ES（Elasticsearch）的基本使用

一、常见的NoSQL解决方案

1、redis

Redis是一个基于内存的 key-value 结构数据库。Redis是一款采用key-value数据存储格式的内存级NoSQL数据库，重点关注数据存储格式，是key-value格式，也就是键值对的存储形式。与MySQL数据库不同，MySQL数据库有表、有字段、有记录，Redis没有这些东西，就是一个名称对应一个值，并且数据以存储在内存中使用为主。redis的基本使用

2、mongodb

  1. MongoDB可以在内存中存储类似对象的数据并实现数据的快速访问。
  2. 使用Redis技术可以有效的提高数据访问速度，但是由于Redis的数据格式单一性，无法操作结构化数据，当操作对象型的数据时，Redis就显得捉襟见肘。在保障访问速度的情况下，如果想操作结构化数据，看来Redis无法满足要求了，此时需要使用全新的数据存储结束来解决此问题，即MongoDB技术。mongodb的基本使用

3、ES（Elasticsearch）

  1. ES（Elasticsearch）是一个分布式全文搜索引擎，重点是全文搜索。

二、ES的使用

ES简介

  1. es是由Apache开源的一个兼有搜索引擎和NoSQL数据库功能的系统，其特点主要如下。
      1. 基于Java/Lucene构建，支持全文搜索、结构化搜索（应用于加速数据的查询）
      1. 低延迟，支持实时搜索
      1. 分布式部署，可横向集群扩展
      1. 支持百万级数据
      1. 支持多条件复杂查询，如聚合查询
      1. 高可用性，数据可以进行切片备份
      1. 支持Restful风格的api调用

全文搜索

  1. 全文搜索的理解：
    比如用户要在淘宝上买一本书（Java开发），那么他就可以以Java为关键字进行搜索，不管是书名中还是书的介绍中，甚至是书的作者名字，只要包含java就作为查询结果返回给用户查看。这就可以理解为全文搜索。

    • 搜索的条件不再是仅用于对某一个字段进行比对，而是在一条数据中使用搜索条件去比对更多的字段，只要能匹配上就列入查询结果，这就是全文搜索的目的。而ES技术就是一种可以实现上述效果的技术。

  2. 全文搜索的实现：
    要实现全文搜索的效果，不可能使用数据库中like操作去进行比对，这种效率太低了。ES设计了一种全新的思想，来实现全文搜索。具体操作过程如下：

      1. 将被查询的字段的数据全部文本信息进行拆分，分成若干个词
      • 例如“中华人民共和国”就会被拆分成三个词，分别是“中华”、“人民”、“共和国”，此过程有专业术语叫做分词。分词的策略不同，分出的效果不一样，不同的分词策略称为分词器。
      1. 将分词得到的结果存储起来，对应每条数据的id
      • 例如id为1的数据中名称这一项的值是“中华人民共和国”，那么分词结束后，就会出现“中华”对应id为1，“人民”对应id为1，“共和国”对应id为1
      • 例如id为2的数据中名称这一项的值是“人民代表大会“，那么分词结束后，就会出现“人民”对应id为2，“代表”对应id为2，“大会”对应id为2
      • 此时就会出现如下对应结果，按照上述形式可以对所有文档进行分词。需要注意分词的过程不是仅对一个字段进行，而是对每一个参与查询的字段都执行，最终结果汇总到一个表格中
    分词结果关键字对应id
    中华1
    人民1,2
    共和国1
    代表2
    大会2
      1. 当进行查询时，如果输入“人民”作为查询条件，可以通过上述表格数据进行比对，得到id值1,2，然后根据id值就可以得到查询的结果数据了。

  3. ​上述过程中分词结果关键字内容每一个都不相同，作用有点类似于数据库中的索引，是用来加速数据查询的。

    • 但是数据库中的索引是对某一个字段进行添加索引，而这里的分词结果关键字不是一个完整的字段值，只是一个字段中的其中的一部分内容。并且索引使用时是根据索引内容查找整条数据，全文搜索中的分词结果关键字查询后得到的并不是整条的数据，而是数据的id，要想获得具体数据还要再次查询，因此这里为这种分词结果关键字起了一个全新的名称，叫做倒排索引。

ES的应用场景

  1. ES作为全文检索的搜索引擎，在以下几个方面都存在着相应的应用：
      1. 监控。针对日志类数据进行存储、分析、可视化。针对日志数据，ES给出了ELK的解决方案。其中logstash采集日志，ES进行复杂的数据分析，kibana进行可视化展示。
      1. 电商网站。用于商品信息检索。
      1. Json文档数据库。用于存放json格式的文档
      1. 维基百科。提供全文搜索并高亮关键字

Es的windows版安装

  1. windows版安装包下载地址：https://www.elastic.co/cn/downloads/elasticsearch

    • 下载zip文件，然后直接解压即可，解压完的目录如下：（data目录，是使用了数据库后自己给你创建的，里面的存放的就是你ES数据库的文件）
      在这里插入图片描述

  2. ES的运行：在bin目录下，双击elasticserach.bat文件。（默认端口号：9200）
    在这里插入图片描述
    在这里插入图片描述
    然后访问：http://localhost:9200/，看到下面的json数据后，表示es已经启动成功。
    在这里插入图片描述

ES的基础操作

ES的基础操作-----索引操作

  1. 对于mysql数据库，我们一般需要创建数据库之后才能继续操作，而ES则需要创建索引之后才能继续操作。
    • 对于es的操作，我们只需要发web请求就可以了。要操作ES可以通过Rest风格的请求来进行（因为它支持rest风格，可以使用postman进行操作），也就是说发送一个请求就可以执行一个操作。比如新建索引，删除索引这些操作都可以使用发送请求的形式来进行。
  2. ES中保存的数据，只是格式和数据库存储的数据格式 与我们的mysql等数据库不同而已。
    • 在ES中我们要先创建倒排索引，这个索引的功能又有点类似于数据库的表。
    • 然后将数据添加到倒排索引中，添加的数据称为文档。
    • 所以要进行ES的操作要先创建索引，再添加文档，这样才能进行后续的查询操作。
不具备分词效果的索引的创建（没有指定分词器）

创建索引：注意这里使用的请求方式是put而不是post
在这里插入图片描述
获取索引

在这里插入图片描述
获取无分词器的索引返回的信息：

{"book": {"aliases": {},"mappings": {},"settings": {"index": {"routing": {"allocation": {"include": {"_tier_preference": "data_content"}}},"number_of_shards": "1","provided_name": "book","creation_date": "1704103713618","number_of_replicas": "1","uuid": "1mabgD9eR7WvHVZeCBfVqw","version": {"created": "7160299"}}}}
}

删除索引
在这里插入图片描述

利用分词器进行创建索引（创建索引并指定分词器）

  1. 我们在创建索引时，可以添加请求参数，设置分词器。
  2. ik分词器的下载：https://github.com/medcl/elasticsearch-analysis-ik/releases
  3. 分词器下载后解压到ES安装目录的plugins目录中即可，安装分词器后需要重新启动ES服务器。使用IK分词器创建索引格式：

创建带分词器的索引：创建索引并指定规则
在这里插入图片描述

参数数据如下：

{"mappings":{        //mapping表示：定义mappings属性，替换创建索引时对应的mappings属性"properties":{  // properties表示：定义索引中包含的属性设置（属性是自定义的）"id":{       // 设置索引中包含id属性（相当于数据库表中创建一个id字段）"type":"keyword"    //设置当前属性为关键字，可以被直接搜索},"name":{             // 设置索引中包含name属性"type":"text",      //设置当前属性是文本信息，参与分词 "analyzer":"ik_max_word",  //选择当前属性的分词策略，这里表示使用IK分词器进行分词    "copy_to":"all" // 表示把分词结果拷贝到all属性中，即all属性中也有name属性同样的作用},"type":{"type":"keyword"},"description":{"type":"text","analyzer":"ik_max_word","copy_to":"all"},"all":{  //all是一个定义属性（虚拟的属性，数据库中不存在的属性），用来描述多个字段的分词结果集合，当前属性可以参与查询"type":"text","analyzer":"ik_max_word"}}}
}

查询带分词器的索引
在这里插入图片描述
返回值：（与前面的查询不带分词器的相比，会发现mappings里面多了很多数据信息）

{"books": {"aliases": {},"mappings": {   //mappings属性已经被替换"properties": {"all": {"type": "text","analyzer": "ik_max_word"},"description": {"type": "text","copy_to": ["all"],"analyzer": "ik_max_word"},"id": {"type": "keyword"},"name": {"type": "text","copy_to": ["all"],"analyzer": "ik_max_word"},"type": {"type": "keyword"}}},"settings": {"index": {"routing": {"allocation": {"include": {"_tier_preference": "data_content"}}},"number_of_shards": "1","provided_name": "books","creation_date": "1704103876876","number_of_replicas": "1","uuid": "nQ2Jmml6QSOGwOI2cswwJw","version": {"created": "7160299"}}}}
}

ES的基础操作-----文档操作

  1. 前面我们已经创建了索引了，但是索引中还没有数据，所以要先添加数据，ES中称数据为文档，下面进行文档操作。
添加文档：
  1. 添加文档有三种方式：创建books索引下的文档
POST请求	http://localhost:9200/books/_doc		#使用系统生成id（自动帮你创建）
POST请求	http://localhost:9200/books/_doc/1		  #使用指定id，不存在创建，存在更新（版本递增）POST请求	http://localhost:9200/books/_create/1	   #使用指定id（必须指定id）

传参数据一般不使用id属性：因为指定了也不会生效，要么默认帮你创建，要么在请求路径上进行指定
参数的使用：

{"id": 1,  //一般不使用这一行"name": "springboot1","type": "book","desctiption": "an book"
}

第一种请求方式：
在这里插入图片描述
返回结果：

{"_index": "books","_type": "_doc","_id": "MgeZxIwB35gR6M6IUssu","_version": 1,"result": "created","_shards": {"total": 2,"successful": 1,"failed": 0},"_seq_no": 1,"_primary_term": 1
}

第二种请求方式：

在这里插入图片描述
返回结果：

{"_index": "books","_type": "_doc","_id": "55","_version": 1,"result": "created","_shards": {"total": 2,"successful": 1,"failed": 0},"_seq_no": 2,"_primary_term": 1
}

第三种请求方式：

在这里插入图片描述

返回结果：

{"_index": "books","_type": "_doc","_id": "1","_version": 1,"result": "created","_shards": {"total": 2,"successful": 1,"failed": 0},"_seq_no": 0,"_primary_term": 1
}
获取文档
  1. 根据id获取某个索引的文档：http://localhost:9200/books/_doc/1
    在这里插入图片描述
  2. 获取某个索引的所有的文档：GET请求 http://localhost:9200/books/_search

在这里插入图片描述
3. 根据指定条件获取某个索引的所有的文档：

GET请求	http://localhost:9200/books/_search?q=name:springboot	
# q=查询属性名:查询属性值

在这里插入图片描述

删除文档
  1. 根据id进行删除：DELETE请求 http://localhost:9200/books/_doc/1
    在这里插入图片描述
修改文档（分为全量更新和部分更新）
全量更新（注意这里是put请求，以及_doc）
  1. PUT请求 http://localhost:9200/books/_doc/1：根据指定id进行修改，传入的数据就是修改后的数据。

//文档通过请求参数传递，数据格式json
{"name":"springboot","type":"springboot","description":"springboot"
}

在这里插入图片描述

修改文档（部分更新）注意：这里是post请求，以及_update
  1. POST请求 http://localhost:9200/books/_update/1
//文档通过请求参数传递，数据格式json
{			"doc":{	//部分更新并不是对原始文档进行更新，而是对原始文档对象中的doc属性中的指定属性更新"name":"springboot"		//仅更新提供的属性值，未提供的属性值不参与更新操作}
}

在这里插入图片描述

三、Springboot整合ES

  1. 整合步骤（依旧是拿三板斧）：

      1. 导入依赖
      1. 做配置（springboot底层有默认的配置）
      1. 调用它的api接口

  2. ES有两种级别的客户端，一种是Low Level Client，一种是High Level Client。

    • Low Level Client：这种客户端操作方式性能方面略显不足，不推荐使用，但是springboot最初整合ES的时候使用的是低级别客户端，所以企业开发需要更换成高级别的客户端模式。
    • High Level Clien：高级别客户端与ES版本同步更新

Springboot整合Low Level Client的ES（不推荐使用了，这里了解一下）

  1. ES早期的操作方式如下：
    步骤①：导入springboot整合ES的starter坐标（spiringboot里面有指定版本（就是低级别的版本号）
<dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-elasticsearch</artifactId>
</dependency>

步骤②：进行基础配置

spring:elasticsearch:rest:uris: http://localhost:9200

配置ES服务器地址，端口9200（默认就是9200）

步骤③：使用springboot整合ES的专用客户端接口ElasticsearchRestTemplate来进行操作

@SpringBootTest
class Springboot18EsApplicationTests {@Autowiredprivate ElasticsearchRestTemplate template;
}

springboot测试类中的测试类的初始化方法和销毁方法的使用

  1. @BeforeEach:在测试类中每个操作运行前运行的方法
  2. @AfterEach ：在测试类中每个操作运行后运行的方法
@SpringBootTest
class Springbootests {@BeforeEach		//在测试类中每个操作运行前运行的方法void setUp() {//各种操作}@AfterEach		//在测试类中每个操作运行后运行的方法void tearDown() {//各种操作}}

Springboot整合High Level Client的ES

  1. 高级别客户端方式进行springboot整合ES，操作步骤如下：
    步骤①：导入springboot整合ES高级别客户端的坐标，此种形式目前没有对应的starter
<dependency><groupId>org.elasticsearch.client</groupId><artifactId>elasticsearch-rest-high-level-client</artifactId>
</dependency>

这里的springboot版本为：2.5.4，es的版本为7.16.2，那时候的springboot没有整合高级别的ES，所以配置文件里不需要配置，只能写硬编码配置
步骤②：使用编程的形式设置连接的ES服务器，并获取客户端对象

步骤③：使用客户端对象操作ES，例如创建索引，为索引添加文档等等操作。

ES-----创建客户端

@SpringBootTest
class Springboot18EsApplicationTests {@Autowiredprivate BookMapper bookMapper;private RestHighLevelClient client;@Testvoid testCreateClient() throws IOException {//先创建ES客户端HttpHost host = HttpHost.create("http://localhost:9200");RestClientBuilder builder = RestClient.builder(host);client = new RestHighLevelClient(builder);client.close();}
}

配置ES服务器地址与端口9200，记得客户端使用完毕需要手工关闭。由于当前客户端是手工维护的，因此不能通过自动装配的形式加载对象。

ES-----根据客户端创建索引

@SpringBootTest
class Springboot18EsApplicationTests {@Autowiredprivate BookMapper bookMapper;private RestHighLevelClient client;@Testvoid testCreateIndex() throws IOException {//先创建ES客户端HttpHost host = HttpHost.create("http://localhost:9200");RestClientBuilder builder = RestClient.builder(host);client = new RestHighLevelClient(builder);//在通过ES客户端创建索引CreateIndexRequest request = new CreateIndexRequest("books");client.indices().create(request, RequestOptions.DEFAULT); client.close();}
}

高级别客户端操作是通过发送请求的方式完成所有操作的，ES针对各种不同的操作，设定了各式各样的请求对象，上例中创建索引的对象是CreateIndexRequest，其他操作也会有自己专用的Request对象。

ES-----根据客户端创建索引（使用Ik分词器）

使用分词器IK：

//json的参数：
{"mappings":{"properties":{"id":{"type":"keyword"},"name":{"type":"text","analyzer":"ik_max_word","copy_to":"all"},"type":{"type":"keyword"},"description":{"type":"text","analyzer":"ik_max_word","copy_to":"all"},"all":{"type":"text","analyzer":"ik_max_word"}}}
}

 @Testvoid testCreateClientIndexByIk() throws IOException {
//            创建客户端HttpHost host = HttpHost.create("http://localhost:9200");RestClientBuilder builder = RestClient.builder(host);client = new RestHighLevelClient(builder);CreateIndexRequest request = new CreateIndexRequest("books");String json = "{\n" +"    \"mappings\":{\n" +"        \"properties\":{\n" +"            \"id\":{\n" +"                \"type\":\"keyword\"\n" +"            },\n" +"            \"name\":{\n" +"                \"type\":\"text\",\n" +"                \"analyzer\":\"ik_max_word\",\n" +"                \"copy_to\":\"all\"\n" +"            },\n" +"            \"type\":{\n" +"                \"type\":\"keyword\"\n" +"            },\n" +"            \"description\":{\n" +"                \"type\":\"text\",\n" +"                \"analyzer\":\"ik_max_word\",\n" +"                \"copy_to\":\"all\"\n" +"            },\n" +"            \"all\":{\n" +"                \"type\":\"text\",\n" +"                \"analyzer\":\"ik_max_word\"\n" +"            }\n" +"        }\n" +"    }\n" +"}";//设置请求中的参数（添加分词器）request.source(json, XContentType.JSON);client.indices().create(request, RequestOptions.DEFAULT);client.close();}

IK分词器是通过请求参数的形式进行设置的，设置请求参数使用request对象中的source方法进行设置，至于参数是什么，取决于你的操作种类。当请求中需要参数时，均可使用当前形式进行参数设置。

ES-----为索引添加文档

//    添加文档：@Testvoid testCreateClientIndexByIkAddData() throws IOException {
//            创建客户端HttpHost host = HttpHost.create("http://localhost:9200");RestClientBuilder builder = RestClient.builder(host);client = new RestHighLevelClient(builder);//        进行添加操作，因为前面已经创建好了books索引Book book = bookMapper.selectById(1);
//        把book对象数据转换为json数据，String json = JSON.toJSONString(book);
//        指定添加的文档的id为book.getId()，需要添加文档的索引为booksIndexRequest request = new IndexRequest("books").id(book.getId().toString());
//        传入数据request.source(json,XContentType.JSON);client.index(request,RequestOptions.DEFAULT);client.close();}

添加文档使用的请求对象是IndexRequest，与创建索引使用的请求对象不同。

ES-----为索引批量添加文档

//    批量添加@Testvoid testCreateClientIndexByIkAddBatchData() throws IOException {
//            创建客户端HttpHost host = HttpHost.create("http://localhost:9200");RestClientBuilder builder = RestClient.builder(host);client = new RestHighLevelClient(builder);//        进行添加操作，因为前面已经创建好了books索引List<Book> bookList= bookMapper.selectList(null);
//       BulkRequest的对象，可以将该对象理解为是一个保存request对象的容器，
//       将所有的请求都初始化好后，添加到BulkRequest对象中，再使用BulkRequest对象的bulk方法，一次性执行完毕BulkRequest bulk = new BulkRequest();for (Book book : bookList) {//        把book对象数据转换为json数据，String json = JSON.toJSONString(book);
//        指定添加的文档的id为book.getId()，需要添加文档的索引为booksIndexRequest request = new IndexRequest("books").id(book.getId().toString());
//        传入数据request.source(json,XContentType.JSON);
//            把数据放进BulkRequest对象里面bulk.add(request);}
//        批量执行client.bulk(bulk,RequestOptions.DEFAULT);
//        关闭客户端client.close();}

批量做时，先创建一个BulkRequest的对象，可以将该对象理解为是一个保存request对象的容器，将所有的请求都初始化好后，添加到BulkRequest对象中，再使用BulkRequest对象的bulk方法，一次性执行完毕。

ES-----查询文档

根据id查询
 @Test//按id查询void testGetById() throws IOException {//            创建客户端HttpHost host = HttpHost.create("http://localhost:9200");RestClientBuilder builder = RestClient.builder(host);client = new RestHighLevelClient(builder);//        根据id查询GetRequest request = new GetRequest("books","1");GetResponse response = client.get(request, RequestOptions.DEFAULT);
//        获取查询到的数据中的source属性的数据String json = response.getSourceAsString();System.out.println(json);client.close();}
条件查询
 @Test//按条件查询void testSearch() throws IOException {//            创建客户端HttpHost host = HttpHost.create("http://localhost:9200");RestClientBuilder builder = RestClient.builder(host);client = new RestHighLevelClient(builder);//SearchRequest request = new SearchRequest("books");//创建条件查询对象SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
//        设置查询条件searchSourceBuilder.query(QueryBuilders.termQuery("all", "spring"));
//       把查询条件放进请求中request.source(searchSourceBuilder);//        根据请求获取返回数据SearchResponse response = client.search(request, RequestOptions.DEFAULT);
//        获取返回数据里面的hits属性（获取的具体属性，可以看上面的postman操作）SearchHits hits = response.getHits();for (SearchHit hit : hits) {String source = hit.getSourceAsString();//把json数据转换为对象Book book = JSON.parseObject(source, Book.class);System.out.println(book);}}

Mysql与Es数据同步的实现（这里只是基本了解一下）

  1. 在实际项目开发中，我们经常将mysql作为业务数据库，ES作为擦汗寻数据库，用来实现读写分离，缓解mysql数据库的查询压力，应对海量数据的复杂查询。

1、同步双写

  1. 这是一种最为简单的方式，在将数据写入mysql的同时，也把数据写到ES里面
  2. 优缺点：
    • 优点
        1. 业务逻辑简单
      • 2、 实时性高
    • 缺点：
        1. 硬编码，有需要写入MySQL的地方，都需要添加写入es的代码
        1. 业务强耦合
        1. 存在双写失败丢失数据的风险
        1. 性能较差，本来的mysql的性能不是很高，再加一个es系统的性能必然会下降

2. 异步双写

  1. 针对多数据源写入的场景，可以借助MQ实现异步的多源写入
  2. 优缺点
    • 优点：
        1. 性能高
        1. 不易出现数据丢失问题：主要基于MQ消息的消费保障机制，比如ES宕机或者写入失败，还能重新消费MQ消息；
        1. 多源写入之间相互隔离，便于扩展更多的数据源写入
    • 缺点：
        1. 硬编码问题：接入新的数据源需要实现新的消费者代码
      • 2、系统复杂度增加，映入了消息中间件
      • 3、数据实时问题，mq是异步消费，用户输入，不一定会马上同步让他看到

3、基于sql抽取（定时任务）

  1. 上面两种方案都存在硬编码问题，代码的侵入性太强，如果对实时性要求不高的情况下，可以考虑用定时器来处理：
      1. 数据库的相关表中增加一个字段为updatetime（自己定义的名称）字段，任何CURD操作都会导致该字段的实际发生变化
      1. 原来程序中的crud操作不做任何变化
      1. 增加一个定时器程序，让该程序按一定的时间周期扫描指定的表，把该时间段内发生的变化的数据提取出来
      1. 比较此字段来确认变更数据，然后把变更的数据逐条写入ES中。
  2. 优缺点：
    • 优点：
      • 1、不改原代码，没有侵入性，没有硬编码；
      • 2、没有业务强耦合，不改变原来程序的性能；
      • 3、worker代码编写简单，不需要考虑增删改查；
    • 缺点：
      • 1、时效性太差，由于采取定时器根据固定频率查询表来同步数据，尽管将同步周期设置到秒级，也还是会存在一定时间的延迟。
      • 2、对数据库有一定的轮询压力。
    • 优化的方案：
    • 1、将轮寻放到压力不大的从库上
    • 2、借助logstash实现数据同步，其底层实现原理就是根据配置定期使用sql查询新增的数据写入es中，实现数据的增量同步（经典方案）

4、基于Binlog实现同步

  1. 前三种代码要么有代码侵入，要么有延迟。

  2. 而基于Binlog与mysql实现同步：既能保证数据同步的实时性又没有代入、侵入性。

  3. 实施步骤

    • 1、读取mysql 的binlog日志，获取指定表的日志信息；
    • 2、将读取的信息转为mq；
    • 3、编写一个mq消费程序；
    • 4、不断消费mq，每费完一条消息，将消息写入到es中；

  4. 优缺点：

    • 优点：
      • 1、没有代码侵入，没有硬编码；
      • 原有系统不需要任何变化，没有感知；
      • 3、性能高
      • 4、业务解耦，不需要关注原来系统的业务逻辑
    • 缺点：
      • 1、构建Binlog系统复杂
      • 2、如皋采用MQ消费解析的Binlog信息，也会存在MQ延时的风险

数据迁移工具选型

  1. 对于上面的四种数据同步方案，“基于Binlog实时同步”方案是目前最为常用的，也诞生了很多优秀的数据迁移工具，主要有以下几种：
    • 1、canal （原理是伪装成mysql的从数据库）
    • 2、阿里云DTS （需付费）
    • 3、databus
    • 4、Flink
    • 5、CloudCanal
    • 6、Maxwell

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/595074.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

DNS安全与访问控制

DNS安全与访问控制

一、DNS安全 1、DNSSEC原理 DNSSEC依靠数字签名保证DNS应答报文的真实性和完整性。权威域名服务器用自己的私有密钥对资源记录&#xff08;Resource Record, RR&#xff09;进行签名&#xff0c;解析服务器用权威服务器的公开密钥对收到的应答信息进行验证。如果验证失败&…
阅读更多...
数字信号处理期末复习——计算小题（二）

数字信号处理期末复习——计算小题（二）

个人名片&#xff1a; &#x1f981;作者简介&#xff1a;一名喜欢分享和记录学习的在校大学生 &#x1f42f;个人主页&#xff1a;妄北y &#x1f427;个人QQ&#xff1a;2061314755 &#x1f43b;个人邮箱&#xff1a;2061314755qq.com &#x1f989;个人WeChat&#xff1a;V…
阅读更多...
图像清晰度评估指标

图像清晰度评估指标

图像清晰度评估涉及多个指标&#xff0c;这些指标可用于定量测量图像的清晰度和质量。 以下是一些常见的图像清晰度评估指标&#xff1a; 均方根误差&#xff08;Root Mean Square Error&#xff0c;RMSE&#xff09;&#xff1a; 通过计算原始图像和处理后图像之间的像素差异的…
阅读更多...
【实用工具】Gradio快速部署深度学习应用1：图像分类

【实用工具】Gradio快速部署深度学习应用1：图像分类

前言 在AI快速发展的今天&#xff0c;我们作为算法开发人员&#xff0c;也应该有一些趁手的工具帮助我们快速开发并验证自己的想法&#xff0c;Gradio可以实现快速搭建和共享的功能&#xff0c;能够展示出一个前端界面&#xff0c;把我们的算法包裹起来&#xff0c;快速验证算…
阅读更多...
DNS主从服务器、转发（缓存）服务器

DNS主从服务器、转发（缓存）服务器

一、主从服务器 1、基本含义 DNS辅助服务器是一种容错设计&#xff0c;考虑的是一旦DNS主服务器出现故障或因负载太重无法及时响应客户机请求&#xff0c;辅助服务器将挺身而出为主服务器排忧解难。辅助服务器的区域数据都是从主服务器复制而来&#xff0c;因此辅助服务器的数…
阅读更多...
Vue2多入口，独立打包配置

Vue2多入口，独立打包配置

提示&#xff1a;Vue2多入口&#xff0c;独立打包配置 文章目录 前言一、修改二、打包和效果预览三、具体操作的文件四、代码包总结 前言 需求&#xff1a;富文本编辑器 一、修改 1、复制&#xff1a;index.html文件并改名share.html。 路径&#xff1a;工程文件夹/index.html …
阅读更多...
Android studio BottomNavigationView 应用设计

Android studio BottomNavigationView 应用设计

一、新建Bottom Navigation Activity项目&#xff1a; 二、修改bottom_nav_menu.xml: <itemandroid:id"id/navigation_beijing"android:icon"drawable/ic_beijing_24dp"android:title"string/title_beijing" /><itemandroid:id"i…
阅读更多...
Excel 插件：ASAP Utilities Crack

Excel 插件：ASAP Utilities Crack

ASAP Utilities是一款功能强大的 Excel 插件&#xff0c;填补了 Excel 的空白。在过去的 20 年里&#xff0c;我们的加载项已经发展成为世界上最受欢迎的 Microsoft Excel 加载项之一。 ASAP Utilities 中的功能数量&#xff08;300 多个&#xff09;可能看起来有点令人眼花缭乱…
阅读更多...
PNG图片导入Abaqus建模：Abaqus Image To Part 2D插件

PNG图片导入Abaqus建模：Abaqus Image To Part 2D插件

插件介绍 Abaqus Image To Part 2D - AbyssFish 插件可将图像导入Abaqus内并通过对网格单元集进行材料指定&#xff0c;实现基于图像的模型部件生成。 插件支持JPEG、JPG、PNG、GIF、TIFF、BMP、PCX、ICO等多种图像格式&#xff0c;兼容彩图、灰度图、二值图像等类型&#x…
阅读更多...
一起学docker（六）| Dockerfile自定义镜像 + 微服务模块实战

一起学docker（六）| Dockerfile自定义镜像 + 微服务模块实战

DockerFile 是什么 Dockerfile是用来构建Docker镜像的文本文件&#xff0c;是由一条条构建镜像所需的指令和参数构成的脚本。 构建步骤 编写Dockerfile文件docker build命令构建镜像docker run运行镜像 Dockerfile构建过程 基础知识 每个保留字指令都必须为大写字母且后面…
阅读更多...
5.云原生安全之ingress配置域名TLS证书

5.云原生安全之ingress配置域名TLS证书

文章目录 cloudflare配置使用cloudflare托管域名获取cloudflare API Token在cloudflare中配置SSL/TLS kubesphere使用cert-manager申请cloudflare证书安装证书管理器创建Secret资源创建cluster-issuer.yaml创建cert.yaml申请证书已经查看申请状态 部署harbor并配置ingress使用证…
阅读更多...
Alibaba Cloud Linux镜像操作系统超详细测评！兼容CentOS

Alibaba Cloud Linux镜像操作系统超详细测评！兼容CentOS

Alibaba Cloud Linux是基于龙蜥社区OpenAnolis龙蜥操作系统Anolis OS的阿里云发行版&#xff0c;针对阿里云服务器ECS做了大量深度优化&#xff0c;Alibaba Cloud Linux由阿里云官方免费提供长期支持和维护LTS&#xff0c;Alibaba Cloud Linux完全兼容CentOS/RHEL生态和操作方式…
阅读更多...
PET塑料粘接时，要求强力粘接性能，那么怎么选胶呢？

PET塑料粘接时，要求强力粘接性能，那么怎么选胶呢？

聚对苯二甲酸乙二醇酯 简称PET。 需要强力粘接塑料PET时&#xff0c;可以选择以下几种胶水&#xff1a; 1.环氧树脂胶 具有较高的强度&#xff0c;硬度和耐久性&#xff0c;能够有效地粘合PET材料。但是&#xff0c;对于某些特殊环境和温度条件&#xff0c;可能需要选择耐高…
阅读更多...
QT_01 安装、创建项目

QT_01 安装、创建项目

QT - 安装、创建项目 1. 概述 1.1 什么是QT Qt 是一个跨平台的 C图形用户界面应用程序框架。 它为应用程序开发者提供建立艺术级图形界面所需的所有功能。 它是完全面向对象的&#xff0c;很容易扩展&#xff0c;并且允许真正的组件编程。 1.2 发展史 1991 年 Qt 最早由奇…
阅读更多...
聊聊分布式会话及实现方案

聊聊分布式会话及实现方案

鲁大猿&#xff0c;寻找精品资料&#xff0c;帮你构建Java全栈知识体系 http://www.jiagoujishu.cn 基础概念 Session Cookie 会话方案比较简单&#xff0c;这里我在网上找了点资料&#xff0c;再回顾下基础吧。 为什么要产生Session http协议本身是无状态的&#xff0c;客户…
阅读更多...
数据结构——二叉树四种遍历的实现

数据结构——二叉树四种遍历的实现

目录 一、树的概念 1、树的定义 1&#xff09;树 2&#xff09;空树 3&#xff09;子树 2、结点的定义 1&#xff09;根结点 2&#xff09;叶子结点 3&#xff09;内部结点 3、结点间关系 1&#xff09;孩子结点 2&#xff09;父结点 3&#xff09;兄弟结点 4、树…
阅读更多...
图像分割 分水岭法 watershed

图像分割 分水岭法 watershed

版权声明&#xff1a;本文为博主原创文章&#xff0c;转载请在显著位置标明本文出处以及作者网名&#xff0c;未经作者允许不得用于商业目的。 本文的C#版本请访问&#xff1a;图像分割 分水岭法 watershed&#xff08;C#&#xff09;-CSDN博客 Watershed算法是一种图像处理算…
阅读更多...
Linux mcd命令教程：如何在MS-DOS文件系统中切换工作目录（附实例教程和注意事项）

Linux mcd命令教程：如何在MS-DOS文件系统中切换工作目录（附实例教程和注意事项）

Linux mcd命令介绍 mcd是mtools工具的指令&#xff0c;它用于在MS-DOS文件系统中切换工作目录。如果不加任何参数&#xff0c;它将显示当前所在的磁盘和工作目录。 Linux mcd命令适用的Linux版本 mcd命令在所有主流的Linux发行版中都可以使用&#xff0c;包括但不限于Ubuntu…
阅读更多...
Flink 的时间属性及原理解析

Flink 的时间属性及原理解析

Flink的API大体上可以划分为三个层次&#xff1a;处于最底层的ProcessFunction、中间一层的DataStream API和最上层的SQL/Table API&#xff0c;这三层中的每一层都非常依赖于时间属性。时间在Flink中的地位如下图所示&#xff1a; 时间属性是流处理中最重要的一个方面&#…
阅读更多...
python flask图书管理系统带文档

python flask图书管理系统带文档

python flask图书管理系统带文档。功能&#xff1a;登录&#xff0c;图书的增删改查&#xff0c;读者管理&#xff0c;借阅记录&#xff0c;有文档。 技术&#xff1a;python3,flask,mysql,html。 包含源码数据库文件文档。 源码下载地址&#xff1a; https://download.csd…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023