ClickHouse（六）：Clickhouse数据类型-1

进入正文前，感谢宝子们订阅专题、点赞、评论、收藏！关注IT贫道，获取高质量博客内容！

🏡个人主页：含各种IT体系技术，IT贫道_Apache Doris,Kerberos安全认证,大数据OLAP体系技术栈-CSDN博客

📌订阅：拥抱独家专题，你的订阅将点燃我的创作热情！

👍点赞：赞同优秀创作，你的点赞是对我创作最大的认可！

⭐️ 收藏：收藏原创博文，让我们一起打造IT界的荣耀与辉煌！

✏️评论：留下心声墨迹，你的评论将是我努力改进的方向！

目录

1. Int

​​​​​​​2. Float

​​​​​​​3. Decimal

4. String

5. FixedString

​​​​​​​​​​​​​​6. UUID

​​​​​​​​​​​​​​7. Date

​​​​​​​8. DateTime

​​​​​​​​​​​​​​9. DateTime64

​​​​​​​10. 布尔类型

ClickHouse提供了许多数据类型，它们可以划分为基础类型、复合类型和特殊类型。我们可以在system.data_type_families表中检查数据类型名称以及是否区分大小写。这个表中存储了ClickHouse支持的所有数据类型。

 

select * from system.data_type_families limit 10;SELECT *FROM system.data_type_familiesLIMIT 10┌─name────────────┬─case_insensitive─┬─alias_to─┐│ Polygon          │                    0 │            ││ Ring              │                    0 │            ││ MultiPolygon    │                    0 │            ││ IPv6              │                    0 │            ││ IntervalSecond  │                    0 │            ││ IPv4              │                    0 │            ││ UInt32            │                   0 │             ││ IntervalYear     │                   0 │             ││ IntervalQuarter │                   0 │             ││ IntervalMonth    │                   0 │             │└─────────────────┴──────────────────┴──────────┘10 rows in set. Elapsed: 0.004 sec.

下面介绍下常用的数据类型，ClickHouse与Mysql、Hive中常用数据类型的对比图如下：

MySQL

Hive

ClickHouse(区分大小写)

byte

TINYINT

Int8

short

SMALLINT

Int16

int

INT

Int32

long

BIGINT

Int64

varchar

STRING

String

timestamp

TIMESTAMP

DateTime

float

FLOAT

Float32

double

DOUBLE

Float64

boolean

BOOLEAN

无

1. Int

ClickHouse中整形分为Int8、Int16、Int32、Int64来表示整数不同的取值范围，其末尾数字正好代表占用字节的大小（8位=1字节），整形又包含有符号整形和无符号整形，他们写法上的区别为无符号整形前面加“U”表示。

  • 有符号整型范围

类型

字节

范围

Int8

1

[-128:127]

Int16

2

[-32768:32767]

Int32

4

[-2147483648:2147483647]

Int64

8

[-9223372036854775808:9223372036854775807]

  • 无符号整形范围：

类型

字节

范围

UInt8

1

[0:255]

UInt16

2

[0:65535]

UInt32

4

[0:4294967295]

UInt64

8

[0:18446744073709551615]

​​​​​​​​​​​​​​2. Float

我们建议使用整数方式来存储数据，因为浮点类型数据计算可能导致四舍五入的误差。浮点类型包含单精度浮点数和双精度浮点数。

  • 单精度浮点数

类型

字节

有效精度位数

Float32

4

7

Float32从小数点后第8位起会发生数据溢出。

  • 双精度浮点数

类型

字节

有效精度位数

Float64

8

16

Float64从小数点后第17位起会发生数据溢出。

  • 示例
    • toFloat32(...) 用来将字符串转换成Float32类型的函数
    • toFloat64(...) 用来将字符串转换成Float64类型的函数
#浮点数有可能导致数据误差node1 :) select 1-0.9SELECT 1 - 0.9┌───────minus(1, 0.9)─┐│ 0.09999999999999998 │└─────────────────────┘1 rows in set. Elapsed: 0.021 sec.#Float32类型，从第8位开始产生溢出，会四舍五入。node1 :) select toFloat32(0.123456789);SELECT toFloat32(0.123456789)┌─toFloat32(0.123456789)─┐│             0.12345679 │└────────────────────────┘1 rows in set. Elapsed: 0.004 sec. # Float64类型，从第17为开始产生数据溢出，会四舍五入node1 :) select toFloat64(0.12345678901234567890);SELECT toFloat64(0.12345678901234568)┌─toFloat64(0.12345678901234568)─┐│            0.12345678901234568 │└────────────────────────────────┘1 rows in set. Elapsed: 0.006 sec.

​​​​​​​3. Decimal

有符号的定点数，可在加、减和乘法运算过程中保持精度。ClickHouse提供了Decimal32、Decimal64、Decimal128、Decimal256几种精度的定点数，支持几种写法：

  • Decimal(P,S)
  • Decimal32(S),数据范围：(-1*10^(9-S),1*10^(9-S))
  • Decimal64(S),数据范围：(-1*10^(18-S),1*10^(18-S))
  • Decimal128(S),数据范围：(-1*10^(38-S),1*10^(38-S))
  • Decimal256(S),数据范围：(-1*10^(76-S),1*10^(76-S))

其中，P代表精度，决定总位数（整数部分+小数部分），取值范围是1~76。S代表规模，决定小数位数，取值范围是0~P。

根据P值的范围可以有如下对等写法，这里以小数点后2位举例：

P取值

原生写法示例

等同于

[1:9]

Decimal(9,2)

Decimal32(2)

[10:18]

Decimal(18,2)

Decimal64(2)

[19:38]

Decimal(38,2)

Decimal128(2)

[39:76]

Decimal(76,2)

Decimal256(2)

另外，Decimal数据在进行四则运算时，精度（总位数）和规模（小数点位数）会发生变化，具体规则如下：

  • 精度（总位数）对应规则：
  1. Decimal64(S1) 运算符 Decimal32(S2) -> Decimal64(S)
  2. Decimal128(S1) 运算符 Decimal32(S2) -> Decimal128(S）
  3. Decimal128(S1) 运算符 Decimal64(S2) -> Decimal128(S)
  4. Decimal256(S1) 运算符Decimal<32|64|128>(S2) -> Decimal256(S)

两个不同精度的数据进行四则运算时，结果数据的精度以最大精度为准。

  • 规模（小数点位数）对应规则：
  1. 加法|减法：S=max(S1,S2)，即以两个数据中小数点位数最多的为准。
  2. 乘法：S=S1+S2(注意：S1精度>=S2精度)，即以两个数据的小数位相加为准。
  3. 除法：规模以被除数的小数位为准。两数相除，被除数的小数位数不能小于除数的小数位数，也就是触发的规模可以理解为与两个数据中小数点位数大的为准。举例：a/b ，a是被除数，与a的规模保持一致。
  • 示例：
  1. toDecimal32(value,S):将字符串value转换为Decimal32类型,小数点后有S位。
  2. toTypeName(字段)：获取字段的数据类型函数。
#测试加法,S取两者最大的，P取两者最大的
node1 :) selecttoDecimal64(2,3) as x,toTypeName(x) as xtype,toDecimal32(2,2) as y,toTypeName(y) as ytype,x+y as z,toTypeName(z) as ztype;

#测试减法，S取两者最大的，P取两者最大的。
node1 :) selecttoDecimal64(2,3) as x,toTypeName(x) as xtype,toDecimal32(2,2) as y,toTypeName(y) as ytype,x-y as z,toTypeName(z) as ztype;

结果如下：

 

#测试乘法，S取两者最大的，P取两者小数位之和。
node1 :) selecttoDecimal64(2,3) as x,toTypeName(x) as xtype,toDecimal32(2,2) as y,toTypeName(y) as ytype,x*y as z,toTypeName(z) as ztype;

结果如下：

#测试除法，S取两者最大的，P取被除数的小数位数。
node1 :) selecttoDecimal64(2,3) as x,toTypeName(x) as xtype,toDecimal32(2,2) as y,toTypeName(y) as ytype,x/y as z,toTypeName(z) as ztype;

 结果如下：

 

node1 :) select 1-toDecimal64(0.9,1);
SELECT 1 - toDecimal64(0.9, 1)┌─minus(1, toDecimal64(0.9, 1))─┐
│                           0.1       │
└───────────────────────────────┘

注意：在Clickhouse后续的新版本中，整数不再有2.000 小数位，即使保留了对应了小数位也不会保存。小数依然根据创建保留的小数位来保存设置。​​​​​​​

4. String

字符串可以是任意长度的。它可以包含任意的字节集，包含空字节。因此，字符串类型可以代替其他 DBMSs 中的VARCHAR、BLOB、CLOB 等类型。​​​​​​​

5. FixedString

固定长度N的字符串（N必须是严格的正自然数）,一般在明确字符串长度的场景下使用，可以使用下面的语法对列声明为FixedString类型：

# N表示字符串的长度。<column_name>  FixedString(N)

当向ClickHouse中插入数据时,如果字符串包含的字节数少于 N ,将对字符串末尾进行空字节填充。如果字符串包含的字节数大于N,将抛出Too large value for FixedString(N)异常。

当做数据查询时，ClickHouse不会删除字符串末尾的空字节。 如果使用WHERE子句，则须要手动添加空字节以匹配FixedString的值，新版本后期不需要手动添加。

  • 示例：
    • toFixedString(value,N)：将字符串转换为N位长度，N不能小于value字符串实际长度。
#查看字符号串长度node1 :) select toFixedString('hello',6) as a,length(a) as alength;SELECTtoFixedString('hello', 6) AS a,length(a) AS alength┌─a─────┬─alength─┐│ hello │       6   │└───────┴─────────┘node1 :) select toFixedString('hello world',6) as a,length(a) as alength;SELECTtoFixedString('hello world', 6) AS a,length(a) AS alengthReceived exception from server (version 20.8.3):Code: 131. DB::Exception: Received from localhost:9000. DB::Exception: String too long for type FixedString(6).

​​​​​​​​​​​​​​6. UUID

UUID是一种数据库常见的主键类型，在ClickHouse中直接把它作为一种数据类型。UUID共有32位，它的格式为8-4-4-4-12，如果在插入新记录时未指定UUID列值，则UUID值将用0来填充（00000000-0000-0000-0000-000000000000）。

UUID类型不支持算术运算、聚合函数sum和avg。

  • 示例：
    • generateUUIDv4()随机生成一个32位的UUID。
# 使用mydb库node1 :) use mydb;#创建表t_uuid,指定x列为UUID类型，表引擎为TinyLognode1 :) CREATE TABLE t_uuid (x UUID, y String) ENGINE=TinyLog#向表 t_uuid中插入一条数据node1 :) INSERT INTO t_uuid SELECT generateUUIDv4(), 'Example 1';#向表t_uuid中插入一条数据，这里不指定UUID的值，默认会生成0来填充node1 :) INSERT INTO t_uuid (y) VALUES ('Example 2')#查询结果node1 :) select * from t_uuid;SELECT *FROM t_uuid┌────────────────────────────────────x─┬─y─────────┐│ 9c9f82dc-48a0-4749-b46a-cf6a1159c1fe │ Example 1 ││ 00000000-0000-0000-0000-000000000000 │ Example 2 │└──────────────────────────────────────┴───────────┘2 rows in set. Elapsed: 0.003 sec.

​​​​​​​​​​​​​​7. Date

Date只能精确到天，用两个字节存储，表示从1970-01-01（无符号）到当前的日期值。日期中没有存储时区信息，不能指定时区。

  • 示例：
    • now() : 获取当前天日期，返回格式：yyyy-MM-dd HH:mm:ss
    • toDate(value) : 将字符串转成Date，只支持yyyy-MM-dd格式。
# 创建表t_datenode1 :) CREATE TABLE t_date (x date) ENGINE=TinyLog;# 向表中插入两条数据node1 :) INSERT INTO t_date VALUES('2021-06-01'),('2021-07-01');# 查询结果node1 :) SELECT x,toTypeName(x) FROM t_date;SELECTx,toTypeName(x)FROM t_date┌──────────x─┬─toTypeName(x)─┐│ 2021-06-01 │ Date            ││ 2021-07-01 │ Date            │└────────────┴───────────────┘2 rows in set. Elapsed: 0.003 sec.# 获取当前天日期时间及日期转换node1 :) select now(),toDate(now()) as d,toTypeName(d) ;SELECTnow(),toDate(now()) AS d,toTypeName(d)┌───────────────now()─┬──────────d─┬─toTypeName(toDate(now()))─┐│ 2021-01-25 18:03:00 │ 2021-01-25 │ Date                          │└─────────────────────┴────────────┴───────────────────────────┘1 rows in set. Elapsed: 0.004 sec.

​​​​​​​8. DateTime

DateTime精确到秒，可以指定时区。用四个字节（无符号的）存储Unix时间戳。允许存储与日期类型相同的范围内的值。最小值为0000-00-00 00:00:00，时间戳类型值精确到秒。

时区使用启动客户端或服务器时的系统时区。默认情况下，客户端连接到服务的时候会使用服务端时区。您可以通过启用客户端命令行选项 --use_client_time_zone 来设置使用客户端时区。

  • 示例：
    • toDateTime(DateTimeValue) ：将字符串转成DateTime，只支持yyyy-MM-dd HH:MI:SS。
    • toDateTime(DateTimeValue,时区) ：同上，支持将数据转换为对应时区时间。
# 创建表 t_datetimenode1 :) CREATE TABLE t_datetime(`timestamp` DateTime) ENGINE = TinyLog;# 向表中插入一条数据node1 :) INSERT INTO t_datetime Values('2021-06-01 08:00:00');# 查询数据node1 :) SELECT timestamp,toTypeName(timestamp) as t FROM t_datetime;SELECTtimestamp,toTypeName(timestamp) AS tFROM t_datetime┌───────────timestamp─┬─t────────┐│ 2021-06-01 08:00:00 │ DateTime │└─────────────────────┴──────────┘1 rows in set. Elapsed: 0.003 sec# 转换时区查询node1 :) SELECT  toDateTime(timestamp, 'Asia/Shanghai') AS column, toTypeName(column) AS x  FROM t_datetime;SELECTtoDateTime(timestamp, 'Asia/Shanghai') AS column,toTypeName(column) AS xFROM t_datetime┌──────────────column─┬─x─────────────────────────┐│ 2021-06-01 08:00:00 │ DateTime('Asia/Shanghai') │└─────────────────────┴───────────────────────────┘1 rows in set. Elapsed: 0.003 sec.

​​​​​​​​​​​​​​9. DateTime64

DateTime64精确到毫秒和微秒，可以指定时区。在内部，此类型以Int64类型将数据存储。时间刻度的分辨率由precision参数确定。此外，DateTime64 类型可以像存储其他数据列一样存储时区信息，时区会影响 DateTime64 类型的值如何以文本格式显示，以及如何解析以字符串形式指定的时间数据 (‘2020-01-01 05:00:01.000’)。时区信息不存储在表的行中，而是存储在列的元数据中。

语法如下：

# precision 精度，timezone：时区DateTime64(precision, [timezone])
  • 示例：
    • toDateTime64(timeStr,precision):将字符串转成DateTime64，精度为precision。支持yyyy-MM-dd HH:MI:SS.SSS时间格式。
    • toDateTime64(timeStr,precision，timezone):同上，只是可以将时间转换为对应时区时间。
#创建表node1 :) CREATE TABLE dt(`timestamp` DateTime64(3, 'Europe/Moscow'),`event_id` UInt8) ENGINE = TinyLog#插入数据node1 :) INSERT INTO dt Values (1546300800000, 1), ('2019-01-01 00:00:00', 2)，(1546300812345, 3)#查询数据node1 :) select * from dt;SELECT *FROM dt┌───────────────timestamp─┬─event_id─┐│ 2019-01-01 03:00:00.000 │        1   ││ 2019-01-01 00:00:00.000 │        2   ││ 2019-01-01 03:00:12.345 │        3   │└─────────────────────────┴──────────┘3 rows in set. Elapsed: 0.003 sec.#使用toDateTime64转换时间node1 :) select toDateTime64(timestamp,4) as t1,toDateTime64(timestamp,4,'Europe/London') as t2,event_id from dt;SELECTtoDateTime64(timestamp, 4) AS t1,toDateTime64(timestamp, 4, 'Europe/London') AS t2,event_idFROM dt┌───────────────────────t1─┬───────────────────────t2─┬─event_id─┐│ 2019-01-01 03:00:00.0000 │ 2019-01-01 00:00:00.0000 │        1 ││ 2019-01-01 00:00:00.0000 │ 2018-12-31 21:00:00.0000 │        2 ││ 2019-01-01 03:00:12.3450 │ 2019-01-01 00:00:12.3450 │        3 │└──────────────────────────┴──────────────────────────┴──────────┘3 rows in set. Elapsed: 0.003 sec.

​​​​​​​10. 布尔类型

ClickHouse中没有单独的类型来存储布尔值。可以使用 UInt8 类型，取值限制为 0 或 1。具体参照枚举类型。

👨‍💻如需博文中的资料请私信博主。

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/14647.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

从电容到晶体管的基本介绍

从电容到晶体管的基本介绍

​随着科技的不断进步&#xff0c;元器件在现代电子学中扮演着至关重要的角色。从电容器到晶体管&#xff0c;各种元器件都具有不同的特性和用途。本文将从基础知识出发&#xff0c;介绍电子学中常见的元器件&#xff0c;以及它们在电路中的作用和应用。 电容器 电容器是一种…
阅读更多...
Docker复杂命令便捷操作

Docker复杂命令便捷操作

启动所有状态为Created的容器 要启动所有状态为"created"的Docker容器&#xff0c;可以使用以下命令&#xff1a; docker container start $(docker container ls -aq --filter "statuscreated")上述命令执行了以下步骤&#xff1a; docker container l…
阅读更多...
深度学习论文: Q-YOLO: Efficient Inference for Real-time Object Detection及其PyTorch实现

深度学习论文: Q-YOLO: Efficient Inference for Real-time Object Detection及其PyTorch实现

深度学习论文: Q-YOLO: Efficient Inference for Real-time Object Detection及其PyTorch实现 Q-YOLO: Efficient Inference for Real-time Object Detection PDF: https://arxiv.org/pdf/2307.04816.pdf PyTorch代码: https://github.com/shanglianlm0525/CvPytorch PyTorch代…
阅读更多...
C#..上位机软件的未来是什么?

C#..上位机软件的未来是什么?

C#是一种流行的编程语言&#xff0c;广泛应用于桌面应用程序和上位机软件开发。未来&#xff0c;C#上位机软件将继续不断发展和创新&#xff0c;以满足用户日益增长的需求。以下是我认为C#上位机软件未来可能会涉及的一些方向&#xff1a; 更加智能化&#xff1a;随着人工智能…
阅读更多...
架构基本概念和架构本质

架构基本概念和架构本质

什么是架构和架构本质 在软件行业&#xff0c;对于什么是架构&#xff0c;都有很多的争论&#xff0c;每个人都有自己的理解。此君说的架构和彼君理解的架构未必是一回事。因此我们在讨论架构之前&#xff0c;我们先讨论架构的概念定义&#xff0c;概念是人认识这个世界的基础&…
阅读更多...
python中如何记录日志？

python中如何记录日志？

日志是一种可以追踪某些软件运行时所发生事件的方法。一条日志信息对应的是一个事件的发生&#xff0c;而一个事件通常需要包括以下几个内容&#xff1a;事件发生时间、事件发生位置、事件的严重程度--日志级别、事件内容。 logging模块定义的函数和类为应用程序和库的开发实现…
阅读更多...
pytest 入门

pytest 入门

1，安装pytest 打开终端或命令提示符窗口，在终端中运行以下命令来安装pytest： pip install pytestpip install -i https://pypi.tuna.tsinghua.edu.cn/simple pytest 确保您的系统上已经安装了Python。您可以在终端中运行以下命令来检查Python的安装情况： pytest --version…
阅读更多...
【Spring】Spring 下载及其 jar 包

【Spring】Spring 下载及其 jar 包

根据 【动力节点】最新Spring框架教程&#xff0c;全网首套Spring6教程&#xff0c;跟老杜从零学spring入门到高级 以及老杜的原版笔记 https://www.yuque.com/docs/share/866abad4-7106-45e7-afcd-245a733b073f?# 《Spring6》 进行整理&#xff0c; 文档密码&#xff1a;mg9b…
阅读更多...
自己创建的类，其他类中使用错误

自己创建的类，其他类中使用错误

说明&#xff1a;自己创建的类&#xff0c;在其他类中创建&#xff0c;报下面的错误&#xff08;Cannot resolve sysmbol ‘Redishandler’&#xff09;&#xff1b; 解决&#xff1a;看下是不是漏掉了包名 加上包名&#xff0c;问题解决&#xff1b;
阅读更多...
QPoint、QLine、QSize、QRect

QPoint、QLine、QSize、QRect

QPoint、QLine、QSize、QRect QPointQLineQSizeQRect QPoint // 构造函数 // 构造一个坐标原点, 即(0, 0) QPoint::QPoint(); // 参数为 x轴坐标, y轴坐标 QPoint::QPoint(int xpos, int ypos);// 设置x轴坐标 void QPoint::setX(int x); // 设置y轴坐标 void QPoint::setY(in…
阅读更多...
使用jmeter+ant+jenkins+git搭建自动化测试平台

使用jmeter+ant+jenkins+git搭建自动化测试平台

最近正在学习自动化测试&#xff0c;于是随手搭建了一下jmeterantjenkinsgit平台。 接下来&#xff0c;我会按照jdk&#xff0c;jmeter&#xff0c;ant&#xff0c;jenkins,git这个顺序一步一步的搭建起来。 一、jdk。这个就不多说了。我用的是1.8版本的&#xff0c;配环境变…
阅读更多...
Golang之路---02 基础语法——常量 (包括特殊常量iota)

Golang之路---02 基础语法——常量 (包括特殊常量iota)

常量 //显式类型定义const a string "test" //隐式类型定义const b 20 //多个常量定义 const(c "test2"d 2.3e 27)iota iota是Golang语言的常量计数器&#xff0c;只能在常量表达式中使用 iota在const关键字出现时将被重置为0&#xff0c;const中每新…
阅读更多...
【Golang】Golang进阶系列教程--Go 语言数组和切片的区别

【Golang】Golang进阶系列教程--Go 语言数组和切片的区别

文章目录 前言数组声明以及初始化函数参数 切片声明以及初始化函数参数 总结 前言 在 Go 语言中&#xff0c;数组和切片看起来很像&#xff0c;但其实它们又有很多的不同之处&#xff0c;这篇文章就来说说它们到底有哪些不同。 数组和切片是两个常用的数据结构。它们都可以用…
阅读更多...
appium的基本使用

appium的基本使用

appium的基本使用 一、appium的基本使用appium环境安装1、安装Android SDK 2、安装Appium3、安装手机模拟器4、Pycharm安装 appium-python-alicent5、连接appium和模拟器6、Python代码调用appium软件&#xff0c;appium软件在通过adb命令调用android操作系统&#xff08;模拟器…
阅读更多...
使用BERT分类的可解释性探索

使用BERT分类的可解释性探索

最近尝试了使用BERT将告警信息当成一个文本去做分类&#xff0c;从分类的准召率上来看&#xff0c;还是取得了不错的效果&#xff08;非结构化数据强标签训练&#xff0c;BERT确实是一把大杀器&#xff09;。但准召率并不是唯一追求的目标&#xff0c;在安全场景下&#xff0c;…
阅读更多...
代码版本管理工具 git

代码版本管理工具 git

1. 去B站看视频学习&#xff0c;只看前39集&#xff1a; 01-Git概述&#xff08;Git历史&#xff09;_哔哩哔哩_bilibili 2.学习Linux系统文本编辑器的使用 vi编辑器操作指令分享 (baidu.com) (13条消息) nano编辑器的使用_SudekiMing的博客-CSDN博客 windows下载安装Git官…
阅读更多...
状态机实现N位按键消抖

状态机实现N位按键消抖

状态机实现N位按键消抖 1、原理 利用状态机实现按键的消抖&#xff0c;具体的原理可参考 (50条消息) 基于FPGA的按键消抖_fpga 按键消抖_辣子鸡味的橘子的博客-CSDN博客 状态机简介&#xff1a; 状态机分类可以主要分为两类&#xff1a;moore和mealy 根据三段式状态机最后…
阅读更多...
分布式文件存储与数据缓存 Redis高可用分布式实践（上）

分布式文件存储与数据缓存 Redis高可用分布式实践（上）

一、Reids概述 1.1 为什么要使用NoSQL 单机Mysql的美好年代 在90年代&#xff0c;一个网站的访问量一般都不大&#xff0c;用单个数据库完全可以轻松应付。在那个时候&#xff0c;更多的都是静态网页&#xff0c;动态交互类型的网站不多。 遇到问题&#xff1a; 随着用户数的…
阅读更多...
内网隧道代理技术（十四）之 Earthworm的使用（一级代理）

内网隧道代理技术（十四）之 Earthworm的使用（一级代理）

Earthworm的使用（一级代理） ew 全称是EarchWorm，是一套轻量便携且功能强大的网络穿透工具，基于标准C开发，具有socks5代理、端口转发和端口映射三大功能，可在复杂网络环境下完成网络穿透，且支持全平台(Windows/Linux/Mac)。该工具能够以“正向”、“反向”、“多级级联”…
阅读更多...
安防监控视频汇聚EasyCVR修改录像计划等待时间较长，是什么原因？

安防监控视频汇聚EasyCVR修改录像计划等待时间较长，是什么原因？

安防监控视频EasyCVR视频融合汇聚平台基于云边端智能协同&#xff0c;支持海量视频的轻量化接入与汇聚、转码与处理、全网智能分发等。音视频流媒体视频平台EasyCVR拓展性强&#xff0c;视频能力丰富&#xff0c;具体可实现视频监控直播、视频轮播、视频录像、云存储、回放与检…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023