Flume学习

一、Flume概述

Flume最主要的作用就是,实时读取服务器本地磁盘的数据,将数据写入到HDFS。

二、Flume基础架构

三、Flume安装部署

配置Flume的前提是要配置好JDK和Hadoop

1.解压

[root@lxm148 soft]# tar -zxvf ./apache-flume-1.9.0-bin.tar.gz -C /opt/soft/

2.修改文件名

[root@lxm148 soft]# mv ./apache-flume-1.9.0-bin/ ./flume190

3.将 lib 文件夹下的 guava-11.0.2.jar 删除以兼容 Hadoop313

[root@lxm148 flume190]# rm /opt/soft/flume190/lib/guava-11.0.2.jar 
rm: remove regular file ‘/opt/soft/flume190/lib/guava-11.0.2.jar’? y

4.配置环境变量

# FLUME_HOME
export FLUME_HOME=/opt/soft/flume190
export PATH=$PATH:$FLUME_HOME/bin# 刷新环境变量
source /etc/profile

5.修改配置文件

[root@lxm148 flume190]# cd ./conf/[root@lxm148 conf]# lsflume-conf.properties.template
flume-env.ps1.template
flume-env.sh.template
log4j.properties

6.修改flume-env.sh文件

[root@lxm148 conf]# mv ./flume-env.sh.template ./flume-env.sh[root@lxm148 conf]# vim ./flume-env.sh 
# 第22行加载JAVA路径
# Enviroment variables can be set here.
export JAVA_HOME=/opt/soft/jdk180

7.检验是否安装成功

[root@lxm148 conf]# flume-ng versionFlume 1.9.0
Source code repository: https://git-wip-us.apache.org/repos/asf/flume.git
Revision: d4fcab4f501d41597bc616921329a4339f73585e
Compiled by fszabo on Mon Dec 17 20:45:25 CET 2018
From source with checksum 35db629a3bda49d23e9b3690c80737f9

四、Flume入门案例

(一)监控端口数据官方案例

1.案例需求:

        使用 Flume 监听一个端口,收集该端口数据,并打印到控制台。

2.安装步骤:

  1. 通过netcat工具向本机的44444端口发送数据。
  2. Flume监控本机的44444端口,通过Flume的source端读取数据。
  3. Flume将获取的数据通过Sink端写出到控制台。

(1)安装 netcat 工具

[root@lxm148 flume190]#  yum install -y nc

(2)查看一个没有用过的端口,查看它是否被占用,例如9999(可忽略)

[root@lxm148 flume190]#  netstat -nlp | grep 9999

(3)如果没有被占用,就启动该端口,相当于开启服务端(可忽略)

[root@lxm148 flume190]# nc -lk 9999

(4)新开一个窗口,监听该端口,相当于开启客户端(可忽略)

[root@lxm148 flume190]# nc localhost 9999

(5)测试服务端与客户端能否连接(可忽略)

-- 服务器输入hello
[root@lxm148 flume190]# nc -lk 9999
hello-- 客户端接收并输出hello
[root@lxm148 flume190]# nc localhost 9999
hello

(6)新建目录和文件,并输入文件内容

[root@lxm148 flume190]# mkdir job
[root@lxm148 flume190]# cd job/
[root@lxm148 job]# ll
total 0
[root@lxm148 job]# touch net-flume-logger.conf
[root@lxm148 job]# ll
total 0
-rw-r--r--. 1 root root 0 Feb 28 23:12 net-flume-logger.conf
[root@lxm148 job]# vim ./net-flume-logger.conf -----------------------------文件中粘贴下面的内容--------------------------------# Name the components on this agent # a1:表示agent的名称
#r1:表示a1的Source的名称
a1.sources = r1		
#k1:表示a1的Sink的名称
a1.sinks = k1		
#c1:表示a1的Channel的名称
a1.channels = c1	# Describe/configure the source	
#表示a1的输入源类型为netcat端口类型
a1.sources.r1.type = netcat		
#表示a1的监听的主机
a1.sources.r1.bind = localhost	
#表示a1的监听的端口号
a1.sources.r1.port = 44444		
# Describe the sink
#表示a1的输出目的地是控制台logger类型
a1.sinks.k1.type = logger		# Use a channel which buffers events in memory
#表示a1的channel类型是memory内存型
a1.channels.c1.type = memory	
#表示a1的channel总容量1000个event
a1.channels.c1.capacity = 1000	
#表示a1的channel传输时收集到了100条event以后再去提交事务
a1.channels.c1.transactionCapacity = 100	
# Bind the source and sink to the channel
#表示将r1和c1连接起来,一个sources可以绑定多个channel
a1.sources.r1.channels = c1		
#表示将k1和c1连接起来,一个sink只能绑定一个channel
a1.sinks.k1.channel = c1		

上述代码说明:

代码来源于:https://flume.apache.org/releases/content/1.9.0/FlumeUserGuide.html

  • a1是agent的名字,同一台flume启用多个agent,agent的名字不能相同
  • source、sink、channel后面的s表示后面的可以配置多个
  • 事务的容量(transactionCapacity)<总容量(capacity)
  • 一个source可以绑定多个channel,一个sink必须绑定一个channel

(7)开启监听

# 第一种写法:
[root@lxm148 flume190]# bin/flume-ng agent -n a1 -c conf/ -f job/net-flume-logger.conf -Dflume.root.logger=INFO,console# 第二种写法:
[root@lxm148 flume190]# bin/flume-ng agent -c conf/ -n a1 -f job/flume-netcat-logger.conf -Dflume.root.logger=INFO,console

开启监听参数说明:

--conf/-c:表示配置文件存储在 conf/目录
--name/-n:表示给 agent 起名为 a1
--conf-file/-f:flume 本次启动读取的配置文件是在 job 文件夹下的 flume-telnet.conf文件。
-Dflume.root.logger=INFO,console :-D 表示 flume 运行时动态修改 flume.root.logger
参数属性值,并将控制台日志打印级别设置为 INFO 级别。日志级别包括:log、info、warn、
error

因为文件中配置的端口是44444,所以这里监听的是44444端口

(8)开启客户端

[root@lxm148 ~]# nc localhost 44444

尝试在客户端输入,服务器会进行接收

(二)实时监控单个文件到HDFS

1.案例需求:

        实时监控Hive日志,并上传到HDFS中,即实时读取本地文件到HDFS。

2.实现步骤:

  1. 创建符合条件的 flume 配置文件
  2. 执行配置文件,开启监控
  3. 开启 Hive, 生成日志
  4. 查看HDFS上的数据

(1)创建 flume-file-hdfs.conf 文件

[root@lxm148 ~]# vim /opt/soft/flume190/job/flume-file-hdfs.conf# Name the components on this agent
a2.sources = r2
a2.sinks = k2
a2.channels = c2
# Describe/configure the source
# 定义scource类型为exec可执行命令的
a2.sources.r2.type = exec
a2.sources.r2.command = tail -F /opt/soft/hive312/logs/hive.log
# Describe the sink
a2.sinks.k2.type = hdfs
# 这里的端口号要与/opt/soft/hadoop313/etc/hadoop/core-site.xml中的hdfs的端口号一致,否则不会生成flume目录
a2.sinks.k2.hdfs.path = hdfs://lxm148:9000/flume/%Y%m%d/%H
#上传文件的前缀
a2.sinks.k2.hdfs.filePrefix = logs-
#是否按照时间滚动文件夹
a2.sinks.k2.hdfs.round = true
#多少时间单位创建一个新的文件夹
a2.sinks.k2.hdfs.roundValue = 1
#重新定义时间单位
a2.sinks.k2.hdfs.roundUnit = hour
#是否使用本地时间戳
a2.sinks.k2.hdfs.useLocalTimeStamp = true
#积攒多少个 Event 才 flush 到 HDFS 一次
a2.sinks.k2.hdfs.batchSize = 100
#设置文件类型,可支持压缩
a2.sinks.k2.hdfs.fileType = DataStream
#多久生成一个新的文件,单位是秒s
a2.sinks.k2.hdfs.rollInterval = 30
#设置每个文件的滚动大小
a2.sinks.k2.hdfs.rollSize = 134217700
#文件的滚动与 Event 数量无关
a2.sinks.k2.hdfs.rollCount = 0
# Use a channel which buffers events in memory
a2.channels.c2.type = memory 
a2.channels.c2.capacity = 1000 
a2.channels.c2.transactionCapacity = 100
# Bind the source and sink to the channel
a2.sources.r2.channels = c2
a2.sinks.k2.channel = c2

(2)启动HDFS

start-dfs.sh
start-yarn.sh

(3)运行Flume

[root@lxm148 flume190]# flume-ng agent --conf conf/ --name a2 --conf-file job/flume-file-hdfs.conf# 或者
[root@lxm148 flume190]# flume-ng agent -n a2 -c conf/ -f job/flume-file-hdfs.conf

(4)启动Hive

[root@lxm148 hive312]# hive

(5)刷新HDFS,flume目录生成

hive每操作一次,就会生成一个.tmp日志文件,30秒后.tmp就会去掉

(三)实时监控目录下多个新文件到HDFS

1.案例需求:

        使用 Flume 监听整个目录的文件,并上传至 HDFS。

2.实现步骤:

  1. 创建符合条件的flume配置文件
  2. 执行配置文件,开启监控
  3. 向upload目录中添加文件
  4. 查看HDFS上的数据
  5. 查看/opt/soft/flume190/upload目录中上传的文件是否已经标记为.COMPLETED结尾;.tmp后缀结尾文件没有上传。

(1)配置文件

[root@lxm148 flume190]# vim ./job/flume-dir-hdfs.confa3.sources = r3
a3.sinks = k3
a3.channels = c3
# Describe/configure the source
# 定义source类型为目录
a3.sources.r3.type = spooldir
a3.sources.r3.spoolDir = /opt/soft/flume190/upload
a3.sources.r3.fileSuffix = .COMPLETED
a3.sources.r3.fileHeader = true
# 忽略所有以.tmp结尾的文件,不上传
a3.sources.r3.ignorePattern = ([^ ]*\.tmp)# Describe the sink
a3.sinks.k3.type = hdfs
a3.sinks.k3.hdfs.path = hdfs://lxm148:9000/flume/upload/%Y%m%d/%H
#上传文件的前缀
a3.sinks.k3.hdfs.filePrefix = upload-
#是否按照时间滚动文件夹
a3.sinks.k3.hdfs.round = true
#多少时间单位创建一个新的文件夹
a3.sinks.k3.hdfs.roundValue = 1
#重新定义时间单位
a3.sinks.k3.hdfs.roundUnit = hour
#是否使用本地时间戳
a3.sinks.k3.hdfs.useLocalTimeStamp = true
#积攒多少个 Event 才 flush 到 HDFS 一次
a3.sinks.k3.hdfs.batchSize = 100
#设置文件类型,可支持压缩
a3.sinks.k3.hdfs.fileType = DataStream
#多久生成一个新的文件
a3.sinks.k3.hdfs.rollInterval = 60
#设置每个文件的滚动大小大概是 128M
a3.sinks.k3.hdfs.rollSize = 134217700
#文件的滚动与 Event 数量无关
a3.sinks.k3.hdfs.rollCount = 0
# Use a channel which buffers events in memory
a3.channels.c3.type = memory
a3.channels.c3.capacity = 1000
a3.channels.c3.transactionCapacity = 100
# Bind the source and sink to the channel
a3.sources.r3.channels = c3
a3.sinks.k3.channel = c3
Taildir 说明:
        Taildir Source 维护了一个 json 格式的 position File,其会定期的往 position File中更新每个文件读取到的最新的位置,因此能够实现断点续传。
        Position File 的格式如下:
        {"inode":2496272,"pos":12,"file":"/opt/module/flume/files/file1.txt"}
        {"inode":2496275,"pos":12,"file":"/opt/module/flume/files/file2.txt"}
        注:Linux 中储存文件元数据的区域就叫做 inode ,每个 inode 都有一个号码,操作系统
inode 号码来识别不同的文件, Unix/Linux 系统内部不使用文件名,而使用 inode 号码来
识别文件。 

(2)创建upload目录

[root@lxm148 flume190]# mkdir upload[root@lxm148 flume190]# hdfs dfs -mkdir /flume/upload

(3)执行文件

[root@lxm148 flume190]# bin/flume-ng agent -n a3 -c conf/ -f job/flume-dir-hdfs.conf

(4)新建测试文件,并放入/opt/soft/flume190/upload目录下

[root@lxm148 flume190]# vim ./test.txthello java
hello flume
hello world[root@lxm148 flume190]# mv ./test.txt ./upload/[root@lxm148 flume190]# ls ./upload/
test.txt.COMPLETED

(5)查看HDFS上的目录

(6)不会上传到HDFS上的情况

1)如果上传的文件名相同就会报错

[root@lxm148 flume190]# vim ./test.txt
[root@lxm148 flume190]# mv ./test.txt ./upload/
java.lang.IllegalStateException: File name has been re-used with different files. Spooling assumptions violated for /opt/soft/flume190/upload/test.txt.COMPLETEDat org.apache.flume.client.avro.ReliableSpoolingFileEventReader.rollCurrentFile(ReliableSpoolingFileEventReader.java:528)at org.apache.flume.client.avro.ReliableSpoolingFileEventReader.retireCurrentFile(ReliableSpoolingFileEventReader.java:475)at org.apache.flume.client.avro.ReliableSpoolingFileEventReader.readEvents(ReliableSpoolingFileEventReader.java:386)at org.apache.flume.source.SpoolDirectorySource$SpoolDirectoryRunnable.run(SpoolDirectorySource.java:263)at java.util.concurrent.Executors$RunnableAdapter.call(Executors.java:511)at java.util.concurrent.FutureTask.runAndReset(FutureTask.java:308)at java.util.concurrent.ScheduledThreadPoolExecutor$ScheduledFutureTask.access$301(ScheduledThreadPoolExecutor.java:180)at java.util.concurrent.ScheduledThreadPoolExecutor$ScheduledFutureTask.run(ScheduledThreadPoolExecutor.java:294)at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1149)at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:624)at java.lang.Thread.run(Thread.java:750)

每次都会扫描该文件进行上传

因此,需要将该文件删除

[root@lxm148 flume190]# rm -rf ./upload/test.txt

2)文件名不同,文件后缀名是.COMPLETED或.tmp也不会上传

3)=号后面不要换行,如下图,两行内容要放在一行

a3.sinks.k3.hdfs.path = 
hdfs://lxm148:9000/flume/upload/%Y%m%d/%H

修改后:

a3.sinks.k3.hdfs.path = hdfs://lxm148:9000/flume/upload/%Y%m%d/%H

(7)总结

  1. 上传的文件后缀名不能是忽略掉的后缀(.COMPLETED或.tmp)
  2. 上传的文件名不可以相同

(四)实时监控目录下的多个追加文件到HDFS

Exec source 适用于监控一个实时追加的文件,不能实现断点续传;Spooldir Source

适合用于同步新文件,但不适合对实时追加日志的文件进行监听并同步;而 Taildir Source

适合用于监听多个实时追加的文件,并且能够实现断点续传。

1.案例需求:

        使用 Flume 监听整个目录的实时追加文件,并上传至 HDFS。

2.实现步骤:

  1. 创建符合条件的flume配置文件
  2. 执行配置文件,开启监控
  3. 向监控文件追加内容 echo hello >> files/file1.txt echo hello >> files/file2.txt
  4. 查看HDFS上的数据

(1)在/opt/soft/flume190/job目录下创建一个文件

[root@lxm148 flume190]# vim ./job/flume-taildir-hdfs.conf a3.sources = r3
a3.sinks = k3
a3.channels = c3
# Describe/configure the source
a3.sources.r3.type = TAILDIR
a3.sources.r3.positionFile = /opt/soft/flume190/tail_dir.json
a3.sources.r3.filegroups = f1 f2
a3.sources.r3.filegroups.f1 = /opt/soft/flume190/files/.*file.*
a3.sources.r3.filegroups.f2 = /opt/soft/flume190/files2/.*log.*
# Describe the sink
a3.sinks.k3.type = hdfs
a3.sinks.k3.hdfs.path = hdfs://lxm148:9000/flume/upload2/%Y%m%d/%H
#上传文件的前缀
a3.sinks.k3.hdfs.filePrefix = upload-
#是否按照时间滚动文件夹
a3.sinks.k3.hdfs.round = true
#多少时间单位创建一个新的文件夹
a3.sinks.k3.hdfs.roundValue = 1
#重新定义时间单位
a3.sinks.k3.hdfs.roundUnit = hour
#是否使用本地时间戳
a3.sinks.k3.hdfs.useLocalTimeStamp = true
#积攒多少个 Event 才 flush 到 HDFS 一次
a3.sinks.k3.hdfs.batchSize = 100
#设置文件类型,可支持压缩
a3.sinks.k3.hdfs.fileType = DataStream
#多久生成一个新的文件
a3.sinks.k3.hdfs.rollInterval = 20
#设置每个文件的滚动大小大概是 128M
a3.sinks.k3.hdfs.rollSize = 134217700
#文件的滚动与 Event 数量无关
a3.sinks.k3.hdfs.rollCount = 0
# Use a channel which buffers events in memory
a3.channels.c3.type = memory
a3.channels.c3.capacity = 1000
a3.channels.c3.transactionCapacity = 100
# Bind the source and sink to the channel
a3.sources.r3.channels = c3
a3.sinks.k3.channel = c3

(2).启动flume

[root@lxm148 flume190]# bin/flume-ng agent -n a3 -c conf/ -f job/flume-taildir-hdfs.conf 

(3).开始测试

[root@lxm148 flume190]# hdfs dfs -mkdir /flume/upload2 
# 上面这条命令也可以不写,因为创建好files目录以及该目录下的文件后,HDFS上会自动创建upload2目录[root@lxm148 flume190]# mkdir files[root@lxm148 flume190]# mkdir files2[root@lxm148 flume190]# cd ./files[root@lxm148 files]# touch file3.txt[root@lxm148 files]# echo hello>> file3.txt 

文件上传到HDFS

(4).在设定时间内上传两个内容

[root@lxm148 files]# echo java >> file3.txt 
[root@lxm148 files]# echo hadoop >> file3.txt 

flume会将两次追加的内容一起上传的HDFS同一个文件中

(5).修改文件名再次追加,会将文件全部再次上传的解决办法

[root@lxm148 files]# mv file3.txt file4.txt 
[root@lxm148 files]# echo mysql >> file4.txt

此时HDFS上新上传的文件,会包含之前上传文件的所有内容,并没有断开上传,且文件大小约等于之前上传文件之和。

(注:我这里比6+12=18大很多是因为我在之前追加了好几次内容,你的应该是20左右)

更正上述问题的方法——修改flume源文件:

(1)在官网上下载Flume1.9的源码

http://archive.apache.org/dist/flume/1.9.0/

(2)找到下面的目录文件

E:\flume\apache-flume-1.9.0-src\flume-ng-sources\flume-taildir-source

(3)在IDEA中打开这个项目,修改代码,打包编译

按照下图中两个类中的红框内容修改代码,打包编译

(4)删除/opt/soft/flume190/lib/目录下原有的flume-taildir-source-1.9.0.jar包

(5)将新打包好的jar包放到/opt/soft/flume190/lib/目录下

(6)重新启动Flume

[root@lxm148 flume190]# bin/flume-ng agent -n a3 -c conf/ -f job/flume-taildir-hdfs.cf f

(7)再进行追加内容到文件中,文件就会断开上传,不会重复上传之前的内容

五、Flume进阶

(一)Flume事务

  

(二)Flume Agent内部原理

  1. DefaultSinkProcessor对应的是单个的Sink;
  2. LoadBalancingSinkProcessor对应Sink Group,实现负载均衡的功能;
  3. FailoverSinkProcessor对应Sink Group,实现错误恢复的功能。

(三)Flume拓扑结构

1.简单串联

2.复制和多路复用

(1)案例需求

        使用 Flume-1 监控文件变动,Flume-1 将变动内容传递给 Flume-2,Flume-2 负责存储
到 HDFS。同时 Flume-1 将变动内容传递给 Flume-3,Flume-3 负责输出到 Local
FileSystem。

(2)实现步骤

1)准备工作,创建文件夹

[root@lxm148 job]# mkdir group1[root@lxm148 job]# mkdir -p /opt/soft/datas/flume3[root@lxm148 job]# cd group1

2)在group1目录下创建文件

[root@lxm148 group1]# vim flume-file-flume.conf# Name the components on this agent
a1.sources = r1
a1.sinks = k1 k2
a1.channels = c1 c2
# 将数据流复制给所有 channel
a1.sources.r1.selector.type = replicating
# Describe/configure the source
a1.sources.r1.type = exec
a1.sources.r1.command = tail -F /opt/soft/hive312/logs/hive.log
a1.sources.r1.shell = /bin/bash -c
# Describe the sink
# sink 端的 avro 是一个数据发送者
a1.sinks.k1.type = avro
a1.sinks.k1.hostname = lxm148
a1.sinks.k1.port = 4141
a1.sinks.k2.type = avro
a1.sinks.k2.hostname = lxm148
a1.sinks.k2.port = 4142
# Describe the channel
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
a1.channels.c2.type = memory
a1.channels.c2.capacity = 1000
a1.channels.c2.transactionCapacity = 100
# Bind the source and sink to the channel
a1.sources.r1.channels = c1 c2
a1.sinks.k1.channel = c1
a1.sinks.k2.channel = c2
[root@lxm148 group1]# vim flume-flume-hdfs.conf# Name the components on this agent
a2.sources = r1
a2.sinks = k1
a2.channels = c1
# Describe/configure the source
# source 端的 avro 是一个数据接收服务
a2.sources.r1.type = avro
a2.sources.r1.bind = lxm148
a2.sources.r1.port = 4141
# Describe the sink
a2.sinks.k1.type = hdfs
a2.sinks.k1.hdfs.path = hdfs://lxm148:9000/flume2/%Y%m%d/%H
#上传文件的前缀
a2.sinks.k1.hdfs.filePrefix = flume2-
#是否按照时间滚动文件夹
a2.sinks.k1.hdfs.round = true
#多少时间单位创建一个新的文件夹
a2.sinks.k1.hdfs.roundValue = 1
#重新定义时间单位
a2.sinks.k1.hdfs.roundUnit = hour
#是否使用本地时间戳
a2.sinks.k1.hdfs.useLocalTimeStamp = true
#积攒多少个 Event 才 flush 到 HDFS 一次
a2.sinks.k1.hdfs.batchSize = 100
#设置文件类型,可支持压缩
a2.sinks.k1.hdfs.fileType = DataStream
#多久生成一个新的文件
a2.sinks.k1.hdfs.rollInterval = 30
#设置每个文件的滚动大小大概是 128M
a2.sinks.k1.hdfs.rollSize = 134217700
#文件的滚动与 Event 数量无关
a2.sinks.k1.hdfs.rollCount = 0
# Describe the channel
a2.channels.c1.type = memory
a2.channels.c1.capacity = 1000
a2.channels.c1.transactionCapacity = 100
# Bind the source and sink to the channel
a2.sources.r1.channels = c1
a2.sinks.k1.channel = c1
[root@lxm148 group1]# vim flume-flume-dir.conf# Name the components on this agent
a3.sources = r1
a3.sinks = k1
a3.channels = c2# Describe/configure the source
a3.sources.r1.type = avro
a3.sources.r1.bind = lxm148
a3.sources.r1.port = 4142
# Describe the sink
a3.sinks.k1.type = file_roll
a3.sinks.k1.sink.directory = /opt/soft/datas/flume3# Describe the channel
a3.channels.c2.type = memory
a3.channels.c2.capacity = 1000
a3.channels.c2.transactionCapacity = 100# Bind the source and sink to the channel
a3.sources.r1.channels = c2
a3.sinks.k1.channel = c2

3)执行配置文件

[root@lxm148 group1]#  bin/flume-ng agent --conf conf/ --name a3 --conf-file job/group1/flume-flume-dir.conf[root@lxm148 group1]#  bin/flume-ng agent --conf conf/ --name a2 --conf-file job/group1/flume-flume-hdfs.conf[root@lxm148 group1]#  bin/flume-ng agent --conf conf/ --name a1 --conf-file job/group1/flume-file-flume.conf

4)启动hadoop和hive

start-all.sh
hive

5)查看HDFS

6)查看flume3目录,每隔30秒就生成一个日志文件,日志内容是hive日志

3.负载均衡和故障转移

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/469140.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

FBX福币交易所多只高位股重挫,聚星科技首日高开348%

查查配分析11月11日电 周一,A股三大指数集体低开,沪指低开0.58%,深成指低开0.67%,创业板指低开0.99%。 FBX福币凭借用户友好的界面和对透明度的承诺,迅速在加密货币市场中崭露头角,成为广大用户信赖的平台。 Wind截图 券商股明显回调,大消费普遍走低,乳业、白酒、文旅板块跌幅…

基于matlab的人眼开度识别

我国已经成为世界汽车生产和制造大国&#xff0c;道路车辆的不断增加道路基础设施不断增强&#xff0c;但是随之而来的问题也日益严重&#xff0c;比如交通事故&#xff0c;噪声大气污染等。汽车行驶的安全性由于关乎人民生命安全&#xff0c;所以日益受到各国政府以及研究机构…

【数据分享】2024年我国省市县三级的生活服务设施数量(46类设施/Excel/Shp格式)

人才市场、售票处、旅行社等生活服务设施的配置情况是一个城市公共基础设施完善程度的重要体现&#xff0c;一个城市生活服务设施种类越丰富&#xff0c;数量越多&#xff0c;通常能表示这个城市的公共服务水平越高&#xff01; 本次我们为大家带来的是我国各省份、各地级市、…

Node.js——fs模块-文件夹操作

1、借助Node.js的能力&#xff0c;我们可以对文件夹进行创建、读取、删除等操作 2、方法 方法 说明 mkdir/mkdirSync 创建文件夹 readdir/readdirSync 读取文件夹 rmdir/rmdirSync 删除文件夹 3、语法 其余的方法语法类似 本文的分享到此结束&#xff0c;欢迎大家评论区…

C++builder中的人工智能(21):Barabási–Albert model(BA)模型

在此之前&#xff0c;大多数网络被想当然的认为是随机的&#xff0c;因此连接度分布可以近似用泊松分布来表示&#xff0c;而巴拉巴西与其学生阿尔伯特、郑浩雄通过对万维网度分布测量的结果却显示万维网度分布服从幂律分布&#xff0c;存在枢纽节点&#xff08;拥有大量链接的…

ReactPress 安装指南:从 MySQL 安装到项目启动

ReactPress Github项目地址&#xff1a;https://github.com/fecommunity/reactpress 欢迎Star。 ReactPress 是一个基于 React 的开源发布平台&#xff0c;适用于搭建博客、网站或内容管理系统&#xff08;CMS&#xff09;。本文将详细介绍如何安装 ReactPress&#xff0c;包括…

从0开始深度学习(25)——多输入多输出通道

之前我们都只研究了一个通道的情况&#xff08;二值图、灰度图&#xff09;&#xff0c;但实际情况中很多是彩色图像&#xff0c;即有标准的RGB三通道图片&#xff0c;本节将更深入地研究具有多输入和多输出通道的卷积核。 1 多输入通道 当输入包含多个通道时&#xff0c;需要…

【C++笔记】C++三大特性之继承

【C笔记】C三大特性之继承 &#x1f525;个人主页&#xff1a;大白的编程日记 &#x1f525;专栏&#xff1a;C笔记 文章目录 【C笔记】C三大特性之继承前言一.继承的概念及定义1.1 继承的概念1.2继承的定义1.3继承基类成员访问方式的变化1.4继承类模板 二.基类和派生类间的转…

【Unity】Game Framework框架学习使用

前言 之前用过一段时间的Game Framework框架&#xff0c;后来有那么一段时间都做定制小软件&#xff0c;框架就没再怎么使用了。 现在要做大型项目了&#xff0c;感觉还是用框架好一些。于是又把Game Framework拾起来了。 这篇文章主要是讲Game Framework这个框架是怎么用的…

Ubuntu 22 安装 Apache Doris 3.0.3 笔记

Ubuntu 22 安装 Apache Doris 3.0.3 笔记 1. 环境准备 Doris 需要 Java 17 作为运行环境&#xff0c;所以首先需要安装 Java 17。 sudo apt-get install openjdk-17-jdk -y sudo update-alternatives --config java在安装 Java 17 后&#xff0c;可以通过 sudo update-alter…

【Web前端】从回调到现代Promise与Async/Await

异步编程是一种让程序能够在等待某些操作完成的同时继续执行其他任务的关键技术&#xff0c;打破了传统编程中顺序执行代码的束缚。这种编程范式允许开发者构建出能够即时响应用户操作、高效处理网络请求和资源加载的应用程序。通过异步编程&#xff0c;JavaScript 能够在执行耗…

文心一言 VS 讯飞星火 VS chatgpt (388)-- 算法导论24.5 8题

八、设 G ( V , E ) G(V,E) G(V,E) 为一个带权重的有向图&#xff0c;且包含一个可以从源结点 s s s 到达的权重为负值的环路。请说明如何构造一个 G G G 的边的松弛操作的无限序列&#xff0c;使得每一步松弛操作都能对某一个最短路径估计值进行更新。如果要写代码&#x…

uni-app资源管理与图标使用全解

uni-app 框架与资源路径 不需要专门去学习小程序的语法&#xff0c;uni-app使用的是vue的语法&#xff0c;不是小程序自定义的语法。 搜索框&#xff1a;有疑问直接搜索框输入&#xff0c;BUG直接复制错误提示粘贴上去搜索。 介绍&#xff1a;先看这个页面&#xff0c;就知道u…

大数据新视界 -- 大数据大厂之 Impala 性能优化:数据加载策略如何决定分析速度(上)(15/30)

&#x1f496;&#x1f496;&#x1f496;亲爱的朋友们&#xff0c;热烈欢迎你们来到 青云交的博客&#xff01;能与你们在此邂逅&#xff0c;我满心欢喜&#xff0c;深感无比荣幸。在这个瞬息万变的时代&#xff0c;我们每个人都在苦苦追寻一处能让心灵安然栖息的港湾。而 我的…

Java:JVM

1.JVM内存区域的划分 一个Java写的程序跑起来,就得到了一个Java进程 JVM 上面运行的字节码指令; 进程:操作系统资源分配的基本单位; 内存区域的划分: 1.程序计数器 在内存空间里(比较小的空间),保存了下一个要执行的指令的内存地址(元数据区的地址); 这里的"下一条…

阿里公告:停止 EasyExcel 更新与维护

最近&#xff0c;阿里发布公告通知&#xff0c;将停止对知名 Java Excel 工具库 EasyExcel 的更新和维护。EasyExcel 由阿里巴巴开源&#xff0c;作者是玉箫&#xff0c;在 GitHub 上拥有 30k stars、7.5k forks 的高人气。 据悉&#xff0c;EasyExcel 作者玉箫去年已从阿里离…

安卓智能对讲终端|北斗有源终端|三防对讲机|单兵终端|单北斗

在当今快速发展的通信技术时代&#xff0c;智能对讲手持机已成为众多行业领域中不可或缺的通讯工具。QM240T安卓智能对讲手持机&#xff0c;作为一款集先进技术与实用功能于一身的高端设备&#xff0c;凭借其卓越的性能和多样化的应用特性&#xff0c;正逐步引领对讲机市场的革…

5G智能对讲终端|北斗有源终端|北斗手持机|单兵|单北斗

在当今这个快速发展的数字化时代&#xff0c;5G技术的广泛应用正以前所未有的速度推动着各行各业的变革。作为这一技术浪潮中的重要一环&#xff0c;5G智能终端QM630D凭借其卓越的性能和多样化的功能&#xff0c;在林业、渔业、安保、电力、交通等多个领域展现出了巨大的应用潜…

【计网】数据链路层笔记

【计网】数据链路层 数据链路层概述 数据链路层在网络体系结构中所处的地位 链路、数据链路和帧 链路(Link)是指从一个节点到相邻节点的一段物理线路(有线或无线)&#xff0c;而中间没有任何其他的交换节点。 数据链路(Data Link)是基于链路的。当在一条链路上传送数据时&a…

重学SpringBoot3-整合 Elasticsearch 8.x (二)使用Repository

更多SpringBoot3内容请关注我的专栏&#xff1a;《SpringBoot3》 期待您的点赞&#x1f44d;收藏⭐评论✍ 整合 Elasticsearch 8.x &#xff08;二&#xff09;使用Repository 1. 环境准备1.1 项目依赖1.2 Elasticsearch 配置 2. 使用Repository的基本步骤2.1 创建实体类2.2 创…