013、MongoDB常用操作命令与高级特性深度解析

目录

MongoDB常用操作命令与高级特性深度解析

1. 数据库操作的深入探讨

1.1 数据库管理

1.1.1 数据库统计信息

1.1.2 数据库修复

1.1.3 数据库用户管理

1.2 数据库事务

2. 集合操作的高级特性

2.1 固定集合(Capped Collections)

2.2 集合验证(Schema Validation)

2.3 Time-To-Live (TTL) 索引

3. 文档操作的高级技巧

3.1 复杂查询

3.1.1 正则表达式查询

3.1.2 数组查询

3.1.3 嵌套文档查询

3.2 高级更新操作

3.2.1 数组操作

3.2.2 条件更新

3.3 批量写操作

4. 索引策略与优化

4.1 复合索引

4.2 文本索引

4.3 地理空间索引

4.4 索引优化技巧

5. 高级聚合操作

5.1 复杂的聚合管道

5.2 使用 $lookup 进行关联查询

5.3 使用 $graphLookup 进行图形查询

5.4 使用 $bucket 进行数据分桶

6. MongoDB的高级特性和最佳实践

6.1 变更流（Change Streams）

6.2 数据加密

6.3 分片策略

6.4 性能优化

6.5 数据模型设计最佳实践

7. 实际应用案例深度剖析：基因组数据库系统

7.1 系统架构

7.2 数据模型优化

7.3 索引策略

7.4 分片策略

7.5 查询优化

7.6 数据导入优化

7.7 性能测试结果

MongoDB常用操作命令与高级特性深度解析

1. 数据库操作的深入探讨

1.1 数据库管理

1.1.1 数据库统计信息
db.stats()

这个命令会返回当前数据库的详细统计信息,包括数据大小、索引大小、集合数量等。输出示例:

{"db" : "mydb","collections" : 5,"views" : 0,"objects" : 1000,"avgObjSize" : 255.0,"dataSize" : 255000,"storageSize" : 290816,"numExtents" : 0,"indexes" : 7,"indexSize" : 151552,"fsUsedSize" : 4383506432,"fsTotalSize" : 62725623808,"ok" : 1
}

这些信息对于监控数据库性能和容量规划非常有用。

1.1.2 数据库修复
db.repairDatabase()

这个命令用于修复损坏的数据库。它会重建所有的集合和索引,但可能会很耗时。在执行此操作之前,建议先进行备份。

1.1.3 数据库用户管理
// 创建用户
db.createUser({user: "myuser",pwd: "mypassword",roles: [ { role: "readWrite", db: "mydb" } ]
})
​
// 删除用户
db.dropUser("myuser")
​
// 修改用户密码
db.changeUserPassword("myuser", "newpassword")
​
// 授予角色
db.grantRolesToUser("myuser", [ { role: "dbAdmin", db: "mydb" } ])
​
// 撤销角色
db.revokeRolesFromUser("myuser", [ { role: "dbAdmin", db: "mydb" } ])

这些命令用于管理数据库用户,对于实现细粒度的访问控制非常重要。MongoDB支持基于角色的访问控制(RBAC),可以精确控制用户对数据库的访问权限。

1.2 数据库事务

从MongoDB 4.0开始,支持多文档事务。以下是一个事务示例:

const session = db.getMongo().startSession();
session.startTransaction();
​
try {const accounts = session.getDatabase("mydb").getCollection("accounts");accounts.updateOne({ owner: "Alice" }, { $inc: { balance: -100 } });accounts.updateOne({ owner: "Bob" }, { $inc: { balance: 100 } });session.commitTransaction();console.log("Transaction successfully committed.");
} catch (error) {session.abortTransaction();console.log("Transaction aborted due to error: " + error);
} finally {session.endSession();
}

这个例子展示了如何在一个事务中执行多个操作,确保数据的一致性。事务特别适用于需要原子性的复杂操作,如资金转账。

注意事项:

  • 事务在副本集和分片集群中都可用,但在分片环境中可能会影响性能。

  • 事务有时间限制,默认为60秒。

  • 事务中的操作应尽量精简,以减少锁定时间。

2. 集合操作的高级特性

2.1 固定集合(Capped Collections)

固定集合是一种特殊类型的集合,它有固定的大小,当达到最大值时,新的文档会覆盖最旧的文档。

db.createCollection("logs", {capped: true,size: 5242880,max: 5000
})

这个命令创建了一个最大大小为5MB,最多包含5000个文档的固定集合。固定集合特别适合存储日志等需要按插入顺序保存并且可以被覆盖的数据。

固定集合的特点:

  • 插入顺序就是自然顺序,非常适合某些类型的日志。

  • 支持高吞吐量的插入操作。

  • 不支持删除操作,但可以调用drop()方法删除整个集合。

  • 不支持分片。

2.2 集合验证(Schema Validation)

MongoDB允许为集合定义验证规则:

db.createCollection("users", {validator: {$jsonSchema: {bsonType: "object",required: [ "name", "email", "age" ],properties: {name: {bsonType: "string",description: "must be a string and is required"},email: {bsonType: "string",pattern: "^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\\.[a-zA-Z]{2,}$",description: "must be a valid email address and is required"},age: {bsonType: "int",minimum: 18,maximum: 99,description: "must be an integer in [ 18, 99 ] and is required"},gender: {enum: [ "Male", "Female", "Other" ],description: "can only be one of the enum values and is optional"}}}},validationAction: "error"
})

这个例子定义了一个带有字段验证的用户集合,确保插入的数据符合预定义的模式。

验证的好处:

  • 确保数据一致性和完整性。

  • 减少应用层的验证逻辑。

  • 提高数据质量。

注意:

  • 验证只在插入和更新操作时执行。

  • 可以设置validationAction为"warn"以允许插入不符合规则的文档,但会记录警告。

  • 对已存在的文档不会进行验证,除非它们被更新。

2.3 Time-To-Live (TTL) 索引

TTL索引允许MongoDB自动删除过期的文档:

db.sessions.createIndex( { "lastModifiedDate": 1 }, { expireAfterSeconds: 3600 } )

这个命令创建了一个TTL索引,文档将在lastModifiedDate字段指定的时间一小时后被自动删除。

TTL索引的应用场景:

  • 会话管理

  • 缓存数据

  • 日志数据

注意:

  • TTL索引只能在单个字段上创建。

  • 删除操作是后台进行的,可能有一定的延迟。

3. 文档操作的高级技巧

3.1 复杂查询

3.1.1 正则表达式查询
db.users.find({ name: /^A/ }) // 查找名字以A开头的用户

正则表达式查询允许进行复杂的字符串匹配。

3.1.2 数组查询
// 查找兴趣包含both "reading" 和 "hiking" 的用户
db.users.find({ interests: { $all: ["reading", "hiking"] } })
​
// 查找至少有3个兴趣的用户
db.users.find({ interests: { $size: 3 } })
​
// 使用$elemMatch查询数组中的元素
db.inventory.find({dim_cm: { $elemMatch: { $gt: 22, $lt: 30 } }
})

这些查询展示了MongoDB强大的数组查询能力。

3.1.3 嵌套文档查询
// 查找居住在New York的用户
db.users.find({ "address.city": "New York" })
​
// 使用$elemMatch查询嵌套数组
db.schools.find({zipcode: "63109",students: { $elemMatch: { school: 102, age: { $gt: 15 } } }
})

这些例子展示了如何查询嵌套文档和数组。

3.2 高级更新操作

3.2.1 数组操作
// 向数组添加元素(如果不存在)
db.users.updateOne({ name: "Alice" },{ $addToSet: { interests: "gardening" } }
)
​
// 从数组中移除元素
db.users.updateOne({ name: "Alice" },{ $pull: { interests: "hiking" } }
)
​
// 更新数组中的特定元素
db.users.updateOne({ name: "Alice", "scores.type": "exam" },{ $set: { "scores.$.value": 95 } }
)

这些操作展示了如何高效地管理文档中的数组字段。

3.2.2 条件更新
// 只有在年龄小于30时才更新
db.users.updateOne({ name: "Bob", age: { $lt: 30 } },{ $set: { status: "young" } }
)
​
// 使用$inc和$min组合
db.products.updateOne({ sku: "abc123" },{$inc: { quantity: -2 },$min: { quantity: 0 }}
)

这些例子展示了如何进行有条件的更新和原子操作。

3.3 批量写操作

const bulkOps = [{ insertOne: { document: { name: "Dave", age: 28 } } },{ updateOne: { filter: { name: "Alice" }, update: { $inc: { age: 1 } } } },{ deleteOne: { filter: { name: "Charlie" } } },{ replaceOne: { filter: { name: "Bob" }, replacement: { name: "Robert", age: 32 }, upsert: true } }
];
​
db.users.bulkWrite(bulkOps, { ordered: false });

这个例子展示了如何在一个操作中执行多个写入任务,提高效率。ordered: false选项允许MongoDB并行执行这些操作,进一步提高性能。

注意:

  • 批量写操作可以大大提高写入效率,特别是在需要执行大量小型写操作时。

  • 使用ordered: false可以提高性能,但要注意操作之间的依赖关系。

  • 批量写操作支持原子性,即使部分操作失败,也可以回滚所有更改。

4. 索引策略与优化

4.1 复合索引

db.users.createIndex({ age: 1, name: 1 })

这个索引支持按年龄排序的查询,以及年龄和姓名的组合查询。

复合索引的设计原则:

  1. 最常用的查询字段放在前面。

  2. 等值查询的字段放在范围查询字段之前。

  3. 排序字段应包含在索引中。

4.2 文本索引

db.articles.createIndex({ content: "text" })
​
// 使用文本索引进行全文搜索
db.articles.find({ $text: { $search: "MongoDB tutorial" } })
​
// 文本搜索并按相关性排序
db.articles.find({ $text: { $search: "MongoDB tutorial" } },{ score: { $meta: "textScore" } }
).sort({ score: { $meta: "textScore" } })

文本索引支持高效的全文搜索。

注意:

  • 每个集合只能有一个文本索引。

  • 文本索引可能会占用大量存储空间。

4.3 地理空间索引

db.places.createIndex({ location: "2dsphere" })
​
// 查找附近的地点
db.places.find({location: {$near: {$geometry: {type: "Point",coordinates: [ -73.9667, 40.78 ]},$maxDistance: 1000}}
})
​
// 查找在多边形内的地点
db.places.find({location: {$geoWithin: {$geometry: {type: "Polygon",coordinates: [[[ -73.9, 40.8 ],[ -73.9, 40.7 ],[ -74.0, 40.7 ],[ -74.0, 40.8 ],[ -73.9, 40.8 ]]]}}}
})

地理空间索引支持基于位置的查询,对于开发位置服务的应用非常有用。

4.4 索引优化技巧

  • 使用 explain() 分析查询性能

db.users.find({ age: { $gt: 30 } }).explain("executionStats")

这会提供详细的查询执行统计信息,帮助识别性能瓶颈。

  • 定期检查索引使用情况,删除未使用的索引

db.collection.aggregate([{ $indexStats: {} }
])

这个命令可以显示每个索引的使用统计信息。

  • 对于大集合,考虑在后台创建索引

db.users.createIndex({ email: 1 }, { background: true })

后台创建索引不会阻塞其他数据库操作。

  • 使用覆盖索引来提高查询效率

db.users.find({ age: { $gt: 30 } }, { _id: 0, name: 1, age: 1 })

如果有一个包含age和name字段的索引,这个查询可以完全由索引覆盖,无需访问文档。

  • 使用部分索引减少索引的大小

db.restaurants.createIndex({ cuisine: 1, name: 1 },{ partialFilterExpression: { rating: { $gt: 5 } } }
)

这个索引只包含评分大于5的餐厅，可以显著减少索引大小。

部分索引的优势：

  • 减少索引的存储空间

  • 提高索引的效率

  • 降低索引维护的开销

注意：使用部分索引时，查询必须包含索引的过滤条件才能使用该索引。

5. 高级聚合操作

5.1 复杂的聚合管道

db.orders.aggregate([{ $match: { status: "completed", orderDate: { $gte: new Date("2023-01-01") } } },{ $group: {_id: { $dateToString: { format: "%Y-%m-%d", date: "$orderDate" } },totalRevenue: { $sum: "$total" },averageOrder: { $avg: "$total" },orderCount: { $sum: 1 }}},{ $sort: { totalRevenue: -1 } },{ $limit: 10 },{ $project: {date: "$_id",totalRevenue: { $round: ["$totalRevenue", 2] },averageOrder: { $round: ["$averageOrder", 2] },orderCount: 1,_id: 0}}
])

这个聚合管道执行以下操作：

  1. 筛选已完成的订单和2023年之后的订单

  2. 按日期分组，计算每天的总收入、平均订单金额和订单数量

  3. 按总收入降序排序

  4. 限制结果为前10条

  5. 重塑输出格式，包括四舍五入金额到小数点后两位

5.2 使用 $lookup 进行关联查询

db.orders.aggregate([{$lookup: {from: "customers",localField: "customerId",foreignField: "_id",as: "customerInfo"}},{ $unwind: "$customerInfo" },{$project: {orderId: 1,total: 1,"customerInfo.name": 1,"customerInfo.email": 1}}
])

这个例子展示了如何使用 $lookup 来关联订单和客户信息。

$lookup 的高级用法：

db.orders.aggregate([{$lookup: {from: "inventory",let: { order_item: "$item", order_qty: "$quantity" },pipeline: [{ $match:{ $expr:{ $and:[{ $eq: [ "$item",  "$$order_item" ] },{ $gte: [ "$instock", "$$order_qty" ] }]}}},{ $project: { item: 1, instock: 1 } }],as: "inventoryDocs"}}
])

这个高级 $lookup 示例展示了如何使用管道在关联过程中执行复杂的匹配和转换。

5.3 使用 $graphLookup 进行图形查询

db.employees.aggregate([{$graphLookup: {from: "employees",startWith: "$reportsTo",connectFromField: "reportsTo",connectToField: "_id",as: "reportingHierarchy",maxDepth: 5,depthField: "level"}}
])

这个聚合操作可以查询员工的完整报告链，最多追溯5级，并记录每个员工在层级中的深度。

$graphLookup 的应用场景：

  • 组织结构查询

  • 社交网络关系分析

  • 产品类别层次结构

5.4 使用 $bucket 进行数据分桶

db.sales.aggregate([{$bucket: {groupBy: "$amount",boundaries: [ 0, 100, 500, 1000, Infinity ],default: "Other",output: {"count": { $sum: 1 },"total": { $sum: "$amount" },"avg": { $avg: "$amount" }}}}
])

这个聚合操作将销售数据按金额分成不同的桶，并计算每个桶的统计信息。

6. MongoDB的高级特性和最佳实践

6.1 变更流（Change Streams）

变更流允许应用程序实时监控数据库的变化：

const changeStream = db.collection('users').watch();
changeStream.on('change', (change) => {console.log(change); // 输出变更信息
});

变更流的高级用法：

const pipeline = [{ $match: { 'fullDocument.status': 'active' } },{ $project: { 'fullDocument.name': 1, 'fullDocument.email': 1 } }
];
​
const changeStream = db.collection('users').watch(pipeline);
changeStream.on('change', (change) => {console.log(change.fullDocument);
});

这个例子展示了如何使用聚合管道来过滤和转换变更事件。

变更流的应用场景：

  • 实时数据同步

  • 缓存失效

  • 事件驱动架构

6.2 数据加密

MongoDB企业版提供静态加密和传输加密：

db.createCollection("sensitiveData", {encryptedFields: {fields: [{path: "ssn",keyId: UUID("12345678-1234-1234-1234-123456789012"),bsonType: "string",queries: { "equalTo": true }}]}
})

这个例子创建了一个集合，其中的 ssn 字段会被自动加密。

加密的最佳实践：

  • 使用强密钥管理系统

  • 定期轮换加密密钥

  • 只加密真正敏感的数据，以平衡性能和安全性

6.3 分片策略

对于大规模数据，MongoDB的分片功能可以提供水平扩展能力：

sh.enableSharding("mydb")
sh.shardCollection("mydb.users", { "userId": "hashed" })

这个命令对 users 集合按 userId 的哈希值进行分片。

分片的考虑因素：

  • 选择合适的分片键（shard key）

  • 避免热点分片

  • 考虑数据本地性

  • 平衡查询分布和写入分布

6.4 性能优化

  • 使用适当的写入关注（Write Concern）和读取关注（Read Concern）

db.collection.insertOne({ item: "example" },{ writeConcern: { w: "majority", wtimeout: 5000 } }
)
​
db.collection.find().readConcern("majority")

  • 使用投影来减少网络传输

db.users.find({}, { name: 1, email: 1, _id: 0 })

  • 使用 $hint 强制使用特定索引

db.users.find({ age: { $gt: 30 }, city: "New York" }).hint({ age: 1, city: 1 })

  • 使用 allowDiskUse 处理大型聚合操作

db.orders.aggregate([// 复杂的聚合管道
], { allowDiskUse: true })

  • 定期运行 db.runCommand({ compact: 'collectionName' }) 来碎片整理和回收空间

6.5 数据模型设计最佳实践

  1. 嵌入 vs 引用：根据数据访问模式选择适当的模型

  2. 避免过深的嵌套：通常不超过3层

  3. 适当反规范化：提高读取性能

  4. 考虑文档增长：预留足够空间或使用桶设计模式

  5. 使用数组时要小心：大型数组可能导致性能问题

7. 实际应用案例深度剖析：基因组数据库系统

让我们深入探讨Wang等人(2019)的GenomeDB系统[1]，并讨论其架构设计和实现细节。

7.1 系统架构

GenomeDB采用了分布式架构，主要包括以下组件：

  1. 数据导入模块

  2. 查询处理模块

  3. 数据存储层（MongoDB分片集群）

  4. 缓存层（Redis）

  5. 负载均衡器（HAProxy）

7.2 数据模型优化

研究人员对基因变异数据模型进行了优化，以平衡查询效率和存储效率：

{_id: ObjectId("..."),chrom: "1",pos: 1000000,ref: "A",alt: "G",freq: 0.01,anno: {gene: "BRCA1",effect: "missense_variant",impact: "MODERATE"},samples: [{ id: "SAMPLE001", gt: "0/1" },{ id: "SAMPLE002", gt: "0/0" }]
}

注意事项：

  • 使用简短的字段名（如 chrom 而不是 chromosome）来减少存储空间

  • 将频繁一起查询的字段（如注释信息）组合到子文档中

  • 对于样本数据，只存储必要的信息

7.3 索引策略

GenomeDB使用了多层次的索引策略：

// 主索引
db.variants.createIndex({ chrom: 1, pos: 1 })
​
// 频率索引
db.variants.createIndex({ freq: 1 })
​
// 基因索引
db.variants.createIndex({ "anno.gene": 1 })
​
// 复合索引用于常见查询模式
db.variants.createIndex({ chrom: 1, pos: 1, "anno.effect": 1, freq: 1 })
​
// 文本索引用于全文搜索
db.variants.createIndex({ "anno.gene": "text", "anno.effect": "text" })

7.4 分片策略

GenomeDB采用了基于染色体的分片策略：

sh.enableSharding("genomdb")
sh.shardCollection("genomdb.variants", { chrom: 1, pos: 1 })

这确保了同一染色体的数据位于同一分片，提高了局部查询的效率。

7.5 查询优化

研究人员实现了一些高级的查询优化技术：

  1. 查询重写：将复杂查询转化为更高效的形式

  2. 结果缓存：使用Redis缓存常见查询的结果

  3. 并行查询执行：将大型查询拆分成多个子查询并行执行

例如，对于跨越多个染色体的查询：

async function parallelChromosomeQuery(query, chromosomes) {const promises = chromosomes.map(chrom => db.variants.find({ ...query, chrom: chrom }).toArray());const results = await Promise.all(promises);return results.flat();
}

7.6 数据导入优化

为了处理大规模数据导入，研究人员采用了以下策略：

  1. 批量插入：使用insertMany而不是单条插入

  2. 并行导入：按染色体分割数据，并行导入不同分片

  3. 索引预创建：在导入数据之前创建所需的索引

  4. 写入关注点优化：在导入阶段使用较低的写入关注点，提高性能

const bulkOps = [];
for (const variant of variantBatch) {bulkOps.push({ insertOne: { document: variant } });if (bulkOps.length === 1000) {await db.variants.bulkWrite(bulkOps, { ordered: false, w: 0 });bulkOps.length = 0;}
}
if (bulkOps.length > 0) {await db.variants.bulkWrite(bulkOps, { ordered: false, w: 0 });
}

7.7 性能测试结果

Wang等人的研究报告了以下性能指标：

  1. 数据导入速度：平均每秒插入50,000个变异记录

  2. 点查询响应时间：< 10ms

  3. 范围查询响应时间（1Mb区域）：< 100ms

  4. 全基因组扫描：< 5分钟

这些结果表明，基于MongoDB的GenomeDB系统能够有效处理大规模基因组数据，为研究人员提供快速、灵活的数据访问能力。

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/863202.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

计算机高并发浅析

计算机高并发浅析

一、 高并发简介 高并发应用场景涉及大量用户同时访问或操作系统&#xff0c;这对系统的性能、稳定性和扩展性提出了高要求。以下是一些常见的高并发应用场景及其复杂性简介&#xff1a; 1. 电商平台 场景&#xff1a;在大促销活动期间&#xff0c;如双十一、黑色星期五等&a…
阅读更多...
标准版小程序订单中心path审核不通过处理教程

标准版小程序订单中心path审核不通过处理教程

首先看自己小程序是不是已经审核通过并上线状态才在站内信里面提醒的&#xff1f; 如果没有提交过审核&#xff0c;请在提交的时候填写。path地址为&#xff1a;pages/goods/order_list/index 如果是已经上线的小程序&#xff0c;当时没要求填这个&#xff0c;但新的政策要求填…
阅读更多...
聊天伴侣-豆包

聊天伴侣-豆包

前言 2024年5月14日凌晨&#xff0c;OpenAI发布最新多模态大模型 GPT-4o。GPT-4o的“o”代表“omni”&#xff0c;意为全能&#xff0c;与现有模型相比&#xff0c;它在视觉和音频理解方面尤其出色。GPT-4o可以在音频、视觉和文本中进行实时推理&#xff0c;接受文本、音频和图…
阅读更多...
队列的相关知识

队列的相关知识

目录 创建 初始化 销毁 头插 尾删 取出头 取出尾 数字个数 判空 队列的性质与特征 性质&#xff1a;一种先进先出的线性表 特征&#xff1a;FIFO&#xff08;先进先出&#xff09; 实现&#xff1a;用数组和链表的都可以 例子&#xff1a;在生产者消费者模型用到了…
阅读更多...
夏天到了，用这两款软件，悄悄惊艳所有人！

夏天到了，用这两款软件，悄悄惊艳所有人！

哈喽&#xff0c;各位小伙伴们好&#xff0c;我是给大家带来各类黑科技与前沿资讯的小武。 夏天来了&#xff0c;又到了“露肉”的季节&#xff0c;或许大家会为了身材烦恼&#xff0c;即便有运动意愿却苦于健身计划和时间上安排&#xff0c;也没有合适的免费软件。 别担心&a…
阅读更多...
RpcRrovider分发rpc服务(OnMessage和Closure回调)

RpcRrovider分发rpc服务(OnMessage和Closure回调)

目录 1.完善rpcprovider.cc的OnConnection 2.完善rpcprovider.cc的OnMessage 3.完整rpcprovider.h 4.完整rpcprovider.cc 这篇文章主要完成&#xff0c;protobuf实现的数据序列化和反序列化。 1.完善rpcprovider.cc的OnConnection rpc的请求是短连接的&#xff0c;请求一次…
阅读更多...
CICD持续集成(Jenkins+Git+Gogs)

CICD持续集成(Jenkins+Git+Gogs)

1.Jenkins Jenkins 是一个开源的、用于构建和自动化软件开发流程的持续集成和交付工具。它提供了一个可扩展的平台&#xff0c;用于构建、测试和部署软件项目。通过使用 Jenkins&#xff0c;开发团队可以实现持续集成和交付&#xff0c;自动化构建和测试过程&#xff0c;提高软…
阅读更多...
Web缓存代理和CDN 内容分发网络

Web缓存代理和CDN 内容分发网络

目录 1.WEB缓存代理 1.1 WEB缓存代理作用 1.2 常见WEB缓存代理 1.3 Nginx 配置 缓存代理 2. CDN内容分发网络 1.WEB缓存代理 1.1 WEB缓存代理作用 存储一些之前给访问过的&#xff0c;且可能要被再次访问的静态网页资源对象&#xff0c;使客户端可以直接从缓存代理服务器…
阅读更多...
C++Primer Plus 第十四章代码重用：14.4.7 成员模板

C++Primer Plus 第十四章代码重用：14.4.7 成员模板

CPrimer Plus 第十四章代码重用 提示&#xff1a;这里可以添加系列文章的所有文章的目录&#xff0c;目录需要自己手动添加 例如&#xff1a;CPrimer Plus 第十四章代码重用&#xff1a;14.4.7 成员模板 提示&#xff1a;写完文章后&#xff0c;目录可以自动生成&#xff0c;如…
阅读更多...
KBL410-ASEMI智能AI专用整流桥KBL410

KBL410-ASEMI智能AI专用整流桥KBL410

编辑&#xff1a;ll KBL410-ASEMI智能AI专用整流桥KBL410 型号&#xff1a;KBL410 品牌&#xff1a;ASEMI 封装&#xff1a;KBL-4 正向电流&#xff08;Id&#xff09;&#xff1a;4A 反向耐压&#xff08;VRRM&#xff09;&#xff1a;1000V 正向浪涌电流&#xff1a;2…
阅读更多...
【计算机毕业设计】基于微信小程序的电子购物系统的设计与实现【源码+lw+部署文档】

【计算机毕业设计】基于微信小程序的电子购物系统的设计与实现【源码+lw+部署文档】

包含论文源码的压缩包较大&#xff0c;请私信或者加我的绿色小软件获取 免责声明&#xff1a;资料部分来源于合法的互联网渠道收集和整理&#xff0c;部分自己学习积累成果&#xff0c;供大家学习参考与交流。收取的费用仅用于收集和整理资料耗费时间的酬劳。 本人尊重原创作者…
阅读更多...
Python逻辑控制语句 之 判断语句--if语句的基本结构

Python逻辑控制语句 之 判断语句--if语句的基本结构

1.程序执行的三大流程 顺序 分支&#xff08;判断&#xff09; 循环 2.if 语句的介绍 单独的 if 语句,就是 “如果 条件成⽴,做什么事” 3.if 语句的语法 if 判断条件: 判断条件成立&#xff0c;执行的代码…
阅读更多...
防止多次点击,vue的按钮上做简易的防抖节流处理

防止多次点击,vue的按钮上做简易的防抖节流处理

话不多说,上个视频,看看是不是你要的效果 防抖节流 1.创建一个directive.js // directive.js export default {install(Vue) {// 防重复点击(指令实现)Vue.directive(repeatClick, {inserted(el, binding) {el.addEventListener(click, () > {if (!el.disabled) {el.disabl…
阅读更多...
C#微信预约挂号系统全套源码，适用于各级公立和民营医院，与院内his、lis、pacs系统对接。

C#微信预约挂号系统全套源码，适用于各级公立和民营医院，与院内his、lis、pacs系统对接。

C#微信预约挂号系统源码&#xff0c;团队自主研发&#xff0c;三甲医院应用多年&#xff0c;系统稳定&#xff0c;功能齐全&#xff0c;支持二次开发&#xff0c;项目使用。 微信预约挂号系统可以让患者足不出户就可以利用微信进行在线挂号&#xff0c;实现分时段就诊&#xff…
阅读更多...
【LLM 评估】GLUE benchmark：NLU 的多任务 benchmark

【LLM 评估】GLUE benchmark：NLU 的多任务 benchmark

论文&#xff1a;GLUE: A Multi-Task Benchmark and Analysis Platform for Natural Language Understanding ⭐⭐⭐⭐ arXiv:1804.07461, ICLR 2019 Site: https://gluebenchmark.com/ 文章目录 一、论文速读二、GLUE 任务列表2.1 CoLA&#xff08;Corpus of Linguistic Accep…
阅读更多...
在晋升受阻或遭受不公待遇申诉时，这样写是不是好一些？

在晋升受阻或遭受不公待遇申诉时，这样写是不是好一些？

在晋升受阻或遭受不公待遇申诉时&#xff0c;这样写是不是好一些&#xff1f; 在职场中&#xff0c;晋升受阻或遭受不公待遇是员工可能面临的问题之一。面对这样的情况&#xff0c;如何撰写一份有效的申诉材料&#xff0c;以维护自己的合法权益&#xff0c;就显得尤为重要。#李…
阅读更多...
STM32CUBEMX配置USB虚拟串口

STM32CUBEMX配置USB虚拟串口

STM32CUBEMX配置USB虚拟串口 cubemx上默认配置即可。 外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传 配置完后生成工程&#xff0c;主要就是要知道串口的收发接口就行了。 发送&#xff1a;CDC_Transmit_FS()&#xff0c;同时记得包含头文件#include “…
阅读更多...
shopify入门教程-应用开发（二）

shopify入门教程-应用开发（二）

4.内网穿透 为什么要用这个&#xff0c;就是把电脑上的开发内容通过内网穿透显示到你的开发店铺上。这里的内网穿透我用了ngrok,花生壳&#xff0c;但都不如shopify官方推荐的cloudflare好用。所以这里我也推荐cloudflare。 运用内网穿透2个步骤 把app运行起来 ​​​​​​​…
阅读更多...
YOLO网络结构特点收录

YOLO网络结构特点收录

YOLO网络结构特点收录 YOLO&#xff08;You Only Look Once&#xff09;网络结构随着版本迭代不断进化&#xff0c;以下是一些关键版本的网络结构特点概述&#xff1a; YOLOv1 输入&#xff1a;将图像调整至固定尺寸&#xff0c;如448x448像素。骨干网络&#xff1a;初期版本…
阅读更多...
RocketMQ源码学习笔记：Broker接受消息和发送消息

RocketMQ源码学习笔记：Broker接受消息和发送消息

这是本人学习的总结&#xff0c;主要学习资料如下 马士兵教育rocketMq官方文档 目录 1、Overview2、技术亮点2.1、消息写入时的自旋锁和可重入锁2.2、堆外内存机制2.2.1、Overview2.2.2、源码2.2.2.1、开启堆外内存的条件2.2.2.2、堆外内存的初始化2.2.2.3、写消息到堆外内存2…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023