R语言——taxize（第一部分）

ropensci 系列之 taxize （中译手册）

  • taxize 包
    • 1. taxize支持的网络数据源
      • 简介
      • 目前支持的API：
      • 针对Catalogue of Life（COL）
    • 2. 浅尝 taxize 的一些使用例子
      • 2.1. **从NCBI上获取唯一的分类标识符**
      • 2.2. **获取分类信息**
      • 2.3. 获得类群的直系子类群
      • 2.4. 向下检索子类群直至某个阶元
      • 2.5. 向上检索类群直至某个阶元
      • 2.6. 检索同物异名
      • 2.7. 从多个数据源获得分类标识符
      • 2.8. 根据科学名检索俗名
      • 2.9. 根据俗名检索科学名
      • 2.10. 检索多个类群的最近共有父类群
      • 2.11. 强制转换
    • 3. taxize 文档中译
      • 3.1. apg（检索APG系统中的名称）
      • 3.2. apg_families（MOBOT的科名，现成的数据）
      • 3.3. apg_orders（MOBOT的目名）
      • 3.4. apg_lookup（在APGⅢ的类群名称查找并替换名称）
      • 3.5. bold_downstream（在BOLD的阶元结构中向下检索所有类群名称）
      • 3.6. bold_search（根据分类标识符查找生命条形码）
      • 3.7. children（根据给定的类群名称或ID检索直接子类群）
      • 3.8. class2tree（将分类信息列表转换为树状）

taxize 包

  • 标题：来自网络的分类信息
  • 说明：与一系列网络 APIs进行交互，完成例如获取数据库特定的分类标识符，验证物种名称，获取分类层次结构，获取下游和上游分类名称，获取分类同义词，将科学名称转换为常用名称，反之亦然，等等。

1. taxize支持的网络数据源

来自网络的分类信息。

简介

	+ 允许用户在许多网站上搜索物种名称（科学的和常见的），下载上下游的分类等级信息，以及许多其他东西。+ 包中特定API的函数有一个由下划线分隔的前缀和后缀。它们遵循service_whatitdoes的格式。例如，gnr_resolve使用Global Names Resolver的API来解析物种名称。+ 包中不涉及特定API的通用函数没有下划线分隔的两个单词，例如classification。+ 某些数据源需要API密钥。有关更多信息，请参阅taxize -authentication。

目前支持的API：

中译名API前缀SOAP?
网络生命大百科Encyclopedia of Life（EOL）eolFALSE
综合分类信息服务Integrated Taxonomic Information Service（ITIS）itisFALSE
全球名称解析器Global Names Resolver（from EOL/GBIF）gnrFALSE
全球名称名录Global Names Index（from EOL/GBIF）gniFALSE
国际自然保护联盟濒危物种红色名录IUCN Red ListiucnFLASE
Tropicos数据库Tropicos（from Missouri Botanical Garden）tpFALSE
植物名录Theplantlist.orgtplFLASE
国家生物技术信息中心National Center for Biotechnology InformationncbiFALSE
加拿大维管植物数据库CANADENSYS Vascan name search APIvascanFALSE
国际植物名称名录International Plant Names Index（IFNI）ipniFALSE
世界海洋物种名录World Register of Marine Species（WoRMS）wormsTRUE
生命条形码数据库Barcode of Life Data Systems（BOLD）boldFALSE
泛欧物种名录基础Pan-European Species directories Infrastructure（PESI）pesiTRUE
真菌数据库MycobankmycoTRUE
生物多样性网络National Biodiversity Network（UK）nbnFALSE
全球真菌名录Index FungorumfgFALSE
欧洲多样性观察网EU BONeubonFALSE
世界名称名录Index of Names（ION）ionFALSE
生命之树Open Tree of Life（TOL）tolFALSE
北美自然保护区NatureServenatservFALSE

如果上面的源在SOAP?列中显示TRUE ，则该资源在此包中不可用。它们可以从另一个名为 taxizesoap 的软件包中获得。请参阅GitHub repo了解如何安装https://github.com/ropensci/taxizesoap

针对Catalogue of Life（COL）

COL最近在2019年引入了速率限制-这使得API基本上无法使用——COL +即将推出，当它稳定时我们将在这里合并它。参见https://github.com/ropensci/colpluz获取CoL+的R实现。

2. 浅尝 taxize 的一些使用例子

目前尚未找到完备的关于taxize的用户手册，暂且以https://www.rdocumentation.org/packages/taxize/versions/0.9.4中的内容为引，先体验一下taxize。

大部分“taxize”都围绕分类标识符展开。众所周知，分类名称是很混乱的，比如拼写错误，同物异名等等。先获取能让数据源识别的标识符（ID），然后才能继续获取其他分类信息。

网页给出了下面的例子：

2.1. 从NCBI上获取唯一的分类标识符

uids <- get_uid(c("Chironomus riparius", "Chaetopteryx"))

以及运行后在控制台的输出，可以看到输出结果还是非常详细的，包括请求数量、请求内容、请求结果以及汇总报告。

No ENTREZ API key providedGet one via taxize::use_entrez()
See https://ncbiinsights.ncbi.nlm.nih.gov/2017/11/02/new-api-keys-for-the-e-utilities/
══  2 queries  ═══════════════Retrieving data for taxon 'Chironomus riparius'✔  Found:  Chironomus+ripariusRetrieving data for taxon 'Chaetopteryx'✔  Found:  Chaetopteryx
══  Results  ═════════════════• Total: 2 
• Found: 2 
• Not Found: 0

而且，返回的结果也不单单是标识符。尝试输出uids后，可以看到该变量里保存的信息非常有用且简洁。

以下是输入：

uids

以下是输出：

[1] "315576" "492549"
attr(,"class")
[1] "uid"
attr(,"match")
[1] "found" "found"
attr(,"multiple_matches")
[1] FALSE FALSE
attr(,"pattern_match")
[1] FALSE FALSE
attr(,"uri")
[1] "https://www.ncbi.nlm.nih.gov/taxonomy/315576"
[2] "https://www.ncbi.nlm.nih.gov/taxonomy/492549"

通过查看get_uid()的帮助页面，可以了解到其他属性的含义。match表示查找结果如何，mutiple_matches表示是否查找到多项匹配结果，pattern_match表示当存在多项匹配时，是否生成了最佳匹配结果，uri表示在此链接有关于当前类群更多的信息。

2.2. 获取分类信息

什么是分类信息？比如说现在有一个物种，然后分类信息就是从种级向上的所有分类等级，包括属、科、目、纲、界。

通过第一步获得的标识符查看它们的分类信息：

out <- classification(uids)

结果是数据框列表
在这里插入图片描述
细心一点可以发现，这两个类群的分类阶元至少有27层，这是因为除了界门纲目科属种外，许多中间阶元，例如亚属、亚科、超科、超目等都会包含在分类信息中。

在分别查看这两个数据框时，注意标识符要用字符。分类阶元从上到下逐级减小，直至我们输入的标识符对应的类群。
在这里插入图片描述

2.3. 获得类群的直系子类群

这个方法并不需要提前获取类群的标识符，也不需要声明类群的分类阶元。

让我们先尝试一下获取属级类群的直系子类群，也就是属下的所有物种，以Salmo为例。

ic <- children("salmo", db ="ncbi")

在这里插入图片描述
注意直系子类群有很强的限制性，一般来说，标准的分类阶元是界门纲目科属种，但是正如前文获取分类信息时一样，实际上还会包含超目、亚科等阶元。所以在使用时要返回的结果可能与期望大相径庭，如果要查看某个科中的属级类群有哪些？

ber <- children("berberidaceae", db="ncbi")

实际上，返回的都是亚科类群。
在这里插入图片描述

2.4. 向下检索子类群直至某个阶元

从字面上看，此方法可以实现多层阶元检索子类群。我们先过一下给出的例子：获得Apis的所有物种。

api <- downstream(as.tsn(154395), db = 'itis', downto = 'species', verbose = FALSE)

在这里插入图片描述
再多尝试一次，依旧以berberidaceae为例，查找该科下的所有属。

ber <- downstream("berberidaceae", db="itis", downto="genus", verbose=FALSE)

══  1 queries  ═══════════════Retrieving data for taxon 'berberidaceae'✔  Found:  berberidaceae
══  Results  ═════════════════• Total: 1 
• Found: 1 
• Not Found: 0

返回的结果中包含了所有berberidaceae的属，只不过没有中间阶元，比如亚科。
在这里插入图片描述

2.5. 向上检索类群直至某个阶元

从物种Pinus contorta向上检索至属级阶元，具体效果如何见下：

pi <- upstream("Pinus contorta", db = 'itis', upto = 'Genus', verbose=FALSE)

在这里插入图片描述
实际上可以这样理解，该方法从目标物种向上级检索到直接父类群，再找到此父类群的所有姊妹类群（同阶元类群）。

2.6. 检索同物异名

这个就很好理解了，直接看看例子：

ace <- synonyms("Acer drummondii", db="itis")

*在

══  1 queries  ═══════════════Retrieving data for taxon 'Acer drummondii'✔  Found:  Acer drummondii
══  Results  ═════════════════• Total: 1 
• Found: 1 
• Not Found: 0
Accepted name(s) is/are 'Acer rubrum var. drummondii'
Using tsn(s) 526853

在这里插入图片描述

2.7. 从多个数据源获得分类标识符

本例子非常清晰明了，当然我们在这里不会详细介绍使用的方法的参数。

sal <- get_ids(sci_com ="Salvelinus fontinalis", db = c('itis', 'ncbi'), verbose=FALSE)

══  db: itis ═════════════════
══  1 queries  ═══════════════Retrieving data for taxon 'Salvelinus fontinalis'✔  Found:  Salvelinus fontinalis
══  Results  ═════════════════• Total: 1 
• Found: 1 
• Not Found: 0
══  db: ncbi ═════════════════
No ENTREZ API key providedGet one via taxize::use_entrez()
See https://ncbiinsights.ncbi.nlm.nih.gov/2017/11/02/new-api-keys-for-the-e-utilities/
══  1 queries  ═══════════════Retrieving data for taxon 'Salvelinus fontinalis'✔  Found:  Salvelinus+fontinalis
══  Results  ═════════════════• Total: 1 
• Found: 1 
• Not Found: 0

在这里插入图片描述

2.8. 根据科学名检索俗名

ha <- sci2comm('Helianthus annuus', db = 'itis')

[1] "common sunflower" "sunflower"        "wild sunflower"   "annual sunflower"

2.9. 根据俗名检索科学名

bb <- comm2sci("black bear", db = "itis")

[1] "Ursus americanus luteolus"   "Ursus americanus"            "Ursus americanus"           
[4] "Ursus americanus americanus" "Chiropotes satanas"          "Ursus thibetanus"           
[7] "Ursus thibetanus"

2.10. 检索多个类群的最近共有父类群

lc <- lowest_common(c("Sus scrofa", "Homo sapiens", "Nycticebus coucang"), db = "ncbi")

在这里插入图片描述
也许你注意到了行号是21，这可能意味着lowest_common方法是先找到所有类群的所有分类信息，即classification，然后交叉比较后抽取了某行分类信息。

2.11. 强制转换

  1. 从数值型至uid类型：as.uid(315567)
  2. 从列表型至uid类型：as.uid(list(“315567”，“3339”))
  3. 从uid类型至数据框类型：data.frame(as.uid(c(315567, 3339)))

3. taxize 文档中译

资源https://cran.r-project.org/web/packages/taxize/taxize.pdf

介绍函数方法时，并不严格遵循文档的顺序。

3.1. apg（检索APG系统中的名称）

描述：被子植物分类系统，又称APGⅢ，中的类群名称和替代名。
用法：apgOrders(…)，apgFamilies(…)
参数：…（传递给crul::verb-GET)
参考：http://www.mobot.org/MOBOT/research/APweb/
示例：结果参考 3.2. apg_families 和 3.3. apg_orders。

3.2. apg_families（MOBOT的科名，现成的数据）

描述：APGⅢ中的科名和替代名。
格式：该数据框有1705行，6列。
在这里插入图片描述
family：科名。
synonym：如果accepted列为FALSE，此项就是接受名；如果accepted列为TRUE，此项为NA。
order：目名。
accepted：逻辑值，取决于family列的名称是否被接受。
original：APG网站的原始数据。当此项存在时，family列的名称将会映射到此项。
accepted_name：接受名。整合family和synonym列后的结果。

说明：本数据集是在2020-06-03借助 apgFamilies() 生成的。

3.3. apg_orders（MOBOT的目名）

描述：APGⅢ中的科名和替代名。
格式：该数据框有576行，5列。
在这里插入图片描述
order：目名。
synonym：如果accepted列为FALSE，此项就是接受名；如果accepted列为TRUE，此项为NA，那 么order列为接受名。
accepted：逻辑值，取决于order列是否为接受名。
original：APG网站的原始数据。当此项存在时，order列的名称将会映射到此项。
accepted_name：接受名。整合order和synonym列后的结果。

说明：本数据集是在2020-06-03借助 apgOrders() 生成的。

3.4. apg_lookup（在APGⅢ的类群名称查找并替换名称）

描述：在APGⅢ的类群名称查找并替换名称。
用法：apg_lookup(taxa, rank=“family”)。
参数：

  • taxa：（字符型）在APGⅢ中查找该分类名称的替换名。
  • rank：（字符型）分类阶元，接受值为family或order。

说明：本方法在内部调用的是 apg_families 和 apg_orders 这两个数据集。
返回值：APGⅢ中的科名或目名，如果参数taxa的名称与APG中的相同，返回原始名称，否则返回NA。

示例：

  • 发现新名称

    apg_lookup(taxa = "Hyacinthaceae", rank = "family")

    new name...
[1] "Asparagaceae"

  • 相同名称

    apg_lookup(taxa = "Poaceae", rank = "family")

    name is the same...
[1] "Poaceae"

  • 检索失败

    apg_lookup(taxa = "Foobar", rank = "family")

    no match found...
[1] NA

3.5. bold_downstream（在BOLD的阶元结构中向下检索所有类群名称）

用法：bold_downstream(id, downto, intermediate = FALSE, …)
参数：

  • id：（整数值）单个或多个BOLD的分类标识符。
  • downto：（字符值）期望向下到达的分类阶元。分类阶元区分大小写！，详见data(rank_ref）。
  • intermediate：（逻辑值）TRUE时，返回包含期望阶元的类群名称和一个包含中间阶元类群数据框的列表的列表。默认为FALSE。
  • …：传递给crul::verb-GET。

说明：此方法需要爬取BOLD网站，故而不太稳定。
返回值：当intermediate为FALSE时，返回的是储存期望阶元的分类信息的数据框；而当intermediate为TRUE时，则返回一个列表，列表长度为2，包括期望阶元的类群名称和中间阶元的名称。

示例：

  • intermediate = FALSE，即默认

    bold_downstream(id = 3451, downto = "species")

                     name     id    rank
1 Gadus chalcogrammus 360473 species
2 Gadus macrocephalus  19837 species
3        Gadus morhua  26136 species
4          Gadus ogac 747382 species
5           Gadus sp. 674263 species
6  Gadus sp. OPC-2017 794750 species

  • intermediate = TRUE

    i <- bold_downstream(id = 443, downto = "genus", intermediate = TRUE)

    在这里插入图片描述

3.6. bold_search（根据分类标识符查找生命条形码）

用法：bold_search(sci = NULL, id =NULL, fuzzy = FALSE, dataTypes = “basic”, includeTree = FALSE, response = FALSE, name = NULL, …)
参数：

  • sci：（字符型）单个或多个科学名。
  • id：（整数型）单个或多个BOLD分类标识符。
  • fuzzy：（逻辑值）决定是否采用模糊检索，默认FALSE。只有使用了sci参数时才有用。
  • dataTypes：（字符型）决定返回的数据类型，详见说明。当使用了sci参数时会忽略此参数，当使用id参数时才有用。
  • includeTree：（逻辑值）默认FALSE，如果为TRUE，返回一个包含父类群和期望类群的信息的列表，只有使用了id参数才有用。
  • response：（逻辑值）此参数是返回的curl响应，对于调试很有用，也能获得API响应的详细信息。
  • name：已弃用！，请使用sci。
  • …：传递给crul::verb-GET。

说明：必须向此方法传递sci或id参数之一，其余参数都是可选的。dataTypes参数的接受值：

接受值返回说明
all所有数据
basic基本的类群信息
images标本图片。包含版权信息，图片链接，图片元数据
stats标本和测序统计。包括公开物种数，公开BIN数，公开标记物数，公开记录数，标本数，测序物种数，条形码标本数，物种数，条形码物种数
geo采集点信息。包括国家和采集点地图
sequencinglabs测序实验室。包括实验室名称和记录数
depository标本仓库。包括仓库名和记录数
thirdparty第三方信息。包括维基百科总结，维基百科链接和GBIF地图

返回值：一个由数据框组成的列表。
参考：http://www.boldsystems.org/index.php/resources/api
示例：

  • 简单的例子

    bold_search(sci="Apis")

      input taxid taxon tax_rank tax_division parentid parentname taxonrep specimenrecords     		representitive_image.image representitive_image.apectratio
1  Apis  1937  Apis    genus     Animalia   878935      Apini     Apis            5222 BOFTH/B3260-B09+1247093258.jpg                           1.362

  • 模糊查找

    a <- bold_search(sci="achl", fuzzy = TRUE)

    在这里插入图片描述

  • 当使用id，同时可以使用dataTypes和includeTree

    bold_search(id=88899, dataTypes = "basic", includeTree = TRUE)

      input taxid         taxon tax_rank tax_division parentid    parentname taxonrep
1 88899    18      Chordata   phylum     Animalia        1          <NA> Chordata
2 88899    51          Aves    class     Animalia       18      Chordata     Aves
3 88899   339 Coraciiformes    order     Animalia       51          Aves     <NA>
4 88899 88898     Momotidae   family     Animalia      339 Coraciiformes     <NA>
5 88899 88899       Momotus    genus     Animalia    88898     Momotidae     <NA>

3.7. children（根据给定的类群名称或ID检索直接子类群）

描述：本方法区别于 downstream() 的点在于，children()只搜集直接子类群，而downstream()是搜集期望子阶元的分类名称。

用法：

## Default S3 method:
children(...)## S3 method for class 'tsn':
children(sci_id, db=NULL, rows=NA, x=NULL, ...)## S3 method for class 'wormsid':
children(sci_id, db=NULL, ...)## S3 method for class 'ids':
children(sci_id, db=NULL, ...)## S3 method for class 'uid':
children(sci_id, db=NULL, ...)## S3 method for class 'boldid':
children(sci_id, db=NULL, ...)

参数：

  • …：其他额外传递给ritis::hierarchy_down()，ncbi_children()，worrms::wm_children()，bold_children()的参数。
  • sci_id：类群名称（字符型）或ID（字符型或数值型）向量。
  • db：（字符型）用于检索的数据源。接受值是itis，ncbi，worms或bold之一。每个数据源都有自己特有的一套标识符，不属于指定数据源的标识符也有可能返回检索结果，只不过是错误的。
  • rows：（数值型）从1至无穷大的整数值。当为NA（默认），所有行都有效。注意，如果传入任何可接受类的分类id: tsn，则忽略此参数。NCBI有这个函数的方法，但是rows参数不起作用。
  • x：已弃用，见 sci_id。

返回值：一个带命名的数据框，储存每个输入类群的所有子类群名称。如果在数据源中没有匹配项，则返回NA。

ncbi：当数据源是 ncbi 时，默认ambigous = TRUE，表示像“unclassified”、“unknown”、“uncultured”和“sp.”的子类群都不会舍弃。

bold：数据源bold存在连接不稳定的情况。

示例：

  • 输入ID

    children(161994, db = "itis")

    在这里插入图片描述

  • 输入名称

    children("Salmo", db = 'itis')

    在这里插入图片描述

  • 使用两个数据源

    t <- children(get_ids("Apis", db = c('ncbi','itis')))

    在这里插入图片描述

3.8. class2tree（将分类信息列表转换为树状）

描述：将多个独立物种的阶元层级列表以分类阶元矩阵的形式塞入一个物种内，然后仅根据分类计算距离矩阵，随后输出phylo或dist对象。

用法：

class2tree(input, varstep=TRUE, check=TRUE, ...)## S3 method for class 'classtree'
plot(x, ...)## S3 method for class 'classtree'
print(x, ...)

参数：

  • input：classification()返回的数据框列表。
  • varstep：根据不同类别数量的比例损失，改变连续阶元之间的步长。
  • check：为TRUE时，删除所有行不同或行不变的冗余阶元，并将每行视为不同的基础分类类群（物种）。如果为FALSE，所有阶元都被保留，并且基础分类类群（物种）也必须编码为变量（列）。
  • …：传递给hclust的参数。
  • x：class2tree()返回的结果，用于输出或绘图。

说明：详见vegan::taxa2dist()。生成分类树不仅依赖分类阶元的聚类，还会使用实际的类群枝。本方法的流程如下：首先，从输入中搜集每个类群的可用分类阶元和对应的ID；然后整合所有类群的阶元向量，生成一个矩阵，矩阵的列是所有类群的有序分类阶元，行是这些类群的阶元向量；随后这个阶元矩阵转换为分类ID矩阵，缺失的阶元会由原阶元名称生成的伪ID代替；最后，ID矩阵用于将具有相似分类阶元层级的类群聚类。

返回值：一个带槽位的classtree对象。当直接输出返回值时，只会显示phylo部分，其余三部分可以通过output$classification查看。

  • phylo：结果。
  • classification：分类信息数据框，类群为行，分类信息阶元为列。
  • distmat：距离矩阵。
  • names：系统发育端点的名称。

示例：

spnames <- c('Quercus robur', 'Iris oratoria', 'Arachis paraguariensis',
'Helianthus annuus','Madia elegans','Lupinus albicaulis',
'Pinus lambertiana')out <- classification(spnames, db='itis')tr <- class2tree(out)

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/news/142346.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

网络安全基础之php开发文件上传的实现

网络安全基础之php开发文件上传的实现

前言 php是网络安全学习里必不可少的一环&#xff0c;简单理解php的开发环节能更好的帮助我们去学习php以及其他语言的web漏洞原理 正文 在正常的开发中&#xff0c;文件的功能是必不可少&#xff0c;比如我们在论坛的头像想更改时就涉及到文件的上传等等文件功能。但也会出…
阅读更多...
基于SpringBoot+Vue的宿舍管理系统

基于SpringBoot+Vue的宿舍管理系统

基于SpringBootVue的学生宿舍管理系统的设计与实现~ 开发语言&#xff1a;Java数据库&#xff1a;MySQL技术&#xff1a;SpringBootMyBatisVue工具&#xff1a;IDEA/Ecilpse、Navicat、Maven 系统展示 主页 宿舍公告 登录界面 管理员界面 维修人员 商家界面 学生界面 摘要 摘…
阅读更多...
Azure 机器学习：在 Azure 机器学习中使用 Azure OpenAI 模型

Azure 机器学习：在 Azure 机器学习中使用 Azure OpenAI 模型

目录 一、环境准备二、Azure 机器学习中的 OpenAI 模型是什么&#xff1f;三、在机器学习中访问 Azure OpenAI 模型连接到 Azure OpenAI部署 Azure OpenAI 模型 四、使用自己的训练数据微调 Azure OpenAI 模型使用工作室微调微调设置训练数据自定义微调参数部署微调的模型 使用…
阅读更多...
Python---集合中的交集 、并集 | 与差集 - 特性

Python---集合中的交集 、并集 | 与差集 - 特性

用 & 来求两个集合的交集&#xff1a;-----键盘上的7上的符号&#xff0c;shift 7 同时按 用 | 来求两个集合的并集&#xff1a; -----键盘上的7上的符号&#xff0c;shift 同时按&#xff08;就是enter键上面那个|\ &#xff09; 用 - 来求两个集合的差集&#xff…
阅读更多...
抖斗音_快块手直播间获客助手+采集脚本+引流软件功能介绍

抖斗音_快块手直播间获客助手+采集脚本+引流软件功能介绍

软件功能&#xff1a; 支持同时采集多个直播间&#xff0c;弹幕&#xff0c;关*注&#xff0c;礼*物&#xff0c;进直播间&#xff0c;部分用户手*号,粉*丝团采集 不支持采集匿*名直播间 设备需求&#xff1a; 电脑&#xff08;win10系统&#xff09; 文章分享者&#xff1…
阅读更多...
Kerberos认证系统

Kerberos认证系统

文章目录 前提知识原理第一次对话第二次对话第三次对话 总结发现 前提知识 KDC&#xff1a;由AS、TGS&#xff0c;还有一个Kerberos Database组成。 Kerberos Database用来存储用户的密码或者其他所有信息&#xff0c;请求的时候需要到数据库中查找。 AS&#xff1a;为客户端提…
阅读更多...
Python爬虫抓取微博数据及热度预测

Python爬虫抓取微博数据及热度预测

首先我们需要安装 requests 和 BeautifulSoup 库&#xff0c;可以使用以下命令进行安装&#xff1a; pip install requests pip install beautifulsoup4然后&#xff0c;我们需要导入 requests 和 BeautifulSoup 库&#xff1a; import requests from bs4 import BeautifulSou…
阅读更多...
No203.精选前端面试题，享受每天的挑战和学习

No203.精选前端面试题，享受每天的挑战和学习

🤍 前端开发工程师（主业）、技术博主（副业）、已过CET6 🍨 阿珊和她的猫_CSDN个人主页 🕠 牛客高级专题作者、在牛客打造高质量专栏《前端面试必备》 🍚 蓝桥云课签约作者、已在蓝桥云课上架的前后端实战课程《Vue.js 和 Egg.js 开发企业级健康管理项目》、《带你从入…
阅读更多...
小H靶场学习笔记：DC-2

小H靶场学习笔记：DC-2

DC-2 Created: November 10, 2023 3:01 PM Tags: WordPress, git提权, rbash逃逸 Owner: 只会摸鱼 靶场过程 信息收集 扫描存活主机&#xff0c;找到靶机ip&#xff1a;192.168.199.131&#xff08;本机是192.168.199.129&#xff09; 扫描端口开放协议 发现有80端口和77…
阅读更多...
2023nacos源码解读第3集——nacos-client核心功能之微服务调用和配置管理测试

2023nacos源码解读第3集——nacos-client核心功能之微服务调用和配置管理测试

文章目录 1、测试项目2、项目注意事项3、 测试核心功能3.1 测试服务调用与负载均衡3.2 测试配置监听 4、参考文档 1、测试项目 项目地址 nacos-service-a nacos-service-b 2、项目注意事项 项目初始化可以使用aliyun spring initializer ,以更方便的使用springcloud alibaba…
阅读更多...
hive里因为列名用了关键字导致建表失败

hive里因为列名用了关键字导致建表失败

代码 现象 ParseException line 6:4 cannot recognize input near percent String COMMENT in column name or primary key or foreign key 23/11/13 11:52:57 ERROR org.apache.hadoop.hive.ql.Driver: FAILED: ParseException line 6:4 cannot recognize input near percent …
阅读更多...
雷达测角原理、测角精度、测角分辨率以及3DFFT角度估计算法汇总

雷达测角原理、测角精度、测角分辨率以及3DFFT角度估计算法汇总

1.角度测量方法 依据&#xff1a;电磁波的直线传播和雷达天线的方向性。 分类&#xff1a;振幅法测角、相位法测角 1.1 相位法测角 相位法测角利用多个天线所接收回波信号之间的相位差进行测角。如下图所示&#xff1b; 图 1 设在θ方向有一远区目标&#xff0c;则到达接收点…
阅读更多...
一个破单机，也要用远程缓存？

一个破单机，也要用远程缓存？

大家好&#xff0c;豆小匠终于开始Coding了&#xff0c;这期来聊聊实战相关的杂谈。 正文开始&#xff01; 作为编程萌新的时候&#xff0c;总想着把程序做复杂&#xff0c;堆技术栈。 但是程序是为场景服务的&#xff0c;比如&#xff0c;我想提高接口的响应速度&#xff0c…
阅读更多...
Linux应用层点亮硬件的LED灯

Linux应用层点亮硬件的LED灯

一 应用层操作硬件的两种方法 应用层想要对底层硬件进行操控&#xff0c;通常可以通过两种方式&#xff1a; /dev/目录下的设备文件&#xff08;设备节点&#xff09;&#xff1b;/sys/目录下设备的属性文件。 具体使用哪种方式需要根据不同功能类型设备进行选择&#xff0c;通…
阅读更多...
vscode设置vue3代码格式化

vscode设置vue3代码格式化

vscode设置vue3代码格式化 vscode设置vue3代码格式化 下载插件设置格式化时选用的插件实际使用 使用Prettier默认配置使用Prettier添加自定义配置使用Volar 完整配置文件参考链接 下载插件 可以使用Volar或Prettier 设置格式化时选用的插件 mac&#xff1a;【shift】【op…
阅读更多...
【C++】类与对象 I

【C++】类与对象 I

类与对象 I &#xff1a; 前言&#xff1a;&#xff08;C&#xff09;面向过程 和&#xff08;C&#xff09;面向对象 初步认识前言&#xff1a;类的引入一、类的介绍二、类的定义&#xff08;一&#xff09;class 语法&#xff08;二&#xff09;类的两种定义方式&#xff1a;…
阅读更多...
【MySql系列】深入解析数据库索引

【MySql系列】深入解析数据库索引

写在前面 MySQL索引是数据库中一个关键的概念&#xff0c;它可以极大地提高查询性能&#xff0c;加快数据检索速度。但是&#xff0c;要充分发挥索引的作用&#xff0c;需要深入理解它们的工作原理和使用方式。 在本文中&#xff0c;我们将深入解析MySQL索引&#xff0c;探讨它…
阅读更多...
JavaWeb——CSS3的使用

JavaWeb——CSS3的使用

目录 1. CSS概述 2. CSS引入方式 3. CSS颜色显示 4. CSS选择器 4.1. 元素&#xff08;标签&#xff09;选择器 4.2. id选择器 4.3. 类选择器 4.4. 三者优先级 5. 盒子模型 1. CSS概述 CSS&#xff0c;全称为“Cascading Style Sheets”&#xff0c;中文译为“层叠样式…
阅读更多...
OpenMediaVault控制台web页面密码重置

OpenMediaVault控制台web页面密码重置

要重置 OpenMediaVault&#xff08;OMV&#xff09;Web 控制台的密码&#xff0c;可以使用 omv-firstaid 命令行工具中的相应选项。按照以下步骤进行操作&#xff1a; 以管理员权限登录到 OMV 的命令行界面&#xff08;通过 SSH 或直接登录&#xff09;。 ssh登陆到root用户 运…
阅读更多...
【数据仓库】数仓分层方法详解与层次调用规范

【数据仓库】数仓分层方法详解与层次调用规范

文章目录 一. 数仓分层的意义1. 清晰数据结构。2. 减少重复开发3. 方便数据血缘追踪4. 把复杂问题简单化5. 屏蔽原始数据的异常6. 数据仓库的可维护性 二. 如何进行数仓分层&#xff1f;1. ODS层2. DW层2.1. DW层分类2.2. DWD层2.3. DWS 3. ADS层 4、层次调用规范 一. 数仓分层…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023