Nominatim免费的地址解析，逆地址解析，OpenStreetMap开源地图数据【全网最全】

视频学习地址


国内的一些地址解析供应商的API都开始付费了，就想找个免费的地址解析和逆地址解析的应用，最终选择了Nominatim + OpenStreetMap

文章目录

    • 一、选型
      • 1-1、数据源
      • 1-2、地理编码引擎
      • 2-1、初尝Nominatim
        • 2-1-1、地址解析
        • 2-1-2、逆地址解析
      • 2-2、OSM数据解析
        • 2-2-1、place表
        • 2-2-2、placex表
      • 2-3、Nominatim和OSM数据关系映射
      • 2-4、举一反三
      • 2-5、Nominatim API解析
    • 三、安装
    • 四、关于数据源 （重要）
    • 五、替代方案
    • N、其它
      • N-1、place和placex
      • N-2、相关资料
      • N-3、测试覆盖
        • 地址解析
      • 逆地址解析


这篇文章将会从调研、选型、测试、应用全方面的解析，如果你也在找地址解析和逆地址解析的开源方案它一定会给你带来帮助

地址解析：通过一个地名（深圳），获取当前地方的经纬度、省市区级别
逆地址解析：通过经纬度，获取当前位置的名称、省市区级别


一、选型


1-1、数据源


对于地图解析这个应用来说，最重要不是软件部分，而是数据，只有数据全面了才有可能得出相对准确的结果。目前开源免费的全面的数据大概率只有 OpenStreetMap了，它是由各个国家的志愿者一起维护的数据

OpenStreetMap（后面简称OSM） 是一个众包的地图项目，旨在创建一个可自由编辑和使用的世界地图数据库。它由全球的志愿者贡献者更新和维护，提供了一个详细和准确的地理数据集合。OSM 数据包括道路、建筑物、自然特征、商业设施等（简单理解就是很多志愿者一起维护了一份地图数据 ）


OpenStreeMap 相关文档链接 (后面会详解)

描述地址
官网https://www.openstreetmap.org
没有找到合适的中国数据，而且中国数据和台湾都是分开的，这必然不行，直接用亚洲的数据https://download.openstreetmap.fr/extracts/
每一个地址都会有标签，标签很多想知道某个标签的含义，可去标签系统搜索，下面会讲解https://taginfo.openstreetmap.org

1-2、地理编码引擎


调研时间：24年5月

开源方案NominatimPeliasPhoton
支持数据源OpenStreetMapOpenStreetMap、OpenAddresses、Geonames等OpenStreetMap
核心功能地理编码和逆地理编码地理编码和逆地理编码，支持全文搜索高效地进行地理编码和逆地理编码
开发语言Python、PHPTwigJava
GitHub关注数2.9K3.1K1.8K
GitHub最新版本时间2024-03-07无2024-03-06
GitHub待解决问题数9224257
GitHub活跃度高（去年发布10个版本）低（无正式版本）中（去年发布2个版本）
GitHub代码贡献者数902849
系统对接REST APIREST APIREST API

  1. Nominatim能满足功能需求，需要额外处理直辖市和港澳台问题
  2. Photon 不支持中文国际化，无法满足

Nominatim 是一个开源的地理编码引擎，专门用于从 OSM 数据中提取地理信息。它提供了两种主要功能：

  1. 地理编码：将地址转换为经纬度坐标
  2. 逆地理编码：将经纬度坐标转换为地址

Nominatim 的API其实已经研究过了是满足的，下面详细讲解它的API


2-1、初尝Nominatim


这个要VPN才可以访问

2-1-1、地址解析

请求地址

https://nominatim.openstreetmap.org/search?1=1&q=深圳市&format=geocodejson&addressdetails=1&accept-language=zh&zoom=8&limit=1

请求结果

{"type": "FeatureCollection","geocoding": {"version": "0.1.0","attribution": "Data © OpenStreetMap contributors, ODbL 1.0. http://osm.org/copyright","licence": "ODbL","query": "深圳市"},"features": [{"type": "Feature","properties": {"geocoding": {"place_id": 368109611,"osm_type": "relation","osm_id": 3464353,"osm_key": "boundary","osm_value": "administrative","type": "city","label": "深圳市, 广东省, 中国","name": "深圳市","state": "广东省","country": "中国","country_code": "cn","admin": {"level5": "深圳市","level4": "广东省"}}},"geometry": {"type": "Point","coordinates": [114.0545429,22.5445741]}}]
}

2-1-2、逆地址解析

请求地址

https://nominatim.openstreetmap.org/reverse?format=geocodejson&lat=43.767755&lon=87.51623&addressdetails=1&accept-language=zh&zoom=8&limit=1

请求结果

{"type": "FeatureCollection","geocoding": {"version": "0.1.0","attribution": "Data © OpenStreetMap contributors, ODbL 1.0. http://osm.org/copyright","licence": "ODbL","query": ""},"features": [{"type": "Feature","properties": {"geocoding": {"place_id": 190215046,"osm_type": "relation","osm_id": 5663100,"osm_key": "boundary","osm_value": "administrative","type": "district","accuracy": 0,"label": "沙依巴克区, 乌鲁木齐市, 新疆维吾尔自治区, 830000, 中国","name": "沙依巴克区","postcode": "830000","city": "乌鲁木齐市","state": "新疆维吾尔自治区","country": "中国","country_code": "cn","admin": {"level6": "沙依巴克区","level5": "乌鲁木齐市","level4": "新疆维吾尔自治区"}}},"geometry": {"type": "Point","coordinates": [87.46749,43.726972]}}]
}

2-2、OSM数据解析


对于地图服务真正难的是数据，核心也还是OSM的数据，后面会讲怎么导入数据，这里先解析数据。把OSM的数据导入到 PostgreSQL后，它有两张重要的表，个人感觉对于一般应用来说，理解这两张表就够够了 （下面是我的理解，供参考）

  • place：place表维护的是每一条独立的数据（可以是一棵树、也可以是一条河、一个城市）
  • placex：因为地区是包含关系placex维护的是有关系的上下级数据

表字段很多，下面讲重要的，如果对这两张表结构感兴趣的可以参看下面的： N-1


2-2-1、place表

字段描述
osm_id数据的唯一id
osm_type数据类型：N、R、W （对表500w数据 distinct + 搜索）

1.节点（Node）：存储为一个经纬度坐标点。例如，一个节点可能表示一个具体的地理位置，如一座建筑物的角落或一棵树
2.路径（Way）：由一系列节点组成，每个节点都有其自己的经纬度坐标。路径可以表示线性特征（如道路）或闭合区域（如湖泊）
3.关系（Relation）：由多个节点和路径组成，表示更复杂的地理特征和逻辑关系，如边界、多边形区域或路线
class这两个字段是一起的 key=value，是对这条数据打的标签，目前有 9w+个key

highway=secondary
1. highway标签是用于任何类型道路的主要标签
2. highway=secondary 次要道路是连接重要城镇的道路

注：https://taginfo.openstreetmap.org 因为key=value 太多了，官方有专门维护描述
type
admin_level当前数据的等级，数据库有 1-15级 （抽样查看了每一层的数据，并不是特别的标准）
name当前数据的各种语言的描述，地址解析的时候我猜就是匹配这个字段

eg:
“name”=>“深圳市”, “name:af”=>“Shenzhen”, “name:ar”=>“شنجن (الصين)”, “name:az”=>“Şençjen”, “name:ba”=>“Шэньчжэнь”, “name:be”=>“Шэньчжэнь”,
geometry当前数据的经纬度，数据存在多种可能性，比如点、线、多线、多边形、几何图形 等

注：数据并不全是存的明文，有些是加密的，可以通过在线工具解密https://www.zaixianjisuan.com/dilicesuan/wkt%20_%20wkb%20_%20geojson%20convert%20online.html

geometry 存储数据样例

POINT(117.1767305 39.1448629)
LINESTRING(117.1847722 39.1481168, 117.1845921 39.1481353)
POLYGON((117.1829091 39.1494689, 117.182913 39.1494281, 117.1829335 39.1493904, 117.1829685 39.1493598, 117.1830143 39.1493394, 117.183066 39.1493315, 117.1831199 39.1493372, 117.1831478 39.1493482, 117.1831683 39.1493563, 117.183206 39.1493867, 117.1832286 39.1494251, 117.1832337 39.149467, 117.1832206 39.149508, 117.183191 39.1495433, 117.183148 39.1495691, 117.1830964 39.1495825, 117.183042 39.1495819, 117.1829924 39.1495681, 117.182951 39.1495428, 117.1829222 39.1495085, 117.1829091 39.1494689))

2-2-2、placex表

placex 表的关键信息，它很多字段和place表一样

字段名描述
place_id数据的唯一id
parent_place_id上级id
importance数据权重，匹配到多条数据，这个字段是排序规则之一
centroid当前区域的中心点 （是个POINT类型的 经纬度，参看上面的 geometry）
postcode邮编
country_code国家编码 cn
osm_type同 place表
osm_id同 place表
class同 place表
type同 place表
admin_level同 place表
name同 place表
geometry同 place表

这个表数据很重要，解析和逆解析都是对这个表进行搜索


2-3、Nominatim和OSM数据关系映射


Nominatim和OpenStreetMap 字段映射关系（从上面的返回值抽取稳定有用的字段）

Nominatim 返回字段OpenStreeMap 字段（对应表 placex）
place_idplace_id
osm_idosm_id
osm_typeosm_type
osm_keyclass
osm_valuetype
admin[]在 placex 表有个parent_place_id，一直向上取到 parent_place_id = 0

key = level + admin_level
value = name -> ‘name’
postcodepostcode
labeladmin + postcode
geometrycentroid

2-4、举一反三


通过上面的分析得出2点

  1. Nominatim 就是一个地图搜索引擎，用的是OSM的数据
  2. Nominatim 不管是解析还是逆解析返回的都是 placex 表的某条数据（place_id）

通过对数据的分析和一些文档描述，大概知道了它搜索的逻辑地址解析就是去模糊匹配 name，逆地址解析就是拿入参的经纬度去找数据库距离最近权重最高的数据返回


地址解析SQL

SELECTplace_id,ST_AsText(geometry) AS geometry
FROM placex
WHERE name -> 'name' ILIKE '%中国%'
AND importance IS NOT NULL
ORDER BY importance DESC 
LIMIT 1;

逆地址解析SQL

SELECT  place_id,ST_X(centroid) AS lon,ST_Y(centroid) AS lat,ST_Distance(geometry::geography, ST_SetSRID(ST_MakePoint(90.392926,30.014464), 4326)::geography) AS distance
FROM placex
WHERE ST_Distance(geometry::geography, ST_SetSRID(ST_MakePoint(90.392926,30.014464), 4326)::geography) BETWEEN 1 AND 1000
ORDER BYdistance ASC,importance DESC
LIMIT 1;

测试结果和Nominatim返回的结果相似度90%+，但性能没法比，SQL运行结果很慢


2-5、Nominatim API解析


https://nominatim.openstreetmap.org/search?1=1&q=深圳市&format=geocodejson&addressdetails=1&accept-language=zh&zoom=8&limit=1
https://nominatim.openstreetmap.org/reverse?format=geocodejson&lat=43.767755&lon=87.51623&addressdetails=1&accept-language=zh&zoom=8&limit=1

上面这两个URL在绝大部分场景下，已经是最佳答案了，如果你还需要其它的请参考官方API文档

  • https://nominatim.org/release-docs/develop/api/Search/
  • https://nominatim.org/release-docs/develop/api/Reverse/

字段描述
q文本查询 （不和省、市、区 这些字段一起使用）
format返回的数据格式，相信我 geocodejson 是最好的格式，因为它最接近数据库的数据
addressdetails是否返回地址详情
accept-languagezh 返回中文，不然可能会有少数民族文字
limit限制返回条数（数据已经是按照权重排好序了，大部分场景只要一条数据，所以 limit=1）
zoom=8返回的层级 4级基本是省份，5级基本是城市 （建议带上这个参数，不然极少数情况会出错，作者说的）
lat、lon经纬度

三、安装


https://download.openstreetmap.fr/extracts/asia.osm.pbf 下载亚洲的 PBF文件 （先看四）

然后去你的服务上用docker安装（差不多要300G磁盘），执行过程大概4天半左右

docker run -d -it 
--shm-size=12g -e 
PBF_PATH=/nominatim/osm_data/下载下来的数据.pbf 
-e IMPORT_STYLE=address 
-e NOMINATIM_FLATNODE_FILE=/nominatim/flat_data/flatnode.file 
-p 8090:8080 -p 5432:5432 
-v /nominatim/flat_data:/nominatim/flat_data 
-v /nominatim/osm_data:/nominatim/osm_data 
--name planet mediagis/nominatim:4.4



官网dockert安装地址：https://github.com/mediagis/nominatim-docker/tree/master/4.4

非docker安装需要很多各种依赖较为麻烦


四、关于数据源 （重要）


尝试过的数据源

问题数据范围数据源
Nominatim不支持map和img格式中国https://download3.bbbike.org/osm/garmin/region/asia/china/
Nominatim不支持map和img格式中国https://download3.bbbike.org/osm/mapsforge/region/asia/china/
数据不全，部分数据有问题中国https://download.openstreetmap.fr/extracts/asia/china-latest.osm.pbf
数据不全，部分数据有问题中国https://download.geofabrik.de/asia.html
数据不全，部分数据有问题中国https://osmtoday.com/asia.html
完美 亚洲https://download.openstreetmap.fr/extracts/asia.osm.pbf

数据源相关文章：

https://wiki.openstreetmap.org/wiki/Zh-hans:Planet.osm
https://www.chinaflier.com/thread-202695-1-1.html
https://github.com/osm-search/Nominatim/discussions/3434


尝试了很多的中国数据一直都不准，最后抱着试试的心理尝试了亚洲的数据，完美

  • 服务器：4核32G
  • 亚洲 pbf 15g
  • 导入时间 4天半
  • 消耗空间 277G

在这里插入图片描述


五、替代方案


如果你只是需要简单的地址解析和逆地址解析，其实也不用如此大费周章，可以参看：

https://blog.csdn.net/Tomwildboar/article/details/139882311


N、其它


N-1、place和placex

CREATE TABLE "public"."place" ("osm_type" char(1) COLLATE "pg_catalog"."default" NOT NULL,"osm_id" int8 NOT NULL,"class" text COLLATE "pg_catalog"."default" NOT NULL,"type" text COLLATE "pg_catalog"."default" NOT NULL,"admin_level" int2,"name" "public"."hstore","address" "public"."hstore","extratags" "public"."hstore","geometry" geometry(GEOMETRY, 4326) NOT NULL
)CREATE TABLE "public"."placex" ("place_id" int8 NOT NULL,"parent_place_id" int8,"linked_place_id" int8,"importance" float8,"indexed_date" timestamp(6),"geometry_sector" int4,"rank_address" int2,"rank_search" int2,"partition" int2,"indexed_status" int2,"osm_type" char(1) COLLATE "pg_catalog"."default" NOT NULL,"osm_id" int8 NOT NULL,"class" text COLLATE "pg_catalog"."default" NOT NULL,"type" text COLLATE "pg_catalog"."default" NOT NULL,"admin_level" int2,"name" "public"."hstore","address" "public"."hstore","extratags" "public"."hstore","geometry" geometry(GEOMETRY, 4326) NOT NULL,"wikipedia" text COLLATE "pg_catalog"."default","token_info" jsonb,"country_code" varchar(2) COLLATE "pg_catalog"."default","housenumber" text COLLATE "pg_catalog"."default","postcode" text COLLATE "pg_catalog"."default","centroid" geometry(GEOMETRY, 4326)
)
;

N-2、相关资料


描述地址
OSM 官网https://www.openstreetmap.org
OSM官方对中国地图的描述https://wiki.openstreetmap.org/wiki/Zh-hans:%E4%B8%AD%E5%8D%8E%E4%BA%BA%E6%B0%91%E5%85%B1%E5%92%8C%E5%9B%BD
数据标签查询https://taginfo.openstreetmap.org
Nominatim 地址解析APIhttps://nominatim.org/release-docs/develop/api/Search/
Nominatim 逆地址解析APIhttps://nominatim.org/release-docs/develop/api/Reverse/
Nominatim docker安装地址https://github.com/mediagis/nominatim-docker/tree/master/4.4
官网API查询数据没有 level5问题https://github.com/osm-search/Nominatim/issues/3437
官方说明只能导入 pbf、osm 格式https://github.com/osm-search/Nominatim/discussions/3436
pbf、bz2、shp.zip 数据格式含义https://download.geofabrik.de/technical.html
数据源https://download.geofabrik.de/asia.html（福建省数据不是很准）
数据源https://download3.bbbike.org/osm/garmin/region/asia/china/ （Nominatim不支持map和img格式）
数据源https://osmtoday.com/asia.html （数据不全，部分数据有问题））
数据源https://download.openstreetmap.fr/extracts/asia/china-latest.osm.pbf（数据不全，部分数据有问题）
百度提供的在线经纬度获取https://api.map.baidu.com/lbsapi/getpoint/index.html
经纬度在线解析https://www.zaixianjisuan.com/dilicesuan/wkt%20_%20wkb%20_%20geojson%20convert%20online.html
其它阅读https://wiki.openstreetmap.org/wiki/Zh-hans:Planet.osm
https://www.chinaflier.com/thread-202695-1-1.html
https://github.com/osm-search/Nominatim/discussions/3434

![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/4a5235b6e1154bb3af4fcc489ad633ad.png)

N-3、测试覆盖


我此次的需求只需要精确到 省、市，直接用GPT列举出全部的市级以上的数据，然后再自己每个省份描点经纬度100个，再让GPT生成随机每个省的经纬度 1000个。

让自建API和腾讯API进行对比，问题如下


地址解析
  1. 香港、澳门，腾讯的是带了 【行政区】 后缀，且存在部分的繁体字
  2. 台湾 腾讯返回的都是简体字，自建地图大部分数据返回的是繁体字

逆地址解析

入参自建腾讯百度
110.39119,20.091971{longitude=110.3715545, latitude=20.0748919, nation=‘中国’, province=‘海南省’, city=‘海口市’}{nation=‘中国’, province=‘中国区域’, city=‘’, district=‘’, street=‘’}海南省海口市美兰区
101.808916,36.653178{longitude=101.8128242, latitude=36.649104, nation=‘中国’, province=‘青海省’, city=‘西宁市’}{nation=‘中国’, province=‘青海省’, city=‘海东市’, district=‘互助土族自治县’, street=‘’}青海省西宁市城北区
91.276412,29.525961{longitude=91.4130822, latitude=29.2551346, nation=‘中国’, province=‘西藏自治区’, city=‘山南市’}{nation=‘中国’, province=‘西藏自治区’, city=‘拉萨市’, district=‘城关区’, street=‘’}西藏自治区山南市扎囊县
113.795412,34.887975{longitude=113.7888121, latitude=34.921496, nation=‘中国’, province=‘河南省’, city=‘新乡市’}{nation=‘中国’, province=‘河南省’, city=‘郑州市’, district=‘惠济区’, street=‘’}河南省郑州市惠济区
112.12054,40.707765{longitude=112.120318174164, latitude=40.71081296482041, nation=‘中国’, province=‘内蒙古自治区’, city=‘乌兰察布市’}{nation=‘中国’, province=‘内蒙古自治区’, city=‘呼和浩特市’, district=‘赛罕区’, street=‘’}内蒙古自治区呼和浩特市赛罕区
113.273535,27.875086{longitude=113.7001702, latitude=28.2178951, nation=‘中国’, province=‘湖南省’, city=‘长沙市’}{nation=‘中国’, province=‘湖南省’, city=‘株洲市’, district=‘荷塘区’, street=‘’}湖南省株洲市荷塘区X004(宋芷路)
101.885386,36.529808{longitude=101.9975, latitude=36.399977, nation=‘中国’, province=‘青海省’, city=‘海东市’}{nation=‘中国’, province=‘青海省’, city=‘西宁市’, district=‘湟中区’, street=‘’}青海省西宁市湟中区
121.827422,24.73118{longitude=120.9820179, latitude=23.9739374, nation=‘中国’, province=‘臺灣’, city=‘臺灣’}{nation=‘中国’, province=‘台湾省’, city=‘宜兰县’, district=‘壮围乡’, street=‘’}台湾省宜兰县

结论

1.现在的亚洲的数据和官网几乎一样
2.和腾讯比，也只有很少边界的地方存在误差

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/857693.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

国内外大模型生态发展报告！

国内外大模型生态发展报告！

很多同学只知类似Check GPT或者说对国内的一些比较了解，对国外的不太了解，所以在这总结。 1 大模型的发展 左表 名称参数特点发布时间GPT-215亿英文底模，开源2019年Google T5110亿多任务微调, 开源2019年GPT-3.51750亿人工反馈微调2022年M…
阅读更多...
UFS Power Mode Change 介绍

UFS Power Mode Change 介绍

一. UFS Power Mode Change简介 1.UFS Power Mode指的是Unipro层的Power State, 也可以称为链路(Link)上的Power Mode, 可以通过配置Unipro Attribute, 然后控制切换Unipro Power State, 当前Power Mode Change有两种触发方式： (1) 通过DME Power Mode Change触发…
阅读更多...
java中实现Callable方式创建线程

java中实现Callable方式创建线程

一、为啥要引入Callable 在前面讲了通过继承Thread和实现Runnable方式创建线程的区别，那为什么有了Runnable还要引入Callable?下面通过实现Runnable方式的弊端给出答案 实现Runnable方式的弊端： package java.lang; FunctionalInterface public inte…
阅读更多...
1095 解码PAT准考证（测试点3）

1095 解码PAT准考证（测试点3）

solution 测试点3超时&#xff1a;命令为3时&#xff0c;用unordered_map而非map&#xff0c;否则会超时 #include<iostream> #include<string> #include<algorithm> #include<unordered_map> using namespace std; const int maxn 1e4 10; struct…
阅读更多...
2024山东大学软件学院创新项目实训（9）使用OpenCompass进行模型评估

2024山东大学软件学院创新项目实训（9）使用OpenCompass进行模型评估

下载好OpenCompassData-core-20231110.zip 之后&#xff0c;解压压缩包 unzip OpenCompassData-core-20231110.zip 运行代码&#xff1a; python run.py --datasets ceval_gen --hf-path /hy-tmp/7B21/merged --tokenizer-path /hy-tmp/7B21/merged --tokenizer-kwargs p…
阅读更多...
步步精：连接器领域的卓越品牌

步步精：连接器领域的卓越品牌

自1987年成立以来&#xff0c;步步精坐落于美丽的旅游城市——温州市乐清虹桥镇&#xff0c;被誉为“国家电子主体生产基地”、“国家精密模具制造基地”。公司拥有7大厂区、9大事业部&#xff0c;800名专职员工&#xff0c;致力于提供高品质的连接器解决方案。注册商标“BBJCO…
阅读更多...
百度ai人脸识别项目C#

百度ai人脸识别项目C#

一、项目描述 本项目通过集成百度AI人脸识别API&#xff0c;实现了人脸检测和识别功能。用户可以上传图片&#xff0c;系统将自动识别人脸并返回识别结果。 二、开发环境 Visual Studio 2019或更高版本.NET Framework 4.7.2或更高版本AForge.NET库百度AI平台人脸识别API 三、…
阅读更多...
从网络配置文件中提取PEAP凭据

从网络配置文件中提取PEAP凭据

我的一位同事最近遇到了这样一种情况&#xff1a;他可以物理访问使用802.1X连接到有线网络的Windows计算机&#xff0c;同时保存了用于身份验证的用户凭据&#xff0c;随后他想提取这些凭据&#xff0c;您可能认为这没什么特别的&#xff0c;但是事情却有点崎岖波折…… 如何开…
阅读更多...
攻防世界-5-1

攻防世界-5-1

下载文件发现是一个没有尾缀的文件&#xff0c;扔winhex&#xff0c;emmmm还是没看出来 搜了一圈&#xff0c;发现用xortool 得到key之后&#xff0c;跑一下脚本 得到flag&#xff1a; wdflag{You Are Very Smart}
阅读更多...
pytest测试框架pytest-sugar插件生成进度条

pytest测试框架pytest-sugar插件生成进度条

Pytest提供了丰富的插件来扩展其功能&#xff0c;介绍下插件pytest-sugar&#xff0c;可以帮助我们在控制台中显示彩色的测试结果和进度条&#xff0c;提供失败的堆栈回溯信息。 为了使用 pytest-sugar&#xff0c;需要满足以下条件&#xff1a; Python 3.8 或更高版本pytest…
阅读更多...
并行计算之SIMD与SPMD

并行计算之SIMD与SPMD

SIMD (Single Instruction Multiple Data) SIMD&#xff0c;也就是单指令多数据计算&#xff0c;一条指令可以处理多个数据。通过向量寄存器存储多个数据元素&#xff0c;并使用单条指令同时对这些数据元素进行处理&#xff0c;从而提高了计算效率。 代码示例&#xff1a; fl…
阅读更多...
联想Y7000P 2023款拆机教程及升级内存教程

联想Y7000P 2023款拆机教程及升级内存教程

0.电脑参数介绍 联想Y7000P 2023电脑&#xff0c;笔者电脑CPU为i7-13700H&#xff0c;14核20线程&#xff1b;标配内存为三星的DDR5-5600MHz-8GB*2&#xff0c;由于电脑CPU限制&#xff0c;实际内存跑的频率为5200MHz; 2个内存插槽&#xff0c;2个固态硬盘插槽。每个内存插槽最…
阅读更多...
FineReport报表案例

FineReport报表案例

普通报表 保存的文件类型为 cpt&#xff0c;依靠着单元格的扩展与父子格的关系来实现模板效果&#xff0c;可进行参数查询&#xff0c;填报报表&#xff0c;图表设计等等&#xff0c;但是在分页预览模式下不能在报表主体中展示控件&#xff0c;而且单元格间相互影响&#xff0c…
阅读更多...
1.2 DataX 数据同步工具详细介绍

1.2 DataX 数据同步工具详细介绍

DataX 是阿里巴巴开源的一款高效的数据同步工具&#xff0c;旨在实现多种异构数据源之间的高效数据同步。以下是对 DataX 的详细介绍&#xff1a; 架构 DataX 的架构主要包括以下几个核心组件&#xff1a; DataX Core&#xff1a;负责任务调度、插件加载、日志管理等核心功能…
阅读更多...
鞋子分类数据集17399张69类别

鞋子分类数据集17399张69类别

数据集类型&#xff1a;图像分类用&#xff0c;不可用于目标检测无标注文件 数据集格式&#xff1a;仅仅包含jpg图片&#xff0c;每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)&#xff1a;17399 分类类别数&#xff1a;69 类别名称:[“0”,“1”,“2”,“3”,“4”…
阅读更多...
VisualBox 虚拟机 Ubunut 18.04 在大显示器上黑屏的问题

VisualBox 虚拟机 Ubunut 18.04 在大显示器上黑屏的问题

在小屏幕上显示没有问题&#xff0c;但是移动到大显示器上就黑屏了&#xff0c;并且不能铺满&#xff0c;如下所示 如果我希望它铺满整个屏幕&#xff0c;如何解决呢&#xff1f; 下面是解决方法&#xff1a; 虚拟机底部这个按钮&#xff0c;右键 产生菜单&#xff0c;按这个选…
阅读更多...
09--keepalived高可用集群

09--keepalived高可用集群

前言&#xff1a;高可用集群配置是大型网站的一个基础&#xff0c;网站可用性的基础保障之一&#xff0c;这里将对应的概念知识和实操步骤进行整理与收集。 1、基础概念详解 1.1、高可用集群 高可用集群&#xff08;High Availability Cluster&#xff0c;简称HA Cluster&am…
阅读更多...
用友U9-UBF自定义报表-打印模板开发学习笔记

用友U9-UBF自定义报表-打印模板开发学习笔记

自定义报表、打印模板开发学习笔记 一、基础了解 1、UBF开发工具的了解 Ideconfig.xml配置 True&#xff1a;打印、报表设计模式 False&#xff1a;单据设计模式 2、开发环境试用 BE&#xff1a;实体项目 BF&#xff1a;操作项目 SV&#xff1a;服务项目 分析项目&am…
阅读更多...
NGINX_六 nginx 日志文件详解

NGINX_六 nginx 日志文件详解

六 nginx 日志文件详解 nginx 日志文件分为 **log_format** 和 **access_log** 两部分log_format 定义记录的格式&#xff0c;其语法格式为log_format 样式名称 样式详情配置文件中默认有log_format main $remote_addr - $remote_user [time_local] "req…
阅读更多...
jQuery 基本操作

jQuery 基本操作

01-简介 jQuery 是一个功能丰富且广泛使用的 JavaScript 库&#xff0c;它简化了 HTML 文档遍历和操作、事件处理、动画和 Ajax 操作。jQuery 通过其易用的 API&#xff0c;使复杂的 JavaScript 编程任务变得更加简单&#xff0c;并且兼容各种浏览器。 1、jQuery特点 简化 DOM …
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023