【ES专题】Logstash与FileBeat详解以及ELK整合详解

目录

  • 前言
  • 阅读对象
  • 阅读导航
  • 前置知识
  • 笔记正文
    • 一、ELK架构
      • 1.1 经典的ELK
      • 1.2 整合消息队列+Nginx架构
    • 二、LogStash介绍
      • 2.1 Logstash核心概念
        • 2.1.1 Pipeline
        • 2.1.2 Event
        • 2.1.3 Codec (Code / Decode)
        • 2.1.4 Queue
      • 2.2 Logstash数据传输原理
      • 2.3 Logstash的安装（以windows为例）
      • 2.4 Logstash配置文件结构
      • 2.5 使用示例
    • 三、Beats介绍
      • 3.1 FileBeat简介
      • 3.1 FileBeat的工作原理
      • 3.3 Logstash vs FileBeat
      • 3.4 Filebeat安装
    • 四、经典ELK整合实战
      • 案例1：采集tomcat服务器日志，使用FileBeats将日志发送到Logstash
      • 案例2：改进上面的，Logstash输出数据到Elasticsearch
      • 案例3：利用Logstash过滤器解析日志
      • 案例4：输出到Elasticsearch指定索引
  • 学习总结

前言

这一篇笔记给大家分享一些日志管理相关的组件。为什么需要这个玩意呢？这主要还是因为分布式微服务的兴起啊！试想一下，现在的电商场景，动不动就百万流量进来，万一线上出了什么问题了，异常啊什么的，总该需要追溯日志吧？而且这些日志，在微服务场景下，通常是分布在多个机器里面的。那在这种海量业务日志里面，如何快速找到分布在各服务器里面的日志呢？注意关键词：

  • 海量日志
  • 多台服务器
    在这里插入图片描述

这时候，所谓的ELK架构就出现了。

阅读对象

阅读导航

系列上一篇文章：《【ES专题】ElasticSearch功能详解与原理剖析》

前置知识

笔记正文

一、ELK架构

什么是ELK架构？其实ELK架构是ElasticSearch + Logstash + Kibana组成的。ELK架构可以将系统日志、网站日志、应用系统日志等各种日志进行收集、过滤、清洗，然后进行集中存放并可用于实时检索、分析。

集中化日志管理思路： 日志收集 -> 格式化分析 -> 检索和可视化 -> 风险告警

ELK架构分为两种，一种是经典的ELK，另外一种是加上消息队列（Redis或Kafka或RabbitMQ）和Nginx结构。

1.1 经典的ELK

经典的ELK主要是由Filebeat + Logstash + Elasticsearch + Kibana组成，如下图：（早期的ELK只有Logstash + Elasticsearch + Kibana）
在这里插入图片描述

  • beats：一种数据搜集组件
  • logstash：一种数据聚合和处理的组件
  • elasticsearch：用于索引数据和存储的组件
  • kibana：一种用于数据分析和可视化的组件

此架构主要适用于数据量小的开发环境，存在数据丢失的危险。

1.2 整合消息队列+Nginx架构

这个架构，算是对上面一个架构的升级。主要是在beats跟logstash之间加上了Redis或Kafka或RabbitMQ做消息队列，一方面是为了解决速度之间不匹配的问题，一方面也是为了保证消息不丢失。
在这里插入图片描述

  • beats：一种数据搜集组件
  • redis、kafka、rabbitmq：一种缓存中间件
  • logstash：一种数据聚合和处理的组件
  • elasticsearch：用于索引数据和存储的组件
  • kibana：一种用于数据分析和可视化的组件

此种架构，主要用在生产环境，可以处理大数据量。

二、LogStash介绍

Logstash 是免费且开放的服务器端数据处理管道，能够从多个来源采集数据，转换数据，然后将数据发送到您最喜欢的存储库中（多种输出源选择，如：mysql，es，mongo，甚至是文件）。
Logstash的使用场景包括但不限于以下几种情况：

  • 日志收集：Logstash可以接收、处理并输出日志，支持各种各样的日志，包括系统日志、WEB容器日志（如Apache日志和Nginx日志和Tomcat日志等）、各种应用日志等
  • 数据过滤：Logstash可以过滤和处理日志数据，包括删除不需要的数据、转换数据格式等
  • 数据处理：Logstash可以处理日志数据，包括数据分析和统计、事件聚合等
  • 数据存储：Logstash可以将处理后的日志数据存储起来，以供后续检索和分析
  • 数据监控：Logstash可以监控系统运行状态，及时发现异常情况，帮助管理员快速定位问题
  • 日志分析：Logstash可以分析日志数据，生成报告和图表，帮助管理员更好地了解系统运行情况
  • 日志搜索：Logstash可以实时搜索和分析日志数据，快速定位问题，提高系统维护效率

在这里插入图片描述

2.1 Logstash核心概念

Logstash中有几个核心概念，需要大家掌握了解。它们分别是：Pipeline、Event、Codec (Code / Decode)、Queue

2.1.1 Pipeline

Pipeline，管道，这玩意大家都不陌生。管道在我们软件设计中通常扮演着盛放某些【处理器】的【容器】角色，所谓处理器如Logstash的filter过滤器（过滤器 + 管道几乎是一种范式）。在ES的Pipeline，主要有如下三个特征：

  • 包含了input—filter—output三个阶段的处理流程（核心！三个阶段分别是做什么的，2.1.3中有一个原理图可以看看）

它是数据在Logstash内部流转时的具体表现形式。
在input阶段，数据被转换为Event；
在filter阶段，数据会被加工处理；（这个阶段可选）
在output阶段，数据被转换为目标格式
注意：在pipeline里面，同时也包含input、filter、output阶段对应的input、filter、output插件（又叫：组件）

  • 插件生命周期管理：Logstash为各个阶段核心组件提供了多种类型的插件，这些插件通常是在Pipeline中被应用
  • 队列管理：【2.1.2Event事件】的管理
2.1.2 Event

数据在内部流转时的具体表现形式，数据在input 阶段被转换为Event。Event本质上就是一个Java Object，在配置文件中，可以对Event的属性进行增删改查

2.1.3 Codec (Code / Decode)

Codec其实是编解码的意思。编解码就是把数据从一种格式转换为另一种格式。在Logstash里面，即：在input阶段将原始数据decode成Event；在output阶段将Event 给encode成目标数据的相关编解码器。它的原理图如下所示：
在这里插入图片描述

2.1.4 Queue

这个Queue，即：队列，存在于【2.1.1】提到的管道中，是一种用于存储event的机制。它通常有两种类型：

  1. Memory Queue内存管道：显然，进程Crash，机器宕机，都会引起数据的丢失
  2. Persistent Queue持久化管道：不同于内存管道，因为持久化机制的存在，就算宕机也不会丢失数据。数据保证会被消费，甚至可以替代 Kafka等消息队列缓冲区的作用

它的原理图，以及所处的位置，如下：
在这里插入图片描述

注意，它是介于input组件跟filter组件之间的

2.2 Logstash数据传输原理

我们在前面了解到，Logstash会在Pipeline里面分三个阶段处理数据，这些数据处理的原理如下：

  1. 数据采集与输入：Logstash支持各种输入选择，能够以连续的流式传输方式，轻松地从日志、指标、Web应用以及数据存储中采集数据
  2. 实时解析和数据转换：通过Logstash过滤器解析各个事件，识别已命名的字段来构建结构，并将它们转换成通用格式，最终将数据从源端传输到存储库中
  3. 存储与数据导出：Logstash提供多种输出选择，可以将数据发送到指定的地方

一个很典型的数据采集示例，如下：（从数据库读取一些数据，经过Logstash处理之后丢到ES中）
在这里插入图片描述

2.3 Logstash的安装（以windows为例）

logstash官方文档

1）下载并解压logstash
下载地址： Logstash下载地址
选择版本：7.17.3，跟es保持一致

2）测试：运行最基本的logstash管道

# 进入目标目录
cd logstash-7.17.3# 启动logstash
.\bin\logstash.bat -e "input { stdin { } } output { stdout {} }"

测试结果：
在这里插入图片描述

2.4 Logstash配置文件结构

Logstash的管道配置文件对每一个处理阶段的核心组件，都提供了一个单独的支持不同类型插件的配置，用于处理管道事件。
比如：（包括但不限于，具体大伙可以去看看配置目录，种类非常之多）

  1. input组件的类型插件：
    • stdin：从标准输入读取数据
    • file：从文件读取数据，如常见的日志文件
    • kafka：从Kafka读取数据
    • beats（filebeat）：从filebeat读取数据
    • Socket、HTTP、Websocket：从远端通信管道中获取数据
  2. filter组件的类型插件：
    • grok：通过正则表达式匹配模式来提取和转换数据（本质上是正则表达式，但是多封装了一层，使用起来更方便）
    • date：将日期和时间戳转换为可识别的日期格式
    • mutate：对数据执行各种转换操作，例如更改字段的值、删除字段或添加字段等
    • ruby：在Ruby代码中执行自定义过滤器逻辑
  3. output组件类型的插件：
    • stdout：将数据输出到标准输出
    • file：将数据写入文件
    • elasticsearch：将数据发送到Elasticsearch进行存储或索引
    • kafka：将数据写入Kafka进行存储或传输
    • beats（filebeat）：将数据发送到filebeat进行日志收集
    • Socket、HTTP、Websocket：将数据写入远端节点

一个简单的使用配置logstash-demo.conf如下：

input {stdin { }
}filter {grok {match => { "message" => "%{COMBINEDAPACHELOG}" }}date {match => [ "timestamp" , "dd/MMM/yyyy:HH:mm:ss Z" ]}
}output {elasticsearch { hosts => ["localhost:9200"]}  stdout { codec => rubydebug }
}

如上所示，每个配置部分可以包含一个或多个插件。例如，上面的配置中就指定了多个filter插件，Logstash会按照它们在配置文件中出现的顺序进行处理。
接着，再次启动Logstash，指定我们写的配置文件：

#运行
.\bin\logstash -f logstash-demo.conf

2.5 使用示例

在这里，我们使用来两个简单的使用示例来演示一下Logstash是如何做数据采集的。

示例一：Logstash导入csv数据到ES
1）测试数据集下载：Logstash为我们提供了一些使用示例数据
在这里插入图片描述
上面是一个csv表格，存储的是【电影】相关信息。电影id + 电影名 + 电影类型。注意，【电影类型geners】有多个值，用|分隔开

2）准备logstash-movie.conf配置文件：

  1. 指定了input组件使用的插件类型file，标明文件所在目录
  2. 指定了多个filter处理插件。比如，使用,来分隔不同的字段；使用split操作对电影类型gener做分割
  3. 指定了output组件，将转换后的数据写入到ES中
input {file {path => "/home/es/logstash-7.17.3/dataset/movies.csv"start_position => "beginning"sincedb_path => "/dev/null"}
}
filter {csv {separator => ","columns => ["id","content","genre"]}mutate {split => { "genre" => "|" }remove_field => ["path", "host","@timestamp","message"]}mutate {split => ["content", "("]add_field => { "title" => "%{[content][0]}"}add_field => { "year" => "%{[content][1]}"}}mutate {convert => {"year" => "integer"}strip => ["title"]remove_field => ["path", "host","@timestamp","message","content"]}}
output {elasticsearch {hosts => "http://localhost:9200"index => "movies"document_id => "%{id}"user => "elastic"password => "123456"}stdout {}
}

3）运行Logstash

.\bin\logstash -f logstash-movie.conf

示例二：同步数据库数据到Elasticsearch
需求：将数据库中的数据同步到ES，借助ES的全文搜索，提高搜索速度

  • 需要把新增用户信息同步到Elasticsearch中
  • 用户信息Update后，需要能被更新到Elasticsearch
  • 支持增量更新
  • 用户注销后，不能被ES所搜索到

实现思路：借助JDBC Input Plugin将数据从数据库读到Logstash
实现步骤如下：

1）拷贝jdbc依赖到logstash-7.17.3/drivers目录下
2）准备mysql-demo.conf配置文件

input {jdbc {jdbc_driver_library => "/home/es/logstash-7.17.3/drivers/mysql-connector-java-5.1.49.jar"jdbc_driver_class => "com.mysql.jdbc.Driver"jdbc_connection_string => "jdbc:mysql://localhost:3306/test?useSSL=false"jdbc_user => "root"jdbc_password => "123456"#启用追踪，如果为true，则需要指定tracking_columnuse_column_value => true#指定追踪的字段，tracking_column => "last_updated"#追踪字段的类型，目前只有数字(numeric)和时间类型(timestamp)，默认是数字类型tracking_column_type => "numeric"#记录最后一次运行的结果record_last_run => true#上面运行结果的保存位置last_run_metadata_path => "jdbc-position.txt"statement => "SELECT * FROM user where last_updated >:sql_last_value;"schedule => " * * * * * *"}
}
output {elasticsearch {document_id => "%{id}"document_type => "_doc"index => "users"hosts => ["http://localhost:9200"]user => "elastic"password => "123456"}stdout{codec => rubydebug}
}

3）运行logstash

.\bin\logstash -f mysql-demo.conf

在这里插入图片描述
另外，我们还需要额外在localhost:3306下准备一个数据库test，库中有表user，关键字段：last_updated
在这里插入图片描述

#user表
CREATE TABLE `user` (`id` int NOT NULL AUTO_INCREMENT,`name` varchar(50) DEFAULT NULL,`address` varchar(50) DEFAULT NULL,`last_updated` bigint DEFAULT NULL,`is_deleted` int DEFAULT NULL,PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=utf8mb4 ;#插入数据
INSERT INTO user(name,address,last_updated,is_deleted) VALUES("张三","广州天河",unix_timestamp(NOW()),0);

当我们插入数据后，就会在Logstash的控制台中看到如下数据：
在这里插入图片描述
甚至，当我们更新的时候update user set address="广州白云山",last_updated=unix_timestamp(NOW()) where name="张三";也会看到Logstash的变化
在这里插入图片描述

三、Beats介绍

轻量型数据采集器文档地址
什么是Beats？Beats是数据采集器，是一组轻量级采集程序的统称。包括filebeat、metricbeat、packetbeat和winlogbeat等。它们是轻量级、快速且可靠的日志和指标采集解决方案，用于替代Logstash Forwarder。Beats可以轻松地与Logstash和Elasticsearch进行对接，以便进行集中存储和索引。其中，filebeat是最常用的一个，用于日志采集。

Beats 是一个免费且开放的平台，集合了多种单一用途的数据采集器。它们可以从成百上千或成千上万台机器和系统向 Logstash 或 Elasticsearch 发送数据。
在这里插入图片描述

3.1 FileBeat简介

FileBeat专门用于转发和收集日志数据的轻量级采集工具。它可以作为代理安装在服务器上，FileBeat监视指定路径的日志文件，收集日志数据，并将收集到的日志转发到Elasticsearch或者Logstash。

3.1 FileBeat的工作原理

启动FileBeat时，会启动一个或者多个输入（Input）Processor，这些Input监控指定的日志数据位置。FileBeat会针对每一个文件启动一个Harvester（收割机）。Harvester读取每一个文件的日志，将新的日志发送到libbeat，libbeat将数据收集到一起，并将数据发送给输出（Output）。
在这里插入图片描述

3.3 Logstash vs FileBeat

Logstash跟FileBeat有很多相似的地方，都是做数据采集并处理的，也都有输出组件。它们的联系与区别如下：

  • Logstash是在jvm上运行的，资源消耗比较大；而FileBeat是基于golang编写的，功能较少但资源消耗也比较小，更轻量级

运行位置不同

  • Logstash 和Filebeat都具有日志收集功能，Filebeat更轻量，占用资源更少
  • Logstash 具有Filter功能，能过滤分析日志

Logstash功能更强大

  • 一般结构都是Filebeat采集日志，然后发送到消息队列、Redis、MQ中，然后Logstash去获取，利用Filter功能过滤分析，然后存储到Elasticsearch中

这里是不是有点怪怪的？命名Logstash已经有数据采集攻能了，为什么还要个FileBeat呢？答案只有一个：前者在采集方面更高效！

  • FileBeat和Logstash配合，实现背压机制。当将数据发送到Logstash或 Elasticsearch时，Filebeat使用背压敏感协议，以应对更多的数据量。如果Logstash正在忙于处理数据，则会告诉Filebeat 减慢读取速度。一旦拥堵得到解决，Filebeat就会恢复到原来的步伐并继续传输数据

3.4 Filebeat安装

1）下载并解压Filebeat
Filebeat下载地址
选择版本：7.17.3

2）编辑配置
修改filebeat.yml以设置连接信息：结构上跟Logstash也很相似

output.elasticsearch:hosts: ["192.168.65.174:9200","192.168.65.192:9200","192.168.65.204:9200"]username: "elastic"password: "123456"
setup.kibana:host: "192.168.65.174:5601"

3）启用和配置数据收集模块
从安装目录中，运行：

# 查看可以模块列表
./filebeat modules list#启用nginx模块
./filebeat modules enable nginx
#如果需要更改nginx日志路径,修改modules.d/nginx.yml
- module: nginxaccess:var.paths: ["/var/log/nginx/access.log*"]#启用 Logstash 模块
./filebeat modules enable logstash
#在 modules.d/logstash.yml 文件中修改设置
- module: logstashlog:enabled: truevar.paths: ["/home/es/logstash-7.17.3/logs/*.log"]

4）启动 Filebeat

# setup命令加载Kibana仪表板。 如果仪表板已经设置，则忽略此命令。 
./filebeat setup
# 启动Filebeat
./filebeat -e

四、经典ELK整合实战

案例1：采集tomcat服务器日志，使用FileBeats将日志发送到Logstash

一个简单的，使用FileBeats将日志发送到Logstash的使用案例。网上其实也大把了，我这里简单记录一下，方便我后续实战使用可以随时翻来看。

1）创建配置文件filebeat-logstash.yml，配置FileBeats将数据发送到Logstash

chmod 644 filebeat-logstash.yml	
vim filebeat-logstash.yml

#因为Tomcat的web log日志都是以IP地址开头的，所以我们需要修改下匹配字段。
# 不以ip地址开头的行追加到上一行
filebeat.inputs:
- type: logenabled: truepaths:- /home/es/apache-tomcat-8.5.33/logs/*access*.*multiline.pattern: '^\\d+\\.\\d+\\.\\d+\\.\\d+ 'multiline.negate: truemultiline.match: afteroutput.logstash:enabled: truehosts: ["192.168.65.204:5044"]

2）启动FileBeat，并指定使用指定的配置文件

./filebeat -e -c filebeat-logstash.yml

3）配置Logstash接收FileBeat收集的数据并打印到控制台

vim config/filebeat-console.conf# 配置从FileBeat接收数据input {beats {port => 5044}}output {stdout {codec => rubydebug}}

接着启动Logstash

# reload.automatic：修改配置文件时自动重新加载
bin/logstash -f config/filebeat-console.conf --config.reload.automatic

最后测试访问tomcat，logstash是否接收到了Filebeat传过来的tomcat日志

案例2：改进上面的，Logstash输出数据到Elasticsearch

如果我们需要将数据输出值ES而不是控制台的话，我们修改Logstash的output配置。

vim config/filebeat-elasticSearch.conf
input {beats {port => 5044}
}output {elasticsearch {hosts => ["http://localhost:9200"]user => "elastic"password => "123456"}stdout{codec => rubydebug}
}

再次启动Logstash

bin/logstash -f config/filebeat-elasticSearch.conf --config.reload.automatic

ES中会生成一个以logstash开头的索引，测试日志是否保存到了ES。

案例3：利用Logstash过滤器解析日志

从日志文件中收集到的数据包含了很多有效信息，比如IP、时间等，在Logstash中可以配置过滤器Filter对采集到的数据进行过滤处理，Logstash中有大量的插件可以供我们使用。

查看Logstash已经安装的插件
bin/logstash-plugin list

Grok插件
Grok是一种将非结构化日志解析为结构化的插件。这个工具非常适合用来解析系统日志、Web服务器日志、MySQL或者是任意其他的日志格式。
Grok是通过模式匹配的方式来识别日志中的数据，可以把Grok插件简单理解为升级版本的正则表达式。它拥有更多的模式，默认Logstash拥有120个模式。如果这些模式不满足我们解析日志的需求，我们可以直接使用正则表达式来进行匹配。grok模式的语法是：

%{SYNTAX:SEMANTIC}

SYNTAX（语法）指的是Grok模式名称，SEMANTIC（语义）是给模式匹配到的文本字段名。例如：

%{NUMBER:duration} %{IP:client}
duration表示：匹配一个数字，client表示匹配一个IP地址

默认在Grok中，所有匹配到的的数据类型都是字符串，如果要转换成int类型（目前只支持int和float），可以这样：%{NUMBER:duration:int} %{IP:client}

在这里，我们使用Grok配置Logstash，修改如下：

vim config/filebeat-elasticSearch.conf
input {beats {port => 5044}
}filter {grok {match => { "message" => "%{IP:client} %{WORD:method} %{URIPATHPARAM:request} %{NUMBER:bytes} %{NUMBER:duration}" }}
}output {elasticsearch {hosts => ["http://localhost:9200"]user => "elastic"password => "123456"}stdout{codec => rubydebug}
}

再次启动。经过Grok语法解析后，比如如下Tomcat日志：

192.168.65.103 - - [23/Jun/2022:22:37:23 +0800] "GET /docs/images/docs-stylesheet.css HTTP/1.1" 200 5780

解析后的字段：
在这里插入图片描述
除此以外，我们还可以过滤掉一些不需要的字段，还有将日期格式进行转换，我们可以使用Date插件来实现。经过一些列操作后，上述配置最终定格为：

vim config/filebeat-elasticSearch.conf
input {beats {port => 5044}
}filter {grok {match => { "message" => "%{IP:ip} - - \[%{HTTPDATE:date}\] \"%{WORD:method} %{PATH:uri} %{DATA:protocol}\" %{INT:status:int} %{INT:length:int}" }}mutate {enable_metric => "false"remove_field => ["message", "log", "tags", "input", "agent", "host", "ecs", "@version"]}date {match => ["date","dd/MMM/yyyy:HH:mm:ss Z","yyyy-MM-dd HH:mm:ss"]target => "date"}
}output {elasticsearch {hosts => ["http://localhost:9200"]user => "elastic"password => "123456"}stdout{codec => rubydebug}
}

案例4：输出到Elasticsearch指定索引

index来指定索引名称，默认输出的index名称为：logstash-%{+yyyy.MM.dd}。但注意，要在index中使用时间格式化，filter的输出必须包含 @timestamp字段，否则将无法解析日期。继续修改上述案例的Logstash配置：

vim config/filebeat-filter-es.confinput {beats {port => 5044}
}filter {grok {match => { "message" => "%{IP:ip} - - \[%{HTTPDATE:date}\] \"%{WORD:method} %{PATH:uri} %{DATA:protocol}\" %{INT:status:int} %{INT:length:int}" }}mutate {enable_metric => "false"remove_field => ["message", "log", "tags", "input", "agent", "host", "ecs", "@version"]}date {match => ["date","dd/MMM/yyyy:HH:mm:ss Z","yyyy-MM-dd HH:mm:ss"]target => "date"}
}output {stdout {codec => rubydebug
}
elasticsearch {index => "tomcat_web_log_%{+YYYY-MM}"hosts => ["http://localhost:9200"]user => "elastic"password => "123456"}
}

学习总结

  1. 学习了Logstash、Beats等日志搜集组件
  2. 学习了ELK架构及其简单应用

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/news/136083.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

Python tkinter用iconphoto方法修改窗口标题的图片

Python tkinter用iconphoto方法修改窗口标题的图片

修改Python Tkinter窗口的标题图片，可以使用PhotoImage、iconphoto方法。这个方法允许你设置窗口的图标。 运行结果 代码示例如下： import tkinter as tkroot Tk()# 加载图片，记住一定是要PNG图片 icon tk.PhotoImage(filephoto\\图片.pn…
阅读更多...
python的format函数的用法及实例

python的format函数的用法及实例

目录 1.format函数的语法及用法 （1）语法：{}.format() （2）用法：用于格式化字符串。可以接受无限个参数，可以指定顺序。返回结果为字符串。 2.实例 （1）不设置位置&…
阅读更多...
ChatGPT - 在ChatGPT中设置通用提示模板

ChatGPT - 在ChatGPT中设置通用提示模板

文章目录 Prompt设置验证 Prompt VERBOSITY: 我可能会使用 V[0-3] 来定义代码的详细程度：V0 简洁明了 V1 简练 V2 详细 V3 非常详细，附有例子助理回应 您是用户问题背景下的主题专家。我们一步一步来：除非您只是回答一个简短的问题&#xff…
阅读更多...
探索环保葡萄酒之生物动力

探索环保葡萄酒之生物动力

根据生物动力农业和园艺协会的说法，生物动力农业是“一种精神-伦理-生态的农业、园艺、食品生产和营养方法。”生物动力农民将他们的农场或葡萄园视为一个坚固的有机体，一个自我维持的生态系统。这些农业哲学和实践在整个农业周期中应用了一种整体方法。…
阅读更多...
计算机毕业设计基于springboot+java+vue的健身房课程预约信息网站

计算机毕业设计基于springboot+java+vue的健身房课程预约信息网站

运行环境 开发语言：Java 框架：springboot JDK版本：JDK1.8 服务器：tomcat7 数据库：mysql 数据库工具：Navicat11 开发软件：eclipse/myeclipse/idea Maven包：Maven 项目介绍 本健身网…
阅读更多...
C/C++轻量级并发TCP服务器框架Zinx-游戏服务器开发005：守护进程与进程监控

C/C++轻量级并发TCP服务器框架Zinx-游戏服务器开发005：守护进程与进程监控

文章目录 1 守护进程1.1 进程组和会话1.2 会话的相关概念1.3 守护进程的概念1.4 守护线程的特点1.5 守护进程创建的基本步骤1.6 本项目守护进程的实现 2 进程监控2.1 进程监控的实现 1 守护进程 1.1 进程组和会话 进程除了有进程的PID之外还有一个进程组，进程组是…
阅读更多...
AD9371 Crossbar

AD9371 Crossbar

AD9371 系列快速入口 AD9371ZCU102 移植到 ZCU106 ： AD9371 官方例程构建及单音信号收发 ad9371_tx_jesd -->util_ad9371_xcvr接口映射： AD9371 官方例程之 tx_jesd 与 xcvr接口映射 AD9371 官方例程 时钟间的关系与生成 ： AD9371 官方…
阅读更多...
Ubuntu18.04安装pcl-1.12.1，make时报错：/usr/bin/ld: cannot find -lvtkIOMPIImage

Ubuntu18.04安装pcl-1.12.1，make时报错：/usr/bin/ld: cannot find -lvtkIOMPIImage

解决方案： 在vtk安装包中，重新打开cmake-gui，然后勾选上VTK_Group_MPI和VTK_Group_Imaging。 cd VTK-8.2.0 cd build cmake-gui然后重新编译生成。 make -j8 # 或者j4,量力而行。 sudo make install 就可以解决了。 然后重新回到pcl安装…
阅读更多...
web3 从redux中拿出所有已完成订单 并渲染到对应的Table列表中

web3 从redux中拿出所有已完成订单 并渲染到对应的Table列表中

上文web3 React dapp项目通过事件从区块链中拿到 已取消 已完成 和所有的订单数据 并存入redux中 中 我们已经从 区块中拿到了自己的订单 然后 我们恢复一下上文的环境 ganache ganache -d然后 登一下 MetaMask 然后 用我们的项目 发布一下合约 truffle migrate --reset然后…
阅读更多...
Win10 180天后怎么才能继续体验，自动保持续期，无需手动JH

Win10 180天后怎么才能继续体验，自动保持续期，无需手动JH

环境： Win10 专业版 自制小程序 问题描述： Win10 180天后怎么才能继续体验，自动保持续期，无需手动JH 解决方案： 在执行本程序前需要以管理员身份运行！关闭杀毒软件，否则会失败，本方案只能在个人电脑测试体验， 只能用于学习测试体验 ，勿用与商业行为 1.先完全JH…
阅读更多...
配置资源管理

配置资源管理

Secret Secret 是用来保存密码、token、密钥等敏感数据的 k8s 资源，这类数据虽然也可以存放在 Pod 或者镜像中，但是放在 Secret 中是为了更方便的控制如何使用数据，并减少暴露的风险。 三种类型： kubernetes.io/service-accoun…
阅读更多...
2023.10月考试战报|华为认证HCIP考试100%通过

2023.10月考试战报|华为认证HCIP考试100%通过

相关文章： 考试战报|2023.7月-8月思科认证、华为认证-CSDN博客 2023.4月及5月最新HCIP 考试战报来袭_厦门微思网络的博客-CSDN博客 HCIP 3-4月考试战报_厦门微思网络的博客-CSDN博客 2023年HCIP/CCNP考试战报_厦门微思网络的博客-CSDN博客 2023年10月&#xff0…
阅读更多...
卸载QQ后聊天记录怎么恢复？这3个有效方法送给大家！

卸载QQ后聊天记录怎么恢复？这3个有效方法送给大家！

近年来，微信崛起，已经逐渐占据了人们的日常生活，成为大家不可或缺的东西。这也导致了如今使用QQ的用户变得越来越少。如果用户使用QQ的频率比较低，那么他们可能会选择卸载QQ以此来节省手机空间。 一旦将QQ卸载，这意味…
阅读更多...
集合贴3——智能客服系统

集合贴3——智能客服系统

基础课17——智能客服系统-CSDN博客文章浏览阅读56次。近年来，实体客服机器人开始出现在银行办公厅、电信商务厅等场合，形成了网络智能客服、电话智能客服、实体客服机器人综合智能客服系统，这初步形成了一种新的产业形式。https://blog.csdn…
阅读更多...
强化您的应用安全，从app加固开始

强化您的应用安全，从app加固开始

强化您的应用安全，从app加固开始 目录 强化您的应用安全，从app加固开始 摘要 引言 1. 加密和数据保护 2. 代码混淆 3. 防止反编译 4. 安全测试 5. 更新和补丁 6. 权限控制 7. 输入验证和输出过滤 8. 日志记录和监控 9. 安全设计和架构 10.…
阅读更多...
Python 函数定义详解（More on Defining Functions）- 默认参数/位置参数/关键字参数

Python 函数定义详解（More on Defining Functions）- 默认参数/位置参数/关键字参数

1.函数的定义和调用方法 1.1函数定义方法 """def 关键字用来定义一个函数。function_name 是函数名，应遵循命名规范。parameter1, parameter2, ... 是函数的参数列表，可以是任意数量和类型的参数。函数体是用缩进（通常为4个…
阅读更多...
Cesium 相机设置

Cesium 相机设置

1.setView 直接跳转到目的地 // 设置相机位置 const position Cesium.Cartesian3.fromDegrees(113, 31, 20000); // setView通过定义相机目的地（方向）,直接跳转到目的地 viewer.camera.setView({ destination: position, // 位置设置 orientation: { //…
阅读更多...
基于SSM的二手车交易网站的设计与实现

基于SSM的二手车交易网站的设计与实现

末尾获取源码 开发语言：Java Java开发工具：JDK1.8 后端框架：SSM 前端：Vue 数据库：MySQL5.7和Navicat管理工具结合 服务器：Tomcat8.5 开发软件：IDEA / Eclipse 是否Maven项目：是 目录…
阅读更多...
代码随想录day2

代码随想录day2

目录 vscode 自定义代码模板Reference vscode 自定义代码模板 select User snippets from Settings on the bottom left corner. select a certain language for example: cpp create your own snippets 格式如下，防着写 第一行"cpp template",模板…
阅读更多...
Git 入门使用 —— 建库、代码上下传、常用命令

Git 入门使用 —— 建库、代码上下传、常用命令

目录 一、Git 入门 1.1 Git简介 1.2 Git安装 1.3 创建码云仓库 二、Git 使用 2.1 git初始化操作 2.2 代码上传 2.3 代码下载 2.4 代码更新 2.4.1 仓库管理者 2.4.1 仓库使用者 三、Git 常用命令 一、Git 入门 1.1 Git简介 Git是一个开源的分布式版本控制系统&am…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023