es 3期 第15节-词项查询与跨度查询实战运用

#### 1.Elasticsearch是数据库,不是普通的Java应用程序,传统数据库需要的硬件资源同样需要,提升性能最有效的就是升级硬件。
#### 2.Elasticsearch是文档型数据库,不是关系型数据库,不具备严格的ACID事务特性,任何企图直接替代严格事务性场景的应用项目都会失败!!!

##### 索引字段与属性都属于静态设置,若后期变更历史数据需要重建索引才可生效
##### 对历史数据无效!!!!
##### 一定要重建索引!!!!

#### 全文文本概念
### 概念介绍
## 1.文章语句分词
## 2.分词之后,支持基于分词检索
## 3.分词算法很多,分词领域很深入
## 4.基于倒排索引算法-Inverted-Index
## 5.分词检索的打分算法TF/IDF=>BM25
## 6.字段类型仅限于text类型

### Term 精确词项概念
# Term词项概念整个语句文字分为一个词
# 1.主要是keyword类型,其余非text字段部分可用2.数据内容有长度限制(2的16次方字节)
## 词项精确查询介绍
# l.Term
# 2.Terms
# 3.Terms Lookup
# 4.Terms set
## 是否需要分值计算
# query:分值计算
# filter:无需分值计算

# 准备数据DELETE kibana_sample_data_flights_term
POST _reindex
{"source": {"index": "kibana_sample_data_flights"},"dest": {"index": "kibana_sample_data_flights_term"}
}

# 查不出来,因为Dest是text类型 

GET kibana_sample_data_flights_term/_search
# 查不出来,因为Dest是text类型
GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"bool": {"must": [{"term": {"Dest": {"value": "Venice Marco Polo Airport"}}}]}}
}

# 使用Dest.keyword查出来,既然是精确查询也可以不必用must,使用filter

GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"bool": {"filter": [{"term": {"Dest.keyword": {"value": "Venice Marco Polo Airport"}}}]}}
}

# 去掉一个Airport就查询不出来,注意区分一整个词和分词的区别

GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"bool": {"filter": [{"term": {"Dest.keyword": {"value": "Venice Marco Polo"}}}]}}
}

# Airport 改为小写的 airport 查询不出来,使用keywod时候es不会做任何处理 

GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"bool": {"filter": [{"term": {"Dest.keyword": {"value": "Venice Marco Polo airport"}}}]}}
}

 # 使用term检索数值类型,原则上非text类型都能用term检索

GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"bool": {"filter": [{"term": {"FlightDelayMin": {"value": 30}}}]}}
}

# 使用range效率没有term高,es对数值类型有两套存储检索方式

GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"bool": {"filter": [{"range": {"FlightDelayMin": {"gte": 20,"lte": 36}}}]}}
}

 # case_insensitive, ASCII 是否区分大小写,取值范围true/false,默认false,7.10.0版本之后增加

GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"bool": {"filter": [{"term": {"OriginCityName.keyword": {"value": "warsaw","case_insensitive": true}}}]}}
}

 ### terms查询

GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query": {"bool": {"filter": [{"terms": {"OriginCityName.keyword": ["Zurich","Warsaw"]}}]}}
}

 ## terms lookup查询
# 基于指定某条数据的词项作为输入值,生成词项查询条件
# 等同于应用中反向查询某个索引数据,作为输入源
# 非常适用于比较同类型数据,避免应用中二次查询
## 查询参数
# terms,查询关键字入口,查询表达式入口
# index,指定输入源索引
# id,指定输入源 数据 id
# path,指定输入源字段路径,特别要注意对象类型数据,以及层次
# routing,可指定输入源数据的路由标签

GET kibana_sample_data_ecommerce/_search
GET kibana_sample_data_ecommerce/_search
{"track_total_hits": true,"query": {"terms": {"sku": {"index": "kibana_sample_data_ecommerce","id": "9oTR0Y8BbWz2Sn6Eg4wZ","path": "sku","routing":"9oTR0Y8BbWz2Sn6Eg4wZ"}}}
}

 ## terms_set 
# terms_set 也是多个输入值查询,类似与 terms查询,在属性条件上有更多的选择。
# 期望查询的字段的词数量与内容完全符合,而不是只命中其中一个,提供了一种字段数据与字段数据长度自主比较的能力。
## 查询参数
# terms_set,关键字,查询表达式
# terms,关键字,输入查询内容的词数组
# minimum should match field,关键字,指定一个数值类字段,要求输入的搜索内容必须与此值相等
# minimum should match script,关键字,通过脚本计算获取一个字段的长度数值
# boost,关键字,分值加权

GET kibana_sample_data_ecommerce/_search
# 重新准备新数据,使用脚本增加一个manufacturer_count字段,数据来源是manufacturer的长度
POST _reindex
{"source": {"index": "kibana_sample_data_ecommerce"},"dest": {"index": "kibana_sample_data_ecommerce_term"},"script": {"source": """ctx._source.manufacturer_count = ctx._source.manufacturer.length;"""}
}

 # terms 查询匹配数量与manufacturer_count一致的数据

GET kibana_sample_data_ecommerce_term/_mappings
GET kibana_sample_data_ecommerce_term/_search
# terms 查询匹配数量与manufacturer_count一致的数据
GET kibana_sample_data_ecommerce_term/_search
{"track_total_hits": true,"query": {"terms_set": {"manufacturer.keyword": {"terms": ["Elitelligence","Oceanavigations","Champion Arts","Pyramidustries"],"minimum_should_match_field": "manufacturer_count"}}}
}

 # terms 查询匹配数量与脚本返回一致的数据

GET kibana_sample_data_ecommerce_term/_search
{"track_total_hits": true,"query": {"terms_set": {"manufacturer.keyword": {"terms": ["Elitelligence","Oceanavigations","Champion Arts","Pyramidustries"],"minimum_should_match_script": {"source":"""doc['manufacturer.keyword'].length;"""}}}}
}

 ## Fuzzy 容错查询,非高效率查询
# 有很多应用场景,我们对于输入的内容并无严格的校验,导致入库的内容有错别字,此时需要一定的纠错查询,ES 针对此需求,设计了糊纠错查询。
# fuzzy 查询是一种非常消耗 CPU 资源的查询方式,主要要海量的计算,应该尽量避免或者缩短差值
## 查询参数
# fuzzy,关键字,查询表达式
# value,关键字,查询输入的内容单词,本质应该输入一个错误的词项
# fuzziness,关键字,容错的字符数量,建议设置为严格的数字,取值范围数字或者“AUTO”
# max_expansions,关键字,计算的容错词项数量,默认50,尽量控制这个数量!! 组,建议设置更低,性能影响巨大
# prefix_length,关键字,控制容错词的起始位置,从左开始,设置的值应该小于 value 的字符长度,建议设置的更加精确,性能更好
# transpositions,关键字,控制字符前后位置对调来纠错查询,取值范围 true/false,默认 true
# boost,关键字,分值加权
# rewrite,重写查询表达式,此值目前不过渡深入,属于资深人员学习掌握

GET kibana_sample_data_flights_term/_search
# 查询 Washington, 故意把最后一个字母写错Washingtom,可以查出来
GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query": {"bool": {"must": [{"fuzzy": {"DestCityName.keyword": {"value": "Washingtom"}}}]}}
}

 # 查询 错误的 Washington, Washingtomm 并设置fuzziness数量为1查不出来,改为2就可以查出来了

GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query": {"bool": {"must": [{"fuzzy": {"DestCityName.keyword": {"value": "Washingtomm","fuzziness":1}}}]}}
}

## prefix 前缀查询,类说mysql 的like语句
# 基于词项的前缀内容自动匹配后面的内容,只要符合就全部查询出来
## 查询参数
# prefix,关键字,查询表达式
# value,关键字,输入的前缀字符内容
# rewrite,重写参数
# case_insensitive,大小写敏感

# 查询Washington的前缀
GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query": {"bool": {"must": [{"prefix": {"DestCityName.keyword": {"value": "Washing"}}}]}}
}

## wildcard,通配符查询,基于通配符"*"模糊查询
# ES7.9版本推出了 wildcard 字段类型,基于 ngram 算法,检索效率相比"*"的查询要高
## 查询参数
# wildcard,关键字,查询表达式
# value,关键字,查询输入内容,内容可以采用通配符方式
# boosts,关键字,分值加权
# rewrite,重写表达式
# case_insensitive,大小写敏感

# 在这个索引中DestCityName是text类型,使用通配时要定义成wildcard类型最好
GET kibana_sample_data_flights_term/_mappings
# 通配查询Washington
GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query": {"wildcard": {"DestCityName.keyword": {"value": "*ashington"}}}
} 

## exist 逻辑查询
# ES 字段是可以动态扩展的,常规下无任何限制,导致在数据查询时,会造成部分数据字段缺失,从而查询错误,此判断可以有效过滤筛选此类数据

GET kibana_sample_data_ecommerce,kibana_sample_data_ecommerce_term/_search
{"track_total_hits":true,"query":{"exists": {"field": "manufacturer_count"}}
}

## ids查询,本质上等同于MGET

GET kibana_sample_data_ecommerce_term/_doc/9oTR0Y8BbWz2Sn6Eg4wZ
GET kibana_sample_data_ecommerce_term/_search
{"query":{"ids": {"values": ["9oTR0Y8BbWz2Sn6Eg4wZ","94TR0Y8BbWz2Sn6Eg4wZ"]}}
}
// 有限制字符串长度,默认512字节
GET kibana_sample_data_ecommerce_term/_search
{"query":{"terms": {"_id": ["9oTR0Y8BbWz2Sn6Eg4wZ","94TR0Y8BbWz2Sn6Eg4wZ"]}}
}

## range 数值范围查询
# 查询参数
# range,关键字,查询表达式
# gte,关键字,范围值
# # # gt,关键字,范围值
# # lte,关键字,范围值
# lt,关键字,范围值
# boost,关键字,分值加权
# relation,关键字,范围查询关系,针对xxx_range 范围字段才有效

# 数值范围查询
GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"range": {"FlightDelayMin":{"gte": 10,"lte": 20,"boost": 1}}}
}

## 时间范围查询
# date,时间是一种特殊的数值类型,还必须考虑到时区,所以建议任何时候都必须使用UTC格式,否则容易出现问题
# range,关键字,查询表达式
# time zone,关键字,时区表达式,增加时区或者减少时区
# 查询某个时间范围类的航班信息,时间范围支持固定时间,也支持动态计算类型

# 查询固定时间
GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"range": {"timestamp":{"time_zone": "+00:00", "gte":"2024-03-20T12:09:35","lte": "2024-07-20T12:09:35","boost": 2}}}
}
# 查询动态时间
GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"range": {"timestamp":{"time_zone": "+00:00", "gte":"now-200d/d","lte": "now","boost": 2}}}
}

## ragexp 正则表达式查询,慎用或者禁用,容易出现性能问题!!!有通配符的已经足够了
# 查询参数
# regexp,关键字,查询表达式
# values,关键字,输入内容包括查询表达式

GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query":{"regexp": {"DestCityName.keyword":{"value": "Man.*"}}}
}

## 词项限制
# terms查询字段数量限制,超过查询会报错,一般也不会超过
# 此设置属于动态设置,可临时修改
# 字段数量限制,默认 65535index.max terms count:65536

### span 跨度查询,全文本查询使用,高级查询,非必须掌握
# span,跨度查询,基于分词词项的精确位置,控制问隔,设定相似度来执行,相比match 匹配类查询,提供了更加底层灵活的查询机制,同时也是非常复杂。
# span,也提供了多种跨度查询方式

# 默认分词会转成小写
POST _analyze
{"text":["Hello David so Cool"]
}

## span_term
# span term 等同与 term 查询,区别在于前者是应用在 text类型中,后者是在 keyword 类型
# span term 单独查询仅仅是为了展示,目的是为了后续的关系查询准备
# 查询参数
# span term,关键字,查询表达式
# value,关键字,输入值,注意,默认standard分词下,此处采用统一会转化成小写
# boost,关键字,分值加权

# 大写开头查不出来,注意大小写
GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query": {"span_term": {"Origin": {"value": "edmonton"}}}
}

## span_first
# span_first,跨度第一个词搜索,词项位置属于靠前,从左往右
# 查询参数
# span_first,关键字,查询表达式
# span_term,关键字,指定其中跨度搜索的字段
# end,关键字,控制搜索词项内容的距离,最大位置

# 搜索目的地机场,名字中包含“international”,且从第1个位置不超过2个词;修改查询条件,对比前后查询的结果与数据量。
GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query": {"span_first": {"match": {"span_term": {"Dest": "international"}},"end": 2}}
}

## span near
# span_near,跨度相近位置查询
# 查询参数
# span_near,关键字,查询表达式
# clauses,关键字,组合多个跨度查询
# slop,多个跨度条件直接的间隔
# in_order,多个跨度查询是否按照顺序进行,取值范围true/false

# 搜索目的机场包含“charlotte”与“international“,且中间间隔不超过1个词项,必须按照顺序
GET kibana_sample_data_flights_term/_search
{"query": {"span_near": {"clauses": [{"span_term": {"Dest": {"value": "vienna"}}},{"span_term": {"Dest": {"value": "international"}}}],"slop": 1,"in_order": true}}
}

## span_or
# span_or,多个跨度词项组合,关系是 or,只要其中任意的满足查询即可
# 查询参数
# span_or,关键字
# clauses,关键字,查询表达式,组成多个跨度查询
# span_term,关键字,跨度查询,必须所有的跨度查询,字段指向一致

GET kibana_sample_data_flights_term/_search
{"query": {"span_or": {"clauses": [{"span_term": {"Dest": {"value": "airport"}}},{"span_term": {"Dest": {"value": "international"}}},{"span_term": {"Dest": {"value": "pisa"}}}]}}
}

## span not
# span_not,组合多个跨度查询,包含其中跨度,不包含其中部分跨度
# 查询参数
# span_not,关键字
# include,关键字,包含
# exclude,关键字,不包含

# 查询目的地机场,词项包含“internationa!”,不包含“Spokane”的航班信息
GET kibana_sample_data_flights_term/_search
{"query": {"span_not": {"include": {"span_term": {"Dest": {"value": "international"}}},"exclude": {"span_term": {"Dest": {"value": "spokane"}}}}}
}

## span_multi
# span_multi,组合多种查询方式,
# 查询参数
# span_multi,关键字,查询表达式
# match,关键字,查询表达式,prefix、term、range、wildcard,fuzzy,参考 term 领域的查询方式

# 搜索目的地机场,词项前缀包括”edmonton“的航班信息
GET kibana_sample_data_flights_term/_search
{"query": {"span_multi": {"match": {"prefix": {"Dest": {"value": "edmonton"}}}}}
}

## span_containing
# span containing,组合多种跨度查询;little 优先,big次之
# 组合多个条件检索,仅仅返回 little 部分数据

## span_within
# span within,组合多种跨度查询;big优先,little次之
# 组合多个条件检索,仅仅返回 big 部分数据

## field_masking_span
# field_maskingspan,组合多种跨度查询,带有一点伪装的特性。
# 跨越多个字段组合查询

## Specialized 特殊查询
# script
# script,脚本是一种非常灵活的查询方式,同时背后也是有性能代价的若脚本查询的字段需要更多的操作计算,建议可以采用runtime字段方式
# 查询参数
# script,脚本查询表达式入口
# source,脚本内容,必须符合 bool类型;脚本采用painless
# params,输入值参数

# 查询电商信息数据,依据星期数,过滤返回结果
GET kibana_sample_data_ecommerce/_search
{"track_total_hits": true,"query": {"bool": {"filter": [{"script": {"script": {"source": """doc['day_of_week_i'].value==1;""","params": {"day_of_week_i":1}}}}]}}
}

## script score
# 文本字符查询,ES 默认采用 BM25 计算分值排序,若要需要基于自定义字段分值,可采用script_score
# 同比类同 function_score 一样
# 也支持很多高级函数
# 查询参数
# script score,脚本分值查询关键字,查询表达式入口
# query,查询表达式
# script,脚本计算,自定义分值计算
# boost,加权值
# min_score,最低分值限制

# 基于航班数据,搜索目的包含“warsaw”,排序基于2个时间相加
GET kibana_sample_data_flights_term/_search
{"track_total_hits": true,"query": {"script_score": {"query": {"match": {"Dest": "warsaw"}},"script": {"source": """doc['FlightDelayMin'].value+doc['FlightTimeMin'].value;"""}}}
}

## pinned 文档“固定”到搜索结果的顶部
# 对于实现个性化推荐、广告展示或确保某些重要文档始终出现在搜索结果的前面非常有用
# ids:这是一个数组,包含你希望固定的文档的 _id 或其他唯一标识符。这些文档将被固定到搜索结果的顶部。
# field:指定用于匹配文档的字段,默认是 _id。如果你使用的是自定义的唯一标识符字段,可以在这里指定。
# exclude:布尔值,表示是否从最终的搜索结果中排除固定的文档。默认值为 false,即固定的文档仍然会出现在搜索结果中。如果设置为 true,则固定的文档不会出现在最终结果中,但它们的排名信息仍然会被保留。
# inner_hits:可选参数,用于配置返回的固定文档的详细信息。你可以使用 inner_hits 来控制返回的固定文档的数量、排序方式、高亮显示等。
# rest:这是用于查询其他非固定文档的查询条件。你可以在这里使用任何标准的 Elasticsearch 查询 DSL,例如 match、term、bool 等。

GET kibana_sample_data_ecommerce/_search
{"query": {"pinned": {"ids": ["VITR0Y8BbWz2Sn6Eg40a", "U4TR0Y8BbWz2Sn6Eg40a"], "organic": {                        "match": {"products.product_name": "top"}}}}
}

### 查询建议
# Term查询应该大规模使用,属于精确查询
# span慎重应用,了解底层机制优先
  
  
# 词项查询
# https://www.elastic.co/guide/en/elasticsearch/reference/8.6/term-level-queries.html
# 跨度查询
# https://www.elastic.co/guide/en/elasticsearch/reference/8.6/span-queries.html
# 特殊查询
# https://www.elastic.co/guide/en/elasticsearch/reference/8.6/specialized-queries.html
# script-score 脚本分值
# https://www.elastic.co/guide/en/elasticsearch/reference/8.6/query-dsl-script-score-guery.htm
# index-max-terms-count
# https://www.elastic.co/guide/en/elasticsearch/reference/8.6/index-modules.html#index-max-terms-count
# fuzziness 取值范围
# https://www.elastic.co/guide/en/elasticsearch/reference/8.6/common-options.html#fuzziness
# fuzzy 计算算法
# https://en.wikipedia.org/wiki/Levenshtein_distance
# rewrite 重写参数
# https://www.elastic.co/guide/en/elasticsearch/reference/8.6/query-dsl-multi-term-rewrite.html
# date-math 时间计算
# https:/www.elastic.co/guide/en/elasticsearch/reference/8.6/common-options.html#date-math

# “固定”到搜索结果的顶部

# https://www.elastic.co/guide/en/elasticsearch/reference/8.6/query-dsl-pinned-query.html

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/pingmian/64205.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

日常如何保护自己

一、法律层面的保护 获取授权 在对目标系统进行任何测试之前,确保已经获得了合法的授权。这可以是来自目标组织(如企业的信息安全部门)的书面授权或者合同协议。例如,一家公司聘请外部安全团队来测试其网络安全防御能力&#xff…

.NET 9 已发布,您可以这样升级或更新

.NET 9 已经发布,您可能正在考虑更新您的 ASP.NET Core 应用程序。 我们将介绍更新应用程序所需的内容。从更新 Visual Studio 和下载 .NET SDK 到找出可能破坏应用程序的任何重大更改。 下载 .NET 9 SDK 这些是下载 .NET 9 SDK 所需的步骤。 更新 Visual Studi…

《Python WEB安全 库全攻略》

《Python WEB安全 库全攻略》 一、引言二、Python WEB安全 库概述三、热门 Python WEB 安全库1. Flask-Security项目简介与功能:快速入门:使用场景与优势: 2. Flask-SeaSurf项目用途:项目特点:示例代码: 3.…

【Iot】前端串口serialport.js串口通信库快速入门(附经验总结)

前端串口serialport.js串口通信库快速入门(附经验总结) 一、serialport简介1.1 安装1.2 基本用法1.3 完整示例代码二、问题2.1 数据包被拆分(已解决)2.2 串口返回的多种数据,如何区分类别(待解决)公司项目需要开发一个windows客户端,提供串口modbusRTU数据读取、处理、显…

Linux上安装Anaconda

查看版本 lsb_release -a uname -m x86_64:表示系统是64位。i686、i386:表示系统是32位。 到连接安装对应版本 连接到ldhttps://repo.anaconda.com/archive/ 配置对应的conda环境,export PATH/对应目录/anaconda3/bin:$PATH *注意为bi…

第n年共有多少头母牛(重写)

一、题目 题目描述 有一头母牛,它每年年初生一头小母牛。每头小母牛从第四个年头开始,每年年初也生一头小母牛。请编程实现在第n年的时候,共有多少头母牛? 输入 输入数据由多个测试实例组成,每个测试实例占一行&#x…

前端报错npm ERR cb() never called问题

环境使用node版本v14.21.3&#xff0c;npm版本6.14.18 1.问题描述 1.1使用npm install后报错 npm ERR! cb() never called!npm ERR! This is an error with npm itself. Please report this error at: npm ERR! ? ? <https://npm.community>npm ERR! A complete log…

【下】王树森《小红书推荐系统公开课》- 课程笔记(特征交叉、行为序列、重排/推荐系统多样性、物品冷启动、涨指标的方法)

写在前面 本文为王树森老师《小红书推荐系统公开课》的课程笔记 课程来源&#xff1a;ShusenWang的个人空间-ShusenWang个人主页-哔哩哔哩视频 (bilibili.com)课程资料&#xff1a;GitHub - wangshusen/RecommenderSystem 由于篇幅较长&#xff0c;分为【上】【下】两篇文章…

[C++]C++工具之对异常情况的处理(throw、catch、try)以及用命名空间避免同名冲突

一、C 异常处理&#x1f60a; 1.1 定义 C 中的异常处理用于应对程序运行中的异常情况&#xff08;如除零、数组越界等&#xff09;&#xff0c;通过 try-catch 机制捕获和处理错误&#xff0c;防止程序崩溃。 异常是程序运行时意外发生的事件&#xff0c;可以通过抛出&#xf…

Dynamics 365 CRM- 后端

Dynamics 365 CRM 后端插件语法示例 public IPluginExecutionContext context null;//上下文 public IOrganizationServiceFactory serviceFactory null;//组织服务工厂对象 public IOrganizationService service null;//Org服务对象//创建执行上下文 context (IPluginExe…

Unreal的Audio::IAudioCaptureStream在Android中录制数据异常

修改OpenAudioCaptureStream启动参数为PCM_32&#xff0c;在PC上正常&#xff0c;在Android系统&#xff0c;读取的的数据计算出的音量值在0.4-0.6之间跳动&#xff0c;数据异常。 Audio::FAudioCaptureDeviceParams Params;/** 设置声卡不支持的采样数和通道数开始音频流不会成…

Java泛型设计详解

引言 在日常Java开发中&#xff0c;泛型是一个非常重要的特性。它提供了编译时的类型安全检查&#xff0c;增强了代码的可读性和可维护性。然而&#xff0c;对于初学者甚至一些有经验的开发者来说&#xff0c;泛型的使用和理解仍然是一个挑战。本文旨在深入探讨Java泛型的诞生…

C语言——实现并求出两个数的最大公约数

问题描述&#xff1a;求出两个数的最大公约数 //求两个数的最大公约数 #include<stdio.h> #include<stdlib.h> #include<string.h> #include<math.h> #include<time.h>int main() {int a,b;printf("请您输入两个数 a 和 b\n");scanf…

采用qL-MPC技术进行小型固定翼无人机的路径跟随控制

来自论文"Predictive Path-Following Control for Fixed-Wing UAVs Using the qLMPC Framework in the Presence of Wind Disturbances" 控制架构 采用的是 ULTRA-Extra无人机&#xff0c;相关参数如下&#xff1a; 这里用于guidance law的无人机运动学模型为&#…

MySQL分页

实现规则 分页原理 所谓分页显示&#xff0c;就是将数据库中的结果集&#xff0c;一段一段显示出来需要的条件。 MySQL中使用 LIMIT 实现分页 格式&#xff1a; LIMIT [位置偏移量,] 行数 总结&#xff1a;每页显示pageSize条记录&#xff0c;此时显示第pagenum页 公式…

三维无人机航迹算法的目标函数如何确定

一、定义目标函数 在三维无人机航迹算法中,目标函数的确定通常基于具体的任务需求和飞行约束。以下是一个简单的例子,展示了如何为三维无人机航迹规划定义一个目标函数。 例子:最小化飞行时间和避障的三维无人机航迹规划 1.任务描述:无人机需要从起点飞到终点,同时避开一些…

4.Python 数字类型

Python 数字类型总结 文章目录 Python 数字类型总结1. 数字类型概述特点 2. 数字类型的创建与赋值3. 数字类型转换4. 数学运算与函数math 模块cmath 模块 5. 随机数生成6. 三角函数7. 数学常量 总结 Python 提供了多种数字类型来存储和操作数值数据。这些类型包括整数、浮点数、…

《Java核心技术I》Swing用户界面组件

Swing和模型-视图-控制器设计模式 用户界面组件各个组成部分&#xff0c;如按钮&#xff0c;复选框&#xff0c;文本框或复杂的树控件&#xff0c;每个组件都有三个特征&#xff1a; 内容&#xff0c;如按钮的状态&#xff0c;文本域中的文本。外观&#xff0c;颜色&#xff0c…

【Office】Office实现shift+鼠标滚轮左右滑动

Office实现shift鼠标滚轮左右滑动 windows系统安装office之后发现&#xff0c;使用shift鼠标滚轮不能够实现左右滑动&#xff0c;我记得以前的office好像是可以的&#xff0c;然后在网上找了一下&#xff0c;找到了一个插件可以实现这个功能 OfficeScroll插件 下载地址&…

vlan和vlanif

文章目录 1、为什么会有vlan的存在2、vlan(虚拟局域网)1、vlan原理1. 为什么这样划分了2、如何实现不同交换机相同的vlan实现互访呢3、最优化的解决方法&#xff0c;vlan不同交换机4、vlan标签和vlan数据帧 5、vlan实现2、基于vlan的划分方式1、基于接口的vlan划分方式2、基于m…