二十九、微服务案例完善（数据聚合、自动补全、数据同步）

目录

一、定义

二、分类

1、桶(Bucket)聚合:

2、度量(Metric）聚合:

3、管道聚合（Pipeline Aggregation）：

4、注意：

参与聚合的字段类型必须是:

三、使用DSL实现聚合

聚合所必须的三要素：

聚合可配置属性：

1、桶聚合

（1）自定义排序规则

（2）限定聚合范围

2、度量聚合

四、使用RestAPI实现聚合

1、对品牌进行聚合

2、对品牌、城市、星级进行聚合

1、在service中添加方法

2、在实现类中编写聚合方法

3、运行测试

3、与前端进行对接

1、增加controller方法

2、更改service方法

3、更改实现类方法

4、运行测试

五、拼音分词器

1、将py插件复制到此目录

2、重启es

3、测试

六、自定义分词器

1、自动补全字段

七、实现自动补全功能

1、删除原索引库

2、新建索引库

3、修改HotelDoc类，增加suggestion属性

4、重新做批处理

5、词条做切割处理，修改HotelDoc类

6、编写RestAPI

7、实现搜索框的输入补全

1、在controller中新增方法

2、在service中新建方法

3、实现方法

8、测试

八、数据同步

1、定义：

2、特点：

3、数据同步方案

（1）同步调用

优点：

缺点：

（2）异步通知

优点：

缺点：

（3）监听binlog

优点：

缺点：

一、定义

聚合( aggregations)可以实现对文档数据的统计、分析、运算。

二、分类

1、桶(Bucket)聚合:

  • 用来对文档做分组

TermAggregation:按照文档字段值分组

Date Histogram:按照日期阶梯分组，例如一周为一组，或者一月为一组

2、度量(Metric）聚合:

  • 用以计算一些值，比如:最大值、最小值、平均值等
  1. 计数（COUNT）：计算指定列中非空值的数量。
  2. 求和（SUM）：计算指定列中所有数值的总和。
  3. 平均值（AVG）：计算指定列中所有数值的平均值。
  4. 最大值（MAX）：查找指定列中的最大值。
  5. 最小值（MIN）：查找指定列中的最小值。

3、管道聚合（Pipeline Aggregation）：

  1. 管道聚合是MongoDB中一种强大的数据聚合工具，它可用于通过将多个聚合操作连接在一起来对文档进行处理。
  2. 通过管道聚合，MongoDB用户可以使用多个聚合操作按顺序执行，以生成更为复杂、细致和灵活的数据查询和汇总结果。
  3. 管道聚合可以处理来自单个或多个集合的数据。

一般而言，MongoDB 的聚合管道通过 $ 开头的操作符来实现数据聚合操作。以下是一些常见的聚合管道操作：

1. $match：用于选择满足条件的文档，可以通过使用查询条件来过滤文档。
2. $group：用于将文档分组，通过指定一个或多个字段进行分组，对每个分组执行聚合操作，最终返回每个组的统计结果。
3. $project：用于选择文档的特定字段，并输出指定的字段。
4. $sort：用于对文档进行排序，可以根据指定字段进行升序或降序排列。
5. $limit：用于限制输出文档的数量。
6. $skip：用于跳过指定数量的文档，并返回剩余的文档。
7. $unwind：用于展开数组属性，将数组属性的每个元素转换为一个单独的文档。

  • 使用管道聚合，可以将以上操作有机地组合在一起，以实现各种复杂的聚合查询需求。
  • 此外，MongoDB 还提供了许多其他的聚合管道操作，可以根据具体场景自由组合使用，方便用户进行数据处理和分析。

4、注意：

参与聚合的字段类型必须是:
  1. keyword
  2. 数值
  3. 日期
  4. 布尔

三、使用DSL实现聚合

聚合所必须的三要素：

  • 聚合名称
  • 聚合类型
  • 聚合字段

聚合可配置属性：

  • size:指定聚合结果数量
  • order:指定聚合结果排序方式f
  • ield:指定聚合字段

1、桶聚合

GET /hotel/_search
{"size": 0,    // 设置size为0，结果中不包含文档，只包含聚合结果"aggs": {    // 定义聚合"brandagg": {    //给聚合起个名字"terms": {    // 聚合的类型，按照品牌值聚合，所以选择term"field": "brand",    // 参与聚合的字段"size": 20    // 希望获取的聚合结果数量}}}
}

运行后，数据被按照品牌（brand）划分了

（1）自定义排序规则

（2）限定聚合范围

2、度量聚合

在分类的同时，进行了分数的计算，并且按照平均分做降序

GET /hotel/_search
{"size": 0,"aggs": {"brandagg": {"terms": {"field": "brand", "size": 20,"order": {"scoreAgg.avg": "desc"}},"aggs": {"scoreAgg": {"stats": {"field": "score"}}}}}
}

四、使用RestAPI实现聚合

1、对品牌进行聚合

   @Testvoid testAggregation() throws IOException {// 准备请求对象SearchRequest request = new SearchRequest();// 初始化 SearchSourceBuilderSearchSourceBuilder sourceBuilder = new SearchSourceBuilder();// 设置 sizesourceBuilder.size(0);// 聚合sourceBuilder.aggregation(AggregationBuilders.terms("brandAgg").field("brand").size(10));// 将 SearchSourceBuilder 设置到 SearchRequest 中request.source(sourceBuilder);// 发出请求SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 解析结果Aggregations aggregations = response.getAggregations();// 根据聚合名称获取聚合结果Terms brandTerms = aggregations.get("brandAgg");// 获取桶List<? extends Terms.Bucket> buckets = brandTerms.getBuckets();// 遍历for (Terms.Bucket bucket : buckets) {String key = bucket.getKeyAsString();System.out.println(key);}}

成功提取出品牌名

2、对品牌、城市、星级进行聚合

1、在service中添加方法

    Map<String , List<String>> filters() throws IOException;
2、在实现类中编写聚合方法
    @Overridepublic Map<String, List<String>> filters() throws IOException {// 准备请求对象SearchRequest request = new SearchRequest();// 初始化 SearchSourceBuilderSearchSourceBuilder sourceBuilder = new SearchSourceBuilder();// 设置 sizesourceBuilder.size(0);// 聚合buildAggs(sourceBuilder);// 将 SearchSourceBuilder 设置到 SearchRequest 中request.source(sourceBuilder);// 发出请求SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 解析结果HashMap<String, List<String>> result = new HashMap<>();Aggregations aggregations = response.getAggregations();// 根据名称，获得结果List<String> brandList = getAggByName(aggregations,"brandAgg");result.put("品牌",brandList);List<String> cityList = getAggByName(aggregations,"cityAgg");result.put("城市",cityList);List<String> starList = getAggByName(aggregations,"starAgg");result.put("星级",starList);return result;}private List<String> getAggByName(Aggregations aggregations,String aggName) {// 根据聚合名称获取聚合结果Terms brandTerms = aggregations.get(aggName);// 获取桶List<? extends Terms.Bucket> buckets = brandTerms.getBuckets();// 遍历List<String > brandList = new ArrayList<>();for (Terms.Bucket bucket : buckets) {String key = bucket.getKeyAsString();brandList.add(key);}return brandList;}private void buildAggs(SearchSourceBuilder sourceBuilder) {sourceBuilder.aggregation(AggregationBuilders.terms("brandAgg").field("brand").size(100));sourceBuilder.aggregation(AggregationBuilders.terms("cityAgg").field("city").size(100));sourceBuilder.aggregation(AggregationBuilders.terms("starAgg").field("starName").size(100));}
3、运行测试

3、与前端进行对接

1、增加controller方法
    @PostMapping("filters")public Map<String , List<String >> getFilters(@RequestBody RequestParams params){return service.filters(params);}
2、更改service方法
    Map<String , List<String>> filters(RequestParams params);
3、更改实现类方法

    @Overridepublic Map<String, List<String>> filters(RequestParams params) {try {// 1.准备RequestSearchRequest request = new SearchRequest("hotel");// 2.准备DSL// 2.1.querybuildBasicQuery(params, request);// 2.2.设置sizerequest.source().size(0);// 2.3.聚合buildAggs(request);// 3.发出请求SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 4.解析结果Map<String, List<String>> result = new HashMap<>();Aggregations aggregations = response.getAggregations();// 4.1.根据品牌名称，获取品牌结果List<String> brandList = getAggByName(aggregations, "brandAgg");result.put("brand", brandList);// 4.2.根据品牌名称，获取品牌结果List<String> cityList = getAggByName(aggregations, "cityAgg");result.put("city", cityList);// 4.3.根据品牌名称，获取品牌结果List<String> starList = getAggByName(aggregations, "starAgg");result.put("starName", starList);return result;} catch (IOException e) {throw new RuntimeException(e);}}
4、运行测试

五、拼音分词器

1、将py插件复制到此目录

/var/lib/docker/volumes/es-plugins/_data/

2、重启es

docker restart es

3、测试

POST /_analyze
{"text": ["西巴仙人爱桃树"],"analyzer": "pinyin"
}

把每个字都拆成了拼音

六、自定义分词器

elasticsearch中分词器（analyzer）的组成包含三部分：

lcharacter filters：在tokenizer之前对文本进行处理。例如删除字符、替换字符

ltokenizer：将文本按照一定的规则切割成词条（term）。例如keyword，就是不分词；还有ik_smart

ltokenizer filter：将tokenizer输出的词条做进一步处理。例如大小写转换、同义词处理、拼音处理等

// 自定义拼音分词器
PUT /test
{"settings": {"analysis": {"analyzer": { "my_analyzer": { "tokenizer": "ik_max_word","filter": "py"}},"filter": {"py": { "type": "pinyin","keep_full_pinyin": false,"keep_joined_full_pinyin": true,"keep_original": true,"limit_first_letter_length": 16,"remove_duplicated_term": true,"none_chinese_pinyin_tokenize": false}}}}
}

1、自动补全字段

  • elasticsearch提供了Completion Suggester查询来实现自动补全功能。
  • 这个查询会匹配以用户输入内容开头的词条并返回。

为了提高补全查询的效率，对于文档中字段的类型有一些约束：

  • 参与补全查询的字段必须是completion类型。
  • 字段的内容一般是用来补全的多个词条形成的数组。

语法：

// 自动补全查询
GET /test/_search
{"suggest": {"title_suggest": {"text": "s", // 关键字"completion": {"field": "title", // 补全查询的字段"skip_duplicates": true, // 跳过重复的"size": 10 // 获取前10条结果}}}
}

七、实现自动补全功能

1、删除原索引库

DELETE /hotel

2、新建索引库

PUT /hotel
{"settings": {"analysis": {"analyzer": {"text_anlyzer": {"tokenizer": "ik_max_word","filter": "py"},"completion_analyzer": {"tokenizer": "keyword","filter": "py"}},"filter": {"py": {"type": "pinyin","keep_full_pinyin": false,"keep_joined_full_pinyin": true,"keep_original": true,"limit_first_letter_length": 16,"remove_duplicated_term": true,"none_chinese_pinyin_tokenize": false}}}},"mappings": {"properties": {"id":{"type": "keyword"},"name":{"type": "text","analyzer": "text_anlyzer","search_analyzer": "ik_smart","copy_to": "all"},"address":{"type": "keyword","index": false},"price":{"type": "integer"},"score":{"type": "integer"},"brand":{"type": "keyword","copy_to": "all"},"city":{"type": "keyword"},"starName":{"type": "keyword"},"business":{"type": "keyword","copy_to": "all"},"location":{"type": "geo_point"},"pic":{"type": "keyword","index": false},"all":{"type": "text","analyzer": "text_anlyzer","search_analyzer": "ik_smart"},"suggestion":{"type": "completion","analyzer": "completion_analyzer"}}}
}

3、修改HotelDoc类，增加suggestion属性

private List<String> suggestion;
this.suggestion = Arrays.asList(this.brand,this.business);

4、重新做批处理

    @Testvoid testBulkRequest() throws IOException{
//        批量查询酒店数据List<Hotel> hotelList = iHotelService.list();
//        创建RequestBulkRequest request = new BulkRequest();
//        准备参数for (Hotel hotel : hotelList){
//        转换为文档类型HotelDocHotelDoc hotelDoc = new HotelDoc(hotel);
//        创建新增文档的Request对象request.add(new IndexRequest("hotel").id(hotelDoc.getId().toString()).source(JSON.toJSONString(hotelDoc),XContentType.JSON));}
//        发送请求client.bulk(request,RequestOptions.DEFAULT);}

5、词条做切割处理，修改HotelDoc类

//            有多个值，做切割String[] arr = this.business.split("/");this.suggestion = new ArrayList<>();this.suggestion.add(this.brand);Collections.addAll(this.suggestion,arr);}else {this.suggestion = Arrays.asList(this.brand,this.business);}

6、编写RestAPI

@Testvoid testSuggest() throws IOException {SearchRequest request = new SearchRequest("hotel");request.source().suggest(new SuggestBuilder().addSuggestion("suggestions",SuggestBuilders.completionSuggestion("suggestion").prefix("h").skipDuplicates(true).size(10)));SearchResponse response = client.search(request, RequestOptions.DEFAULT);Suggest suggest = response.getSuggest();CompletionSuggestion suggestions = suggest.getSuggestion("suggestions");List<CompletionSuggestion.Entry.Option> options = suggestions.getOptions();for (CompletionSuggestion.Entry.Option option : options) {String string = option.getText().toString();System.out.println(string);}}

7、实现搜索框的输入补全

1、在controller中新增方法
    @PostMapping("suggestion")public List<String> getSuggestion(@RequestParam("key") String prefix){return service.getSuggestions(prefix);}
2、在service中新建方法
    List<String> getSuggestions(String prefix);
3、实现方法
    @Overridepublic List<String> getSuggestions(String prefix) {try {
//            准备RequestSearchRequest request = new SearchRequest("hotel");request.source().suggest(new SuggestBuilder().addSuggestion("suggestions",SuggestBuilders.completionSuggestion("suggestion").prefix(prefix).skipDuplicates(true).size(10)));
//            发送请求SearchResponse response = client.search(request, RequestOptions.DEFAULT);
//            得到响应Suggest suggest = response.getSuggest();CompletionSuggestion suggestions = suggest.getSuggestion("suggestions");List<CompletionSuggestion.Entry.Option> options = suggestions.getOptions();ArrayList<String> list = new ArrayList<>(options.size());
//            遍历for (CompletionSuggestion.Entry.Option option : options) {String string = option.getText().toString();list.add(string);}return list;} catch (IOException e) {throw new RuntimeException(e);}}

8、测试

八、数据同步

1、定义：

  • 数据同步是指将一个数据源的数据与另一个数据存储系统中的数据保持更新的过程。
  • 数据同步确保不同数据存储系统中的数据保持一致，从而支持企业在不同数据存储系统中的数据共享和协作。

2、特点：

  1. 数据同步是一个周期性的过程。数据同步通常需要从源系统读取数据，然后将数据传递到目标系统。这个过程可能需要经过多个步骤，如数据转换、数据清洗、数据映射等。一般情况下，数据同步是一个周期性的过程，定期将目标系统中的数据更新到最新状态。

  2. 数据同步的目标是确保数据的一致性。在数据同步的过程中，目标是确保源系统中的数据与目标系统中的数据保持一致。这样可以保证不同应用之间使用相同的数据。

  3. 数据同步需要考虑数据的安全性和完整性。在数据同步的过程中，数据的安全性和完整性必须得到保障。例如，在数据传输过程中，需要使用加密技术来保护敏感数据的机密性。

  4. 数据同步通常需要使用专业工具或平台。数据同步的过程需要使用专业工具或平台来完成。这些工具或平台通常提供了丰富的功能和技术，如数据清洗、数据转换、数据映射等，以确保数据同步的质量和效率。

  5. 数据同步可以提高企业效率和降低成本。通过数据同步，企业可以在不同部门和团队之间共享数据，从而更好地理解业务趋势和市场需求，进一步提高效率和降低成本。

3、数据同步方案

（1）同步调用

优点：

实现简单

缺点：

粗暴业务耦合度高

（2）异步通知

优点：

低耦合，实现难度一般依赖

缺点：

mq的可靠性

（3）监听binlog

优点：

完全解除服务间耦合

缺点：

开启binlog增加数据库负担、实现复杂度高

数据同步案例实现方案

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/196622.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

考研数学 每日一题

考研数学 每日一题

考研数学 每日一题
阅读更多...
【Linux】初识云服务器 -- 使用 XShell 远程登录 Linux

【Linux】初识云服务器 -- 使用 XShell 远程登录 Linux

Linux 是一款企业级后台操作系统&#xff0c;命令行方式交互&#xff0c;开源。 搭建属于自己的 Linux 服务器&#xff1a;我是直接选择购买的腾讯云轻量级服务器&#xff08;CentOS 7.6&#xff09;&#xff0c;不贵又相对方便&#xff0c;可以直接上手使用&#xff0c;不需要…
阅读更多...
Elasticsearch：为现代搜索工作流程和生成式人工智能应用程序铺平道路

Elasticsearch：为现代搜索工作流程和生成式人工智能应用程序铺平道路

作者&#xff1a;Matt Riley Elastic 的创新投资支持开放的生态系统和更简单的开发者体验。 在本博客中&#xff0c;我们希望分享 Elastic 为简化你构建 AI 应用程序的体验而进行的投资。 我们知道&#xff0c;开发人员必须在当今快速发展的人工智能环境中保持灵活性。 然而&a…
阅读更多...
JavaEE之多线程编程（一）：基础篇

JavaEE之多线程编程（一）：基础篇

文章目录 一、关于操作系统一、认识进程 process二、认识线程三、进程和线程的区别&#xff08;重点&#xff01;&#xff09;四、Java的线程和操作系统线程的关系五、第一个多线程编程 一、关于操作系统 【操作系统】 驱动程序&#xff1a; 如&#xff1a;我们知道JDBC的驱动程…
阅读更多...
Python 潮流周刊#29：Rust 会比 Python 慢？！

Python 潮流周刊#29：Rust 会比 Python 慢？！

△请给“Python猫”加星标 &#xff0c;以免错过文章推送 你好&#xff0c;我是猫哥。这里每周分享优质的 Python、AI 及通用技术内容&#xff0c;大部分为英文。本周刊开源&#xff0c;欢迎投稿[1]。另有电报频道[2]作为副刊&#xff0c;补充发布更加丰富的资讯。 &#x1f43…
阅读更多...
【数据结构】手撕排序NO.1

【数据结构】手撕排序NO.1

&#x1f525;博客主页&#xff1a; 小羊失眠啦. &#x1f3a5;系列专栏&#xff1a;《C语言》 《数据结构》 《Linux》《Cpolar》 ❤️感谢大家点赞&#x1f44d;收藏⭐评论✍️ 文章目录 一、排序的概念及其运用1.1 排序的概念1.2 常见的算法排序 二、 冒泡排序三、直接插入排…
阅读更多...
【电源专题】什么是电源管理

【电源专题】什么是电源管理

电源管理为什么重要？ 在电子系统和电路的设计中，负载往往需要恒定的电流电压，所以最先考虑的就是电源电路的设计。电源管理所考虑的问题是如何将电源有效分配给系统的不同组件，保障系统不同的负载正常运行。 如电源的输入是交流 (AC) 或直流 (DC)？输入电压是高于或低于输…
阅读更多...
自动驾驶学习笔记（十五）——交通灯识别

自动驾驶学习笔记（十五）——交通灯识别

阅读更多...
RedHat8 安装部署DzzOffice协同办公平台+onlyoffice(docker)以及问题解决（亲测可用，花费2天）

RedHat8 安装部署DzzOffice协同办公平台+onlyoffice(docker)以及问题解决（亲测可用，花费2天）

一、基础配置(MysqlDzzoffice) 1&#xff1a;安装软件需要的环境&#xff0c;我们用LAMP的环境。基本上CentOS8自带的软件版本都达到安装DzzOffice的要求。 2&#xff1a;关闭防火墙&#xff08;不关的话需要开放80端口自行决定&#xff09;。 systemctl disable --now fire…
阅读更多...
HarmonyOS引入其他包，以引入请求axios为例

HarmonyOS引入其他包，以引入请求axios为例

安装文件 安装文件位置: 总目录的oh-package.json5文件 dependencies&#xff1a;生产环境–上线运行时候必须需要的包 devDependencies&#xff1a;开发环境–开发适合为了方便提高效率的包。 包管理工具 OHPM CLI 作为鸿蒙生态三方库的包管理工具&#xff0c;支持OpenHar…
阅读更多...
Facebook引流怎么做?写个脚本就好!

Facebook引流怎么做?写个脚本就好!

在当今的数字化时代&#xff0c;流量对于任何一个网站或应用程序来说都至关重要&#xff0c;Facebook&#xff0c;作为全球最大的社交网络平台&#xff0c;无疑是一个获取流量的绝佳场所&#xff0c;但是&#xff0c;如何有效地从Facebook引流呢?写个脚本就好了! 在本文中&am…
阅读更多...
Python字符串模糊匹配工具：TheFuzz 库详解

Python字符串模糊匹配工具：TheFuzz 库详解

更多资料获取 &#x1f4da; 个人网站&#xff1a;ipengtao.com 在处理文本数据时&#xff0c;常常需要进行模糊字符串匹配来找到相似的字符串。Python的 TheFuzz 库提供了强大的方法用于解决这类问题。本文将深入介绍 TheFuzz 库&#xff0c;探讨其基本概念、常用方法和示例代…
阅读更多...
什么是Overlay网络？Overlay网络与Underlay网络有什么区别？

什么是Overlay网络？Overlay网络与Underlay网络有什么区别？

你们好&#xff0c;我的网工朋友。 在传统历史阶段&#xff0c;数据中心的网络是以三层架构&#xff08;核心、汇聚、接入&#xff09;为基本标准。 但是随着技术的发展&#xff0c;不同的厂家有不同的组建方式&#xff0c;比如说在核心层、汇聚层和接入层增加虚拟化技术。 …
阅读更多...
Maven项目目录结构

Maven项目目录结构

项目结构 目录说明.ideaIDEA工具的配置文件.mvn用于运行Maven项目src源码文件夹target字节码文件夹.gitignore配置git忽略文件HELP.md自述文件mvnw运行Maven命令&#xff08;Linux&#xff09;mvnw.cmd运行Maven命令&#xff08;Windows&#xff09;pom.xml依赖管理文件 如图…
阅读更多...
从零开始入门Zapier：与ChatGPT双剑合璧，手把手教程让你进入AI与自动化新纪元

从零开始入门Zapier：与ChatGPT双剑合璧，手把手教程让你进入AI与自动化新纪元

coments 1. 1. 打开Zapier的官方界面 登录之后&#xff0c;会出现一个调查表&#xff0c;可以根据自己的情况进行选择。 第一次注册成功&#xff0c;会送你14天的免费体验
阅读更多...
经验分享｜MySQL分区实战（RANGE）

经验分享｜MySQL分区实战（RANGE）

概述 分区概述 在 MySQL 中&#xff0c; InnoDB存储引擎长期以来一直支持表空间的概念。在 MySQL 8.0 中&#xff0c;同一个分区表的所有分区必须使用相同的存储引擎。但是&#xff0c;也可以为同一 MySQL 服务器甚至同一数据库中的不同分区表使用不同的存储引擎。 通俗地讲…
阅读更多...
网络初识：局域网广域网网络通信基础

网络初识：局域网广域网网络通信基础

提示&#xff1a;文章写完后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 文章目录 前言一、局域网LAN是什么&#xff1f;二、广域网是什么&#xff1a;三. IP地址四.端口号五.认识协议5.1五元组 总结 前言 一、局域网LAN是什么&#xff1f; 局域网…
阅读更多...
flask web开发学习之初识flask（三）

flask web开发学习之初识flask（三）

文章目录 一、flask扩展二、项目配置1. 直接配置2. 使用配置文件3. 使用环境变量4. 实例文件夹 三、flask命令四、模版和静态文件五、flask和mvc架构 一、flask扩展 flask扩展是指那些为Flask框架提供额外功能和特性的库。这些扩展通常遵循Flask的设计原则&#xff0c;易于集成…
阅读更多...
CUDA简介——Grid和Block内Thread索引

CUDA简介——Grid和Block内Thread索引

1. 引言 前序博客&#xff1a; CUDA简介——基本概念CUDA简介——编程模式CUDA简介——For循环并行化 Thread Index&#xff1a; 每个Thread都有其thread index。 在Kernel中&#xff0c;可通过内置的threadIdx变量来获取其thread index。threadIdx为三维的&#xff0c;有相…
阅读更多...
Leetcode每日一题学习训练——Python版（从二叉搜索树到更大和树）

Leetcode每日一题学习训练——Python版（从二叉搜索树到更大和树）

版本说明 当前版本号[20231204]。 版本修改说明20231204初版 目录 文章目录 版本说明目录从二叉搜索树到更大和树理解题目代码思路参考代码 原题可以点击此 1038. 从二叉搜索树到更大和树 前去练习。 从二叉搜索树到更大和树 给定一个二叉搜索树 root (BST)&#xff0c;请…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023