Prometheus配置与管理

news2024/9/23 7:27:23

1 配置文件

Prometheus通过命令行和配置文件进行配置，命令行配置不能修改的系统参数（例如存储位置，要保留在磁盘和内存中的数据量等），但配置文件定义了与抓取作业及其实例相关的所有内容，以及哪些规则文件的加载。

Prometheus可以在运行时重新加载其配置。 如果新配置格式不正确，则更改将不会应用。 通过向Prometheus进程发送SIGHUP或向/-/reload端点发送HTTP POST请求（启用–web.enable-lifecycle）来触发配置重载，这还将重新加载所有已配置的规则文件。

在启动时可以使用--config.file参数指定要加载的配置文件。例如下面的全局配置指定在所有其他配置上下文中有效的参数，或者指定其他具体配置的默认值。

global:
  # 默认情况下抓取目标的频率.
  [ scrape_interval: <duration> | default = 1m ]

  # 抓取超时时间.
  [ scrape_timeout: <duration> | default = 10s ]

  # 评估规则的频率.
  [ evaluation_interval: <duration> | default = 1m ]

  # 与外部系统通信时添加到任何时间序列或警报的标签（联合，远程存储，Alertma# nager）.即添加到拉取的数据并存到数据库中
  external_labels:
    [ <labelname>: <labelvalue> ... ]

# 规则文件指定了一个globs列表. 
# 从所有匹配的文件中读取规则和警报.
rule_files:
  [ - <filepath_glob> ... ]

# 抓取配置列表.
scrape_configs:
  [ - <scrape_config> ... ]

# 警报指定与Alertmanager相关的设置.
alerting:
  alert_relabel_configs:
    [ - <relabel_config> ... ]
  alertmanagers:
    [ - <alertmanager_config> ... ]

# 与远程写入功能相关的设置.
remote_write:
  [ - <remote_write> ... ]

# 与远程读取功能相关的设置.
remote_read:
  [ - <remote_read> ... ]

其他具体的配置参数可以看官方文档：https://prometheus.io/docs/prometheus/latest/configuration/configuration/

2 规则

Prometheus支持两种类型的规则，这些规则可以定期配置，然后定期评估：记录规则（recored rule）和 警报规则（alert rule）。规则文件是yaml格式，通过Prometheus配置中的rule_files字段加载指定文件， 规则文件使用YAML。

通过将SIGHUP发送到Prometheus进程，可以在运行时重新加载规则文件。 kill -1 pid向指定进程发送SIGHUP信号

通过promtool工具可以对规则文件对语法进行检测，一般下载来整个Prometheus已经包含了promtool工具

promtool check rules /path/to/example.rules.yml

2.1 recored rule

recored rule允许预先计算经常需要或计算上复杂的表达式，并将其结果保存为一组新的时间序列。

groups:
  - name: example
    rules:
    # 要输出的时间序列的名称
    - record: job:http_inprogress_requests:sum
      # 要评估的PromQL表达式
      expr: sum(http_inprogress_requests) by (job)

2.2 alert rule

警报规则基于Prometheus表达式定义警报条件，并将有关触发警报的通知发送到外部服务。 每当警报表达式在给定时间点生成一个或多个向量元素时，警报将视为这些元素的标签集的活动状态。

groups:
- name: example
  rules:
  # 警报的名称
  - alert: HighErrorRate
    # 要评估的PromQL表达式。 每个评估周期都会在当前时间进行评估，并且所有结果时间序列都会成为待处理/触发警报。
    expr: job:request_latency_seconds:mean5m{job="myjob"} > 0.5
    for: 10m
    labels:
      severity: page
    annotations:
      summary: High request latency

3 PromQL

Prometheus提供一个函数式的表达式语言PromQL (Prometheus Query Language)，可以使用户实时地查找和聚合时间序列数据。表达式计算结果可以在图表中展示，也可以在表达式浏览器中以表格形式展示，或者作为数据源提供给API请求

在Prometheus的表达式语言中，任何表达式或者子表达式都可以归为四种类型：

  • instant vector瞬时向量：它是指在同一时刻，抓取的所有度量指标数据。这些度量指标数据的key都是相同的，也即相同的时间戳，返回瞬时向量的表达式是唯一可以直接绘制图形的类型
  • range vector范围向量：它是指在任何一个时间范围内，抓取的所有度量指标数据
  • scalar 标量：一个简单的浮点值
  • string 字符串：一个当前没有被使用的简单字符串

3.1 字面量

字符串可以用单引号，双引号或反引号指定为文字。

"this is a string"
'these are unescaped: \n \\ \t'
`these are not unescaped: \n ' " \t"'`

标量浮点值可以直接写成形式 -[.(digits)]。

-2.43

3.2时间序列选择器

瞬时向量选择器允许在给定时间戳（即时）为每个选择一组时间序列和单个样本值

# 选择所有时间序列度量名称为http_requests_total的样本数据
http_requests_total

# 选择具有http_requests_total度量标准名称的时间系列，该名称也将job标签设置为prometheus，并将其group标签设置为canary
http_requests_total{job="prometheus",group="canary"}

# 度量指标名称为http_requests_total，正则表达式匹配标签environment为staging, testing, development的值，且http请求方法不等于GET
http_requests_total{environment=~"staging|testing|development",method!="GET"}

范围向量的工作方式与即时向量相同，不同之处在于它们从当前即时选择回采样范围。 在语法上，范围持续时间附加在向量选择器末尾的方括号（[]）中，指定为每个结果范围向量元素提取多长时间值

选择在过去5分钟内为度量标准名称为http_requests_total且job标签设置为prometheus的所有时间序列记录的所有值：

http_requests_total{job="prometheus"}[5m]

offset偏移修饰符允许在查询中改变单个瞬时向量和范围向量中的时间偏移

# 返回过去相对于当前查询评估时间5分钟的http_requests_total值：
http_requests_total offset 5m

4 API

在Prometheus服务器上的/api/v1下可以访问当前稳定的HTTP API，API返回是JSON格式，每个请求成功的返回值都是以2xx开头的编码。如果API处理的是无效请求，返回一个JSON错误对象，并返回下面的错误码：

  • 400 Bad Request。当参数错误或者丢失时。
  • 422 Unprocessable Entity。当一个表达式不能被执行时。
  • 503 Service Unavailable。当查询超时或者中断时。

在 query请求时可以指定参数如下

  • query=: Prometheus表达式查询字符串。
  • time=<rfc3339 | uninx_timestamp>:执行时间戳，如果time缺省，则用当前服务器时间表示执行时刻
  • timeout=: 执行超时时间设置，可选项，默认由-query.timeout标志设置

4.1 请求监测数据

如下所示为一个query请求指定时间点up参数的数据

$ curl 'http://localhost:9090/api/v1/query?query=up&time=2015-07-01T20:10:51.781Z'
{
 "status": "success",
 "data":{
    "resultType": "vector",
    "result" : [
         {
            "metric" : {
               "__name__" : "up",
               "job" : "prometheus",
               "instance" : "localhost:9090"
            },
            "value": [ 1435781451.781, "1" ]
         },
         {
            "metric" : {
               "__name__" : "up",
               "job" : "node",
               "instance" : "localhost:9100"
            },
            "value" : [ 1435781451.781, "0" ]
         }
    ]
 }
}

同理，可以使用/api/v1/query_range接口请求一段时间内的数据

  • query=: Prometheus表达式查询字符串。
  • start=<rfc3339 | unix_timestamp>: 开始时间戳。
  • end=<rfc3339 | unix_timestamp>: 结束时间戳。
  • step=: 以持续时间格式查询分辨率步长或浮点秒数。
  • timeout=:评估超时,默认为-query.timeout标志的值并受其限制。

4.2 请求元数据

通过/api/v1/series接口可以对元数据信息进行查询，通过match[]参数可以指定选择器

$ curl -g 'http://localhost:9090/api/v1/series?match[]=up&match[]=process_start_time_seconds{job="prometheus"}'
{
   "status" : "success",
   "data" : [
      {
         "__name__" : "up",
         "job" : "prometheus",
         "instance" : "localhost:9090"
      },
      {
         "__name__" : "up",
         "job" : "node",
         "instance" : "localhost:9091"
      },
      {
         "__name__" : "process_start_time_seconds",
         "job" : "prometheus",
         "instance" : "localhost:9090"
      }
   ]
}

4.3 查询目标

通过/api/v1/targets可以查询Prometheus监控的目标信息

$ curl http://localhost:9090/api/v1/targets
{
  "status": "success",
  "data": {
    "activeTargets": [
      {
        "discoveredLabels": {
          "__address__": "127.0.0.1:9090",
          "__metrics_path__": "/metrics",
          "__scheme__": "http",
          "job": "prometheus"
        },
        "labels": {
          "instance": "127.0.0.1:9090",
          "job": "prometheus"
        },
        "scrapeUrl": "http://127.0.0.1:9090/metrics",
        "lastError": "",
        "lastScrape": "2017-01-17T15:07:44.723715405+01:00",
        "health": "up"
      }
    ],
    "droppedTargets": [
      {
        "discoveredLabels": {
          "__address__": "127.0.0.1:9100",
          "__metrics_path__": "/metrics",
          "__scheme__": "http",
          "job": "node"
        },
      }
    ]
  }
}

还有一些用于查询的API接口，可以详见https://prometheus.io/docs/prometheus/latest/querying/api/

# 查询配置规则信息
curl http://localhost:9090/api/v1/rules
# 查询所有活动警报的列表
curl http://localhost:9090/api/v1/alerts
# 查询运行时信息
curl http://localhost:9090/api/v1/status/runtimeinfo

4.4 管理API

Prometheus提供了一些用于管理的API如下

# 健康检测,始终返回200，应用于检查Prometheus的运行状况。
curl http://localhost:9090/-/healthy

# 准备检查,当Prometheus准备服务流量（即响应查询）时，返回200
GET /-/ready

# 重载：请求对配置和规则文件的重新加载。 默认情况下它是禁用的，可以通过--web.enable-lifecycle标志启用
curl -X POST http://localhost:9090/-/reload
# 也可以通过将SIGHUP发送到Prometheus进程来触发配置重载。
kill -HUP pid

# 退出，Prometheus的正常关闭。 默认情况下它是禁用的，可以通过--web.enable-lifecycle标志启用
PUT  /-/quit
POST /-/quit

5 存储

Prometheus本身自带时间序列数据库，可以将数据存储到本地磁盘，但也可选择将数据存放到远端TSDB

采集的样本按每两个小时的时间段保存到一个子目录下，包含该时间窗口的所有时间序列样本、元数据文件和索引文件。目录结构如下所示：

./data
├── 01BKGTZQ1SYQJTR4PB43C8PD98
│   ├── chunks
│   │   └── 000001
│   ├── tombstones
│   ├── index
│   └── meta.json
├── 01BKGV7JC0RY8A6MACW02A2PJD
│   ├── chunks
│   │   └── 000001
│   ├── tombstones
│   ├── index
│   └── meta.json
└── wal
    ├── 00000002
    └── checkpoint.000001

预写日志文件以128MB段存储在wal目录中，这些文件包含尚未压缩的原始数据，因此它们比常规块文件大得多，在崩溃后重新启动Prometheus服务器时重放预写日志（WAL）防止数据丢失。

通过API进行删除操作时，删除记录存储在单独的逻辑删除文件中，而不是立即从块文件中删除数据

在启动时可以通过如下参数对存储特性进行设置：

  • –storage.tsdb.path: 这决定了Prometheus写入数据库的位置。 默认为data/。
  • –storage.tsdb.retention.time: 这决定了何时删除旧数据，默认为15d
  • –storage.tsdb.retention.size: [EXPERIMENTAL]这确定了存储块可以使用的最大字节数
  • –storage.tsdb.wal-compression: 此标志启用预写日志（WAL）的压缩。

Prometheus的本地存储在可伸缩性和持久性方面受到单个节点的限制，因此提供了相关接口用于写入或者读取远程存储

  • Prometheus可以将提取的样本以标准格式写入远程URL。
  • Prometheus可以以标准化格式从远程URL读取（返回）样本数据。
    在这里插入图片描述
    关于远程读写的配置文档详见：https://prometheus.io/docs/prometheus/latest/configuration/configuration/#remote_write

6 集群部署

当监控的节点和数据量增大时，我们希望以集群的方式对节点进行监控

  • 长期存储：1 个月左右的数据存储，每天可能新增几十G，希望存储的维护成本足够小，有容灾和迁移。最好是存放在云上的 TSDB 或者对象存储、文件存储上。
  • 无限拓展：我们有上百集群，几千节点，上万个服务，单机 Prometheus 无法满足，且为了隔离性，最好按功能做 Shard，如 Node机器监控与 K8S POD 资源等业务监控分开、主机监控与日志监控也分开，者按业务类型分开。
  • 全局视图：按类型分开之后，虽然数据分散了，但监控视图需要整合在一起，一个Grafana 里n个面板就可以看到所有地域+集群的监控数据，操作更方便，不用多个Grafana的Dashboard 切来切去。
  • 无侵入性：不会因为增加监控业务而重新加载Prometheus配置，因为重新加载Prometheus配置对Prometheus稳定是有风险的。

6.1 高可用HA

图中的P1和P2表示重复部署两套 Prometheus 采集完全一样的数据，外边挂负载均衡，从而实现系统的高可用
在这里插入图片描述

6.2 联邦集群

联邦集群：即 Federation，允许Prometheus服务器从另一台Prometheus服务器抓取选定的时间序列。当需要监控的节点和数据量很大时，可以按照功能进行分区，不同的 Shard 采集不同的数据，由 Global 节点来统一存放，解决监控数据规模的问题。
在这里插入图片描述在Prometheus服务器上，/federate路径允许检索该服务器中所选时间序列集的当前值。 通过match[]可以指定一个瞬时向量选择器，如up或{job=“api-server”}， 可以指定多个选择器

要将指标从一个服务器联合到另一个服务器，请将目标Prometheus服务器配置为从源服务器的/federate端点进行采集。例如，以下scrape_config将抓取source-prometheus-{1,2,3}:9090的Prometheus服务器中job="prometheus"的数据

scrape_configs:
  - job_name: 'federate'
    scrape_interval: 15s

    honor_labels: true
    metrics_path: '/federate'

    params:
      'match[]':
        - '{job="prometheus"}'
        - '{__name__=~"job:.*"}'

    static_configs:
      - targets:
        - 'source-prometheus-1:9090'
        - 'source-prometheus-2:9090'
        - 'source-prometheus-3:9090'

6.3 Thanos

Thanos用于结合Prometheus来实现监控集群的可扩展性和高可用
在这里插入图片描述Thanos的组成部分有：

  • Sidecar：作为一个单独的进程和已有的Prometheus实例运行在一个server上。Sidecar可以视为一个Proxy组件，所有对Prometheus的访问都通过Sidecar来代理进行。通过Sidecar还可以将采集到的数据直接备份到云端对象存储服务器。
  • Query负责找到对应的集群并通过Sidecar获取数据，它实现了一套Prometheus官方的HTTP API从而保证对外提供与Prometheus一致的数据源接口。Query可以实现对高可部署的Prometheus的数据进行合并从而保证多次查询结果的一致性，通过同一个查询接口请求不同集群的数据
  • Store是用于对历史数据进行存取的对象存储空间，Sidecar在完成数据备份后，Prometheus会清理掉本地数据保证本地空间可用，这时可以通过Store，实现了一套和Sidecar完全一致的API提供给Query用于查询Sidecar备份到云端对象存储的数据。
  • Comactor读取对象存储的数据，对其进行压缩以及降采样再上传到对象存储，这样在查询大时间范围数据时就可以只读取压缩和降采样后的数据，极大地减少了查询的数据量，从而加速查询。

因此其工作原理为：
Sidecar监控prometheus本地block的chunks文件，当chunks文件有增加时thanos sidecar会将chunks数据通过grpc上传到Store，接收到的数据落入云存储；当Grafana向thanos query发起查询请求时，会从各个thanos sidecar拉取本地数据，并且通过thanos store从云存储上拉取历史数据，最后数据在thanos query进行汇总和去重返回给grafana。

如图所示，使用zookeeper进行服务发现和管理，当新增一台机器上报的metrics只需在zookeeper注册上报信息，prometheus自动发现新增的metrics，不需要重启prometheus或者重新加载prometheus配置
在这里插入图片描述

以上架构具有：

  • 可靠性：thanos sidecar 会记录已经拉取过的prometheus chunk文件，在prometheus新生成chunk文件的时候thanos sidecar会通过thanos store同步chunk数据到S3云存储，实现了metrics数据无限期保留，保证了数据的可靠性。
  • 稳定性：Prometheus数据拉取和数据查询拆分，不会因为大查询导致Prometheus内存暴增后服务挂掉，影响数据拉取，出现metrics数据断层。
  • 可维护性：运维和开发人员不用修改prometheus配置，所有操作通过业务控制台维护zookeeper数据完成。
  • 可伸缩性：一台Prometheus node节点只拉取几十台服务器的metrics数据，随着业务规模的变化灵活调整Prometheus node节点的数量。

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/1421227.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

orcad原理图按页码标注器件位号-allegro

orcad原理图按页码标注器件位号-allegro

rCAD多页原理图器件按页编号的设置方法 OrCAD Capture作为当今世界最流行的原理图输入工具&#xff0c;它具有简单直观的用户设计界面。orCAD Capture提供层次式电路和平坦式电路两种原理图绘制方式&#xff0c;设计师可以更快、更简捷、更直观地完成原理图设计与绘制。但随着电…
阅读更多...
SELINUX导致的网络服务问题解决

SELINUX导致的网络服务问题解决

第一&#xff1a;开启相关服务&#xff0c;监控SELINUX 相关服务&#xff1a;setroubleshoot,auditd,大多数都是以se开头的 如果没有此服务&#xff0c;先yum下&#xff0c;然后查看状态 这里关于auditd说明&#xff0c;centos7不可以用systemctl重启auditd服务&#xff0c;…
阅读更多...
使用PowerBI 基于Adventure Works案例分析

使用PowerBI 基于Adventure Works案例分析

Adventure Works案例分析 前言 数据时代来临&#xff0c;但一个人要顺应时代的发展是真理。 数据分析的核心要素 那数分到底是什么&#xff1f; 显然DT 并不等同于 IT&#xff0c;我们需要的不仅仅是更快的服务器、更多的数据、更好用的工具。这些都是重要的组成部分&…
阅读更多...
我在代码随想录|写代码Day20之二叉树-700. 二叉搜索树中的搜索,98. 验证二叉搜索树,530.二叉搜索树的最小绝对差

我在代码随想录|写代码Day20之二叉树-700. 二叉搜索树中的搜索,98. 验证二叉搜索树,530.二叉搜索树的最小绝对差

学习目标&#xff1a; 博主介绍: 27dCnc 专题 : 数据结构帮助小白快速入门 &#x1f44d;&#x1f44d;&#x1f44d;&#x1f44d;&#x1f44d;&#x1f44d;&#x1f44d;&#x1f44d;&#x1f44d;&#x1f44d;&#x1f44d;&#x1f44d; ☆*: .&#xff61;. o(≧▽≦)…
阅读更多...
springboot整合日志处理Logback

springboot整合日志处理Logback

引言 ​ springboot框架 集成日志 logback 日志 ​ Logback是由log4j创始人设计的又一个开源日志组件。目前&#xff0c;logback分为三个模块&#xff1a;logback-core&#xff0c;logback-classic和logback-access。是对log4j日志展示进一步改进! 日志的级别 All < Trace…
阅读更多...
秋招面试—CSS篇

秋招面试—CSS篇

2021 CSS面试题 1.CSS可继承属性有哪些&#xff1f; 文字相关&#xff1a;font-famliy 、font-weight 、font-size 、font-style文本相关&#xff1a;text-indent&#xff08;首行缩进&#xff09; 、text-align&#xff08;水平对齐&#xff09; 、line-height 、text-trans…
阅读更多...
[RK-Linux] 移植Linux-5.10到RK3399（十一）| 检查Nor FLASH（XM25QH128A）配置

[RK-Linux] 移植Linux-5.10到RK3399（十一）| 检查Nor FLASH（XM25QH128A）配置

ROC-RK3399-PC Pro 使用 SPI1 与 XM25QH128A FLASH芯片进行通讯： SPI1 网络： SPI 控制器介绍： SPI 是一种高速、全双工、同步的串行通信接口。在 RK3399 上，SPI 接口通常用于连接外部设备，如闪存、传感器或其他需要高速数据传输的设备。RK3399 提供了多个 SPI 主控接口，每…
阅读更多...
Java核心卷一笔记03

Java核心卷一笔记03

C++ Virtual 是含义及使用 在 C++ 中，virtual 是一个关键字，用于声明虚函数。虚函数是一种特殊的成员函数，它允许在派生类中重写基类中的同名函数，并通过基类指针或引用调用派生类中的函数。 使用 virtual 关键字声明的函数被称为虚函数。在基类中声明虚函数时，可以使用…
阅读更多...
OpenCV 8 - 模糊处理(均值滤波,高斯滤波,中值滤波,双边滤波)

OpenCV 8 - 模糊处理(均值滤波,高斯滤波,中值滤波,双边滤波)

模糊处理原理: Blur是图像处理中最简单和常用的操作之一,使用该操作的原因为了给图像预处理时候减低噪声使用,Blur操作其背后是数学的卷积计算, 通常这些卷积算子计算都是线性操作，所以又出线性虑波。 假设有6x6的图像像素点矩阵。卷积过程:6x6上面是个3x3的窗口，从左向右，…
阅读更多...
【开源】SpringBoot框架开发天然气工程业务管理系统

【开源】SpringBoot框架开发天然气工程业务管理系统

目录 一、摘要1.1 项目介绍1.2 项目录屏 二、功能模块三、使用角色3.1 施工人员3.2 管理员 四、数据库设计4.1 用户表4.2 分公司表4.3 角色表4.4 数据字典表4.5 工程项目表4.6 使用材料表4.7 使用材料领用表4.8 整体E-R图 五、系统展示六、核心代码6.1 查询工程项目6.2 工程物资…
阅读更多...
C语言——文件操作（看这一篇就够了）

C语言——文件操作（看这一篇就够了）

1、为什么使用文件&#xff1f; 我们前面学习结构体&#xff0c;在写通讯录的时候会发现一个问题&#xff0c;我们向通讯录里面录入数据&#xff0c;当程序退出的时候&#xff0c;记录的数据也随之没有了&#xff0c;等下次我们在再调用通讯录时&#xff0c;又得重新录入数据&…
阅读更多...
【保驾护航】HarmonyOS应用开发者基础认证-题库-2024

【保驾护航】HarmonyOS应用开发者基础认证-题库-2024

通过系统化的课程学习&#xff0c;熟练掌握DevEco Studio&#xff0c;ArkTS&#xff0c;ArkUI&#xff0c;预览器&#xff0c;模拟器&#xff0c;SDK等HarmonyOS应用开发的关键概念&#xff0c;具备基础的应用开发能力。 考试说明 1、考试需实名认证&#xff0c;请在考前于个…
阅读更多...
【Java反序列化】Shiro-550漏洞分析笔记

【Java反序列化】Shiro-550漏洞分析笔记

目录 前言 一、漏洞原理 二、Shiro环境搭建 三、Shiro-550漏洞分析 解密分析 加密分析 四、URLDNS 链 前言 shiro-550反序列化漏洞大约在2016年就被披露了&#xff0c;在上学时期也分析过&#xff0c;最近在学CC链时有用到这个漏洞&#xff0c;重新分析下并做个笔记&…
阅读更多...
basicPython-1

basicPython-1

元组 """ 目录: 1.创建元组 2.元组的拼接 3.元组的解压赋值 4.元组的切片 5.元组的元素的索引 6.元组的嵌套 7.统计某个元素的个数 """"""创建元组(元组不可变)""" # 1.强制:tuple() # 2.普通 tuple_0 (1,) tup…
阅读更多...
无人机路径优化（八）：五种元启发算法（DBO、LO、SWO、COA、LSO、KOA、GRO）求解无人机路径规划（提供MATLAB代码）

无人机路径优化（八）：五种元启发算法（DBO、LO、SWO、COA、LSO、KOA、GRO）求解无人机路径规划（提供MATLAB代码）

一、五种算法&#xff08;DBO、LO、SWO、COA、GRO&#xff09;简介 1、蜣螂优化算法DBO 蜣螂优化算法&#xff08;Dung beetle optimizer&#xff0c;DBO&#xff09;由Jiankai Xue和Bo Shen于2022年提出&#xff0c;该算法主要受蜣螂的滚球、跳舞、觅食、偷窃和繁殖行为的启发…
阅读更多...
抵御.360勒索病毒威胁：解密文件的有效方法与预防措施

抵御.360勒索病毒威胁：解密文件的有效方法与预防措施

导言&#xff1a; 近来&#xff0c;网络犯罪的一种新型形式——.360勒索病毒&#xff0c;备受关注。这种病毒通过加密用户文件&#xff0c;要求支付赎金以获取解密密钥。本文91数据恢复将深入介绍.360勒索病毒的特点&#xff0c;同时提供一些有效的恢复方法&#xff0c;并分享…
阅读更多...
沁恒微WCH32V003定时器中断

沁恒微WCH32V003定时器中断

最近在做一个项目&#xff0c;用到的主控芯片是沁恒微的WCH32v003&#xff0c;其中一个功能是定时器中断&#xff0c;在编写代码的时候想找官方的库函数文件&#xff0c;但是找了很久都没有找到&#xff0c;官网只有一个数据手册和应用手册&#xff0c;而应用手册一般是分为库函…
阅读更多...
ai写作软件都有哪些？分享4个好用的！

ai写作软件都有哪些？分享4个好用的！

ai写作软件都有哪些&#xff1f;分享4个好用的&#xff01; 随着人工智能技术的不断发展&#xff0c;AI写作软件逐渐崭露头角&#xff0c;成为了自媒体、内容创作者以及各行各业专业人士的得力助手。这些软件不仅能够提供高效的内容生成&#xff0c;还可以帮助用户优化文章结构…
阅读更多...
FineReport使用总结

FineReport使用总结

1、保留上次的查询条件 可以利用LocalStorage和SessionStorage来实现需求 我使用的是LocalStorage。 FineReport 版本是 10.0.0 首先我实在点击查询按钮时&#xff0c;把对应的查询条件放入LocalStorage。 设置初始化事件 var textEditor0 this.options.form.getWidgetByN…
阅读更多...
再学css

再学css

盒模型 有两种&#xff0c; IE盒子模型、W3C盒子模型&#xff1b;盒模型&#xff1a; 内容(content)、填充(padding)、边界(margin)、 边框(border)&#xff1b;区 别&#xff1a; IE的content部分把 border 和 padding计算了进去; 标准盒子模型的模型图 从上图可以看到&#x…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023