【ES专题】Logstash与FileBeat详解以及ELK整合详解

news2024/11/23 15:46:58

目录

  • 前言
  • 阅读对象
  • 阅读导航
  • 前置知识
  • 笔记正文
    • 一、ELK架构
      • 1.1 经典的ELK
      • 1.2 整合消息队列+Nginx架构
    • 二、LogStash介绍
      • 2.1 Logstash核心概念
        • 2.1.1 Pipeline
        • 2.1.2 Event
        • 2.1.3 Codec (Code / Decode)
        • 2.1.4 Queue
      • 2.2 Logstash数据传输原理
      • 2.3 Logstash的安装（以windows为例）
      • 2.4 Logstash配置文件结构
      • 2.5 使用示例
    • 三、Beats介绍
      • 3.1 FileBeat简介
      • 3.1 FileBeat的工作原理
      • 3.3 Logstash vs FileBeat
      • 3.4 Filebeat安装
    • 四、经典ELK整合实战
      • 案例1：采集tomcat服务器日志，使用FileBeats将日志发送到Logstash
      • 案例2：改进上面的，Logstash输出数据到Elasticsearch
      • 案例3：利用Logstash过滤器解析日志
      • 案例4：输出到Elasticsearch指定索引
  • 学习总结

前言

这一篇笔记给大家分享一些日志管理相关的组件。为什么需要这个玩意呢？这主要还是因为分布式微服务的兴起啊！试想一下，现在的电商场景，动不动就百万流量进来，万一线上出了什么问题了，异常啊什么的，总该需要追溯日志吧？而且这些日志，在微服务场景下，通常是分布在多个机器里面的。那在这种海量业务日志里面，如何快速找到分布在各服务器里面的日志呢？注意关键词：

  • 海量日志
  • 多台服务器
    在这里插入图片描述

这时候，所谓的ELK架构就出现了。

阅读对象

阅读导航

系列上一篇文章：《【ES专题】ElasticSearch功能详解与原理剖析》

前置知识

笔记正文

一、ELK架构

什么是ELK架构？其实ELK架构是ElasticSearch + Logstash + Kibana组成的。ELK架构可以将系统日志、网站日志、应用系统日志等各种日志进行收集、过滤、清洗，然后进行集中存放并可用于实时检索、分析。

集中化日志管理思路： 日志收集 -> 格式化分析 -> 检索和可视化 -> 风险告警

ELK架构分为两种，一种是经典的ELK，另外一种是加上消息队列（Redis或Kafka或RabbitMQ）和Nginx结构。

1.1 经典的ELK

经典的ELK主要是由Filebeat + Logstash + Elasticsearch + Kibana组成，如下图：（早期的ELK只有Logstash + Elasticsearch + Kibana）
在这里插入图片描述

  • beats：一种数据搜集组件
  • logstash：一种数据聚合和处理的组件
  • elasticsearch：用于索引数据和存储的组件
  • kibana：一种用于数据分析和可视化的组件

此架构主要适用于数据量小的开发环境，存在数据丢失的危险。

1.2 整合消息队列+Nginx架构

这个架构，算是对上面一个架构的升级。主要是在beats跟logstash之间加上了Redis或Kafka或RabbitMQ做消息队列，一方面是为了解决速度之间不匹配的问题，一方面也是为了保证消息不丢失。
在这里插入图片描述

  • beats：一种数据搜集组件
  • redis、kafka、rabbitmq：一种缓存中间件
  • logstash：一种数据聚合和处理的组件
  • elasticsearch：用于索引数据和存储的组件
  • kibana：一种用于数据分析和可视化的组件

此种架构，主要用在生产环境，可以处理大数据量。

二、LogStash介绍

Logstash 是免费且开放的服务器端数据处理管道，能够从多个来源采集数据，转换数据，然后将数据发送到您最喜欢的存储库中（多种输出源选择，如：mysql，es，mongo，甚至是文件）。
Logstash的使用场景包括但不限于以下几种情况：

  • 日志收集：Logstash可以接收、处理并输出日志，支持各种各样的日志，包括系统日志、WEB容器日志（如Apache日志和Nginx日志和Tomcat日志等）、各种应用日志等
  • 数据过滤：Logstash可以过滤和处理日志数据，包括删除不需要的数据、转换数据格式等
  • 数据处理：Logstash可以处理日志数据，包括数据分析和统计、事件聚合等
  • 数据存储：Logstash可以将处理后的日志数据存储起来，以供后续检索和分析
  • 数据监控：Logstash可以监控系统运行状态，及时发现异常情况，帮助管理员快速定位问题
  • 日志分析：Logstash可以分析日志数据，生成报告和图表，帮助管理员更好地了解系统运行情况
  • 日志搜索：Logstash可以实时搜索和分析日志数据，快速定位问题，提高系统维护效率

在这里插入图片描述

2.1 Logstash核心概念

Logstash中有几个核心概念，需要大家掌握了解。它们分别是：Pipeline、Event、Codec (Code / Decode)、Queue

2.1.1 Pipeline

Pipeline，管道，这玩意大家都不陌生。管道在我们软件设计中通常扮演着盛放某些【处理器】的【容器】角色，所谓处理器如Logstash的filter过滤器（过滤器 + 管道几乎是一种范式）。在ES的Pipeline，主要有如下三个特征：

  • 包含了input—filter—output三个阶段的处理流程（核心！三个阶段分别是做什么的，2.1.3中有一个原理图可以看看）

它是数据在Logstash内部流转时的具体表现形式。
在input阶段，数据被转换为Event；
在filter阶段，数据会被加工处理；（这个阶段可选）
在output阶段，数据被转换为目标格式
注意：在pipeline里面，同时也包含input、filter、output阶段对应的input、filter、output插件（又叫：组件）

  • 插件生命周期管理：Logstash为各个阶段核心组件提供了多种类型的插件，这些插件通常是在Pipeline中被应用
  • 队列管理：【2.1.2Event事件】的管理
2.1.2 Event

数据在内部流转时的具体表现形式，数据在input 阶段被转换为Event。Event本质上就是一个Java Object，在配置文件中，可以对Event的属性进行增删改查

2.1.3 Codec (Code / Decode)

Codec其实是编解码的意思。编解码就是把数据从一种格式转换为另一种格式。在Logstash里面，即：在input阶段将原始数据decode成Event；在output阶段将Event 给encode成目标数据的相关编解码器。它的原理图如下所示：
在这里插入图片描述

2.1.4 Queue

这个Queue，即：队列，存在于【2.1.1】提到的管道中，是一种用于存储event的机制。它通常有两种类型：

  1. Memory Queue内存管道：显然，进程Crash，机器宕机，都会引起数据的丢失
  2. Persistent Queue持久化管道：不同于内存管道，因为持久化机制的存在，就算宕机也不会丢失数据。数据保证会被消费，甚至可以替代 Kafka等消息队列缓冲区的作用

它的原理图，以及所处的位置，如下：
在这里插入图片描述

注意，它是介于input组件跟filter组件之间的

2.2 Logstash数据传输原理

我们在前面了解到，Logstash会在Pipeline里面分三个阶段处理数据，这些数据处理的原理如下：

  1. 数据采集与输入：Logstash支持各种输入选择，能够以连续的流式传输方式，轻松地从日志、指标、Web应用以及数据存储中采集数据
  2. 实时解析和数据转换：通过Logstash过滤器解析各个事件，识别已命名的字段来构建结构，并将它们转换成通用格式，最终将数据从源端传输到存储库中
  3. 存储与数据导出：Logstash提供多种输出选择，可以将数据发送到指定的地方

一个很典型的数据采集示例，如下：（从数据库读取一些数据，经过Logstash处理之后丢到ES中）
在这里插入图片描述

2.3 Logstash的安装（以windows为例）

logstash官方文档

1）下载并解压logstash
下载地址： Logstash下载地址
选择版本：7.17.3，跟es保持一致

2）测试：运行最基本的logstash管道

# 进入目标目录
cd logstash-7.17.3

# 启动logstash
.\bin\logstash.bat -e "input { stdin { } } output { stdout {} }"

测试结果：
在这里插入图片描述

2.4 Logstash配置文件结构

Logstash的管道配置文件对每一个处理阶段的核心组件，都提供了一个单独的支持不同类型插件的配置，用于处理管道事件。
比如：（包括但不限于，具体大伙可以去看看配置目录，种类非常之多）

  1. input组件的类型插件：
    • stdin：从标准输入读取数据
    • file：从文件读取数据，如常见的日志文件
    • kafka：从Kafka读取数据
    • beats（filebeat）：从filebeat读取数据
    • Socket、HTTP、Websocket：从远端通信管道中获取数据
  2. filter组件的类型插件：
    • grok：通过正则表达式匹配模式来提取和转换数据（本质上是正则表达式，但是多封装了一层，使用起来更方便）
    • date：将日期和时间戳转换为可识别的日期格式
    • mutate：对数据执行各种转换操作，例如更改字段的值、删除字段或添加字段等
    • ruby：在Ruby代码中执行自定义过滤器逻辑
  3. output组件类型的插件：
    • stdout：将数据输出到标准输出
    • file：将数据写入文件
    • elasticsearch：将数据发送到Elasticsearch进行存储或索引
    • kafka：将数据写入Kafka进行存储或传输
    • beats（filebeat）：将数据发送到filebeat进行日志收集
    • Socket、HTTP、Websocket：将数据写入远端节点

一个简单的使用配置logstash-demo.conf如下：

input {
  stdin { }
}

filter {
  grok {
    match => { "message" => "%{COMBINEDAPACHELOG}" }
  }
  date {
    match => [ "timestamp" , "dd/MMM/yyyy:HH:mm:ss Z" ]
  }
}

output {
  elasticsearch { hosts => ["localhost:9200"]}  
  stdout { codec => rubydebug }
}

如上所示，每个配置部分可以包含一个或多个插件。例如，上面的配置中就指定了多个filter插件，Logstash会按照它们在配置文件中出现的顺序进行处理。
接着，再次启动Logstash，指定我们写的配置文件：

#运行
.\bin\logstash -f logstash-demo.conf

2.5 使用示例

在这里，我们使用来两个简单的使用示例来演示一下Logstash是如何做数据采集的。

示例一：Logstash导入csv数据到ES
1）测试数据集下载：Logstash为我们提供了一些使用示例数据
在这里插入图片描述
上面是一个csv表格，存储的是【电影】相关信息。电影id + 电影名 + 电影类型。注意，【电影类型geners】有多个值，用|分隔开

2）准备logstash-movie.conf配置文件：

  1. 指定了input组件使用的插件类型file，标明文件所在目录
  2. 指定了多个filter处理插件。比如，使用,来分隔不同的字段；使用split操作对电影类型gener做分割
  3. 指定了output组件，将转换后的数据写入到ES中
input {
  file {
    path => "/home/es/logstash-7.17.3/dataset/movies.csv"
    start_position => "beginning"
    sincedb_path => "/dev/null"
  }
}
filter {
  csv {
    separator => ","
    columns => ["id","content","genre"]
  }

  mutate {
    split => { "genre" => "|" }
    remove_field => ["path", "host","@timestamp","message"]
  }

  mutate {

    split => ["content", "("]
    add_field => { "title" => "%{[content][0]}"}
    add_field => { "year" => "%{[content][1]}"}
  }

  mutate {
    convert => {
      "year" => "integer"
    }
    strip => ["title"]
    remove_field => ["path", "host","@timestamp","message","content"]
  }

}
output {
   elasticsearch {
     hosts => "http://localhost:9200"
     index => "movies"
     document_id => "%{id}"
     user => "elastic"
     password => "123456"
   }
  stdout {}
}

3）运行Logstash

.\bin\logstash -f logstash-movie.conf

示例二：同步数据库数据到Elasticsearch
需求：将数据库中的数据同步到ES，借助ES的全文搜索，提高搜索速度

  • 需要把新增用户信息同步到Elasticsearch中
  • 用户信息Update后，需要能被更新到Elasticsearch
  • 支持增量更新
  • 用户注销后，不能被ES所搜索到

实现思路：借助JDBC Input Plugin将数据从数据库读到Logstash
实现步骤如下：

1）拷贝jdbc依赖到logstash-7.17.3/drivers目录下
2）准备mysql-demo.conf配置文件

input {
  jdbc {
    jdbc_driver_library => "/home/es/logstash-7.17.3/drivers/mysql-connector-java-5.1.49.jar"
    jdbc_driver_class => "com.mysql.jdbc.Driver"
    jdbc_connection_string => "jdbc:mysql://localhost:3306/test?useSSL=false"
    jdbc_user => "root"
    jdbc_password => "123456"
    #启用追踪，如果为true，则需要指定tracking_column
    use_column_value => true
    #指定追踪的字段，
    tracking_column => "last_updated"
    #追踪字段的类型，目前只有数字(numeric)和时间类型(timestamp)，默认是数字类型
    tracking_column_type => "numeric"
    #记录最后一次运行的结果
    record_last_run => true
    #上面运行结果的保存位置
    last_run_metadata_path => "jdbc-position.txt"
    statement => "SELECT * FROM user where last_updated >:sql_last_value;"
    schedule => " * * * * * *"
  }
}
output {
  elasticsearch {
    document_id => "%{id}"
    document_type => "_doc"
    index => "users"
    hosts => ["http://localhost:9200"]
    user => "elastic"
    password => "123456"
  }
  stdout{
    codec => rubydebug
  }
}

3）运行logstash

.\bin\logstash -f mysql-demo.conf

在这里插入图片描述
另外，我们还需要额外在localhost:3306下准备一个数据库test，库中有表user，关键字段：last_updated
在这里插入图片描述

#user表
CREATE TABLE `user` (
  `id` int NOT NULL AUTO_INCREMENT,
  `name` varchar(50) DEFAULT NULL,
  `address` varchar(50) DEFAULT NULL,
  `last_updated` bigint DEFAULT NULL,
  `is_deleted` int DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=utf8mb4 ;

#插入数据
INSERT INTO user(name,address,last_updated,is_deleted) VALUES("张三","广州天河",unix_timestamp(NOW()),0);

当我们插入数据后，就会在Logstash的控制台中看到如下数据：
在这里插入图片描述
甚至，当我们更新的时候update user set address="广州白云山",last_updated=unix_timestamp(NOW()) where name="张三";也会看到Logstash的变化
在这里插入图片描述

三、Beats介绍

轻量型数据采集器文档地址
什么是Beats？Beats是数据采集器，是一组轻量级采集程序的统称。包括filebeat、metricbeat、packetbeat和winlogbeat等。它们是轻量级、快速且可靠的日志和指标采集解决方案，用于替代Logstash Forwarder。Beats可以轻松地与Logstash和Elasticsearch进行对接，以便进行集中存储和索引。其中，filebeat是最常用的一个，用于日志采集。

Beats 是一个免费且开放的平台，集合了多种单一用途的数据采集器。它们可以从成百上千或成千上万台机器和系统向 Logstash 或 Elasticsearch 发送数据。
在这里插入图片描述

3.1 FileBeat简介

FileBeat专门用于转发和收集日志数据的轻量级采集工具。它可以作为代理安装在服务器上，FileBeat监视指定路径的日志文件，收集日志数据，并将收集到的日志转发到Elasticsearch或者Logstash。

3.1 FileBeat的工作原理

启动FileBeat时，会启动一个或者多个输入（Input）Processor，这些Input监控指定的日志数据位置。FileBeat会针对每一个文件启动一个Harvester（收割机）。Harvester读取每一个文件的日志，将新的日志发送到libbeat，libbeat将数据收集到一起，并将数据发送给输出（Output）。
在这里插入图片描述

3.3 Logstash vs FileBeat

Logstash跟FileBeat有很多相似的地方，都是做数据采集并处理的，也都有输出组件。它们的联系与区别如下：

  • Logstash是在jvm上运行的，资源消耗比较大；而FileBeat是基于golang编写的，功能较少但资源消耗也比较小，更轻量级

运行位置不同

  • Logstash 和Filebeat都具有日志收集功能，Filebeat更轻量，占用资源更少
  • Logstash 具有Filter功能，能过滤分析日志

Logstash功能更强大

  • 一般结构都是Filebeat采集日志，然后发送到消息队列、Redis、MQ中，然后Logstash去获取，利用Filter功能过滤分析，然后存储到Elasticsearch中

这里是不是有点怪怪的？命名Logstash已经有数据采集攻能了，为什么还要个FileBeat呢？答案只有一个：前者在采集方面更高效！

  • FileBeat和Logstash配合，实现背压机制。当将数据发送到Logstash或 Elasticsearch时，Filebeat使用背压敏感协议，以应对更多的数据量。如果Logstash正在忙于处理数据，则会告诉Filebeat 减慢读取速度。一旦拥堵得到解决，Filebeat就会恢复到原来的步伐并继续传输数据

3.4 Filebeat安装

1）下载并解压Filebeat
Filebeat下载地址
选择版本：7.17.3

2）编辑配置
修改filebeat.yml以设置连接信息：结构上跟Logstash也很相似

output.elasticsearch:
  hosts: ["192.168.65.174:9200","192.168.65.192:9200","192.168.65.204:9200"]
  username: "elastic"
  password: "123456"
setup.kibana:
  host: "192.168.65.174:5601"

3）启用和配置数据收集模块
从安装目录中，运行：

# 查看可以模块列表
./filebeat modules list

#启用nginx模块
./filebeat modules enable nginx
#如果需要更改nginx日志路径,修改modules.d/nginx.yml
- module: nginx
  access:
    var.paths: ["/var/log/nginx/access.log*"]

#启用 Logstash 模块
./filebeat modules enable logstash
#在 modules.d/logstash.yml 文件中修改设置
- module: logstash
  log:
    enabled: true
    var.paths: ["/home/es/logstash-7.17.3/logs/*.log"]

4）启动 Filebeat

# setup命令加载Kibana仪表板。 如果仪表板已经设置，则忽略此命令。 
./filebeat setup
# 启动Filebeat
./filebeat -e

四、经典ELK整合实战

案例1：采集tomcat服务器日志，使用FileBeats将日志发送到Logstash

一个简单的，使用FileBeats将日志发送到Logstash的使用案例。网上其实也大把了，我这里简单记录一下，方便我后续实战使用可以随时翻来看。

1）创建配置文件filebeat-logstash.yml，配置FileBeats将数据发送到Logstash

chmod 644 filebeat-logstash.yml	
vim filebeat-logstash.yml

#因为Tomcat的web log日志都是以IP地址开头的，所以我们需要修改下匹配字段。
# 不以ip地址开头的行追加到上一行
filebeat.inputs:
- type: log
  enabled: true
  paths:
    - /home/es/apache-tomcat-8.5.33/logs/*access*.*
  multiline.pattern: '^\\d+\\.\\d+\\.\\d+\\.\\d+ '
  multiline.negate: true
  multiline.match: after

output.logstash:
  enabled: true
  hosts: ["192.168.65.204:5044"]

2）启动FileBeat，并指定使用指定的配置文件

./filebeat -e -c filebeat-logstash.yml

3）配置Logstash接收FileBeat收集的数据并打印到控制台

vim config/filebeat-console.conf

 # 配置从FileBeat接收数据
 input {
     beats {
       port => 5044
     }
 }
 
 output {
     stdout {
       codec => rubydebug
     }
 }

接着启动Logstash

# reload.automatic：修改配置文件时自动重新加载
bin/logstash -f config/filebeat-console.conf --config.reload.automatic

最后测试访问tomcat，logstash是否接收到了Filebeat传过来的tomcat日志

案例2：改进上面的，Logstash输出数据到Elasticsearch

如果我们需要将数据输出值ES而不是控制台的话，我们修改Logstash的output配置。

vim config/filebeat-elasticSearch.conf
input {
    beats {
      port => 5044
    }
}

output {
  elasticsearch {
    hosts => ["http://localhost:9200"]
    user => "elastic"
    password => "123456"
  }
  stdout{
    codec => rubydebug
  }
}

再次启动Logstash

bin/logstash -f config/filebeat-elasticSearch.conf --config.reload.automatic

ES中会生成一个以logstash开头的索引，测试日志是否保存到了ES。

案例3：利用Logstash过滤器解析日志

从日志文件中收集到的数据包含了很多有效信息，比如IP、时间等，在Logstash中可以配置过滤器Filter对采集到的数据进行过滤处理，Logstash中有大量的插件可以供我们使用。

查看Logstash已经安装的插件
bin/logstash-plugin list

Grok插件
Grok是一种将非结构化日志解析为结构化的插件。这个工具非常适合用来解析系统日志、Web服务器日志、MySQL或者是任意其他的日志格式。
Grok是通过模式匹配的方式来识别日志中的数据，可以把Grok插件简单理解为升级版本的正则表达式。它拥有更多的模式，默认Logstash拥有120个模式。如果这些模式不满足我们解析日志的需求，我们可以直接使用正则表达式来进行匹配。grok模式的语法是：

%{SYNTAX:SEMANTIC}

SYNTAX（语法）指的是Grok模式名称，SEMANTIC（语义）是给模式匹配到的文本字段名。例如：

%{NUMBER:duration} %{IP:client}
duration表示：匹配一个数字，client表示匹配一个IP地址

默认在Grok中，所有匹配到的的数据类型都是字符串，如果要转换成int类型（目前只支持int和float），可以这样：%{NUMBER:duration:int} %{IP:client}

在这里，我们使用Grok配置Logstash，修改如下：

vim config/filebeat-elasticSearch.conf
input {
    beats {
      port => 5044
    }
}

filter {
  grok {
    match => { "message" => "%{IP:client} %{WORD:method} %{URIPATHPARAM:request} %{NUMBER:bytes} %{NUMBER:duration}" }
  }
}

output {
  elasticsearch {
    hosts => ["http://localhost:9200"]
    user => "elastic"
    password => "123456"
  }
  stdout{
    codec => rubydebug
  }
}

再次启动。经过Grok语法解析后，比如如下Tomcat日志：

192.168.65.103 - - [23/Jun/2022:22:37:23 +0800] "GET /docs/images/docs-stylesheet.css HTTP/1.1" 200 5780

解析后的字段：
在这里插入图片描述
除此以外，我们还可以过滤掉一些不需要的字段，还有将日期格式进行转换，我们可以使用Date插件来实现。经过一些列操作后，上述配置最终定格为：

vim config/filebeat-elasticSearch.conf
input {
    beats {
      port => 5044
    }
}

filter {
    grok {
	    match => { 
	    "message" => "%{IP:ip} - - \[%{HTTPDATE:date}\] \"%{WORD:method} %{PATH:uri} %{DATA:protocol}\" %{INT:status:int} %{INT:length:int}" 
	    }
	}
	mutate {
	    enable_metric => "false"
	    remove_field => ["message", "log", "tags", "input", "agent", "host", "ecs", "@version"]
	}
	date {
	    match => ["date","dd/MMM/yyyy:HH:mm:ss Z","yyyy-MM-dd HH:mm:ss"]
	    target => "date"
	}
}

output {
  elasticsearch {
    hosts => ["http://localhost:9200"]
    user => "elastic"
    password => "123456"
  }
  stdout{
    codec => rubydebug
  }
}

案例4：输出到Elasticsearch指定索引

index来指定索引名称，默认输出的index名称为：logstash-%{+yyyy.MM.dd}。但注意，要在index中使用时间格式化，filter的输出必须包含 @timestamp字段，否则将无法解析日期。继续修改上述案例的Logstash配置：

vim config/filebeat-filter-es.conf

input {
    beats {
    port => 5044
    }
}

filter {
    grok {
	    match => { 
	    "message" => "%{IP:ip} - - \[%{HTTPDATE:date}\] \"%{WORD:method} %{PATH:uri} %{DATA:protocol}\" %{INT:status:int} %{INT:length:int}" 
	    }
	}
	mutate {
	    enable_metric => "false"
	    remove_field => ["message", "log", "tags", "input", "agent", "host", "ecs", "@version"]
	}
	date {
	    match => ["date","dd/MMM/yyyy:HH:mm:ss Z","yyyy-MM-dd HH:mm:ss"]
	    target => "date"
	}
}

output {
    stdout {
    codec => rubydebug
}
elasticsearch {
    index => "tomcat_web_log_%{+YYYY-MM}"
    hosts => ["http://localhost:9200"]
    user => "elastic"
    password => "123456"
  }
}

学习总结

  1. 学习了Logstash、Beats等日志搜集组件
  2. 学习了ELK架构及其简单应用

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.coloradmin.cn/o/1187371.html

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，一经查实，立即删除！

相关文章

【解决问题】---- 解决 avue-crud 表格勾选数据翻页后界面保持选中

【解决问题】---- 解决 avue-crud 表格勾选数据翻页后界面保持选中

1. 错误预览 第一页选择【7、8、9、10】 直接点击第三页未进行选择 直接点击第四页未进行选择 2. 问题总结 通过测试可以看到，页面的选择项会影响到其他页面的选择；点击保存，返回的数据却是真真选择的数据；数据在选择渲染…
阅读更多...
Leetcode—515.在每个树行中找最大值【中等】

Leetcode—515.在每个树行中找最大值【中等】

2023每日刷题（二十三） Leetcode—515.在每个树行中找最大值 DFS实现代码 /*** Definition for a binary tree node.* struct TreeNode {* int val;* struct TreeNode *left;* struct TreeNode *right;* };*/ /*** Note: The returned arra…
阅读更多...
rhcsa-用户和组管理

rhcsa-用户和组管理

一.用户和组的分类 1、在Linux中用户可以分为三类 第一种是超级用户一一用户名为root，它具有一切权限，只有进行系统维护(例如:建立用户等)或其他必要情形下才用超级用户登录，以避免系统出现安全问题 第二种是系统用户(伪用户)一一是…
阅读更多...
2—C++程序设计：C++简单程序设计

2—C++程序设计：C++简单程序设计

2—C程序设计：C简单程序设计 1，无符号数的32bits系统的运算二级目录三级目录 1，无符号数的32bits系统的运算 32位系统， 1，有符号数的范围是：0~4, 294, 967, 295； 2，无符号数的范围是…
阅读更多...
Java中对象转型

Java中对象转型

理解： 有一个对象 new ADHero(), 同时也有一个引用ad 对象是有类型的， 是ADHero 引用也是有类型的，是ADHero 一般来说引用类型和对象类型是一样的，当引用类型和对象类型不一致就要考虑类型转换 简单判断：把右边的当…
阅读更多...
osg 八叉树可视化

osg 八叉树可视化

目录 什么是八叉树 八叉树算法过程 八叉树的计算原理 八叉树c实现 使用osg可视化八叉树 什么是八叉树 在描述三维场景的过程中常常用到一种名为八叉树的数据结构。描述三维空间的八叉树和描述二维空间的四叉树有相似之处，二维空间中正方形可以被分为四个相同形…
阅读更多...
3.29每日一题（微分方程的几何应用题：重点考察）

3.29每日一题（微分方程的几何应用题：重点考察）

1、画图，把题目中的条件标出来 2、通过题目中的条件设出正确的微分方程（解题的关键） 注：用点斜式设方程的时候，注意Y - y y（X - x）中（x，y）为曲边上的动点&a…
阅读更多...
srs webrtc推拉流环境搭建

srs webrtc推拉流环境搭建

官方代码https://github.com/ossrs/srs 拉取代码： git clone https://github.com/ossrs/srs.gitcd ./configure make ./objs/srs -c conf/rtc.confconf/rtc.conf中，当推拉流浏览器在本地时，如果srs也在本地，那么可以使用官网默认…
阅读更多...
C++ STL - map 与 multimap用法和区别

C++ STL - map 与 multimap用法和区别

目录 一、概述 二、用法 2.1、插入 2.2、拷贝与赋值 2.3、查找 2.4、删除 2.5、完整代码 三、其他成员类型 一、概述 map 与 multimap是存储key-value（键-值 对）类型的容器。不同之处在于：map只允许key与 value一一对应；…
阅读更多...
在医疗影像领域，生成式模型可以做些什么？用什么平台快速实现？使用MONAI框架进行生成式模型开发

在医疗影像领域，生成式模型可以做些什么？用什么平台快速实现？使用MONAI框架进行生成式模型开发

生成模型具有巨大的潜力，不仅有助于通过合成数据集安全地共享医疗数据，还可以执行一系列逆向应用，如异常检测、图像到图像翻译、去噪和MRI重建。然而，由于这些模型的复杂性，它们的实现和再现性可能很困难。 对于我这种…
阅读更多...
图像分割项目中损失函数的选择

图像分割项目中损失函数的选择

文章目录 前言场景：实际项目中，通常会有一个常见的问题：样本不均衡一、focal loss思考 二、Dice loss三、二分类未完待续 前言 在图像分割领域，最基础、最常见的损失当然是交叉熵损失 —— Cross entropy。随着不断的研究&#x…
阅读更多...
一个java文件的JVM之旅

一个java文件的JVM之旅

准备 我是小C同学编写得一个java文件，如何实现我的功能呢？需要去JVM(Java Virtual Machine)这个地方旅行。 变身 我高高兴兴的来到JVM，想要开始JVM之旅，它确说：“现在的我还不能进去，需要做一次转换&#x…
阅读更多...
OceanBase 如何通过日志观测冻结转储流程？

OceanBase 如何通过日志观测冻结转储流程？

本文旨在通过日志解析 OceanBase 的冻结转储流程，以其冻结检查线程为切入点，以租户（1002）的线程名为例。 作者：陈慧明，爱可生测试工程师，主要参与 DMP 和 DBLE 自动化测试项目。 爱可生开源社区…
阅读更多...
2258. 逃离火灾 : 详解如何从「二分」到「分类讨论」(图解过程)

2258. 逃离火灾 : 详解如何从「二分」到「分类讨论」(图解过程)

题目描述 这是 LeetCode 上的 「2258. 逃离火灾」 ，难度为 「困难」。 Tag : 「多源 BFS」、「二分」、「预处理」 给你一个下标从 0 开始大小为 m x n 的二维整数数组 grid，它表示一个网格图。 每个格子为下面 个值之一： 0 表示草地。 1 表…
阅读更多...
【狂神说Java】SpringSecurity+shiro

【狂神说Java】SpringSecurity+shiro

✅作者简介：CSDN内容合伙人、信息安全专业在校大学生🏆 🔥系列专栏 ：【狂神说Java】 📃新人博主 ：欢迎点赞收藏关注，会回访！ 💬舞台再大，你不上台&#xff0c…
阅读更多...
ShuffleNet系列 网络结构

ShuffleNet系列 网络结构

文章目录 ShuffleNet V1Channel Shuffle：通道打散SuffleNet UnitModel Architecture实验结果 ShuffleNet V2Guideline 1Guideline 2Guideline 3Guideline 4模型结构代码 论文：ShuffleNet: ShuffleNet: An Extremely Efficient Convolutional Neural Netw…
阅读更多...
2023年的低代码：数字化、人工智能、趋势及未来展望

2023年的低代码：数字化、人工智能、趋势及未来展望

本文由葡萄城技术团队发布。转载请注明出处：葡萄城官网，葡萄城为开发者提供专业的开发工具、解决方案和服务，赋能开发者。 前言 正如许多专家预测的那样，低代码平台在2023年将展现更加强劲的势头。越来越多的企业正在纷纷转向低代…
阅读更多...
ArcGIS 气象风场等示例 数据制作、服务发布及前端加载

ArcGIS 气象风场等示例 数据制作、服务发布及前端加载

1. 原始数据为多维数据 以nc数据为例。 首先在pro中需要以多维数据的方式去添加多维数据，这里的数据包含uv方向： 加载进pro的效果： 这里注意 数据属性需要为矢量uv： 如果要发布为服务，需要导出存储为tif格式&…
阅读更多...
基于时间的盲注

基于时间的盲注

基于时间的盲注
阅读更多...
spring 中 @Validated/@Valid

spring 中 @Validated/@Valid

超级好的链接 添加链接描述
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023