es 3期 第15节-词项查询与跨度查询实战运用

#### 1.Elasticsearch是数据库，不是普通的Java应用程序，传统数据库需要的硬件资源同样需要，提升性能最有效的就是升级硬件。
#### 2.Elasticsearch是文档型数据库，不是关系型数据库，不具备严格的ACID事务特性，任何企图直接替代严格事务性场景的应用项目都会失败!!!

##### 索引字段与属性都属于静态设置，若后期变更历史数据需要重建索引才可生效
##### 对历史数据无效！！！！
##### 一定要重建索引！！！！

#### 全文文本概念
### 概念介绍
## 1.文章语句分词
## 2.分词之后，支持基于分词检索
## 3.分词算法很多，分词领域很深入
## 4.基于倒排索引算法-Inverted-Index
## 5.分词检索的打分算法TF/IDF=>BM25
## 6.字段类型仅限于text类型

### Term 精确词项概念
# Term词项概念整个语句文字分为一个词
# 1.主要是keyword类型，其余非text字段部分可用2.数据内容有长度限制(2的16次方字节)
## 词项精确查询介绍
# l.Term
# 2.Terms
# 3.Terms Lookup
# 4.Terms set
## 是否需要分值计算
# query:分值计算
# filter:无需分值计算

# 准备数据DELETE kibana_sample_data_flights_term
POST _reindex
{"source": {"index": "kibana_sample_data_flights"},"dest": {"index": "kibana_sample_data_flights_term"}
}

# 查不出来，因为Dest是text类型 

GET kibana_sample_data_flights_term/_search
# 查不出来，因为Dest是text类型
GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"bool": {"must": [{"term": {"Dest": {"value": "Venice Marco Polo Airport"}}}]}}
}

# 使用Dest.keyword查出来，既然是精确查询也可以不必用must，使用filter

GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"bool": {"filter": [{"term": {"Dest.keyword": {"value": "Venice Marco Polo Airport"}}}]}}
}

# 去掉一个Airport就查询不出来，注意区分一整个词和分词的区别

GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"bool": {"filter": [{"term": {"Dest.keyword": {"value": "Venice Marco Polo"}}}]}}
}

# Airport 改为小写的 airport 查询不出来，使用keywod时候es不会做任何处理 

GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"bool": {"filter": [{"term": {"Dest.keyword": {"value": "Venice Marco Polo airport"}}}]}}
}

 # 使用term检索数值类型，原则上非text类型都能用term检索

GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"bool": {"filter": [{"term": {"FlightDelayMin": {"value": 30}}}]}}
}

# 使用range效率没有term高，es对数值类型有两套存储检索方式

GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"bool": {"filter": [{"range": {"FlightDelayMin": {"gte": 20,"lte": 36}}}]}}
}

 # case_insensitive, ASCII 是否区分大小写，取值范围true/false，默认false，7.10.0版本之后增加

GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"bool": {"filter": [{"term": {"OriginCityName.keyword": {"value": "warsaw","case_insensitive": true}}}]}}
}

 ### terms查询

GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query": {"bool": {"filter": [{"terms": {"OriginCityName.keyword": ["Zurich","Warsaw"]}}]}}
}

 ## terms lookup查询
# 基于指定某条数据的词项作为输入值，生成词项查询条件
# 等同于应用中反向查询某个索引数据，作为输入源
# 非常适用于比较同类型数据，避免应用中二次查询
## 查询参数
# terms，查询关键字入口，查询表达式入口
# index，指定输入源索引
# id，指定输入源 数据 id
# path，指定输入源字段路径，特别要注意对象类型数据，以及层次
# routing，可指定输入源数据的路由标签

GET kibana_sample_data_ecommerce/_search
GET kibana_sample_data_ecommerce/_search
{"track_total_hits": true,"query": {"terms": {"sku": {"index": "kibana_sample_data_ecommerce","id": "9oTR0Y8BbWz2Sn6Eg4wZ","path": "sku","routing":"9oTR0Y8BbWz2Sn6Eg4wZ"}}}
}

 ## terms_set 
# terms_set 也是多个输入值查询，类似与 terms查询，在属性条件上有更多的选择。
# 期望查询的字段的词数量与内容完全符合，而不是只命中其中一个，提供了一种字段数据与字段数据长度自主比较的能力。
## 查询参数
# terms_set，关键字，查询表达式
# terms，关键字，输入查询内容的词数组
# minimum should match field，关键字，指定一个数值类字段，要求输入的搜索内容必须与此值相等
# minimum should match script，关键字，通过脚本计算获取一个字段的长度数值
# boost，关键字，分值加权

GET kibana_sample_data_ecommerce/_search
# 重新准备新数据，使用脚本增加一个manufacturer_count字段，数据来源是manufacturer的长度
POST _reindex
{"source": {"index": "kibana_sample_data_ecommerce"},"dest": {"index": "kibana_sample_data_ecommerce_term"},"script": {"source": """ctx._source.manufacturer_count = ctx._source.manufacturer.length;"""}
}

 # terms 查询匹配数量与manufacturer_count一致的数据

GET kibana_sample_data_ecommerce_term/_mappings
GET kibana_sample_data_ecommerce_term/_search
# terms 查询匹配数量与manufacturer_count一致的数据
GET kibana_sample_data_ecommerce_term/_search
{"track_total_hits": true,"query": {"terms_set": {"manufacturer.keyword": {"terms": ["Elitelligence","Oceanavigations","Champion Arts","Pyramidustries"],"minimum_should_match_field": "manufacturer_count"}}}
}

 # terms 查询匹配数量与脚本返回一致的数据

GET kibana_sample_data_ecommerce_term/_search
{"track_total_hits": true,"query": {"terms_set": {"manufacturer.keyword": {"terms": ["Elitelligence","Oceanavigations","Champion Arts","Pyramidustries"],"minimum_should_match_script": {"source":"""doc['manufacturer.keyword'].length;"""}}}}
}

 ## Fuzzy 容错查询，非高效率查询
# 有很多应用场景，我们对于输入的内容并无严格的校验，导致入库的内容有错别字，此时需要一定的纠错查询，ES 针对此需求，设计了糊纠错查询。
# fuzzy 查询是一种非常消耗 CPU 资源的查询方式，主要要海量的计算，应该尽量避免或者缩短差值
## 查询参数
# fuzzy，关键字，查询表达式
# value，关键字，查询输入的内容单词，本质应该输入一个错误的词项
# fuzziness，关键字，容错的字符数量，建议设置为严格的数字，取值范围数字或者“AUTO”
# max_expansions，关键字，计算的容错词项数量，默认50，尽量控制这个数量！！ 组，建议设置更低，性能影响巨大
# prefix_length，关键字，控制容错词的起始位置，从左开始，设置的值应该小于 value 的字符长度，建议设置的更加精确，性能更好
# transpositions，关键字，控制字符前后位置对调来纠错查询，取值范围 true/false，默认 true
# boost，关键字，分值加权
# rewrite，重写查询表达式，此值目前不过渡深入，属于资深人员学习掌握

GET kibana_sample_data_flights_term/_search
# 查询 Washington, 故意把最后一个字母写错Washingtom，可以查出来
GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query": {"bool": {"must": [{"fuzzy": {"DestCityName.keyword": {"value": "Washingtom"}}}]}}
}

 # 查询 错误的 Washington, Washingtomm 并设置fuzziness数量为1查不出来，改为2就可以查出来了

GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query": {"bool": {"must": [{"fuzzy": {"DestCityName.keyword": {"value": "Washingtomm","fuzziness":1}}}]}}
}

## prefix 前缀查询，类说mysql 的like语句
# 基于词项的前缀内容自动匹配后面的内容，只要符合就全部查询出来
## 查询参数
# prefix，关键字，查询表达式
# value，关键字，输入的前缀字符内容
# rewrite，重写参数
# case_insensitive，大小写敏感

# 查询Washington的前缀
GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query": {"bool": {"must": [{"prefix": {"DestCityName.keyword": {"value": "Washing"}}}]}}
}

## wildcard，通配符查询，基于通配符"*"模糊查询
# ES7.9版本推出了 wildcard 字段类型，基于 ngram 算法，检索效率相比"*"的查询要高
## 查询参数
# wildcard，关键字，查询表达式
# value，关键字，查询输入内容，内容可以采用通配符方式
# boosts，关键字，分值加权
# rewrite，重写表达式
# case_insensitive，大小写敏感

# 在这个索引中DestCityName是text类型，使用通配时要定义成wildcard类型最好
GET kibana_sample_data_flights_term/_mappings
# 通配查询Washington
GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query": {"wildcard": {"DestCityName.keyword": {"value": "*ashington"}}}
}

## exist 逻辑查询
# ES 字段是可以动态扩展的，常规下无任何限制，导致在数据查询时，会造成部分数据字段缺失，从而查询错误，此判断可以有效过滤筛选此类数据

GET kibana_sample_data_ecommerce,kibana_sample_data_ecommerce_term/_search
{"track_total_hits":true,"query":{"exists": {"field": "manufacturer_count"}}
}

## ids查询，本质上等同于MGET

GET kibana_sample_data_ecommerce_term/_doc/9oTR0Y8BbWz2Sn6Eg4wZ
GET kibana_sample_data_ecommerce_term/_search
{"query":{"ids": {"values": ["9oTR0Y8BbWz2Sn6Eg4wZ","94TR0Y8BbWz2Sn6Eg4wZ"]}}
}
// 有限制字符串长度，默认512字节
GET kibana_sample_data_ecommerce_term/_search
{"query":{"terms": {"_id": ["9oTR0Y8BbWz2Sn6Eg4wZ","94TR0Y8BbWz2Sn6Eg4wZ"]}}
}

## range 数值范围查询
# 查询参数
# range，关键字，查询表达式
# gte，关键字，范围值
# # # gt，关键字，范围值
# # lte，关键字，范围值
# lt，关键字，范围值
# boost，关键字，分值加权
# relation，关键字，范围查询关系，针对xxx_range 范围字段才有效

# 数值范围查询
GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"range": {"FlightDelayMin":{"gte": 10,"lte": 20,"boost": 1}}}
}

## 时间范围查询
# date，时间是一种特殊的数值类型，还必须考虑到时区，所以建议任何时候都必须使用UTC格式，否则容易出现问题
# range，关键字，查询表达式
# time zone，关键字，时区表达式，增加时区或者减少时区
# 查询某个时间范围类的航班信息，时间范围支持固定时间，也支持动态计算类型

# 查询固定时间
GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"range": {"timestamp":{"time_zone": "+00:00", "gte":"2024-03-20T12:09:35","lte": "2024-07-20T12:09:35","boost": 2}}}
}
# 查询动态时间
GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"range": {"timestamp":{"time_zone": "+00:00", "gte":"now-200d/d","lte": "now","boost": 2}}}
}

## ragexp 正则表达式查询，慎用或者禁用，容易出现性能问题！！！有通配符的已经足够了
# 查询参数
# regexp，关键字，查询表达式
# values，关键字，输入内容包括查询表达式

GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"regexp": {"DestCityName.keyword":{"value": "Man.*"}}}
}

## 词项限制
# terms查询字段数量限制，超过查询会报错，一般也不会超过
# 此设置属于动态设置，可临时修改
# 字段数量限制，默认 65535index.max terms count:65536

### span 跨度查询，全文本查询使用，高级查询，非必须掌握
# span，跨度查询，基于分词词项的精确位置，控制问隔，设定相似度来执行，相比match 匹配类查询，提供了更加底层灵活的查询机制，同时也是非常复杂。
# span，也提供了多种跨度查询方式

# 默认分词会转成小写
POST _analyze
{"text":["Hello David so Cool"]
}

## span_term
# span term 等同与 term 查询，区别在于前者是应用在 text类型中，后者是在 keyword 类型
# span term 单独查询仅仅是为了展示，目的是为了后续的关系查询准备
# 查询参数
# span term，关键字，查询表达式
# value，关键字，输入值，注意，默认standard分词下，此处采用统一会转化成小写
# boost，关键字，分值加权

# 大写开头查不出来，注意大小写
GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query": {"span_term": {"Origin": {"value": "edmonton"}}}
}

## span_first
# span_first，跨度第一个词搜索，词项位置属于靠前，从左往右
# 查询参数
# span_first，关键字，查询表达式
# span_term，关键字，指定其中跨度搜索的字段
# end，关键字，控制搜索词项内容的距离，最大位置

# 搜索目的地机场，名字中包含“international”，且从第1个位置不超过2个词;修改查询条件，对比前后查询的结果与数据量。
GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query": {"span_first": {"match": {"span_term": {"Dest": "international"}},"end": 2}}
}

## span near
# span_near，跨度相近位置查询
# 查询参数
# span_near，关键字，查询表达式
# clauses，关键字，组合多个跨度查询
# slop，多个跨度条件直接的间隔
# in_order，多个跨度查询是否按照顺序进行，取值范围true/false

# 搜索目的机场包含“charlotte”与“international“，且中间间隔不超过1个词项，必须按照顺序
GET kibana_sample_data_flights_term/_search
{"query": {"span_near": {"clauses": [{"span_term": {"Dest": {"value": "vienna"}}},{"span_term": {"Dest": {"value": "international"}}}],"slop": 1,"in_order": true}}
}

## span_or
# span_or，多个跨度词项组合，关系是 or，只要其中任意的满足查询即可
# 查询参数
# span_or，关键字
# clauses，关键字，查询表达式，组成多个跨度查询
# span_term，关键字，跨度查询，必须所有的跨度查询，字段指向一致

GET kibana_sample_data_flights_term/_search
{"query": {"span_or": {"clauses": [{"span_term": {"Dest": {"value": "airport"}}},{"span_term": {"Dest": {"value": "international"}}},{"span_term": {"Dest": {"value": "pisa"}}}]}}
}

## span not
# span_not，组合多个跨度查询，包含其中跨度，不包含其中部分跨度
# 查询参数
# span_not，关键字
# include，关键字，包含
# exclude，关键字，不包含

# 查询目的地机场，词项包含“internationa!”，不包含“Spokane”的航班信息
GET kibana_sample_data_flights_term/_search
{"query": {"span_not": {"include": {"span_term": {"Dest": {"value": "international"}}},"exclude": {"span_term": {"Dest": {"value": "spokane"}}}}}
}

## span_multi
# span_multi，组合多种查询方式,
# 查询参数
# span_multi，关键字，查询表达式
# match，关键字，查询表达式，prefix、term、range、wildcard，fuzzy，参考 term 领域的查询方式

# 搜索目的地机场，词项前缀包括”edmonton“的航班信息
GET kibana_sample_data_flights_term/_search
{"query": {"span_multi": {"match": {"prefix": {"Dest": {"value": "edmonton"}}}}}
}

## span_containing
# span containing，组合多种跨度查询;little 优先，big次之
# 组合多个条件检索，仅仅返回 little 部分数据

## span_within
# span within，组合多种跨度查询;big优先，little次之
# 组合多个条件检索，仅仅返回 big 部分数据

## field_masking_span
# field_maskingspan，组合多种跨度查询，带有一点伪装的特性。
# 跨越多个字段组合查询

## Specialized 特殊查询
# script
# script，脚本是一种非常灵活的查询方式，同时背后也是有性能代价的若脚本查询的字段需要更多的操作计算，建议可以采用runtime字段方式
# 查询参数
# script，脚本查询表达式入口
# source，脚本内容，必须符合 bool类型;脚本采用painless
# params，输入值参数

# 查询电商信息数据，依据星期数，过滤返回结果
GET kibana_sample_data_ecommerce/_search
{"track_total_hits": true,"query": {"bool": {"filter": [{"script": {"script": {"source": """doc['day_of_week_i'].value==1;""","params": {"day_of_week_i":1}}}}]}}
}

## script score
# 文本字符查询，ES 默认采用 BM25 计算分值排序，若要需要基于自定义字段分值，可采用script_score
# 同比类同 function_score 一样
# 也支持很多高级函数
# 查询参数
# script score，脚本分值查询关键字，查询表达式入口
# query，查询表达式
# script，脚本计算，自定义分值计算
# boost，加权值
# min_score，最低分值限制

# 基于航班数据，搜索目的包含“warsaw”,排序基于2个时间相加
GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query": {"script_score": {"query": {"match": {"Dest": "warsaw"}},"script": {"source": """doc['FlightDelayMin'].value+doc['FlightTimeMin'].value;"""}}}
}

## pinned 文档“固定”到搜索结果的顶部
# 对于实现个性化推荐、广告展示或确保某些重要文档始终出现在搜索结果的前面非常有用
# ids：这是一个数组，包含你希望固定的文档的 _id 或其他唯一标识符。这些文档将被固定到搜索结果的顶部。
# field：指定用于匹配文档的字段，默认是 _id。如果你使用的是自定义的唯一标识符字段，可以在这里指定。
# exclude：布尔值，表示是否从最终的搜索结果中排除固定的文档。默认值为 false，即固定的文档仍然会出现在搜索结果中。如果设置为 true，则固定的文档不会出现在最终结果中，但它们的排名信息仍然会被保留。
# inner_hits：可选参数，用于配置返回的固定文档的详细信息。你可以使用 inner_hits 来控制返回的固定文档的数量、排序方式、高亮显示等。
# rest：这是用于查询其他非固定文档的查询条件。你可以在这里使用任何标准的 Elasticsearch 查询 DSL，例如 match、term、bool 等。

GET kibana_sample_data_ecommerce/_search
{"query": {"pinned": {"ids": ["VITR0Y8BbWz2Sn6Eg40a", "U4TR0Y8BbWz2Sn6Eg40a"], "organic": {                        "match": {"products.product_name": "top"}}}}
}

### 查询建议
# Term查询应该大规模使用，属于精确查询
# span慎重应用，了解底层机制优先
  
  
# 词项查询
# https://www.elastic.co/guide/en/elasticsearch/reference/8.6/term-level-queries.html
# 跨度查询
# https://www.elastic.co/guide/en/elasticsearch/reference/8.6/span-queries.html
# 特殊查询
# https://www.elastic.co/guide/en/elasticsearch/reference/8.6/specialized-queries.html
# script-score 脚本分值
# https://www.elastic.co/guide/en/elasticsearch/reference/8.6/query-dsl-script-score-guery.htm
# index-max-terms-count
# https://www.elastic.co/guide/en/elasticsearch/reference/8.6/index-modules.html#index-max-terms-count
# fuzziness 取值范围
# https://www.elastic.co/guide/en/elasticsearch/reference/8.6/common-options.html#fuzziness
# fuzzy 计算算法
# https://en.wikipedia.org/wiki/Levenshtein_distance
# rewrite 重写参数
# https://www.elastic.co/guide/en/elasticsearch/reference/8.6/query-dsl-multi-term-rewrite.html
# date-math 时间计算
# https:/www.elastic.co/guide/en/elasticsearch/reference/8.6/common-options.html#date-math

# “固定”到搜索结果的顶部

# https://www.elastic.co/guide/en/elasticsearch/reference/8.6/query-dsl-pinned-query.html

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/491753.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

易语言OCR证件照文字识别

易语言OCR证件照文字识别

一.引言 文字识别，也称为光学字符识别（Optical Character Recognition, OCR），是一种将不同形式的文档（如扫描的纸质文档、PDF文件或数字相机拍摄的图片）中的文字转换成可编辑和可搜索的数据的技术。随着技…
阅读更多...
【智体OS】官方上新发布智体机器人：使用rtrobot智体应用远程控制平衡车机器人

【智体OS】官方上新发布智体机器人：使用rtrobot智体应用远程控制平衡车机器人

【智体OS】官方上新发布智体机器人：使用rtrobot智体应用远程控制平衡车机器人 dtns.network是一款主要由JavaScript编写的智体世界引擎（内嵌了three.js编辑器的定制版-支持以第一视角浏览3D场馆），可以在浏览器和node.js、deno、e…
阅读更多...
Three使用WebGPU的关键TSL

Three使用WebGPU的关键TSL

Three.js 使用 WebGPU 的关键 TSL TSL: three.js shader language 介绍 three.js 材质转为webgpu的关键流程, 从而引出 TSL. 1、关键类关系 WebGPURenderer|-- library: StandardNodeLibrary|-- _nodes: Nodes|-- _objects: RenderObjects|-- createRenderObject()StandardN…
阅读更多...
东方通TongWeb7.0.4.9M4部署SuperMap iServer 11.2.1

东方通TongWeb7.0.4.9M4部署SuperMap iServer 11.2.1

一、软件版本 操作系统: CentOS Linux release 7.5.1804 (Core)JDK:11.0.18东方通：TongWeb7.0.4.9M4SuperMap iServer：11.2.1 JDK和TongWeb软件分享： 链接: https://pan.baidu.com/s/1HGDTPnPID0PEOMbg3FjTVQ?pwdbh8v 提取码: bh8v 东方通软…
阅读更多...
医学预测模型的网页应用必要模块设计(重制版)

医学预测模型的网页应用必要模块设计(重制版)

医学预测模型的网页应用必要模块设计（重制版） 刘岳鹏 摘要： 网页应用（Web APP）承载医学临床预测模型并在临床实践中实现与用户的互动，必要的功能模块设计将有助于Web APP更好地在临床实践中发挥其功能。在此…
阅读更多...
【C++】反向输出一个四位数的深入探讨

【C++】反向输出一个四位数的深入探讨

博客主页： [小ᶻ☡꙳ᵃⁱᵍᶜ꙳] 本文专栏: C 文章目录 💯前言💯问题描述💯我的实现方案代码实现核心思路解析示例执行过程 💯老师的实现方案代码实现代码特点与分析执行流程示例代码对比与深入分析 💯…
阅读更多...
Android中坐标体系知识超详细讲解

Android中坐标体系知识超详细讲解

说来说去都不如画图示意简单易懂啊！！！真是的！ 来吧先上张图！ （一）首先明确一下android 中的坐标系统： 屏幕的左上角是坐标系统原点（0,0） 原点向右延伸是X轴正…
阅读更多...
泷羽sec学习打卡-brupsuite7搭建IP炮台

泷羽sec学习打卡-brupsuite7搭建IP炮台

声明 学习视频来自B站UP主 泷羽sec,如涉及侵权马上删除文章 笔记的只是方便各位师傅学习知识,以下网站只涉及学习内容,其他的都 与本人无关,切莫逾越法律红线,否则后果自负 关于brupsuite的那些事儿-Brup-IP炮台搭建 搭建炮台服务端安装zmap1、更新系统和安装基础依赖&#xff…
阅读更多...
【视频异常检测】Real-Time Anomaly Detection and Localization in Crowded Scenes 论文阅读

【视频异常检测】Real-Time Anomaly Detection and Localization in Crowded Scenes 论文阅读

文章信息： 发表于：CVPR2015（workshop） 原文链接：https://www.cv-foundation.org/openaccess/content_cvpr_workshops_2015/W04/papers/Sabokrou_Real-Time_Anomaly_Detection_2015_CVPR_paper.pdf Real-Time Anomaly D…
阅读更多...
Hive-4.0.1数据库搭建（可选配置用户名密码远程连接，涵盖切换为tez引擎）

Hive-4.0.1数据库搭建（可选配置用户名密码远程连接，涵盖切换为tez引擎）

一、hive搭建（所依赖的Hadoop集群参照文章：最新版hadoop-3.4.0集群安装和配置（目前论坛的都是老古董了，看我的准没错！！！）这里以三台服务器为例_hadoop 3.4安装-CSDN博客）…
阅读更多...
YOLOv11改进，YOLOv11添加DLKA-Attention可变形大核注意力，WACV2024 ，二次创新C3k2结构

YOLOv11改进，YOLOv11添加DLKA-Attention可变形大核注意力，WACV2024 ，二次创新C3k2结构

摘要 作者引入了一种称为可变形大核注意力 （D-LKA Attention） 的新方法来增强医学图像分割。这种方法使用大型卷积内核有效地捕获体积上下文，避免了过多的计算需求。D-LKA Attention 还受益于可变形卷积，以适应不同的数据模式。 理论介绍 大核卷积（Large Kernel Convolu…
阅读更多...
Reactor 响应式编程（第二篇：Spring Webflux）

Reactor 响应式编程（第二篇：Spring Webflux）

系列文章目录 Reactor 响应式编程（第一篇：Reactor核心） Reactor 响应式编程（第二篇：Spring Webflux） Reactor 响应式编程（第三篇：R2DBC） Reactor 响应式编程&#xff08…
阅读更多...
keepalived的高可用集群

keepalived的高可用集群

keepalived的概念 keepalived的工作原理 基于vrrp实现的调度器高可用方案 keepalived的配置实验 先在调度服务器上安装keepalived和ipvsadm apt -y install keepalived ipvsadm 复制keepalived的配置文件到/etc/keepalived/目录下 cp /usr/share/doc/keepalived/samples/keep…
阅读更多...
Linux中输入和输出基本过程

Linux中输入和输出基本过程

1.文件内核级缓冲区 前面在如何理解Linux一切皆文件的特点中提到为了保证在Linux中所有进程访问文件时的方式趋近相 同，在f ile 结构体中存在一个 files_operations 结构体指针，对应的结构体保存所有文件操作的函 数指针（这个结构体也被称为…
阅读更多...
shell编程2 永久环境变量和字符串显位

shell编程2 永久环境变量和字符串显位

声明 学习视频来自B站UP主 泷羽sec 常见变量 echo $HOME （家目录 root用户） /root cd /root windows的环境变量可以去设置里去新建 为什么输入ls dir的命令的时候就会输出相应的内容呢 因为这些命令都有相应的变量 which ls 通过这个命令查看ls命令脚本…
阅读更多...
如何对 Java 项目简化接口设计提升开发效率

如何对 Java 项目简化接口设计提升开发效率

文章目录 摘要引言简洁接口设计的原则示例代码OrderProcessor 接口StandardOrderProcessor 实现类Order 数据类调用方代码：OrderService 模块之间的协作QA 环节总结参考资料 摘要 简洁的接口设计可以有效降低代码依赖与耦合度，提高代码的可维护性和扩展…
阅读更多...
Node.js安装配置+Vue环境配置+创建一个VUE项目

Node.js安装配置+Vue环境配置+创建一个VUE项目

目录 安装Node.js搭建VUE环境 安装Node.js 下载 测试是否安装成功 在目录下新建两个文件夹 管理员打开cmd npm config set prefix "D:\Software\nodejs\node_global" npm config set cache "D:\Software\nodejs\node_cache"将默认的 C 盘下【 AppData\…
阅读更多...
【Spring 全家桶】Spring MVC 快速入门，开始web 更好上手（上篇） ， 万字解析， 建议收藏 ！ ！ ！

【Spring 全家桶】Spring MVC 快速入门，开始web 更好上手（上篇） ， 万字解析， 建议收藏 ！ ！ ！

本篇会加入个人的所谓鱼式疯言 ❤️❤️❤️鱼式疯言:❤️❤️❤️此疯言非彼疯言 而是理解过并总结出来通俗易懂的大白话, 小编会尽可能的在每个概念后插入鱼式疯言,帮助大家理解的. 🤭🤭🤭可能说的不是那么严谨.但小编初心是能让更多人…
阅读更多...
【CSS in Depth 2 精译_080】 13.1：CSS 渐变效果（中）——不同色彩空间的颜色插值算法在 CSS 渐变中的应用

【CSS in Depth 2 精译_080】 13.1：CSS 渐变效果（中）——不同色彩空间的颜色插值算法在 CSS 渐变中的应用

当前内容所在位置（可进入专栏查看其他译好的章节内容） 第四部分 视觉增强技术 ✔️【第 13 章 渐变、阴影与混合模式】 ✔️ 13.1 渐变 ✔️ 13.1.1 使用多个颜色节点（上）13.1.2 颜色插值方法（中） ✔️13.1…
阅读更多...
JavaEE 【知识改变命运】06 多线程进阶（1)

JavaEE 【知识改变命运】06 多线程进阶（1)

文章目录 锁一常见的锁乐观锁和悲观锁轻量级锁和重量级锁自旋锁和挂起等待锁读写锁和普通互斥锁公平锁和不公平锁可重入锁和不可重入锁sycnchroized是什么锁 CAS什么是CASCAS伪代码CSA是怎么实现的CAS如何保证线程安全的呢实现自旋锁JDK中提供的使用自旋锁的方式处理锁竞争CAS …
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023