as(select user_id, sign_date, lag(sign_date) over (partition by user_id order by sign_date) as lag_date, datediff(sign_date, lag(sign_date) over (partition by user_id order by sign_date)) as days_gapfrom t0),
-- 构造分组 uid：根据日期差 days_gap，判断是否连续，如果 days_gap <= 2，则认为连续，赋值 0，否则不连续，赋值 1t2 as (select user_id, sign_date, lag_date, days_gap, sum(if(days_gap <= 2, 0, 1)) over (partition by user_id order by sign_date) as dt_uidfrom t1),
-- 对 user_id 和 dt_uid 进行分组聚合，再使用 datediff ，就可以得出每个 user_id 对应连续的“开始日期、结束日期和连续天数”。t3 as(select user_id, dt_uid, min(sign_date)                                as consecutive_start_date, max(sign_date)                                as consecutive_end_date, datediff(max(sign_date), min(sign_date)) + 1 as consecutive_daysfrom t2group by user_id, dt_uid)
select user_id
from t3
group by user_id
having max(consecutive_days) >= 28;

主要思路：对用户连续日期构造分组 dt_uid，再进行分组聚合。

如果对 SQL 开窗函数不太熟悉，可以参照 Mysql 开窗函数，一文带你直接通关，结合里面的简单示例进行实操多练习，查看得出结果并理解，希望会对你有帮助。

如果有新的思路和灵感，欢迎留言👏

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/422833.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

240908-Linux通过ln设置软链接关联大模型文件

240908-Linux通过ln设置软链接关联大模型文件

在Linux中&#xff0c;您可以使用ln命令来创建软链接&#xff08;符号链接&#xff09;。软链接是一种特殊类型的文件&#xff0c;它指向另一个文件或目录。以下是如何设置软链接的步骤&#xff1a; 创建软链接 基本语法&#xff1a; ln -s [目标文件或目录] [软链接的名称]示…
阅读更多...
轮询解决方案

轮询解决方案

概述 轮询的使用场景&#xff1a; 股票 K 线图聊天重要通知&#xff0c;实时预警 这些场景都是都要实时性的。 http 是请求响应模式&#xff0c;一定需要先请求&#xff0c;后响应。 解决方案&#xff1a; 短轮询&#xff1a;interval 定时发送请求。问题&#xff1a;大量…
阅读更多...
如何使用Python创建目录或文件路径列表

如何使用Python创建目录或文件路径列表

在 Python 中&#xff0c;创建目录或生成文件路径列表通常涉及使用 os、os.path 或 pathlib 模块。下面是一些常见的任务和方法&#xff0c;用于在 Python 中创建目录或获取文件路径列表。 问题背景 在初始阶段的 Python 学习过程中&#xff0c;可能遇到这样的问题&#xff1a…
阅读更多...
基于Boost库的搜索引擎开发实践

基于Boost库的搜索引擎开发实践

目录 1.项目相关背景2.宏观原理3.相关技术栈和环境4.正排、倒排索引原理5.去标签和数据清洗模块parser5.1.认识标签5.2.准备数据源5.3.编写数据清洗代码parser5.3.1.编写读取文件Readfile5.3.2.编写分析文件Anafile5.3.2.编写保存清洗后数据SaveHtml5.3.2.测试parser 6.编写索引…
阅读更多...
无人机动力系统设计之电调芯片参数选型

无人机动力系统设计之电调芯片参数选型

无人机动力系统设计之电调芯片参数选型 1. 源由2. 关键因素2.1 电压范围2.2 电流处理能力2.3 控制方式2.4 PWM输出与分辨率2.5 通讯接口2.6 保护功能2.7 支持霍尔传感器与无传感器模式2.8 集成度与外围器件2.9 效率与散热2.10 市场供应与成本 3. 因素阐述3.1 PWM工作频率3.1.1 …
阅读更多...
Seata

Seata

TC - 事务协调者 维护全局和分支事务的状态&#xff0c;驱动全局事务提交或回滚。 TM - 事务管理器 定义全局事务的范围&#xff1a;开启全局事务、提交或回滚全局事务。 RM - 资源管理器 管理分支事务处理的资源&#xff0c;向 TC 注册分支事务&#xff0c;报告分支事务的…
阅读更多...
Chainlit集成LlamaIndex并使用通义千问模型实现AI知识库检索网页对话应用

Chainlit集成LlamaIndex并使用通义千问模型实现AI知识库检索网页对话应用

前言 之前使用Chainlit集成Langchain并使用通义千问大语言模型的API接口&#xff0c;实现一个基于文档文档的网页对话应用。 可以点击我的上一篇文章《Chainlit集成Langchain并使用通义千问和智谱AI实现AI知识库检索网页对话应用》 查看。 本次将Langchain框架更改为LlamaInde…
阅读更多...
Hive任务优化参数整理

Hive任务优化参数整理

Hive本身是个基于hdfs的结构化数据管理工具&#xff0c;虽然在后面的发展中允许底层接入其他的数据源&#xff0c;比如第三方数据服务这种基础架构&#xff0c;但是它从立意上来说&#xff0c;它不适合用来做高性能查询引擎&#xff0c;反而在传统离线数据仓库中它有着自身的优…
阅读更多...
使用 Elastic 和 LM Studio 的 Herding Llama 3.1

使用 Elastic 和 LM Studio 的 Herding Llama 3.1

作者&#xff1a;来自 Elastic Charles Davison, Julian Khalifa 最新的 LM Studio 0.3 更新使 Elastic 的安全 AI Assistant 能够更轻松、更快速地与 LM Studio 托管模型一起运行。在这篇博客中&#xff0c;Elastic 和 LM Studio 团队将向你展示如何在几分钟内开始使用。如果你…
阅读更多...
校园生活点餐外卖配送到宿舍小程序源码系统 带完整的安装代码包以及搭建部署教程

校园生活点餐外卖配送到宿舍小程序源码系统 带完整的安装代码包以及搭建部署教程

系统概述 随着移动互联网的普及和校园生活的多元化&#xff0c;学生们对于线上点餐、外卖配送等服务的依赖度越来越高。然而&#xff0c;传统的校园餐饮服务模式往往存在效率低下、覆盖范围有限、信息不透明等问题&#xff0c;难以满足学生多样化的需求。因此&#xff0c;开发…
阅读更多...
30万月变现3-6万，你也可以

30万月变现3-6万，你也可以

30万月变现3-6万&#xff0c;你也可以 我相信&#xff0c;这些年我的IP还是吸引了不少的中产阶级关注我&#xff0c;什么叫中产阶级&#xff0c;就是兜里还是能随便掏出大几十大几百万的现金的&#xff0c;这群人&#xff0c;有着自己稳定的职业和收入来源&#xff0c;生活水平…
阅读更多...
实例讲解电动汽车换挡控制策略及Simulink模型搭建方法

实例讲解电动汽车换挡控制策略及Simulink模型搭建方法

轻型电动汽车一般采用直驱的方式作为驱动方式&#xff0c;即不经过变速箱进行速比的调节&#xff0c;电机输出轴直接经过主减速器将动力传输至车轮。换挡器的换挡方式一般为VCU接收档位器的换挡请求后&#xff0c;根据整车当前状态判断换挡状态&#xff0c;最后输出当前档位状态…
阅读更多...
已经30岁了，想转行从头开始现实吗？什么样的工作算好工作？

已经30岁了，想转行从头开始现实吗？什么样的工作算好工作？

我是29岁那年&#xff0c;完成从转行裸辞副业的职业转型。 如果你把职业生涯看成是从现在开始30岁&#xff0c;到你退休那年&#xff0c;中间这么漫长的30年&#xff0c;那么30岁转行完全来得及&#xff1b; 如果你觉得必须在什么年纪&#xff0c;什么时间内必须完成赚到几十…
阅读更多...
拯救手残党，一键转换季节天气变化效果图！

拯救手残党，一键转换季节天气变化效果图！

一键可转换四季或多种天气效果图 AI现在已经发展到这种程度了吗&#xff1f; 神采PromeAI也是卷起来了 以往通过【草图渲染】功能 就生成转化各种效果图 但这对用户来说还不够 又给大家上线了「场景转换器」功能 一键就能生成想要的各种时节场景的变化 一张效果图可以给…
阅读更多...
机器学习之实战篇——MNIST手写数字0~9识别（全连接神经网络模型）

机器学习之实战篇——MNIST手写数字0~9识别（全连接神经网络模型）

机器学习之实战篇——Mnist手写数字0~9识别&#xff08;全连接神经网络模型&#xff09; 文章传送MNIST数据集介绍&#xff1a;实验过程实验环境导入模块导入MNIST数据集创建神经网络模型进行训练&#xff0c;测试&#xff0c;评估模型优化 文章传送 机器学习之监督学习&#…
阅读更多...
Qt绘制动态仪表（模仿汽车仪表指针、故障灯）

Qt绘制动态仪表（模仿汽车仪表指针、故障灯）

背景&#xff1a; 项目需要&#xff0c;可能需要做一些仪表显示。此篇除了介绍实现方法&#xff0c;还要说明心路历程。对我而言&#xff0c;重要的是心理&#xff0c;而不是技术。写下来也是自勉。 本人起初心里是比较抵触的&#xff0c;从业20多年了&#xff0c;深知所谓界…
阅读更多...
springboot Web基础开发

springboot Web基础开发

Spring Boot 是一个用于简化 Spring 应用开发的框架&#xff0c;它通过自动配置和开箱即用的功能&#xff0c;使得创建和部署 Spring 应用变得更为高效。以下是 Spring Boot 基础 Web 开发的一些关键点和实操总结&#xff1a; 1. 项目搭建 使用 Spring Initializr: 访问 Spring…
阅读更多...
【Centos】关于容器启动Centos7缺失字符集的问题

【Centos】关于容器启动Centos7缺失字符集的问题

最近做一些软件测试和打包&#xff0c;需要频繁的装系统&#xff0c;索性用docker启Centos容器来做&#xff0c;基础镜像做好直接启就好&#xff0c;过程中遇到一个和字符集有关的问题&#xff0c;记录一下&#xff0c;方便遇到同样问题的小伙伴。 问题描述 运行某些python脚本…
阅读更多...
Stable Diffusion绘画 | ControlNet应用-Inpaint(局部重绘)：更完美的重绘

Stable Diffusion绘画 | ControlNet应用-Inpaint(局部重绘)：更完美的重绘

Inpaint(局部重绘) 相当于小号的AI版PS&#xff0c;不但可以进行局部画面的修改&#xff0c;还可以去除背景中多余的内容&#xff0c;或者是四周画面内容的扩充。 预处理器说明 Inpaint_Global_Harmonious&#xff1a;重绘-全局融合算法&#xff0c;会对整个图片的画面和色调…
阅读更多...
达梦CASE_SENSITIVE参数解析

达梦CASE_SENSITIVE参数解析

1. 参数含义 标识符大小写敏感&#xff0c;默认值为 Y。 当大小写敏感时&#xff0c;小写的标识符应用双引号括起&#xff0c;否则被转换为大写&#xff1b;当大小写不敏感时&#xff0c;系统不自动转换标识符的大小写&#xff0c;在标识符比较时也不区分大小写。 CASE_SENS…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023