Flink SQL查询语法部分详解（提供需求、数据练习复现）

一、Hints

动态表选择：可以在查询表的时候动态修改表的参数配置

1、读取kafka的数据建表
CREATE TABLE students (id STRING,name STRING,age INT,sex STRING,clazz STRING
) WITH ('connector' = 'kafka','topic' = 'students', -- 指定topic'properties.bootstrap.servers' = 'master:9092,node1:9092,node2:9092', -- 指定kafka集群列表'properties.group.id' = 'testGroup', -- 指定消费者组'scan.startup.mode' = 'earliest-offset', -- 指定读取数据的位置'format' = 'csv' -- 指定数据的格式
);2、假设此时查数据不是查询最早开始的，而是读取任务启动之后生产的数据，如果将上面的表删除重建便显得多余，此时我们就可以使用Hints解决
-- latest-offset： 读取任务启动之后生产的数据
select * from students /*+ OPTIONS('scan.startup.mode' = 'latest-offset') */;

二、WITH

WITH子句（也称为公用表表达式CTE）允许在SELECT语句中定义一个或多个临时命名的结果集，这些结果集可以在主查询中引用。当有一段sql逻辑重复时，可以定义在with语句中，减少代码量。

with tmp as (select id,name,age,clazzfrom students
)
select * from tmp where age=22
union all
select * from tmp where age>=22;--UNION ALL
是一个集合操作符，用于合并两个或多个 SELECT 语句的结果集。
注意：
1、与 UNION 不同，UNION ALL 会保留所有行，包括重复的行。
2、在使用 UNION ALL 时，所有 SELECT 语句必须具有相同数量的列，并且这些列的数据类型也必须兼容。

 

三、SELECT DISTINCT

对于流处理的问题注意：
1、flink会将之前的数据保存在状态中，用于判断是否重复
2、如果表的数据量很大，随着时间的推移状态会越来越大，状态的数据时先保存在TM的内存中，时间长了可能会出问题-- csv.ignore-parse-errors  解析 CSV 文件时是否忽略解析错误,就是遇到数据不匹配或者脏数据会跳过，而不是报错导致整个作业失败
-- distinct  给数据去重
select distinct * from students /*+ OPTIONS('csv.ignore-parse-errors' ='true','scan.startup.mode' = 'latest-offset') */;# 创建kafka生产者输入重复数据
kafka-console-producer.sh --broker-list master:9092,node1:9092,node2:9092 --topic students
1500101000,符瑞渊,23,男,理科六班
1500101000,符瑞渊,23,男,理科六班
1500101000,符瑞渊,23,男,理科六班

结果只有一条数据：

四、窗口函数（TVFs）

1、滚动窗口函数（TUMBLE）

案例：事件时间为例

1、创建bid表
-- TIMESTAMP(3)    3表示小数秒的位数，即毫秒的精度。
CREATE TABLE bid (item  STRING,price  DECIMAL(10, 2),bidtime TIMESTAMP(3),WATERMARK FOR bidtime AS bidtime - INTERVAL '5' SECOND       ---- 指定时间字段和水位线生成策略
) WITH ('connector' = 'kafka','topic' = 'bid','properties.bootstrap.servers' = 'master:9092,node1:9092,node2:9092','properties.group.id' = 'testGroup','scan.startup.mode' = 'earliest-offset','format' = 'csv','csv.ignore-parse-errors' ='true' -- 当有脏数据时是否跳过当前行
);2、查询
-- TUMBLE:滚动窗口函数，在原表的基础上增加窗口开始时间，窗口结束时间，窗口时间
select item,price,bidtime,window_start,window_end,window_time from table(TUMBLE(table bid,descriptor(bidtime),interval '10' seconds)
)3、在kafka生产测试数据
kafka-console-producer.sh --broker-list master:9092,node1:9092,node2:9092 --topic bid
C,4.00,2020-04-15 08:05:01
A,2.00,2020-04-15 08:05:03
D,5.00,2020-04-15 08:05:05
B,3.00,2020-04-15 08:05:04
E,1.00,2020-04-15 08:05:11
F,6.00,2020-04-15 08:05:25

结果：

窗口聚合计算
实时统计最近10秒所有商品的平均价格

SELECT window_start,window_end,avg(price) as avg_price
FROM TABLE(TUMBLE(TABLE bid, DESCRIPTOR(bidtime), INTERVAL '10' SECONDS))
group by window_start,window_end;

结果： 

2、滑动窗口函数（HOP）

案例：以处理时间为例

1、建表
CREATE TABLE bid_proctime (item  STRING,price  DECIMAL(10, 2),proctime AS PROCTIME()    --proctime列是一个处理时间属性，系统会自动为每一行分配当前处理时间。
) WITH ('connector' = 'kafka','topic' = 'bid_proctime','properties.bootstrap.servers' = 'master:9092,node1:9092,node2:9092','properties.group.id' = 'testGroup','scan.startup.mode' = 'earliest-offset','format' = 'csv','csv.ignore-parse-errors' ='true' -- 当有脏数据时是否跳过当前行
);2、查询 每隔五秒查询最近十秒的数据
-- HOP: 滑动窗口函数
SELECT item,price,proctime,window_start,window_end,window_time FROM TABLE(HOP(TABLE bid_proctime, DESCRIPTOR(proctime), INTERVAL '5' SECOND, INTERVAL '10' SECOND)
);3、kafka生产数据
kafka-console-producer.sh --broker-list master:9092,node1:9092,node2:9092 --topic bid_proctime
C,4.00
A,2.00
D,5.00
B,3.00
E,1.00
F,6.00
K,6.004、窗口聚合查询
SELECT window_start,window_end,avg(price) as avg_price
FROM TABLE(HOP(TABLE bid_proctime, DESCRIPTOR(proctime), INTERVAL '5' SECOND, INTERVAL '10' SECOND))
group by window_start,window_end;

3、累计窗口（CUMULATE ）

CREATE TABLE bid_cumulate (item  STRING,price  DECIMAL(10, 2),bidtime TIMESTAMP(3),WATERMARK FOR bidtime AS bidtime - INTERVAL '5' SECOND
) WITH ('connector' = 'kafka','topic' = 'bid_cumulate','properties.bootstrap.servers' = 'master:9092,node1:9092,node2:9092','properties.group.id' = 'testGroup','scan.startup.mode' = 'earliest-offset','format' = 'csv','csv.ignore-parse-errors' ='true' -- 当有脏数据时是否跳过当前行
);2、每隔两分钟统计之前10分钟的数据
SELECT * FROM TABLE(CUMULATE(TABLE bid_cumulate, DESCRIPTOR(bidtime), INTERVAL '2' MINUTES, INTERVAL '10' MINUTES)
);3、生产数据
kafka-console-producer.sh --broker-list master:9092,node1:9092,node2:9092 --topic bid_cumulate
C,4.00,2020-04-15 08:05:01
A,2.00,2020-04-15 08:07:01
D,5.00,2020-04-15 08:09:01
F,6.00,2020-04-15 08:27:01

结果：

 

 4、会话窗口（SESSION）

隔一段时间没有数据开始sql逻辑

1、建表
CREATE TABLE bid_proctime_session (item  STRING,price  DECIMAL(10, 2),proctime AS PROCTIME()
) WITH ('connector' = 'kafka','topic' = 'bid_proctime_session','properties.bootstrap.servers' = 'master:9092,node1:9092,node2:9092','properties.group.id' = 'testGroup','scan.startup.mode' = 'earliest-offset','format' = 'csv','csv.ignore-parse-errors' ='true' -- 当有脏数据时是否跳过当前行
);2、实时统计每个商品的总的金额，隔5秒没有数据开始统计
select item,SESSION_START(proctime,INTERVAL '5' SECOND)  as session_start,SESSION_END(proctime,INTERVAL '5' SECOND)  as session_end,sum(price) as sum_price
from bid_proctime_session
group byitem,SESSION(proctime,INTERVAL '5' SECOND);3、生产数据
kafka-console-producer.sh --broker-list master:9092,node1:9092,node2:9092 --topic bid_proctime_session
C,4.00
C,2.00
C,5.00
C,3.00
C,1.00
C,6.00

结果： 

五、OVER聚合

OVER聚合针对一系列有序行计算每个输入行的聚合值。与GROUP BY聚合相反，OVER聚合不会将结果行数减少到每组一行。相反，OVER聚合会为每个输入行生成一个聚合值。类似于hive中的聚合开窗函数。

1、sum、max、min、avg、count

1、建表
CREATE TABLE `order` (order_id  STRING,amount  DECIMAL(10, 2),product STRING,order_time TIMESTAMP(3),WATERMARK FOR order_time AS order_time - INTERVAL '5' SECOND
) WITH ('connector' = 'kafka','topic' = 'order','properties.bootstrap.servers' = 'master:9092,node1:9092,node2:9092','properties.group.id' = 'testGroup','scan.startup.mode' = 'latest-offset','format' = 'csv','csv.ignore-parse-errors' ='true' -- 当有脏数据时是否跳过当前行
);2、查询
-- 实时统计每个商品的累计总金额，将总金额放在每一条数据的后面
-- 流处理的问题
-- a、sum over必须按照时间升序排序，因为数据时一条一条过来的，只能做累加求和，不能做全局求和
-- b、只能按照时间升序排序，如果按照其他的字段排序，每来一条数据都需要重新排序，计算代价太大，影响性能
select order_id,amo unt,product,order_time,sum(amount) over(partition by product  order by order_time)
from `order`
;-- 2.1、实时统计每个商品的累计总金额，将总金额放在每一条数据的后面，只统计最近10分钟的数据
select order_id,amount,product,order_time,sum(amount) over(partition by product  order by order_time-- 统计10分钟前到当前行的数据RANGE BETWEEN INTERVAL '10' MINUTES PRECEDING AND CURRENT ROW)
from `order`
;-- 2.2、实时统计每个商品的累计总金额，将总金额放在每一条数据的后面，计算最近5条数据
select order_id,amount,product,order_time,sum(amount) over(partition by product  order by order_time-- 从前4条数据到当前行,为5条数据ROWS BETWEEN 4 PRECEDING AND CURRENT ROW)
from `order`
;-- 2.3、实时统计每个商品的最大金额，将总金额放在每一条数据的后面，计算最近5条数据
select order_id,amount,product,order_time,max(amount) over(partition by product  order by order_time-- 从前4条数据到当前行ROWS BETWEEN 4 PRECEDING AND CURRENT ROW)
from `order`
;3、生产数据
kafka-console-producer.sh --broker-list master:9092,node1:9092,node2:9092 --topic order
1,4.00,001,2020-04-15 08:05:01
2,2.00,001,2020-04-15 08:07:01
3,5.00,001,2020-04-15 08:09:01
4,3.00,001,2020-04-15 08:11:01
5,1.00,001,2020-04-15 08:13:01
6,6.00,001,2020-04-15 08:17:01
6,6.00,001,2020-04-15 08:20:01
6,6.00,001,2020-04-15 08:21:01

2.0 结果:

2.1 结果:

2.2 结果：

2.3 结果：

 

2、row_number

用于为窗口中的每一行分配一个唯一的序号。这个序号是根据指定的排序顺序生成的

-- 查询1：如果只是增加排名，只能按照时间字段升序排序
select order_id,amount,product,order_time,row_number() over(partition by product order by order_time) as r
from `order`
;查询2：
-- 实时统计每个商品金额最高的前两个商品  -- TOPN
-- 去完topn之后需要计算的排名的数据较少了（where r <= 2），计算代价降低了,因此可以partition by product，否则只能按照时间字段升序排序select * 
from (select order_id,amount,product,order_time,row_number() over(partition by product order by amount desc) as rfrom `order`
)
where r <= 2

查询1结果：

查询2结果：

 

六、ORDER BY

-- 子流处理模式中，order by 需要按照时间字段升序排序
select * from 
`order`
order by 
order_time,amount-- 加上limit ,计算代价就不高了，就可以按照普通字段进行排序了
select * from 
`order`
order by 
amount
limit 2;

七、模式检测（CEP）

搜索一组事件模式（event pattern）是一种常见的用例，尤其是在数据流情景中。Flink 提供复杂事件处理（CEP）库，该库允许在事件流中进行模式检测。

1、MATCH_RECOGNIZE 子句启用以下任务：

  • 使用 PARTITION BY 和 ORDER BY 子句对数据进行逻辑分区和排序。
  • 使用 PATTERN 子句定义要查找的行模式。这些模式使用类似于正则表达式的语法。
  • 在 DEFINE 子句中指定行模式变量的逻辑组合。
  • measures 是指在 MEASURES 子句中定义的表达式，这些表达式可用于 SQL 查询中的其他部分。

SQL 语义 #

2、每个 MATCH_RECOGNIZE 查询都包含以下子句：

  • PARTITION BY - 定义表的逻辑分区；类似于 GROUP BY 操作。
  • ORDER BY - 指定传入行的排序方式；这是必须的，因为模式依赖于顺序。
  • MEASURES - 定义子句的输出；类似于 SELECT 子句。
  • ONE ROW PER MATCH - 输出方式，定义每个匹配项应产生多少行。
  • AFTER MATCH SKIP - 指定下一个匹配的开始位置；这也是控制单个事件可以属于多少个不同匹配项的方法。
  • PATTERN - 允许使用类似于 正则表达式 的语法构造搜索的模式。
  • DEFINE - 本部分定义了模式变量必须满足的条件。

3、允许使用类似于 正则表达式 的语法构造搜索的模式（具体使用）：

 

4、案例1

实现报警程序，对于一个账户，如果出现满足一定条件的的交易，就输出一个报警信息

CREATE TABLE tran (id  STRING,amount  DECIMAL(10, 2),proctime as PROCTIME()
) WITH ('connector' = 'kafka','topic' = 'tran','properties.bootstrap.servers' = 'master:9092,node1:9092,node2:9092','properties.group.id' = 'testGroup','scan.startup.mode' = 'latest-offset','format' = 'csv','csv.ignore-parse-errors' ='true' -- 当有脏数据时是否跳过当前行
);-- MATCH_RECOGNIZE(模式检测)
-- 在数据流上对数据进行匹配，当数满足我们定义的规则后，返回匹配的结果-- 1、实现第一版报警程序，对于一个账户，如果出现小于 $1 美元的交易后紧跟着一个大于 $500 的交易，就输出一个报警信息。
SELECT *
FROM tranMATCH_RECOGNIZE (PARTITION BY id -- 分组字段ORDER BY proctime -- 排序字段，只能按照时间字段升序排序MEASURES -- 相当于selectA.amount as min_amount,A.proctime as min_proctime,B.amount as max_amount,B.proctime as max_proctimePATTERN (A B) -- 定义规则DEFINE -- 定义条件A as amount < 1,B as amount > 500) AS T-- 2、实现第二版报警程序，对于一个账户，如果出现小于 $1 美元的交易后紧跟着一个大于 $500 的交易，就输出一个报警信，两次事件需要在10秒内出现SELECT *
FROM tranMATCH_RECOGNIZE (PARTITION BY id -- 分组字段ORDER BY proctime -- 排序字段，只能按照时间字段升序排序MEASURES -- 相当于selectA.amount as min_amount,A.proctime as min_proctime,B.amount as max_amount,B.proctime as max_proctimePATTERN (A B)  WITHIN INTERVAL '5' SECOND -- 定义规则，增加事件约束，需要在5秒内匹配出结果DEFINE -- 定义条件A as amount < 1,B as amount > 500) AS T;-- 3、实现第三版（最终版）报警程序，对于一个账户，如果连续出现三次出现小于 $1 美元的交易后紧跟着一个大于 $500 的交易，就输出一个报警信息
SELECT *
FROM tranMATCH_RECOGNIZE (PARTITION BY id -- 分组字段ORDER BY proctime -- 排序字段，只能按照时间字段升序排序MEASURES -- 相当于selectA.amount as a_amount, -- 获取最后一条min(A.amount) as min_a_amount, -- 取最小的max(A.amount) as max_a_amount, -- 取最大的sum(A.amount) as sum_a_amount, -- 求和avg(A.amount) as avg_a_amount, -- 平均FIRST(A.amount) AS first_a_amount, -- 取前面第一条LAST(A.amount) AS LAST_a_amount, -- 取后面第一条B.amount as b_amountPATTERN (A{3} B) -- 定义规则DEFINE -- 定义条件A as amount < 1,B as amount > 500) AS T;第一第二版数据来源
kafka-console-producer.sh --broker-list master:9092,node1:9092,node2:9092 --topic tran
1,4.00
1,2.00
1,5.00
1,0.90
1,600.00
1,4.00
1,2.00
1,0.10
1,200.00
1,700.00最终版数据来源
kafka-console-producer.sh --broker-list master:9092,node1:9092,node2:9092 --topic tran
1,0.90
1,0.10
1,0.20
1,600.00

5、案例2

找出一个单一股票价格不断下降的时期

CREATE TABLE ticker (symbol  STRING,rowtime  TIMESTAMP(3), -- 时间字段price  DECIMAL(10, 2) ,tax  DECIMAL(10, 2),-- 指定时间字段和水位线生成策略WATERMARK FOR rowtime AS rowtime
) WITH ('connector' = 'kafka','topic' = 'ticker','properties.bootstrap.servers' = 'master:9092,node1:9092,node2:9092','properties.group.id' = 'testGroup','scan.startup.mode' = 'latest-offset','format' = 'csv','csv.ignore-parse-errors' ='true' -- 当有脏数据时是否跳过当前行
);-- 找出一个单一股票价格不断下降的时期
select * from 
ticker
MATCH_RECOGNIZE (PARTITION BY symbol -- 分组字段ORDER BY rowtime -- 排序字段，只能按照时间字段升序排序MEASURES -- 相当于selectA.price as a_price,FIRST(B.price) as FIRST_b_price,LAST(B.price) as last_b_price,C.price as c_priceAFTER MATCH SKIP PAST LAST ROW -- 从当前匹配成功止呕的下一行开始匹配PATTERN (A B+ C) -- 定义规则DEFINE -- 定义条件-- 如果时第一个B，就和A比较，如果时后面的B，就和前一个B比较B as (LAST(B.price,1)is null and B.price < A.price) or B.price < LAST(B.price,1),C as C.price > LAST(B.price)) AS T;数据来源
kafka-console-producer.sh --broker-list master:9092,node1:9092,node2:9092 --topic ticker
ACME,2024-06-04 10:00:00,12,1
ACME,2024-06-04 10:00:01,17,2
ACME,2024-06-04 10:00:02,19,1
ACME,2024-06-04 10:00:03,21,3
ACME,2024-06-04 10:00:04,25,2
ACME,2024-06-04 10:00:05,18,1
ACME,2024-06-04 10:00:06,15,1
ACME,2024-06-04 10:00:07,14,2
ACME,2024-06-04 10:00:08,24,2
ACME,2024-06-04 10:00:09,25,2
ACME,2024-06-04 10:00:10,19,1

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/web/22465.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

高效扫码点餐：简餐茶饮外卖新体验

高效扫码点餐：简餐茶饮外卖新体验

前言 在快节奏的现代生活中&#xff0c;高效便捷的扫码点餐系统正逐渐成为简餐茶饮行业的新宠。这一系统不仅提升了顾客的点餐体验&#xff0c;还优化了门店的运营效率&#xff0c;特别是基于总部多门店的连锁模式&#xff0c;更是将这一优势发挥得淋漓尽致。 一、这款扫码点餐…
阅读更多...
如何通过PHP语言实现远程控制多路照明

如何通过PHP语言实现远程控制多路照明

如何通过PHP语言实现远程控制多路照明呢&#xff1f; 本文描述了使用PHP语言调用HTTP接口&#xff0c;实现控制多路照明&#xff0c;通过多路控制器&#xff0c;可独立远程控制多路照明。 可选用产品&#xff1a;可根据实际场景需求&#xff0c;选择对应的规格 序号设备名称厂…
阅读更多...
软理复习范围

软理复习范围

1.直觉主义逻辑常采用三值逻辑来处理命题的真值&#xff0c;包括以下三个真值&#xff1a; 真&#xff08;True&#xff09;&#xff1a;表示命题是确定为真的。假&#xff08;False&#xff09;&#xff1a;表示命题是确定为假的。未知&#xff08;Unknown&#xff09;&#…
阅读更多...
Prism 入门02，区域介绍

Prism 入门02，区域介绍

一.区域概念和使用方式 什么是区域（Region）？区域，在Prism 框架中，区域是模块化的核心功能之一，其主要作用是降低应用程序和模块之间的耦合度 。使用方式：在应用程序的界面中，划分出某块区域，并为这个区域定义一个唯一的区域名称。那么通过这个区域名称，应用程序就可以…
阅读更多...
el-tabel名称排序问题

el-tabel名称排序问题

el-tabel排序 最终实现功能如下&#xff1a; 排序限制为&#xff1a; 文件夹>普通文件 数字&#xff08;0->9&#xff09;->大写字母&#xff08;A->Z&#xff09;->小写字母&#xff08;a->z&#xff09;->中文拼音&#xff08;a->z&#xff09; 正序…
阅读更多...
Unity开发Cosmos使用BNG Framework获取按键信息

Unity开发Cosmos使用BNG Framework获取按键信息

Unity开发Cosmos使用BNG Framework获取按键信息 1、新建一个脚本&#xff0c;复制下面代码 using BNG;[Header("Input")]//[Tooltip("The key(s) to use to toggle locomotion type")]public List<ControllerBinding> locomotionToggleInput new …
阅读更多...
处理无法拉取GitHub库的解决方案

处理无法拉取GitHub库的解决方案

提交和拉取github上的库总是失败&#xff0c;这里记录一下如何使用代理解决。 首先找到端口&#xff0c;记住它的端口 然后使用git命令 # HTTP/HTTPS 协议 git config ––global http.url.proxy http://127.0.0.1:port # 以 Github 为例 git config ––global http.https:/…
阅读更多...
短网址生成原理及使用

短网址生成原理及使用

生成短网址介绍&#xff1a; 一、定义 短网址&#xff08;Short URL&#xff09;是形式上比较短的网址&#xff0c;它通过将原始冗长的网址进行缩短&#xff0c;方便用户分享和记忆。短网址的生成主要依赖于特定的算法和服务&#xff0c;通过后端服务转向来实现网址的缩短。 …
阅读更多...
什么是人机协同翻译

什么是人机协同翻译

什么是人机协同翻译 序什么是人机协同翻译账号绑定服务开通文档翻译图片翻译体验感受及建议 序 什么是人机协同翻译&#xff0c;为什么会需要人机协同翻译&#xff0c;以及人机协同翻译的效果&#xff0c;应用场景等&#xff0c;本文将关于这些内容一一解答。 什么是人机协同…
阅读更多...
大语言模型RAG-将本地大模型封装为langchain的chat model（三）

大语言模型RAG-将本地大模型封装为langchain的chat model（三）

大语言模型RAG-将本地大模型封装为langchain的chat model&#xff08;三&#xff09; 往期文章&#xff1a; 大语言模型RAG-技术概览 (一) 大语言模型RAG-langchain models (二) 上一期langchain还在0.1时代&#xff0c;这期使用的langchain v0.2已经与之前不兼容了。 本期介…
阅读更多...
【调试笔记-20240604-Linux-为 OpenWrt LuCI 界面添加多语言支持】

【调试笔记-20240604-Linux-为 OpenWrt LuCI 界面添加多语言支持】

调试笔记-系列文章目录 调试笔记-20240604-Linux-为 OpenWrt LuCI 界面添加多语言支持 文章目录 调试笔记-系列文章目录调试笔记-20240604-Linux-为 OpenWrt LuCI 界面添加多语言支持 前言一、调试环境操作系统&#xff1a;Ubuntu 22.04.4 LTS编译环境调试目标 二、调试步骤预…
阅读更多...
mysql使用sorce、load 导入数据

mysql使用sorce、load 导入数据

1、本机安装mysql https://blog.csdn.net/weixin_52687711/article/details/130509902 注意&#xff1a;修改安装路径 配置环境变量 2. 使用sorce命令导入数据 https://blog.csdn.net/2301_82257317/article/details/138332048 使用mysql命令框链接目标数据库 以管理员身份运…
阅读更多...
Echarts柱状图数据太多，自定义长度之后，自适应浏览器缩放

Echarts柱状图数据太多，自定义长度之后，自适应浏览器缩放

不知道是不是最优解&#xff0c;但是当前解决了我遇到的问题&#xff0c;如有更好的方法&#xff0c;希望看到这篇文章的同学可以不吝指导一番&#xff0c;非常感谢 1、问题描述&#xff1a; 因Ecahrts柱状图数据有时多有时少&#xff0c;所以在数据达到一定程度之后&#xff…
阅读更多...
第54期|GPTSecurity周报

第54期|GPTSecurity周报

GPTSecurity是一个涵盖了前沿学术研究和实践经验分享的社区&#xff0c;集成了生成预训练Transformer&#xff08;GPT&#xff09;、人工智能生成内容&#xff08;AIGC&#xff09;以及大语言模型&#xff08;LLM&#xff09;等安全领域应用的知识。在这里&#xff0c;您可以找…
阅读更多...
Spring Boot 实现动态数据源配置

Spring Boot 实现动态数据源配置

前言 之前在CSDN博客以及某站看了教程&#xff0c;不免觉得有点不知如何下手&#xff0c;好在最后融合了以下&#xff0c;得出了一个比较简单的配置动态数据源的过程。 首先项目是Spring Boot的单体项目&#xff0c;我们的需求是要连接多个数据库&#xff0c;那么就需要配置多个…
阅读更多...
产品经理：做好有效的客户需求分析

产品经理：做好有效的客户需求分析

需求分析是产品开发过程中的重要环节&#xff0c;它直接决定了产品是否能够满足市场需求和用户期望。通过深入了解客户需求&#xff0c;产品经理可以确保产品功能的设计符合用户的实际需求&#xff0c;从而提高产品的用户满意度和市场竞争力。 一、识别用户需求 识别用户需求…
阅读更多...
目标检测数据集 - 海洋垃圾检测数据集下载「包含VOC、COCO、YOLO三种格式」

目标检测数据集 - 海洋垃圾检测数据集下载「包含VOC、COCO、YOLO三种格式」

数据集介绍&#xff1a;海洋垃圾检测数据集&#xff0c;真实拍摄海洋海底场景高质量垃圾检测图片数据&#xff0c;涉及场景丰富&#xff0c;比如海底塑料垃圾数据、海底铁制品罐状垃圾数据、海底纸张垃圾数据、海洋生物和海底垃圾同框数据、海底探索仪器和海底垃圾同框数据、海…
阅读更多...
【ArcGIS微课1000例】0114：基于DEM地形数据整体抬升或下降高程

【ArcGIS微课1000例】0114：基于DEM地形数据整体抬升或下降高程

相关阅读：【GlobalMapper精品教程】083：基于DEM整体抬升或下降地形高程的两种方式 文章目录 一、任务分析二、栅格计算器简介三、地形整体修改四、注意事项一、任务分析 打开软件，加载配套实验数据中的0112.rar中的dem数据，如下所示，dem的高程范围为256.75~342.37米，现在…
阅读更多...
用PlantUML描绘C++世界：通过文本描述精准控制UML图的生成

用PlantUML描绘C++世界：通过文本描述精准控制UML图的生成

往期本博主的 C 精讲优质博文可通过这篇导航进行查找&#xff1a; Lemo 的C精华博文导航&#xff1a;进阶、精讲、设计模式文章全收录 前言 在编写程序时&#xff0c;可视化的工具可以极大地帮助我们理解和设计复杂的系统。对于C程序员来说&#xff0c;一个强大的工具是UML&am…
阅读更多...
怎么用微信小程序实现远程控制空调

怎么用微信小程序实现远程控制空调

怎么用微信小程序实现远程控制空调呢&#xff1f; 本文描述了使用微信小程序调用HTTP接口&#xff0c;实现控制空调&#xff0c;通过不同规格的通断器&#xff0c;来控制不同功率的空调的电源。 可选用产品&#xff1a;可根据实际场景需求&#xff0c;选择对应的规格 序号设备…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023