MongoDB聚合：$merge 阶段（2）

$merge的用途是把聚合管道产生的结果写入指定的集合，有时候可以用$merge来做物化视图。下面是$merge的一些例子。

举例

按需物化视图：创建集合

当输出集合不存在时，$merge将自动创建。首先在zoo数据库的salaries集合中填充员工和部门历史数据：

db.getSiblingDB("zoo").salaries.insertMany([{ "_id" : 1, employee: "Ant", dept: "A", salary: 100000, fiscal_year: 2017 },{ "_id" : 2, employee: "Bee", dept: "A", salary: 120000, fiscal_year: 2017 },{ "_id" : 3, employee: "Cat", dept: "Z", salary: 115000, fiscal_year: 2017 },{ "_id" : 4, employee: "Ant", dept: "A", salary: 115000, fiscal_year: 2018 },{ "_id" : 5, employee: "Bee", dept: "Z", salary: 145000, fiscal_year: 2018 },{ "_id" : 6, employee: "Cat", dept: "Z", salary: 135000, fiscal_year: 2018 },{ "_id" : 7, employee: "Gecko", dept: "A", salary: 100000, fiscal_year: 2018 },{ "_id" : 8, employee: "Ant", dept: "A", salary: 125000, fiscal_year: 2019 },{ "_id" : 9, employee: "Bee", dept: "Z", salary: 160000, fiscal_year: 2019 },{ "_id" : 10, employee: "Cat", dept: "Z", salary: 150000, fiscal_year: 2019 }
])

然后，使用$group和$merge管道阶段，在reporting数据库中创建一个名为budgets的集合。

注意：

  • 对于复制集或标准部署的情况，如果输出数据库不存在会自动创建数据库
  • 对于分片集群部署的情况，要求输出指定的数据库必须已经存在。
db.getSiblingDB("zoo").salaries.aggregate( [{ $group: { _id: { fiscal_year: "$fiscal_year", dept: "$dept" }, salaries: { $sum: "$salary" } } },{ $merge : { into: { db: "reporting", coll: "budgets" }, on: "_id",  whenMatched: "replace", whenNotMatched: "insert" } }
] )
  • $group阶段根据fiscal_year和dept对salaries进行分组
  • $merge阶段将$group阶段处理的结果输出到reporting数据库的budgets集合。

此时，budegets将包含下面的文档：

{ "_id" : { "fiscal_year" : 2017, "dept" : "A" }, "salaries" : 220000 }
{ "_id" : { "fiscal_year" : 2017, "dept" : "Z" }, "salaries" : 115000 }
{ "_id" : { "fiscal_year" : 2018, "dept" : "A" }, "salaries" : 215000 }
{ "_id" : { "fiscal_year" : 2018, "dept" : "Z" }, "salaries" : 280000 }
{ "_id" : { "fiscal_year" : 2019, "dept" : "A" }, "salaries" : 125000 }
{ "_id" : { "fiscal_year" : 2019, "dept" : "Z" }, "salaries" : 310000 }

按需物化视图：更新/替换数据

下面的例子继续使用上面例子的数据，salaries集合包含了员工薪酬和部门的历史数据：

{ "_id" : 1, "employee": "Ant", "dept": "A", "salary": 100000, "fiscal_year": 2017 },
{ "_id" : 2, "employee": "Bee", "dept": "A", "salary": 120000, "fiscal_year": 2017 },
{ "_id" : 3, "employee": "Cat", "dept": "Z", "salary": 115000, "fiscal_year": 2017 },
{ "_id" : 4, "employee": "Ant", "dept": "A", "salary": 115000, "fiscal_year": 2018 },
{ "_id" : 5, "employee": "Bee", "dept": "Z", "salary": 145000, "fiscal_year": 2018 },
{ "_id" : 6, "employee": "Cat", "dept": "Z", "salary": 135000, "fiscal_year": 2018 },
{ "_id" : 7, "employee": "Gecko", "dept": "A", "salary": 100000, "fiscal_year": 2018 },
{ "_id" : 8, "employee": "Ant", "dept": "A", "salary": 125000, "fiscal_year": 2019 },
{ "_id" : 9, "employee": "Bee", "dept": "Z", "salary": 160000, "fiscal_year": 2019 },
{ "_id" : 10, "employee": "Cat", "dept": "Z", "salary": 150000, "fiscal_year": 2019 }

budgets集合包含了年度累计预算:

{ "_id" : { "fiscal_year" : 2017, "dept" : "A" }, "salaries" : 220000 }
{ "_id" : { "fiscal_year" : 2017, "dept" : "Z" }, "salaries" : 115000 }
{ "_id" : { "fiscal_year" : 2018, "dept" : "A" }, "salaries" : 215000 }
{ "_id" : { "fiscal_year" : 2018, "dept" : "Z" }, "salaries" : 280000 }
{ "_id" : { "fiscal_year" : 2019, "dept" : "A" }, "salaries" : 125000 }
{ "_id" : { "fiscal_year" : 2019, "dept" : "Z" }, "salaries" : 310000 }

在当前财政年度（本例中为 2019 年），将新员工增加到slaaries集合，并为下一年预分配一些人数：

db.getSiblingDB("zoo").salaries.insertMany([{ "_id" : 11,  employee: "Wren", dept: "Z", salary: 100000, fiscal_year: 2019 },{ "_id" : 12,  employee: "Zebra", dept: "A", salary: 150000, fiscal_year: 2019 },{ "_id" : 13,  employee: "headcount1", dept: "Z", salary: 120000, fiscal_year: 2020 },{ "_id" : 14,  employee: "headcount2", dept: "Z", salary: 120000, fiscal_year: 2020 }
])

下面的聚合将更新budgets集合以反映新的薪酬信息：

db.getSiblingDB("zoo").salaries.aggregate( [{ $match: { fiscal_year: 2019 }},{ $group: { _id: { fiscal_year: "$fiscal_year", dept: "$dept" }, employees: { $push: "$employee" } } },{ $project: { _id: 0, dept: "$_id.dept", fiscal_year: "$_id.fiscal_year", employees: 1 } },{ $merge : { into : { db: "reporting", coll: "orgArchive" }, on: [ "dept", "fiscal_year" ], whenMatched: "fail" } }
] )

其中:

  • $match阶段查询出所有fiscal_year大于等于2019的文档。
  • $group阶段根据fiscal_year和dept字段对薪酬进行分组。
  • $merge将结果集写入到budgets集合，替换相同_id(fiscal_year和dept)的文档，本例中没有匹配到文档，所以只会插入新文档。

聚合运行后，查询budgets集合的结果：

db.getSiblingDB("reporting").budgets.find().sort( { _id: 1 } )

budget集合纳入了2019财年新的薪酬并新增了2020财年的新文档：

{ "_id" : { "fiscal_year" : 2017, "dept" : "A" }, "salaries" : 220000 }
{ "_id" : { "fiscal_year" : 2017, "dept" : "Z" }, "salaries" : 115000 }
{ "_id" : { "fiscal_year" : 2018, "dept" : "A" }, "salaries" : 215000 }
{ "_id" : { "fiscal_year" : 2018, "dept" : "Z" }, "salaries" : 280000 }
{ "_id" : { "fiscal_year" : 2019, "dept" : "A" }, "salaries" : 275000 }
{ "_id" : { "fiscal_year" : 2019, "dept" : "Z" }, "salaries" : 410000 }
{ "_id" : { "fiscal_year" : 2020, "dept" : "Z" }, "salaries" : 240000 }

只新增数据

为了确认$merge没有覆盖集合的任何数据，设置whenMatched来keepExisting或fail。下面是zoo数据库的salaries集合，包含了员工薪酬和部门历史数据：

{ "_id" : 1, "employee": "Ant", "dept": "A", "salary": 100000, "fiscal_year": 2017 },
{ "_id" : 2, "employee": "Bee", "dept": "A", "salary": 120000, "fiscal_year": 2017 },
{ "_id" : 3, "employee": "Cat", "dept": "Z", "salary": 115000, "fiscal_year": 2017 },
{ "_id" : 4, "employee": "Ant", "dept": "A", "salary": 115000, "fiscal_year": 2018 },
{ "_id" : 5, "employee": "Bee", "dept": "Z", "salary": 145000, "fiscal_year": 2018 },
{ "_id" : 6, "employee": "Cat", "dept": "Z", "salary": 135000, "fiscal_year": 2018 },
{ "_id" : 7, "employee": "Gecko", "dept": "A", "salary": 100000, "fiscal_year": 2018 },
{ "_id" : 8, "employee": "Ant", "dept": "A", "salary": 125000, "fiscal_year": 2019 },
{ "_id" : 9, "employee": "Bee", "dept": "Z", "salary": 160000, "fiscal_year": 2019 },
{ "_id" : 10, "employee": "Cat", "dept": "Z", "salary": 150000, "fiscal_year": 2019 }

reporting数据库中的orgArchive集合包含了过去财年的部门组织记录。已归档的记录不能修改。

{ "_id" : ObjectId("5cd8c68261baa09e9f3622be"), "employees" : [ "Ant", "Gecko" ], "dept" : "A", "fiscal_year" : 2018 }
{ "_id" : ObjectId("5cd8c68261baa09e9f3622bf"), "employees" : [ "Ant", "Bee" ], "dept" : "A", "fiscal_year" : 2017 }
{ "_id" : ObjectId("5cd8c68261baa09e9f3622c0"), "employees" : [ "Bee", "Cat" ], "dept" : "Z", "fiscal_year" : 2018 }
{ "_id" : ObjectId("5cd8c68261baa09e9f3622c1"), "employees" : [ "Cat" ], "dept" : "Z", "fiscal_year" : 2017 }

在orgArchive集合创建一个由fiscal_year和dept构成的复合唯一索引，也就是说相同的财年和部门最多只有一条记录：

db.getSiblingDB("reporting").orgArchive.createIndex ( { fiscal_year: 1, dept: 1 }, { unique: true } )

在2019财年结束时，salaries集合包含下面的文档：

{ "_id" : 1, "employee" : "Ant", "dept" : "A", "salary" : 100000, "fiscal_year" : 2017 }
{ "_id" : 2, "employee" : "Bee", "dept" : "A", "salary" : 120000, "fiscal_year" : 2017 }
{ "_id" : 3, "employee" : "Cat", "dept" : "Z", "salary" : 115000, "fiscal_year" : 2017 }
{ "_id" : 4, "employee" : "Ant", "dept" : "A", "salary" : 115000, "fiscal_year" : 2018 }
{ "_id" : 5, "employee" : "Bee", "dept" : "Z", "salary" : 145000, "fiscal_year" : 2018 }
{ "_id" : 6, "employee" : "Cat", "dept" : "Z", "salary" : 135000, "fiscal_year" : 2018 }
{ "_id" : 7, "employee" : "Gecko", "dept" : "A", "salary" : 100000, "fiscal_year" : 2018 }
{ "_id" : 8, "employee" : "Ant", "dept" : "A", "salary" : 125000, "fiscal_year" : 2019 }
{ "_id" : 9, "employee" : "Bee", "dept" : "Z", "salary" : 160000, "fiscal_year" : 2019 }
{ "_id" : 10, "employee" : "Cat", "dept" : "Z", "salary" : 150000, "fiscal_year" : 2019 }
{ "_id" : 11, "employee" : "Wren", "dept" : "Z", "salary" : 100000, "fiscal_year" : 2019 }
{ "_id" : 12, "employee" : "Zebra", "dept" : "A", "salary" : 150000, "fiscal_year" : 2019 }
{ "_id" : 13, "employee" : "headcount1", "dept" : "Z", "salary" : 120000, "fiscal_year" : 2020 }
{ "_id" : 14, "employee" : "headcount2", "dept" : "Z", "salary" : 120000, "fiscal_year" : 2020 }

下面的聚合管道将更新orgArchive集合2019财年的数据：

db.getSiblingDB("zoo").salaries.aggregate( [{ $match: { fiscal_year: 2019 }},{ $group: { _id: { fiscal_year: "$fiscal_year", dept: "$dept" }, employees: { $push: "$employee" } } },{ $project: { _id: 0, dept: "$_id.dept", fiscal_year: "$_id.fiscal_year", employees: 1 } },{ $merge : { into : { db: "reporting", coll: "orgArchive" }, on: [ "dept", "fiscal_year" ], whenMatched: "fail" } }
] )

其中：

  • $match阶段查询出所有fiscal_year等于2019的文档。
  • $group阶段根据fiscal_year和dept对员工进行分组。
  • $project对_id字段进行抑制，并增加单独的dept和fiscal_year字段。当文档通过$merge阶段时，将自动产生一个新的_id字段。
  • $merge根据dept、fiscal_year字段匹配到文档后将产生错误。

聚合运行后，orgArchive集合将包含下列文档：

{ "_id" : ObjectId("5caccc6a66b22dd8a8cc419f"), "employees" : [ "Ahn", "Bess" ], "dept" : "A", "fiscal_year" : 2017 }
{ "_id" : ObjectId("5caccc6a66b22dd8a8cc419e"), "employees" : [ "Ahn", "Gee" ], "dept" : "A", "fiscal_year" : 2018 }
{ "_id" : ObjectId("5caccd0b66b22dd8a8cc438e"), "employees" : [ "Ahn", "Zeb" ], "dept" : "A", "fiscal_year" : 2019 }
{ "_id" : ObjectId("5caccc6a66b22dd8a8cc41a0"), "employees" : [ "Carl" ], "dept" : "Z", "fiscal_year" : 2017 }
{ "_id" : ObjectId("5caccc6a66b22dd8a8cc41a1"), "employees" : [ "Bess", "Carl" ], "dept" : "Z", "fiscal_year" : 2018 }
{ "_id" : ObjectId("5caccd0b66b22dd8a8cc438d"), "employees" : [ "Bess", "Carl", "Wen" ], "dept" : "Z", "fiscal_year" : 2019 }

说明：

若orgArchive集合中已经存在2019年有两个部门"A"、"B"的文档，则聚合会因为键值重复执行失败，并且出错前已经插入的数据无法回滚。
若使用keepExisting选项，则不会对已存在的文档产生影响，不会报错。若使用replace处理，则会替换已存在的文档，也不会报错。

合并多个集合的结果

默认情况下，$merge会覆盖目标集合中重复的文档。

在集合purchaseorders中，插入季度和区域的订单信息：

db.purchaseorders.insertMany( [{ _id: 1, quarter: "2019Q1", region: "A", qty: 200, reportDate: new Date("2019-04-01") },{ _id: 2, quarter: "2019Q1", region: "B", qty: 300, reportDate: new Date("2019-04-01") },{ _id: 3, quarter: "2019Q1", region: "C", qty: 700, reportDate: new Date("2019-04-01") },{ _id: 4, quarter: "2019Q2", region: "B", qty: 300, reportDate: new Date("2019-07-01") },{ _id: 5, quarter: "2019Q2", region: "C", qty: 1000, reportDate: new Date("2019-07-01") },{ _id: 6, quarter: "2019Q2", region: "A", qty: 400, reportDate: new Date("2019-07-01") },
] )

在集合reportedsales 中插入季度和区域的销售报告信息：

db.reportedsales.insertMany( [{ _id: 1, quarter: "2019Q1", region: "A", qty: 400, reportDate: new Date("2019-04-02") },{ _id: 2, quarter: "2019Q1", region: "B", qty: 550, reportDate: new Date("2019-04-02") },{ _id: 3, quarter: "2019Q1", region: "C", qty: 1000, reportDate: new Date("2019-04-05") },{ _id: 4, quarter: "2019Q2", region: "B", qty: 500, reportDate: new Date("2019-07-02") },
] )

按照季度查看报告:

{ "_id" : "2019Q1", "sales" : 1950, "purchased" : 1200 }
{ "_id" : "2019Q2", "sales" : 500, "purchased" : 1700 }

可以使用$merge把purchaseorders和reportedsales集合进行合并，得到一个新的quarterlyreport集合，聚合：

db.purchaseorders.aggregate( [{ $group: { _id: "$quarter", purchased: { $sum: "$qty" } } },  // 按季度对订单进行分组{ $merge : { into: "quarterlyreport", on: "_id",  whenMatched: "merge", whenNotMatched: "insert" } }
])
  • $group阶段按季度进行分组，并使用$sum对qty累加，形成purchased字段
{ "_id" : "2019Q2", "purchased" : 1700 }
{ "_id" : "2019Q1", "purchased" : 1200 }
  • $merge阶段将文档写入quarterlyreport集合，如果集合中有_id相同的文档则会合并，否则会插入新文档。

查询quarterlyreport集合文档数据:

db.quarterlyreport.find().sort( { _id: 1 } )

结果：

{ "_id" : "2019Q1", "sales" : 1200, "purchased" : 1200 }
{ "_id" : "2019Q2", "sales" : 1700, "purchased" : 1700 }

同样的，对reportedsales运行聚合管道，并将销售结果合并到quarterlyreport集合：

db.reportedsales.aggregate( [{ $group: { _id: "$quarter", sales: { $sum: "$qty" } } },  // 按季度对销售额汇总{ $merge : { into: "quarterlyreport", on: "_id",  whenMatched: "merge", whenNotMatched: "insert" } }
])
  • $group阶段按quarter进行分组并使用$sum将qty的合计值放到sales字段，得到：
{ "_id" : "2019Q2", "sales" : 500 }
{ "_id" : "2019Q1", "sales" : 1950 }
  • merge阶段将文档输出到quarterlyreport集合，如果集合有相同_id（季度）的文档则进行合并，否则就插入新文档。

查询quarterlyreport的数据:

db.quarterlyreport.find().sort( { _id: 1 } )

可以看到集合包含下面的文档：

{ "_id" : "2019Q1", "sales" : 1950, "purchased" : 1200 }
{ "_id" : "2019Q2", "sales" : 500, "purchased" : 1700 }

使用管道定制合并

在匹配到文档时，$merge也可以使用自定义更新管道，whenMatched管道可以包含下面的这些阶段：

  • $addFields及其别名$set
  • $projecct及其别名$unset
  • $replaceRoot及其别名$replaceWith

下面的例子中，创建一个votes集合，包含了日常选票数据：

db.votes.insertMany( [{ date: new Date("2019-05-01"), "thumbsup" : 1, "thumbsdown" : 1 },{ date: new Date("2019-05-02"), "thumbsup" : 3, "thumbsdown" : 1 },{ date: new Date("2019-05-03"), "thumbsup" : 1, "thumbsdown" : 1 },{ date: new Date("2019-05-04"), "thumbsup" : 2, "thumbsdown" : 2 },{ date: new Date("2019-05-05"), "thumbsup" : 6, "thumbsdown" : 10 },{ date: new Date("2019-05-06"), "thumbsup" : 13, "thumbsdown" : 16 }
] )

另外，创建一个monthlytotals集合，包含有最新的每月总票数：

db.monthlytotals.insertOne({ "_id" : "2019-05", "thumbsup" : 26, "thumbsdown" : 31 }
)

最后，在创建一个votes集合，插入按日的选票数据：

db.votes.insertOne({ date: new Date("2019-05-07"), "thumbsup" : 14, "thumbsdown" : 10 }
)

下面使用$merge的自定义管道，更新monthlytotals集合中已经存在的文档：

db.votes.aggregate([{ $match: { date: { $gte: new Date("2019-05-07"), $lt: new Date("2019-05-08") } } },{ $project: { _id: { $dateToString: { format: "%Y-%m", date: "$date" } }, thumbsup: 1, thumbsdown: 1 } },{ $merge: {into: "monthlytotals",on: "_id",whenMatched:  [{ $addFields: {thumbsup: { $add:[ "$thumbsup", "$$new.thumbsup" ] },thumbsdown: { $add: [ "$thumbsdown", "$$new.thumbsdown" ] }} } ],whenNotMatched: "insert"} }
])

其中：

  • $match阶段查询指定日期的选票：

    { "_id" : ObjectId("5ce6097c436eb7e1203064a6"), "date" : ISODate("2019-05-07T00:00:00Z"), "thumbsup" : 14, "thumbsdown" : 10 }

  • $project阶段，设置_id字段为年-月字符串：\

    { "thumbsup" : 14, "thumbsdown" : 10, "_id" : "2019-05" }

  • $merge阶段，将文档写入monthlytotals集合，如果存在_id匹配到的文档，则使用管道添加thumbsup和thumbsdown的投票

    • 管道不能直接访问聚合结果的字段，要访问thumbsup和thumbsdown字段，需要使用$$new变量，如：$$new.thumbsup和$new.thumbsdown。
    • 对于集合中已存在的文档，管道可以直接访问thumbsup和thumbsdown字段，如：$thumbsup和$thumbsdown。

聚合运行后，使用下面的指令查询monthlytotals集合数据：

db.monthlytotals.find()

结果：

{ "_id" : "2019-05", "thumbsup" : 40, "thumbsdown" : 41 }

使用变量自定义合并

在$merge阶段的whenMatched字段，还可以使用变量，但变量在使用前必须提前定义，定义字段有两种方式：

  • 在$merge阶段使用let进行定义
  • 使用聚合命令let（从MongoDB5.0开始支持）

在whenMatched中使用变量，必须以$$符号为前缀指定变量名$$<variable_name>，如：$$year。如果变量是文档，也可以包含文档字段，格式为$$<变量名>.<字段>。例如，$$year.month。

在Merge阶段使用变量

在$merge阶段使用let定义变量，并在whenMatched字段使用变量：

db.cakeSales.insertOne( [{ _id: 1, flavor: "chocolate", salesTotal: 1580,salesTrend: "up" }
] )db.runCommand( {aggregate: db.cakeSales.getName(),pipeline: [ {$merge: {into: db.cakeSales.getName(),let : { year: "2020" },whenMatched: [ {$addFields: { "salesYear": "$$year" }} ]}} ],cursor: {}
} )db.cakeSales.find()

说明：

  • 创建cakeSales集合并插入数据
  • 运行聚合执行，指令中使用let定义了year变量，并在whenMatched中把year赋值给字段salesYear。
  • 查询cakeSales集合文档

输出：

{ "_id" : 1, "flavor" : "chocolate", "salesTotal" : 1580,"salesTrend" : "up", "salesYear" : "2020" }
在聚合命令中使用变量

从Mongodb5.0开始，可以在聚合命令中使用let定义变量，并在$merge阶段的whenMatched字段中引用。

举例：

db.cakeSales.insertOne({ _id: 1, flavor: "chocolate", salesTotal: 1580,salesTrend: "up" }
)db.runCommand( {aggregate: db.cakeSales.getName(),pipeline: [ {$merge: {into: db.cakeSales.getName(),whenMatched: [ {$addFields: { "salesYear": "$$year" } }] }}],cursor: {},let : { year: "2020" }
} )db.cakeSales.find()

说明：

  • 创建一个cakeSales集合并插入数据
  • 运行聚合命令，使用let定义一个year变量，在whenMatched中将year变量赋值给salesYear字段。
  • 显示cakeSales文档

输出：

{ "_id" : 1, "flavor" : "chocolate", "salesTotal" : 1580,"salesTrend" : "up", "salesYear" : "2020" }
同时在Merge和聚合命令中定义变量

可以同时在Merge阶段和命令中定义变量。如果在$merge阶段和聚合命令中定义了同名的变量，则优先$merge阶段的变量。

在下面的例子中，$merge节点定义了year变量，值为"2020"，另外在聚合命令中也定义了year变量，值为"2019"，运行下面的命令：

db.cakeSales.insertOne({ _id: 1, flavor: "chocolate", salesTotal: 1580,salesTrend: "up" }
)db.runCommand( {aggregate: db.cakeSales.getName(),pipeline: [ {$merge: {into: db.cakeSales.getName(),let : { year: "2020" },whenMatched: [ {$addFields: { "salesYear": "$$year" }} ]}} ],cursor: {},let : { year: "2019" }
} )db.cakeSales.find()

结果：

{_id: 1,flavor: 'chocolate',salesTotal: 1580,salesTrend: 'up',salesYear: '2020'
}

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/586666.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

Golang解决跨域问题【OPTIONS预处理请求】

Golang解决跨域问题【OPTIONS预处理请求】

Golang解决跨域问题 前置知识&#xff1a;跨域问题产生条件及原因 跨域是是因为浏览器的同源策略限制&#xff0c;是浏览器的一种安全机制&#xff0c;服务端之间是不存在跨域的。 所谓同源指的是两个页面具有相同的协议、主机和端口&#xff0c;三者有任一不相同即会产生跨域…
阅读更多...
Autosar MCAL-RH850P1HC Mcu配置

Autosar MCAL-RH850P1HC Mcu配置

文章目录 McuModuleConfigurationCvm Diag Lock BitCvm Out Mask DiagCvm Out Mask FbistCvm Output FilterCvm Reset EnableNumber Of Mcu ModesRam SectorsReset SettingSw Reset TriggerMcuClockSettingConfigClock Setting Id
阅读更多...
数据库原理与应用快速复习（期末急救）

数据库原理与应用快速复习（期末急救）

文章目录 第一章数据库系统概述数据、数据库、数据库管理系统、数据定义、数据组织、存储和管理、数据操纵功能、数据库系统的构成数据管理功能、数据库管理的3个阶段以及特点数据库的特点、共享、独立、DBMS数据控制功能数据库的特点 数据模型两类数据模型、逻辑模型主要包括什…
阅读更多...
2023 IoTDB Summit：天谋科技 CTO 乔嘉林《IoTDB 企业版 V1.3： 时序数据管理一站式解决方案》...

2023 IoTDB Summit：天谋科技 CTO 乔嘉林《IoTDB 企业版 V1.3： 时序数据管理一站式解决方案》...

12 月 3 日&#xff0c;2023 IoTDB 用户大会在北京成功举行&#xff0c;收获强烈反响。本次峰会汇集了超 20 位大咖嘉宾带来工业互联网行业、技术、应用方向的精彩议题&#xff0c;多位学术泰斗、企业代表、开发者&#xff0c;深度分享了工业物联网时序数据库 IoTDB 的技术创新…
阅读更多...
【Web2D/3D】CSS3的2D/3D转换、过渡、动画（第一篇）

【Web2D/3D】CSS3的2D/3D转换、过渡、动画（第一篇）

1. 前言 本篇开始介绍Web2D和3D相关基础知识&#xff0c;会从CSS3的2D/3D转换、过渡、动画&#xff0c;讲到Canvas 2D图形绘制&#xff0c;再到SVG&#xff0c;最后到WebGL。 坐标系&#xff1a;左上点是坐标原点(0,0)&#xff0c;x轴正方向向右&#xff0c;y轴正方向向下&…
阅读更多...
STL——查找算法

STL——查找算法

算法简介&#xff1a; find ——//查找元素find_if ——//按条件查找元素adjacent_find ——//查找相邻重复元素binary_search ——//二分查找法count ——//统计元素个数count_if ——//按条件统计元素个数 1.find 函数原型&#xff1a; find(iterator beg, iterator end,…
阅读更多...
（学习打卡1）重学Java设计模式之设计模式介绍

（学习打卡1）重学Java设计模式之设计模式介绍

前言&#xff1a;听说有本很牛的关于Java设计模式的书——重学Java设计模式&#xff0c;然后买了(*^▽^*) 开始跟着小傅哥学Java设计模式吧&#xff0c;本文主要记录笔者的学习笔记和心得。 打卡&#xff01;打卡&#xff01; 设计模式介绍 一、设计模式是什么&#xff1f; …
阅读更多...
【Matlab】基于遗传算法优化BP神经网络 (GA-BP)的数据时序预测

【Matlab】基于遗传算法优化BP神经网络 (GA-BP)的数据时序预测

资源下载&#xff1a; https://download.csdn.net/download/vvoennvv/88682033 一&#xff0c;概述 基于遗传算法优化BP神经网络 (GA-BP) 的数据时序预测是一种常用的机器学习方法&#xff0c;用于预测时间序列数据的趋势和未来值。 在使用这种方法之前&#xff0c;需要将时间序…
阅读更多...
Linux：apache优化（4）—— 隐藏版本号

Linux：apache优化（4）—— 隐藏版本号

运行环境 yum -y install apr apr-devel cyrus-sasl-devel expat-devel libdb-devel openldap-devel apr-util-devel apr-util pcre-devel pcre gcc make zlib-devel 源码包配置 ./configure --prefix/usr/local/httpd --enable-cgi --enable-rewrite --enable-so --enabl…
阅读更多...
oracle-检查点队列

oracle-检查点队列

检查点队列也在buffer cache上&#xff0c;和LRU&#xff0c;CBC。。。一样&#xff0c;也在一个链上。 检查点队列链也链的是脏块&#xff0c;也就是脏块不仅链在LRUW上&#xff0c;也在这里。 在LRUW上是按照冷热排列。而检查点队列链是按照脏块的第一次脏的时间顺序排序。 R…
阅读更多...
20231230 SQL基础50题打卡

20231230 SQL基础50题打卡

20231230 SQL基础50题打卡 570. 至少有5名直接下属的经理 表: Employee ---------------------- | Column Name | Type | ---------------------- | id | int | | name | varchar | | department | varchar | | managerId | int | -----------…
阅读更多...
2024年单片机毕业设计选题物联网计算机电气电子类

2024年单片机毕业设计选题物联网计算机电气电子类

博主八年毕业设计辅导经验&#xff0c;安全 可靠。 题目一&#xff1a;基于单片机的PM2.5空气质量检测仪器 选 1.用到ADC0832模数转换芯片&#xff0c;数据更加精准。 2.使用夏普传感器的GP2Y1010AUOF粉尘传感器实时检测空气中的PM2.5值并通过1602显示出来&#xff0c;检测…
阅读更多...
【Spark精讲】一文讲透SparkSQL聚合过程以及UDAF开发

【Spark精讲】一文讲透SparkSQL聚合过程以及UDAF开发

SparkSQL聚合过程 这里的 Partial 方式表示聚合函数的模式&#xff0c;能够支持预先局部聚合&#xff0c;这方面的内容会在下一节详细介绍。 对应实例中的聚合语句&#xff0c;因为 count 函数支持 Partial 方式&#xff0c;因此调用的是 planAggregateWithoutDistinct 方法&a…
阅读更多...
conda环境下nvrtc: error: invalid value for --gpu-architecture解决方法

conda环境下nvrtc: error: invalid value for --gpu-architecture解决方法

1 问题描述 在运行视频处理的模型过程中&#xff0c;出现如下异常&#xff1a; nvrtc: error: invalid value for --gpu-architecture (-arch)nvrtc compilation failed: #define NAN __int_as_float(0x7fffffff) #define POS_INFINITY __int_as_float(0x7f800000) #define N…
阅读更多...
用python画最简单的图案,用python画小猫简单代码

用python画最简单的图案,用python画小猫简单代码

本篇文章给大家谈谈用python画小猫简单100行代码&#xff0c;以及用python画最简单的图案&#xff0c;希望对各位有所帮助&#xff0c;不要忘了收藏本站喔。 Source code download: 本文相关源码 from turtle import * #两个函数用于画心 defcurvemove():for i in range(200): …
阅读更多...
十二、K8S之污点和容忍

十二、K8S之污点和容忍

污点和容忍 一、概念 k8s 集群中可能管理着非常庞大的服务器&#xff0c;这些服务器可能是各种各样不同类型的&#xff0c;比如机房、地理位置、配置等&#xff0c;有些是计算型节点&#xff0c;有些是存储型节点&#xff0c;此时我们希望能更好的将 pod 调度到与之需求更匹配…
阅读更多...
AI绘画工具Midjourney绘画提示词Prompt分享

AI绘画工具Midjourney绘画提示词Prompt分享

一、Midjourney绘画工具 SparkAi创作系统是基于ChatGPT进行开发的Ai智能问答系统和Midjourney绘画系统&#xff0c;支持OpenAI-GPT全模型国内AI全模型。本期针对源码系统整体测试下来非常完美&#xff0c;可以说SparkAi是目前国内一款的ChatGPT对接OpenAI软件系统。那么如何搭…
阅读更多...
Python-01-print、input、#

Python-01-print、input、#

目录 1、print函数的使用 2、input函数的使用 3、python中的注释 1、print函数的使用 print&#xff1a;基本输出函数 print&#xff08;输出内容&#xff09; eg&#xff1a; a100 b50 print(90) print(a) print(a*b) print("北京欢迎你")#字符串要引号引起…
阅读更多...
Chapter 7 - 8. Congestion Management in Ethernet Storage Networks以太网存储网络的拥塞管理

Chapter 7 - 8. Congestion Management in Ethernet Storage Networks以太网存储网络的拥塞管理

Stomped CRC Counters Stomped CRC counters help in finding the location of bit errors in a network that uses cut-through switches. More precisely, these counters help in finding where bit errors do not exist. Stomped CRC 计数器有助于在使用直通式交换机的网络…
阅读更多...
《微信小程序开发从入门到实战》学习六十六

《微信小程序开发从入门到实战》学习六十六

6.5 界面API 6.5.2 导航栏菜单API 使用wx.getMenuButtonBoundingClientRect接口可以获取导航栏菜单按钮&#xff08;右上角“胶囊”按钮&#xff09;的布局位置信息。 坐标信息以屏幕左上角为原点。调用该接口不传入参数&#xff0c;返回值为Object类型&#xff0c;包含属性…
阅读更多...
最新文章

Copyright @ 2022~2023