【Hive_02】查询语法

  • 1、基础语法
  • 2、基本查询（Select…From）
    • 2.1 全表和特定列查询
    • 2.2 列别名
    • 2.3 Limit语句
    • 2.4 Where语句
    • 2.5 关系运算函数
    • 2.6 逻辑运算函数
    • 2.7 聚合函数
  • 3、分组
    • 3.1 Group By语句
    • 3.2 Having语句
    • 3.3 Join语句
      • （1）等值与不等值Join
      • （2）表的别名
      • （3）内连接
      • （4）左外连接
      • （5）右外连接
      • （6）满外连接
      • （7）多表连接
      • （8）笛卡尔集
      • （9）联合（union & union all）
  • 4、排序--4By
    • 4.1 全局排序（Order By）
    • 4.2 每个Reduce内部排序（Sort By）
    • 4.3 分区（Distribute By）
    • 4.4 分区排序（Cluster By）

1、基础语法

查询语句语法：

SELECT [ALL | DISTINCT] select_expr, select_expr, ...FROM table_reference       -- 从什么表查[WHERE where_condition]   -- 过滤[GROUP BY col_list]        -- 分组查询[HAVING col_list]          -- 分组后过滤[ORDER BY col_list]        -- 排序[CLUSTER BY col_list| [DISTRIBUTE BY col_list] [SORT BY col_list]][LIMIT number]                -- 限制输出的行数
  • Having是对分组之后的每组数据进行查询。

2、基本查询（Select…From）

数据准备：

（0）原始数据

①在/home/wenxin/module/hive/datas/路径上创建dept.txt文件，并赋值如下内容：
部门编号 部门名称 部门位置id

10	行政部	1700
20	财务部	1800
30	教学部	1900
40	销售部	1700

②在/opt/module/hive/datas/路径上创建emp.txt文件，并赋值如下内容：
员工编号 姓名 岗位 薪资 部门

7369	张三	研发	800.00	30
7499	李四	财务	1600.00	20
7521	王五	行政	1250.00	10
7566	赵六	销售	2975.00	40
7654	侯七	研发	1250.00	30
7698	马八	研发	2850.00	30
7782	金九	\N	2450.0	30
7788	银十	行政	3000.00	10
7839	小芳	销售	5000.00	40
7844	小明	销售	1500.00	40
7876	小李	行政	1100.00	10
7900	小元	讲师	950.00	30
7902	小海	行政	3000.00	10
7934	小红明	讲师	1300.00	30

（1）创建部门表

create table if not exists dept(deptno int,dname string,loc int
)
row format delimited fields terminated by '\t';

（2）创建员工表

hive (default)>
create table if not exists emp(empno int,      -- 员工编号ename string,   -- 员工姓名job string,     -- 员工岗位（大数据工程师、前端工程师、java工程师）sal double,     -- 员工薪资deptno int      -- 部门编号
)
row format delimited fields terminated by '\t';

（3）导入数据

hive (default)>
load data local inpath '/opt/module/hive/datas/dept.txt' into table dept;
load data local inpath '/opt/module/hive/datas/emp.txt' into table emp;

2.1 全表和特定列查询

1）全表查询

hive (default)> select * from emp;

2）选择特定列查询

hive (default)> select empno, ename from emp;

注意：
（1）SQL 语言大小写不敏感。
（2）SQL 可以写在一行或者多行。
（3）关键字不能被缩写也不能分行。
（4）各子句一般要分行写。
（5）使用缩进提高语句的可读性。

2.2 列别名

1）重命名一个列
2）便于计算
3）紧跟列名，也可以在列名和别名之间加入关键字‘AS’
4）案例实操

查询名称和部门。

hive (default)> 
select ename AS name, deptno dn 
from emp;

2.3 Limit语句

典型的查询会返回多行数据。limit子句用于限制返回的行数。

hive (default)> select * from emp limit 5; 
hive (default)> select * from emp limit 2,3; -- 表示从第2行开始，向下抓取3行

2.4 Where语句

1）使用where子句，将不满足条件的行过滤掉
2）where子句紧随from子句
3）案例实操

查询出薪水大于1000的所有员工。

hive (default)> select * from emp where sal > 1000;

注意：where子句中不能使用字段别名。

2.5 关系运算函数

1）基本语法

如下操作符主要用于where和having语句中。

操作符支持的数据类型描述
A=B基本数据类型如果A等于B则返回true，反之返回false
A<=>B基本数据类型如果A和B都为null或者都不为null，则返回true，如果只有一边为null，返回false
A<>B, A!=B基本数据类型A或者B为null则返回null；如果A不等于B，则返回true，反之返回false
A<B基本数据类型A或者B为null，则返回null；如果A小于B，则返回true，反之返回false
A<=B基本数据类型A或者B为null，则返回null；如果A小于等于B，则返回true，反之返回false
A>B基本数据类型A或者B为null，则返回null；如果A大于B，则返回true，反之返回false
A>=B基本数据类型A或者B为null，则返回null；如果A大于等于B，则返回true，反之返回false
A [not] between B and C基本数据类型如果A，B或者C任一为null，则结果为null。如果A的值大于等于B而且小于或等于C，则结果为true，反之为false。如果使用not关键字则可达到相反的效果。这个区间左右都是闭区间
A is null所有数据类型如果A等于null，则返回true，反之返回false
A is not null所有数据类型如果A不等于null，则返回true，反之返回false
in（数值1，数值2）所有数据类型使用 in运算显示列表中的值in后面的括号里面是集合，可以跟上多个数字。
A [not] like Bstring 类型B是一个SQL下的简单正则表达式，也叫通配符模式，如果A与其匹配的话，则返回true；反之返回false。B的表达式说明如下：‘x%’表示A必须以字母‘x’开头，‘%x’表示A必须以字母‘x’结尾，而‘%x%’表示A包含有字母‘x’,可以位于开头，结尾或者字符串中间。如果使用not关键字则可达到相反的效果。
A rlike B, A regexp Bstring 类型B是基于java的正则表达式，如果A与其匹配，则返回true；反之返回false。匹配使用的是JDK中的正则表达式接口实现的，因为正则也依据其中的规则。例如，正则表达式必须和整个字符串A相匹配，而不是只需与其字符串匹配。
  • 通配表达式：%表示任意个任意字符，_下划线表示一个任意字符。

2.6 逻辑运算函数

1）基本语法（and/or/not）

操作符含义
and逻辑并
or逻辑或
not逻辑否

2）案例实操

（1）查询薪水大于1000，部门是30

hive (default)> 
select * 
from emp 
where sal > 1000 and deptno = 30;

（2）查询薪水大于1000，或者部门是30

hive (default)> 
select * 
from emp 
where sal>1000 or deptno=30;

（3）查询除了20部门和30部门以外的员工信息

hive (default)> 
select * 
from emp 
where deptno not in(30, 20);

2.7 聚合函数

1）语法

count(*)，表示统计所有行数，包含null值；
count(某列)，表示该列一共有多少行，不包含null值；
max()，求最大值，不包含null，除非所有值都是null；
min()，求最小值，不包含null，除非所有值都是null；
sum()，求和，不包含null。
avg()，求平均值，不包含null。
  • 聚合函数可以把多行数据聚合在一起进行计算，并返回计算后的数值。
    在这里插入图片描述
  • local：表示的是本地模式，即所有的mapTask和reduceTask都运行在一个节点的一个进程里面。
  • mapreduce正常情况下是一个分布式的计算程序，可能会有多个map和多个reduce。map和reduce可能运行在多个不同的节点上面。

在这里插入图片描述
在这里插入图片描述

2）案例实操

（1）求总行数（count）

hive (default)> select count(*) cnt from emp;

hive sql执行过程：

在这里插入图片描述
（2）求工资的最大值（max）

hive (default)> select max(sal) max_sal from emp;

hive sql执行过程：

在这里插入图片描述
（3）求工资的最小值（min）

hive (default)> select min(sal) min_sal from emp;

hive sql执行过程：

在这里插入图片描述
（4）求工资的总和（sum）

hive (default)> select sum(sal) sum_sal from emp;

hive sql执行过程：
在这里插入图片描述

（5）求工资的平均值（avg）

hive (default)> select avg(sal) avg_sal from emp;

hive sql执行过程：

在这里插入图片描述

3、分组

3.1 Group By语句

Group By语句通常会和聚合函数一起使用，按照一个或者多个列队结果进行分组，然后对每个组执行聚合操作。

计算每个部门有多少人：

select job,count(*) from emp
group by job;
  • 分组首先会首先按照指定的字段进行分组，之后的count(*)会应用在每一组里面。
  • 最后返回多少行数据？有多少组就会返回多少行，因为对每组都使用了一次聚合函数，聚合之后每组返回一行。
  • 注意：对于分组聚合，select的字段只能有两类，一类是聚合函数，另一类就是分组的字段。

1）案例实操：

（1）计算emp表每个部门的平均工资。

hive (default)> 
select t.deptno, avg(t.sal) avg_sal 
from emp t 
group by t.deptno;

（2）计算emp每个部门中每个岗位的最高薪水。

hive (default)>
select t.deptno, t.job, max(t.sal) max_sal 
from emp t 
group by t.deptno, t.job;

3.2 Having语句

1）having与where不同点

（1）where后面不能写分组聚合函数，而having后面可以使用分组聚合函数。【因为where过滤的是表里面的一行一行的数据，而group by之后返回的是一组一组的数据。】

（2）having只用于group by分组统计语句。

2）案例实操

（1）求每个部门的平均薪水大于2000的部门

①求每个部门的平均工资。

hive (default)> 
select deptno, avg(sal) 
from emp 
group by deptno;

②求每个部门的平均薪水大于2000的部门。

hive (default)>
select deptno, avg(sal) avg_sal 
from emp 
group by deptno  
having avg_sal > 2000;

3.3 Join语句

在这里插入图片描述

（1）等值与不等值Join

Hive支持通常的sql join语句，但是只支持等值连接，hive的某些版本不支持非等值连接。

1）案例实操

（1）根据员工表和部门表中的部门编号相等，查询员工编号、员工名称和部门名称。

hive (default)> 
select e.empno, e.ename, d.dname 
from emp e 
join dept d 
on e.deptno = d.deptno;

在这里插入图片描述
等值与不等值连接：

在这里插入图片描述

（2）表的别名

1）好处

（1）使用别名可以简化查询。

（2）区分字段的来源。

2）案例实操

合并员工表和部门表。

hive (default)> 
select e.*,d.* 
from emp e 
join dept d 
on e.deptno = d.deptno;

（3）内连接

内连接：只有进行连接的两个表中都存在与连接条件相匹配的数据才会被保留下来。
在这里插入图片描述

hive (default)> 
select e.empno, e.ename, d.deptno 
from emp e 
join dept d 
on e.deptno = d.deptno;

（4）左外连接

左外连接：join操作符左边表中符合where子句的所有记录将会被返回。
在这里插入图片描述

hive (default)> 
select e.empno, e.ename, d.deptno 
from emp e 
left join dept d 
on e.deptno = d.deptno;

（5）右外连接

右外连接：join操作符右边表中符合where子句的所有记录将会被返回。

hive (default)> 
select e.empno, e.ename, d.deptno 
from emp e 
right join dept d 
on e.deptno = d.deptno;

（6）满外连接

满外连接：将会返回所有表中符合where语句条件的所有记录。如果任一表的指定字段没有符合条件的值的话，那么就使用null值替代。

hive (default)> 
select e.empno, e.ename, d.deptno 
from emp e 
full join dept d 
on e.deptno = d.deptno;

（7）多表连接

注意：连接n个表，至少需要n-1个连接条件。例如：连接三个表，至少需要两个连接条件。

数据准备，在/opt/module/hive/datas/下：vim location.txt

部门位置id 部门位置

[root@hadoop102 datas]$ vim location.txt

1700	北京
1800	上海
1900	深圳

1）创建位置表

hive (default)>
create table if not exists location(loc int,           -- 部门位置idloc_name string   -- 部门位置
)
row format delimited fields terminated by '\t';

2）导入数据

hive (default)> load data local inpath '/opt/module/hive/datas/location.txt' into table location;

3）多表连接查询

hive (default)> 
select e.ename, d.dname, l.loc_name
from emp e 
join dept d
on d.deptno = e.deptno 
join location l
on d.loc = l.loc;

大多数情况下，Hive会对每对join连接对象启动一个MapReduce任务。本例中会首先启动一个MapReduce job对表e和表d进行连接操作，然后会再启动一个MapReduce job将第一个MapReduce job的输出和表l进行连接操作。

注意：为什么不是表d和表l先进行连接操作呢？这是因为Hive总是按照从左到右的顺序执行的。

在这里插入图片描述

（8）笛卡尔集

1）笛卡尔集会在下面条件下产生

（1）省略连接条件

（2）连接条件无效

（3）所有表中的所有行互相连接

2）案例实操

hive (default)> 
select empno, dname 
from emp, dept;

（9）联合（union & union all）

在这里插入图片描述

1）union&union all上下拼接

union和union all都是上下拼接sql的结果，这点是和join有区别的，join是左右关联，union和union all是上下拼接。union去重，union all不去重。

  • 这里的去重指的是select得到的结果当中上下两部分数据有完全相同的。

union和union all在上下拼接sql结果时有两个要求：

（1）两个sql的结果，列的个数必须相同

（2）两个sql的结果，上下所对应列的类型必须一致

2）案例实操

将员工表30部门的员工信息和40部门的员工信息，利用union进行拼接显示。

hive (default)> 
select *
from emp
where deptno=30
union
select *
from emp
where deptno=40;
  • union连接的不是两张表，而是两个select查询。
  • 如果两张表的字段名不同，则union之后会跟第一张表的字段名一样。

4、排序–4By

4.1 全局排序（Order By）

Order By：全局排序，只有一个Reduce。

1）使用Order By子句排序

asc（ascend）：升序（默认）

desc（descend）：降序

2）Order By子句在select语句的结尾

3）基础案例实操

（1）查询员工信息按工资升序排列

hive (default)> 
select * 
from emp 
order by sal;

在这里插入图片描述

  • order by 一般和limit一起使用，这样可以找出前几或者倒数第几。
  • 使用limit之后，map阶段会进行优化，这样就不用把所有的数据都给一个reduce了。

（2）查询员工信息按工资降序排列

hive (default)> 
select * 
from emp 
order by sal desc;

4）按照别名排序案例实操

按照员工薪水的2倍排序。

hive (default)> 
select ename, sal * 2 twosal 
from emp 
order by twosal;

hive sql执行过程：

在这里插入图片描述

5）多个列排序案例实操

按照部门和工资升序排序。

hive (default)> 
select ename, deptno, sal 
from emp 
order by deptno, sal;

在这里插入图片描述

4.2 每个Reduce内部排序（Sort By）

Sort By：对于大规模的数据集order by的效率非常低。在很多情况下，并不需要全局排序，此时可以使用Sort by。

Sort by为每个reduce产生一个排序文件。每个Reduce内部进行排序，对全局结果集来说不是排序。

1）设置reduce个数

hive (default)> set mapreduce.job.reduces=3;

2）查看设置reduce个数

hive (default)> set mapreduce.job.reduces;

3）根据部门编号降序查看员工信息

hive (default)> 
select * 
from emp 
sort by deptno desc;

在这里插入图片描述
4）将查询结果导入到文件中（按照部门编号降序排序）

hive (default)> insert overwrite local directory '/opt/module/hive/datas/sortby-result'select * from emp sort by deptno desc;
  • 面试题：order by和sort by 的区别是什么？ order by 声明的是全局的排序字段，而sort by 如果使用在transfome语句当中，指定的是从map到reduce阶段的排序字段。能够保证数据到达reduce的时候，按照字段进行排序。

1、order by会对输入做全局排序，因此只有1个reducer（多个reducer无法保证全局有序），会导致当输入规模较大时，需要较长的计算时间。

2、sort by不是全局排序，其在数据进入 reducer 前完成排序。

因此，如果用 sort by 进行排序，并且设置 mapred.reduce.tasks>1， 则 sort by 只保证每个 reducer 的输出有序，不保证全局有序。

4.3 分区（Distribute By）

Distribute By：在有些情况下，我们需要控制某个特定行应该到哪个Reducer，通常是为了进行后续的聚集操作。distribute by子句可以做这件事。distribute by类似MapReduce中partition（自定义分区），进行分区，结合sort by使用。
对于distribute by进行测试，一定要分配多reduce进行处理，否则无法看到distribute by的效果。

1）案例实操：

（1）先按照部门编号分区，再按照员工编号薪资排序

hive (default)> set mapreduce.job.reduces=3;
hive (default)> 
insert overwrite local directory 
'/opt/module/hive/datas/distribute-result' 
select * 
from emp 
distribute by deptno  --分区字段是deptno
sort by sal desc;   --排序字段是sal

注意：

  • distribute by的分区规则是根据分区字段的hash码与reduce的个数进行相除后，余数相同的分到一个区。
  • Hive要求distribute by语句要写在sort by语句之前。
  • 演示完以后mapreduce.job.reduces的值要设置回-1，否则下面分区or分桶表load跑MapReduce的时候会报错。

在这里插入图片描述

4.4 分区排序（Cluster By）

当distribute by和sort by字段相同时，可以使用cluster by方式。

cluster by除了具有distribute by的功能外还兼具sort by的功能。但是排序只能是升序排序，不能指定排序规则为asc或者desc。

（1）以下两种写法等价

hive (default)> 
select * 
from emp 
cluster by deptno;

hive (default)> 
select * 
from emp 
distribute by deptno 
sort by deptno;

注意：按照部门编号分区，不一定就是固定死的数值，可以是20号和30号部门分到一个分区里面去。

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/221221.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

SUPER-ADAM: Faster and Universal Framework of Adaptive Gradients

SUPER-ADAM: Faster and Universal Framework of Adaptive Gradients

这周看了啥&#xff1a; 本周主要来看看别人是如何证明收敛的&#xff0c;围绕算法SUPER-ADAM 的更新过程和论文后面的证明&#xff0c;&#xff08;这篇证明比上周的亲切多了&#xff0c;我哭死&#xff09;仔细看了证明每一步的推导&#xff08;至于作者如何想出的&#xff…
阅读更多...
verilog基础语法之比较器

verilog基础语法之比较器

逻辑运算符以及逻辑电路概述 逻辑运算符常用于条件判断语句&#xff0c;输出为布尔值True/False。逻辑运算符是基于比较器构造的。比较器电路是产生逻辑比较的本质&#xff1b;比较器电路的复杂度与位宽和比较类型相关&#xff1b;一般情况下可以先构造基本比较器&#xff0c;…
阅读更多...
原生Html 引入element UI + vue3 表单校验设置

原生Html 引入element UI + vue3 表单校验设置

效果&#xff1a; 提交时&#xff0c;检验结果展示 html源码 <!DOCTYPE html> <html> <!--带搜索输入框下拉弹窗 --> <head><meta charset"UTF-8"><!-- import Vue before Element --><script src"../js/vue3.3.8/vu…
阅读更多...
jmeter，通过Ant插件生成html报告，展示接口详细信息

jmeter，通过Ant插件生成html报告，展示接口详细信息

一、下载Ant 下载地址&#xff1a;Apache Ant - 二进制发行版 二、安装 1、Ant环境变量 解压Ant目录&#xff1b;配置系统环境变量&#xff0c;添加ANT_PATH&#xff0c;值为D:\Software\Ant_plugIn\apache-ant-1.10.14配置系统环境变量Path&#xff0c;添加Ant路径 %ANT_H…
阅读更多...
Unity之OpenXR+XR Interaction Toolkit接入Meta Quest3

Unity之OpenXR+XR Interaction Toolkit接入Meta Quest3

前言 随着备受期待的Meta Quest 3与今年10月10日发布，这款来自Meta的下一代VR游戏头戴设备承诺将彻底改变您的游戏方式。 Meta Quest 3，玩家只需轻松一触即可在虚拟现实和真实世界之间无缝切换，无需摘下头戴设备进行快速现实检查。 Meta Quest 3最引人注目的特点之一是其能…
阅读更多...
webpack学习-5.代码分离

webpack学习-5.代码分离

webpack学习-5.代码分离 1.入口起点2.防止重复2.1 入口依赖2.2 SplitChunksPlugin 3.动态导入3.1 使用符合 ECMAScript 提案 的 import() 语法3.2 使用 webpack 特定的 require.ensure 4.预获取/预加载模块5.分析bundle6.总结 1.入口起点 代码分离是 webpack 中最引人注目的特…
阅读更多...
AIGC - 环境搭建

AIGC - 环境搭建

一. 硬件环境 1. 超微7048主板&#xff0c;最多可搭载4块GPU 2. 2个Intel的 Xen至强 14核 CPU 3. 目前安装了一块Nvidia 的P40 GPU&#xff0c;后续根据需要还最多可以扩展3块GPU 4. 4T机械 2T Nvme固态&#xff0c; 5. 4条64G DDR4内存条&#xff0c;共 196G内存…
阅读更多...
QT多项目管理

QT多项目管理

.pro文件配置解释&#xff1a;​​​​​​ Qt 中的多项目管理_qt子目录项目-CSDN博客Qt 模块化开发之 pro 子项目开发_qt 子项目-CSDN博客关于Qt编译库&#xff08;1&#xff09;&#xff1a;在子项目中编译动态库并且使用_qt编译动态库后配置qt-CSDN博客QT release下的编译…
阅读更多...
涵盖多种功能，龙讯旷腾Module第六期：输运性质

涵盖多种功能，龙讯旷腾Module第六期：输运性质

Module是什么 在PWmat的基础功能上&#xff0c;我们针对用户的使用需求开发了一些顶层模块&#xff08;Module&#xff09;。这些Module中的一部分是与已有的优秀工具的接口&#xff0c;一部分是以PWmat的计算结果为基础得到实际需要的物理量&#xff0c;一部分则是为特定的计…
阅读更多...
排序算法(二)-冒泡排序、选择排序、插入排序、希尔排序、快速排序、归并排序、基数排序

排序算法(二)-冒泡排序、选择排序、插入排序、希尔排序、快速排序、归并排序、基数排序

排序算法(二) 前面介绍了排序算法的时间复杂度和空间复杂数据结构与算法—排序算法&#xff08;一&#xff09;时间复杂度和空间复杂度介绍-CSDN博客&#xff0c;这次介绍各种排序算法——冒泡排序、选择排序、插入排序、希尔排序、快速排序、归并排序、基数排序。 文章目录 排…
阅读更多...
排序-归并排序与计数排序

排序-归并排序与计数排序

文章目录 一、归并排序1、概念2、过程3、代码实现4、复杂度5、稳定性 二、 计数排序1、思路2、代码实现3、复杂度&#xff1a;4、稳定性 一、归并排序 1、概念 是建立在归并操作上的一种有效,稳定的排序算法,该算法是采用分治法(Divide and Conquer)的一个非常典型的应用。将已…
阅读更多...
关键点检测☞png格式换bmp,且labelme标注的json中imagePath同步修改格式

关键点检测☞png格式换bmp,且labelme标注的json中imagePath同步修改格式

import os import cv2 import jsondef bmp2jpg(in_img_path, out_dir_name): # .png -> .bmp# img = cv2.imread(in_img_path) # 彩色图片，位深24img =</
阅读更多...
GDPU 数据结构 天码行空13

GDPU 数据结构 天码行空13

文章目录 一、【实验目的】二、【实验内容】三、实验源代码四、实验结果五、实验总结 一、【实验目的】 (1) 理解插入排序算法的实现过程&#xff1b; &#xff08;2&#xff09;理解不同排序算法的时间复杂度及适用环境&#xff1b; &#xff08;3&#xff09;了解算法性能…
阅读更多...
Win11 跑通tensorRT

Win11 跑通tensorRT

准备 1.安装cuda&#xff0c;成功之后文件夹如下图所示 2.下载cudnn&#xff0c;把cudnn对应的文件放在cuda里面 3.安装vs 4.安装对应cuda版本的tensorRT https://developer.nvidia.com/tensorrt-download 5.opencv安装 编译好 打开vs&#xff0c;配置环境 用vs打开tens…
阅读更多...
PLC-Recorder V3版本软件升级方法

PLC-Recorder V3版本软件升级方法

PLC-Recorder V3软件进行了架构优化&#xff0c;包括采集服务器、客户端、授权管理等组件。升级方法与V2版本相似&#xff0c;但是也有一些变化&#xff0c;说明如下&#xff1a; 一、从V2向V3版本升级 1、退出原PLCRecorder&#xff1a;关闭右下角的图标。 2、退出打开的离线…
阅读更多...
模型部署系列：10x速度提升，Yolov8检测模型稀疏化——CPU上超500FPS

模型部署系列：10x速度提升，Yolov8检测模型稀疏化——CPU上超500FPS

YOLOv8由广受欢迎的YOLOv3和YOLOv5模型的作者 Ultralytics 开发&#xff0c;凭借其无锚设计将目标检测提升到了一个新的水平。YOLOv8 专为实际部署而设计&#xff0c;重点关注速度、延迟和经济性。 [1] 详细内容请参阅 MarkAI Blog [2] 更多资料及工程项目请关注 MarkAI Githu…
阅读更多...
2023年【A特种设备相关管理（锅炉压力容器压力管道）】考试题及A特种设备相关管理（锅炉压力容器压力管道）考试内容

2023年【A特种设备相关管理（锅炉压力容器压力管道）】考试题及A特种设备相关管理（锅炉压力容器压力管道）考试内容

题库来源&#xff1a;安全生产模拟考试一点通公众号小程序 A特种设备相关管理&#xff08;锅炉压力容器压力管道&#xff09;考试题是安全生产模拟考试一点通总题库中生成的一套A特种设备相关管理&#xff08;锅炉压力容器压力管道&#xff09;考试内容&#xff0c;安全生产模…
阅读更多...
DockerCompose部署RabbitMQ集群

DockerCompose部署RabbitMQ集群

DockerCompose部署RabbitMQ集群 最近小黄在工作中正好需要部署RabbitMQ集群&#xff0c;借此来记录一下&#xff0c;也希望可以帮助到大家 前置条件 简单介绍一下咱们公司现有的条件以及想要达成的效果 服务器3台&#xff0c;3台都是属于一个专有网络中&#xff0c;也就是说3…
阅读更多...
【开源】基于JAVA的桃花峪滑雪场租赁系统

【开源】基于JAVA的桃花峪滑雪场租赁系统

项目编号&#xff1a; S 036 &#xff0c;文末获取源码。 \color{red}{项目编号&#xff1a;S036&#xff0c;文末获取源码。} 项目编号&#xff1a;S036&#xff0c;文末获取源码。 目录 一、摘要1.1 项目介绍1.2 项目录屏 二、功能模块2.1 游客服务2.2 雪场管理 三、数据库设…
阅读更多...
关于“Python”的核心知识点整理大全19

关于“Python”的核心知识点整理大全19

目录 ​编辑 8.6.4 使用 as 给模块指定别名 8.6.5 导入模块中的所有函数 8.7 函数编写指南 8.8 小结 第9章 类 9.1 创建和使用类 9.1.1 创建 Dog 类 dog.py 1. 方法__init__() 2. 在Python 2.7中创建类 9.1.2 根据类创建实例 1. 访问属性 2. 调用方法 3. 创建多…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023