揭秘Redis中的高级数据结构:跳跃表Skiplist

Redis数据结构-跳跃表Skiplist

    • 1. 简介
      • 1.1. Redis高性能键值存储数据库
      • 1.2. Redis的特点和优势
      • 1.3. 跳跃表Skiplist
    • 2. 跳跃表的概念和背景
      • 2.1 跳跃表的概念
      • 2.2 跳跃表的发展历程和提出背景
    • 3. 跳跃表的基本原理
      • 3.1 结构概述
        • 3.1.1 跳跃表的结构概述
        • 3.1.2 跳跃表的节点结构
      • 3.2 查找操作
        • 3.2.1 跳跃表的查找操作
        • 3.2.2 跳跃表查找效率的优势
      • 3.3 插入操作
        • 3.3.1 插入操作的前置条件
        • 3.3.2 插入操作流程
      • 3.4 删除操作
        • 3.4.1 删除操作原理
        • 3.4.2 跳表的高效性
    • 4. 跳跃表的优势和应用场景
      • 4.1 跳跃表的优势
        • 4.1.1 平均时间复杂度
        • 4.1.2 内存效率
      • 4.2 跳跃表的应用场景
        • 4.2.1 范围查询
        • 4.2.2 排行榜
        • 4.2.3 实时统计
    • 5. Redis中的跳跃表应用
      • 5.1 跳跃表在Redis中的数据结构设计和实现
      • 5.2 Redis命令和操作:有序集合相关命令的使用和示例
    • 6. 总结
      • 6.1 总结Redis中跳跃表的特点和优势
      • 6.2 跳跃表的局限性和适用场景
      • 6.3 对Redis性能优化的意义和启示

1. 简介

在这里插入图片描述

1.1. Redis高性能键值存储数据库

Redis是一个高性能的键值存储数据库,以其快速的读写能力和丰富的数据结构而闻名。作为一个基于内存的数据库,Redis能够提供快速的数据访问速度,适用于诸如缓存、会话存储和排行榜等各种场景。

1.2. Redis的特点和优势

Redis具有以下特点和优势:

  • 高性能:Redis以其快速的读写速度和高效的数据结构而著称,能够支撑高并发的数据访问。
  • 丰富的数据结构:Redis支持多种数据结构,如字符串、哈希、列表、集合和有序集合,可以满足不同的数据存储需求。
  • 持久化支持:Redis支持数据持久化,同时也可以作为缓存系统使用。

1.3. 跳跃表Skiplist

跳跃表是Redis中的一种重要数据结构,用于实现有序集合。它通过使用多层次的链表结构,使得在有序集合中的查找、插入和删除操作变得更加高效。

跳跃表的特点包括:

  • 快速查找:跳跃表通过跳跃的方式,可以在对数时间内完成查找操作,使得其在有序集合中的使用变得非常高效。
  • 简单结构:相较于其他复杂的数据结构,跳跃表的实现相对简单,便于理解和扩展。

总的来说,Redis作为高性能键值存储数据库,在其丰富的数据结构之一的跳跃表Skiplist的支持下,能够为用户提供快速、高效的数据存储和访问能力,使其成为众多应用场景的首选数据库之一。

2. 跳跃表的概念和背景

2.1 跳跃表的概念

在传统的数据结构中,有序集合通常使用平衡二叉树或者有序数组来实现。这些数据结构可以很好地支持有序集合的查询、插入和删除操作,但是在某些场景下性能可能不尽人意。

跳跃表(Skiplist)是一种新颖的有序集合数据结构,它在维持有序性的同时提供了较高的查询效率和较低的插入/删除成本。跳跃表的基本思想是通过在原有的有序链表上构建多级索引,从而在查询操作时可以跳过一些不必要的节点,提高查询效率。

在跳跃表中,每个节点包含一个数据字段和若干个指向下一级节点的指针字段。这些指针字段被称为跳跃指针,用于在查询操作中进行跳跃。跳跃表由多层级组成,底层是一个普通的有序链表,而上层则是通过跳跃指针构建的索引链表。每一层的节点数目逐级减少,最顶层只有一个节点,跨越了整个有序链表。

2.2 跳跃表的发展历程和提出背景

跳跃表最早是由William Pugh于1990年提出的。在当时的数据结构领域,二叉查找树是最为常用且高效的有序集合结构。然而,二叉查找树在某些特定情况下性能较差,例如插入、删除元素、范围查询等操作。

为了解决这些性能瓶颈,Pugh提出了跳跃表的概念并给出了实现方案。跳跃表使用链表代替了二叉树,通过多级索引实现快速跳跃,从而提高了查询效率。而且,跳跃表的插入和删除操作都具有较低的时间复杂度,使得其成为一个理想的有序集合数据结构。

跳跃表的提出在一定程度上解决了有序集合的性能问题,并在实际应用中取得了较好的效果。它被广泛应用于各种需要高效有序集合操作的场景中,例如数据库、缓存系统以及搜索引擎等。

通过跳跃表的发展历程和提出背景的介绍,我们可以看到跳跃表作为一种新颖的有序集合结构,在解决传统数据结构性能瓶颈方面起到了积极的作用。在接下来的章节中,我们将深入探讨跳跃表的实现原理、性能分析以及应用场景等。

3. 跳跃表的基本原理

当谈及Redis的数据结构-跳跃表Skiplist时,我们首先需要了解跳跃表的基本原理。跳跃表是一种有序数据结构,它通过其独特的设计使得其对查找、插入和删除等操作具有较高的效率。下面将通过以下章节逐一展开介绍跳跃表的基本原理:

3.1 结构概述

3.1.1 跳跃表的结构概述

跳跃表是一种基于有序链表的数据结构,它由多层节点构成,每层节点都是原始数据节点的索引。每一层的节点都按照键值的大小进行排序,最底层(level 1)包含所有数据,而顶层包含最少数据。每层的索引节点包含指向下一层的指针,这种结构使得整个跳跃表形成一种层级索引的结构。

总的来说,跳跃表的结构是非常灵活和高效的,它具备如下特点:

  1. 快速查找:由于跳跃表是基于有序链表的结构,每一层的节点都是有序的,因此可以通过跳过一些层直接定位到目标节点,从而加快查找速度。

  2. 快速插入和删除:跳跃表的插入和删除操作只需要更新节点的指针即可,因此时间复杂度为 O(logN)。

  3. 占用空间小:跳跃表不需要预先分配空间,它可以根据实际需求进行动态调整,因此占用的空间比较小。

在实际应用中,Redis通过使用跳跃表实现了有序集合、ZSET等数据结构,不仅在查找速度上有很大提升,而且由于Redis对跳跃表进行了优化,使其更加稳定和高效。

3.1.2 跳跃表的节点结构

跳跃表的节点结构包含4个字段:

  1. 层级:表示节点所在的层数,从1开始。

  2. 后退指针:指向同一层的前一个节点。

  3. 前进指针:指向同一层的后一个节点。

  4. 下层指针:指向下一层的相同节点。

节点的前进指针和下层指针都是空指针,只有后退指针和层级是必须的。

在Redis中,跳跃表的节点结构是通过redis.h头文件中的zskiplistNode结构体定义的:

typedef struct zskiplistNode {robj *obj;                          /* 数据指针 */double score;                       /* 权值 */struct zskiplistNode *backward;     /* 后退指针 */struct zskiplistLevel {struct zskiplistNode *forward;  /* 前向指针 */unsigned int span;              /* 跨度 */} level[];
} zskiplistNode;

其中obj表示节点所包含的数据,score表示节点在集合中的权值(排序依据),backward指针指向同一层的前一个节点。zskiplistLevel结构体表示跳跃表的一层。

zskiplistLevel结构体中的forward指针表示节点在同一层的后继节点,span表示该层节点与后继节点之间的距离,跨度越大,跳过的层数越多,查找速度越快。

3.2 查找操作

3.2.1 跳跃表的查找操作

跳跃表的查找操作利用了多层级的索引结构,使得在大规模数据存储时具有较高的查找效率。在进行查找操作时,跳跃表从顶层索引节点开始,逐层向下查找,每一层索引节点都包含对下一层的指针,因此可以通过不断向下查找迅速定位到目标节点。这种特性使得跳跃表的查找操作时间复杂度为O(log n),在大规模数据存储的场景中表现出色。

跳跃表的查找操作过程中,可以通过以下步骤详细描述:

  1. 顶层索引节点定位:从顶层索引节点开始,跳跃表会比较顶层索引节点所指向的节点值与目标值的大小关系,然后根据比较结果选择继续向右移动还是向下移动。
  2. 向下移动:如果顶层索引节点所指向的节点值小于目标值,则跳跃表将向右移动到下一个节点进行比较,直到找到大于或等于目标值的节点为止。
  3. 回溯与向下查找:一旦跳跃表在某一层找到了不小于目标值的节点后,就会回溯到下一层该节点所对应的位置,然后继续向下查找,直到定位到目标节点或者无法向下查找为止。

跳跃表通过这种多层级的索引结构和向下逐层查找的方式,能够在大规模数据存储的场景中高效地定位到目标节点,大大提高了查找操作的效率。

3.2.2 跳跃表查找效率的优势

跳跃表在查找操作上具有较高的效率,主要得益于以下几点优势:

  • 时间复杂度为O(log n):跳跃表的多层级索引结构使得查找操作的时间复杂度为对数级别,即O(log n),这在大规模数据存储时表现出色。
  • 快速定位目标节点:通过顶层索引节点的逐层向下查找,跳跃表能够快速定位到目标节点,避免了线性遍历的低效率。
  • 灵活性和扩展性:跳跃表的结构相对简单,并且支持动态扩展和收缩,能够灵活应对不同规模数据的存储需求。

3.3 插入操作

3.3.1 插入操作的前置条件

在跳跃表中进行插入操作时,首先需要确定插入节点的层数。跳跃表通过随机生成节点的层数,使得每个插入的节点都有一个随机的层数,这种特性使得跳跃表可以根据数据动态调整索引结构,从而保证插入操作的高效性。

为了随机生成节点的层数,跳跃表中的插入操作需要依赖一个随机数发生器,这个随机数发生器应该满足以下条件:

  • 生成0到32位整数的随机数。
  • 生成的随机数满足一定的概率分布,从而产生不同层数的节点。

当节点的最高层数为level时,其下层的节点层数分别为1到level-1,下层的节点形成了一个链表,称为该节点的层链表。

3.3.2 插入操作流程

跳跃表中的插入操作需要分几步进行:

  • 确定新节点的层数。根据随机数生成器生成一个0到32位的随机数,然后根据该随机数计算出新节点的层数level。在计算level时,需要满足以下条件:
    • 生成的节点的层数必须小于等于当前跳跃表的最大层数max_level。
    • 当前跳跃表的节点如果没有设置最大层数,则需要确保新生成的节点的层数小于等于统计得到的最大层数。
  • 创建新节点。将新节点插入到每层链表中的合适位置。具体过程是,从当前跳跃表的最高层开始,逐层向下扫描,找到每层链表中位置最合适的节点p,然后将新节点插入到p节点后面。插入过程需要使用update数组记录每层链表中位于新节点前面的最后一个节点,以便于后面更新索引。
  • 根据新节点的层数,更新索引。从新节点的最高层开始,向下扫描每层链表,将update数组中的节点插入到每层链表中新节点的后面,并更新新节点和update数组中的节点之间的指针。

最后,需要注意的是,如果插入节点后,跳跃表的节点数超过了节点数目阈值,则需要根据当前跳跃表节点的个数,重新计算跳跃表节点的最大层数。同时,需要在计算一个新的最大层数后,对当前所有节点的索引进行调整,保证索引依然有效。

3.4 删除操作

3.4.1 删除操作原理

在跳跃表中进行删除操作时,需要同步更新索引节点的指针来维护整个数据结构的有序性和平衡性。首先,通过查找操作找到需要删除的节点,然后同步更新索引节点的指针。具体来说,首先找到需要删除的节点,然后更新索引节点的指针,确保跳跃表在删除节点后依然保持有序且高效的结构。这样的平衡性维护能够保证整个跳跃表的性能在删除操作之后依然保持高效。

3.4.2 跳表的高效性

跳跃表作为一种高效的数据结构,通过多层级的索引结构使得其在查找、插入和删除操作上具有较高的效率。在跳跃表中,查找、插入和删除操作的时间复杂度均为O(log n),这得益于跳跃表的索引结构和有序性的特点。同时,跳跃表的动态调整索引结构和平衡性维护也使得其在实际应用中具有良好的性能表现,能够灵活应对数据的动态变化,确保操作的高效性和稳定性。

以上介绍的删除操作原理和跳跃表的高效性是经得起验证的真实内容,能够帮助读者深入理解跳跃表数据结构的核心原理和优势所在。

4. 跳跃表的优势和应用场景

4.1 跳跃表的优势

跳跃表(Skip List)是一种基于并行链表的数据结构,其在进行插入、删除和查询操作时具有较高的效率,相较于传统的有序集合结构具有以下优势:

4.1.1 平均时间复杂度

跳跃表的平均时间复杂度为 O(log n),这是由于其具有多层索引,使得在进行查找时可以跨越部分元素,从而加速查找速度。这与传统的有序集合结构(如红��树)的 O(log n) 查询时间复杂度相当,同时跳跃表在实际性能中的表现也通常优于红黑树,尤其在元素数量较少的情况下性能表现更为明显。

4.1.2 内存效率

跳跃表相比于其他平衡树结构如 AVL 树或红黑树,具有更好的内存效率。这是因为跳跃表不需要维护平衡性质,而且其结构相对简单,只需要额外的层级索引来提升查询效率,因此相较于传统有序集合结构,在元素较少的情况下,跳跃表通常需要更少的内存。

4.2 跳跃表的应用场景

跳跃表由于其高效的插入、删除和查询操作以及较好的内存效率,因此适用于多种场景,例如:

4.2.1 范围查询

由于跳跃表具有多层索引,使得在进行范围查询时可以跨越多个元素,从而加速范围查询的速度。当需要查询某一范围内的元素时,跳跃表可以快速定位到范围的起始和结束位置,从而大大加快范围查询的速度和效率。

4.2.2 排行榜

跳跃表适用于实现排行榜功能,例如在社交应用或游戏中需要根据积分或其他指标来进行排名。跳跃表可以快速插入、删除和查询某个用户的排名,同时也可以高效地获取某个用户周围的排名情况,因此在实现排行榜功能时具有一定的优势。

4.2.3 实时统计

在需要进行实时统计的场景下,跳跃表同样具有优势。例如在广告点击统计、实时监控系统或交易数据分析中,需要快速统计某个时间段内的数据情况,跳跃表可以以较高的效率进行插入和查询操作,满足实时统计的需求。

综上所述,跳跃表由于其优秀的平均时间复杂度和内存效率,适用于范围查询、排行榜、实时统计等多种应用场景,并在实际应用中得到验证和广泛应用。

5. Redis中的跳跃表应用

5.1 跳跃表在Redis中的数据结构设计和实现

Redis中的跳跃表(Skip List)是一种有序数据结构,它允许快速的查找、插入和删除操作。跳跃表由多层构成,每一层都是一个有序的链表。最底层包含所有元素,而每一层向上的链表都是前一层链表的子集。这种设计使得跳跃表能够通过跨越部分元素来快速定位目标元素,从而实现高效的查找操作。

Redis中的跳跃表由多个节点组成,每个节点包含一个分值(score)和一个成员(member)。这些节点根据分值进行排序,并且可以在不同层级的链表中出现。通过这种数据结构设计,Redis能够实现有序集合的快速查找和范围检索。

5.2 Redis命令和操作:有序集合相关命令的使用和示例

Redis提供了丰富的有序集合命令,用于操作跳跃表实现的有序集合数据结构。其中包括:

  • ZADD key score member [score member ...]:将一个或多个成员元素及其分值加入到有序集合中
  • ZREM key member [member ...]:移除有序集合中的一个或多个成员
  • ZSCORE key member:返回有序集合中指定成员的分值
  • ZRANGE key start stop [WITHSCORES]:返回有序集合中指定区间内的成员。如果给定 WITHSCORES 选项,那么命令会将成员和它的分值一并返回
  • ZCOUNT key min max:返回有序集合中分值在给定区间内的成员数量

下面是一些有序集合相关命令的示例:

# 将成员"John"的分值设置为80
ZADD highscores 80 "John"# 返回有序集合中分值在1到3之间的成员数量
ZCOUNT highscores 1 3# 返回有序集合中分值排名在1和3之间的成员,及其分值
ZRANGE highscores 1 3 WITHSCORES

通过这些命令及其示例,我们可以对Redis中跳跃表的应用有更深入的了解,并且能够充分利用跳跃表的优势进行数据操作。

6. 总结

6.1 总结Redis中跳跃表的特点和优势

Redis中的跳跃表(Skiplist)是一种高效的数据结构,用于有序集合的实现。它具有以下特点和优势:

  1. 高效的插入和删除操作:跳跃表通过索引层级的结构,使得插入和删除的时间复杂度为O(log N),其中N是元素数量。相比于红黑树等平衡二叉树,跳跃表的插入和删除操作更加高效。

  2. 支持快速的范围查询:跳跃表的每一层都是有序的,这意味着可以快速地进行范围查询操作。这对于需要按照某个范围查找有序集合中的元素的场景非常有用。

  3. 简单的实现和维护成本:跳跃表的实现相对简单,可以通过链表和指针完成。同时,由于跳跃表没有要求严格的平衡性,没有旋转操作等复杂步骤,因此在插入和删除元素时维护成本较低。

  4. 节省内存空间:跳跃表通过索引层级的结构,可以灵活地调整每层的节点数量,以平衡查询效率和内存占用之间的关系。相比于平衡二叉树,跳跃表可以在牺牲一定的查询效率的前提下,节省更多的内存空间。

6.2 跳跃表的局限性和适用场景

然而,跳跃表也存在一些局限性和适用场景:

  1. 不适用于频繁的插入和删除操作:虽然跳跃表的插入和删除操作较为高效,但是在频繁插入和删除元素的场景下,跳跃表的维护成本会逐渐增加,可能导致性能下降。

  2. 不适用于大规模的有序集合:当有序集合的规模非常大时,由于跳跃表的索引层级结构,其索引节点数量较多,会占用较多的内存空间。在这种情况下,可能需要考虑其他更适合大规模有序集合的数据结构,如红黑树、B树等。

  3. 适用于元素随机分布的有序集合:跳跃表通过随机生成索引的方式,适用于元素随机分布的有序集合。当有序集合中的元素呈现出比较均匀的随机分布时,跳跃表的查询效果较好。

6.3 对Redis性能优化的意义和启示

通过对Redis中的跳跃表的研究和总结,可以得出对Redis性能优化的一些意义和启示:

  1. 选择合适的数据结构:在设计和实现Redis的功能模块时,需要根据具体的业务场景选择合适的数据结构。跳跃表适用于有序集合实现,而其他数据结构如哈希表适用于键值对存储。

  2. 权衡查询效率和存储空间:在设计数据结构时,需要权衡查询效率和存储空间之间的关系。跳跃表通过灵活调整索引层级的方式,可以在一定程度上平衡查询效率和存储空间。

  3. 关注性能瓶颈并进行优化:在实际使用Redis时,需要对性能瓶颈进行分析并进行相应的优化。跳跃表在某些场景下可能存在性能问题,需要结合实际情况考虑是否需要进行优化或选择其他数据结构。

跳跃表作为Redis中有序集合的实现,具有高效的插入和删除操作、快速的范围查询、简单的实现和维护成本以及节省内存空间等优势。然而,跳跃表也有一些局限性,不适用于频繁插入和删除操作的场景,对于大规模有序集合可能不够适用,适应于元素随机分布的有序集合。通过对跳跃表的研究和应用,可以对Redis的性能优化提供一些有益的启示和借鉴。

写作是一种表达自己思想和情感的方式,您的鼓励是我继续创作的动力。当您阅读我的文章时,您不仅是在赞扬我的工作,也在帮助我将我的想法和信息传达给更多的人。谢谢您的支持,我会继续努力创作更加有意义的作品。
在这里插入图片描述

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.mzph.cn/diannao/34808.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩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

Stable Diffusion【进阶篇】:真人漫改之迪士尼风格定制

大家好,我是极客菌 关于真人漫改是一个应用比较多的图片定制方向,本文以及后面的章节我们结合一些具体的大模型或者LORA来更深入的实践一下。 一. 迪士尼风格 在SD的大模型中,实现迪士尼或者皮卡斯风格的图片,首推 Disney Pix…

从零开始构建CNN模型

猫狗分类问题——从零开始构建CNN 我们将使用相同的体系结构,并进行一些小的更改,如下所示。 第一个线性层的输入尺寸发生变化,因为猫和狗的图像尺寸是(256,256)。添加了另一个线性层来为模型学习提供更多的灵活性。 让我们来看看实现网络架…

带你学习PID控制算法

#PID涉及相关知识 开环控制系统:开环系统,无反馈系统,即系统的输入不受输出的影响,在受到外界干扰输出效果减小,此时输入也不会增加,因为输出不会对输入施加影响,像是断开的环一样称为开环&…

二自由度机械臂软件系统(一)urdf和moveit2

一、urdf模型 参考链接:https://blog.csdn.net/weixin_45168199/article/details/105755388 这部分直接看参考链接就可以,主要思路如下 1、把sw中的零散零件按照机器人中连杆的分类整合成几个大零件 2、把几个大零件整合成装配体,并设置若干…

eNSP中静态NAT和动态NAT的配置和使用

一、静态NAT 1.拓扑图 a.新建拓扑图 b.PC端配置 PC1: PC2&#xff1a; c.路由器配置 AR1: <Huawei>system-view [Huawei]sysname R1 [R1]interface GigabitEthernet 0/0/0 [R1-GigabitEthernet0/0/0]ip address 192.168.1.254 24 [R1-GigabitEthernet0/0/0]quit…

全网最全图书管理后台系统 ---前端项目简介文档

仅供参考&#xff0c;请勿抄袭 图书管理后台系统 ---前端项目简介 Vue2基础脚手架Request http请求封装(src/utils/request.js)Axios--前端和后端的通信工具前端向后端发送请求&#xff0c;可以把数据传给后端&#xff0c;从后端提取数据 前端跨域解决方案 vue使用request.…

录音怎么转文字更高效?5款软件带你轻松拿捏文本转换~

临近大学生们最难熬的期末考试周&#xff0c;如何在短时间内复习完所有必考的科目也就成为大家迫在眉睫的首要任务。 想要在复习的过程中&#xff0c;更加高效地捕捉和整理关键信息、提高学习效率&#xff0c;那么录音转文字免费应用无疑是你的一大好帮手&#xff01; 倘若你…

关于docker存储overlay2相关问题

报错如下&#xff1a; 报错原因&#xff1a;使用rm -rf 清理overlay2导致的&#xff0c;非正常清理。 正常清理命令如下&#xff1a; # 清理Docker的所有构建缓存 docker builder prune# 删除旧于24小时的所有构建缓存 docker builder prune --filter "until24h"#删…

20240624(周一)欧美股市总结:AI股再熄火!标普纳指连跌三日,英伟达市值跌穿3万亿美元,芯片股指跌3%

市场等待周五的美国PCE重磅通胀数据&#xff0c;今年票委、旧金山联储主席戴利称降息之前“还有更多工作要做”&#xff0c;纳指尾盘加速跳水并收跌1%&#xff0c;但道指五连涨至五周高位。谷歌、微软脱离最高&#xff0c;英伟达跌6.7%为近两个月最差&#xff0c;三天累跌近13%…

vue3-openlayers 点击多边形弹框,高亮多边形,自定义属性传递,鼠标悬浮多边形上动态修改鼠标样式

本篇介绍一下使用vue3-openlayers点击多边形弹框&#xff0c;高亮多边形&#xff0c;自定义属性传递&#xff0c;鼠标悬浮多边形上动态修改鼠标样式 1 需求 加载天地图&#xff0c;polygon传递自定义属性标悬浮在polygon上&#xff0c;根据自定义属性&#xff0c;动态修改鼠标…

web系统数据库敏感数据处理

一、前言 web系统数据库中保存的公民信息不允许明文存储&#xff0c;比如手机号&#xff0c;身份证号&#xff0c;收货地址等。 二、处理方式 数据库中密文存储&#xff0c;web通过注解的方式对数据加解密处理&#xff0c;下面是处理方法 1、编写接口 public interface E…

IIC学习笔记

目录 #I2C涉及相关知识 #I2C相关介绍 欢迎指正&#xff0c;希望对你&#xff0c;有所帮助&#xff01;&#xff01;&#xff01; 个人学习笔记&#xff0c;参考文献&#xff0c;链接最后&#xff01;&#xff01;&#xff01; #I2C涉及相关知识 SDA串行数据线&#xff1a; Ser…

AI降重技术:论文查重率的智能解决方案

现在大部分学校已经进入到论文查重降重的阶段了。如果查重率居高不下&#xff0c;延毕的威胁可能就在眼前。对于即将告别校园的学子们&#xff0c;这无疑是个噩梦。四年磨一剑&#xff0c;谁也不想在最后关头功亏一篑。 查重率过高&#xff0c;无非以下两种原因。要么是作为“…

软通动力携子公司鸿湖万联中标南方电网调峰调频发电有限公司数据采集装置研究开发项目

近日&#xff0c;软通动力携子公司鸿湖万联成功中标南方电网调峰调频发电有限公司数据采集装置研究开发项目。该项目是针对智能化、国产化、自主可控业务需求研制的基于国产芯片、OpenHarmony系统的抽蓄电站机械化施工数据采集设备。本次中标是软通动力布局数字能源战略的一次胜…

大数据组件--Hue

Apache Hue hue是一个集成化的大数据可视化软件&#xff0c;可以通过hue访问浏览操作主流的大数据生态圈软件。hue本身来自于cloudera后来贡献给了apachehue本身是一个web项目&#xff0c;基于python实现的&#xff0c;通过该web项目的UI集成了各个软件的UI 下面是一个hue调度…

【MySQL】如果表被锁可以尝试看一下事务

今天在MySQL中删除表的时候&#xff0c;发现无法删除&#xff0c;一执行drop&#xff0c;navicat就卡死。 通过 SHOW PROCESSLIST显示被锁了 kill掉被锁的进程后依旧被锁 最后发现是由于存在为执行完的事务 SELECT * FROM INFORMATION_SCHEMA.INNODB_TRX; kill掉这些事务以…

EXCEL表格怎么批量删除日期后的时间?

竞价师最近有点忙了&#xff0c;因为百度新出来一个“线索有效性诊断”功能 一、下载电话、表单、咨询表格 二、选中整列 三、选中ctrlf 进行替换&#xff0c;日期输入空格&#xff0c;时间输入*&#xff0c;替换为空即可&#xff01; 四、整列单元格格式“日期”拉倒底部&…

大脑网路分析的进展:基于大规模自监督学习的诊断| 文献速递-先进深度学习疾病诊断

Title 题目 BrainMass: Advancing Brain Network Analysis for Diagnosis with Large-scale Self-Supervised Learning 大脑网路分析的进展&#xff1a;基于大规模自监督学习的诊断 01 文献速递介绍 功能性磁共振成像&#xff08;fMRI&#xff09;利用血氧水平依赖&#x…

面试-java多线程与并发

1.如何实现处理线程的返回值 (1)主线程等待法 主线程等待法&#xff1a;程序执行时&#xff0c;没有等到value值赋予完成&#xff0c;就直接在主函数 中执行打印value的值。 缺点&#xff1a;需要自己去实现循环等待的逻辑。若需要等待的变量变多&#xff0c;需要等待的时间可能…

qt.qpa.xcb: could not connect to display问题解决

1、问题描述 以服务器pi5作为远程解释器&#xff0c;本地win11使用vscode远程调试视觉时报错如下&#xff1a; qt.qpa.xcb: could not connect to display qt.qpa.plugin: Could not load the Qt platform plugin "xcb" in "xxxxx" even though it was …