HiveSQL题——聚合函数(sum/count/max/min/avg)

news2024/9/28 2:39:50

目录

一、窗口函数的知识点

1.1 窗户函数的定义

1.2 窗户函数的语法

1.3 窗口函数分类

聚合函数

排序函数

前后函数 

头尾函数

1.4 聚合函数

二、实际案例

2.1 每个用户累积访问次数

0 问题描述

1 数据准备

2 数据分析

3 小结

2.2 各直播间最大的同时在线人数

0 问题描述

1 数据准备

2 数据分析

3 小结

2.3 历史至今每个小时内同时在线人数

0 问题描述

1 数据准备

2 数据分析

3 小结

2.4 某个时间段、每个小时内同时在线人数

0 问题描述

1 数据准备

2 数据分析

3 小结

2.5 学生各学科的成绩

0 问题描述

1 数据准备

2 数据分析

3 小结

一、窗口函数的知识点

1.1 窗户函数的定义

        窗口函数可以拆分为【窗口+函数】。窗口函数官网指路：

LanguageManual WindowingAndAnalytics - Apache Hive - Apache Software Foundationicon-default.png?t=N7T8https://cwiki.apache.org/confluence/display/Hive/LanguageManual%20WindowingAndAnalytics

  • 窗口：限定函数的计算范围（窗口函数：针对分组后的数据，从逻辑角度指定计算的范围，并没有从物理上真正的切分，只有group by 是物理分组，真正意义上的分组）
  • 函数：计算逻辑
  •  窗口函数的位置：跟sql里面聚合函数的位置一样，from -> join -> on -> where -> group by->select 后面的普通字段，窗口函数 -> having -> order by  -> lmit 。 窗口函数不能跟聚合函数同时出现。聚合函数包括count、sum、 min、max、avg。
  • sql 执行顺序：from -> join -> on -> where -> group by->select 后面的普通字段，聚合函数-> having -> order by -> limit

1.2 窗户函数的语法

      <窗口函数>window_name  over ( [partition by 字段...]  [order by 字段...]  [窗口子句] )

  • window_name：给窗口指定一个别名。
  • over：用来指定函数执行的窗口范围，如果后面括号中什么都不写，即over() ，意味着窗口包含满足where 条件的所有行，窗口函数基于所有行进行计算。
  • 符号[] 代表：可选项；  | ： 代表二选一
  •  partition by 子句： 窗口按照哪些字段进行分组，窗口函数在不同的分组上分别执行。分组间互相独立。
  • order by 子句：每个partition内部按照哪些字段进行排序，如果没有partition ，那就直接按照最大的窗口排序，且默认是按照升序（asc）排列。
  • 窗口子句：显示声明范围（不写窗口子句的话，会有默认值）。常用的窗口子句如下：
    rows between unbounded preceding and  unbounded following; -- 上无边界到下无边界（一般用于求 总和）
    rows between unbounded preceding and current row;  --上无边界到当前记录(累计值)
    rows between 1 preceding and current row; --从上一行到当前行
    rows between 1 preceding and 1 following; --从上一行到下一行
    rows between current row and 1 following; --从当前行到下一行

       ps: over()里面有order by子句，但没有窗口子句时 ，即： <窗口函数> over ( partition by 字段... order by 字段... )，此时窗口子句是有默认值的 -->  rows between unbounded preceding and current row (上无边界到当前行)。

      此时窗口函数语法：<窗口函数> over ( partition by 字段... order by 字段... ) 等价于

     <窗口函数> over ( partition by 字段... order by 字段... rows between unbounded preceding and current row)
      需要注意有个特殊情况：当order by 后面跟的某个字段是有重复行的时候， <窗口函数> over ( partition by 字段... order by 字段... )  不写窗口子句的情况下，窗口子句的默认值是：range between unbounded preceding and current row(上无边界到当前相同行的最后一行)。

    因此，遇到order by 后面跟的某个字段出现重复行，且需要计算【上无边界到当前行】，那就需要手动指定窗口子句 rows between unbounded preceding and current row ，偷懒省略窗口子句会出问题~

      ps: 窗口函数的执行顺序是在where之后，所以如果where子句需要用窗口函数作为条件，需要多一层查询，在子查询外面进行。

     【例如】求出登录记录出现间断的用户Id

select
    id
from (
         select
             id,
             login_date,
             lead(login_date, 1, '9999-12-31')
                  over (partition by id order by login_date) next_login_date
             --窗口函数 lead(向后取n行)
             --lead(column1,n,default)over(partition by column2 order by column3) 查询当前行的后边第n行数据，如果没有就为null
         from (--用户在同一天可能登录多次，需要去重
                  select
                      id,
                      date_format(`date`, 'yyyy-MM-dd') as login_date
                  from user_log
                  group by id, date_format(`date`, 'yyyy-MM-dd')
              ) tmp1
     ) tmp2
where  datediff(next_login_date, login_date) >=2
group by id;

1.3 窗口函数分类

      哪些函数可以是窗口函数呢？(放在over关键字前面的)

  • 聚合函数

sum(column) over (partition by .. order by .. 窗口子句);
count(column) over (partition by .. order by .. 窗口子句);
max(column) over  (partition by .. order by .. 窗口子句);
min(column) over (partition by .. order by .. 窗口子句);
avg(column) over (partition by .. order by .. 窗口子句);

   需要注意：

1.count(*)操作时会统计null值，count(column)会过滤掉null值;
2.事实上除了count(*)计算，剩余的聚合函数例如： max(column),min(column),avg(column),count(column) 函数会过滤掉null值

 ps : 高级聚合函数：

             collect_list 收集并形成list集合，结果不去重;

             collect_set 收集并形成set集合，结果去重; 

      举例:

--每个月的入职人数以及姓名
 
select 
month(replace(hiredate,'/','-')),
    count(*) as cnt,
    collect_list(name) as name_list
from employee
group by month(replace(hiredate,'/','-'));
 
 
/*
输出结果
month  cn  name_list
4	    2	["宋青书","周芷若"]
6	    1	["黄蓉"]
7	    1	["郭靖"]
8	    2	["张无忌","杨过"]
9	    2	["赵敏","小龙女"]
*/

  • 排序函数

--  顺序排序——1、2、3
row_number() over(partition by .. order by .. )
 
--  并列排序，跳过重复序号——1、1、3（横向加）
rank() over(partition by .. order by .. )
 
-- 并列排序，不跳过重复序号——1、1、2（纵向加）
dense_rank()  over(partition by .. order by .. )

  • 前后函数 

-- 取得column列的前n行，如果存在则返回，如果不存在，返回默认值default
lag(column,n,default) over(partition by order by) as lag_test
-- 取得column列的后n行，如果存在则返回，如果不存在，返回默认值default
lead(column,n,default) over(partition by order by) as lead_test

  • 头尾函数

---当前窗口column列的第一个数值，如果有null值，则跳过
first_value(column,true) over (partition by ..order by.. 窗口子句) 
 
---当前窗口column列的第一个数值，如果有null值，不跳过
first_value(column,false) over (partition by ..order by.. 窗口子句)
 
--- 当前窗口column列的最后一个数值，如果有null值，则跳过
last_value(column,true) over (partition by ..order by.. 窗口子句) 
 
--- 当前窗口column列的最后一个数值，如果有null值,不跳过
last_value(column,false) over (partition by ..order by.. 窗口子句)

1.4 聚合函数

       sum() /count() /max() /min() /avg()  函数，一般用于开窗求累积汇总值。

sum(column) over (partition by .. order by .. 窗口子句);
count(column) over (partition by .. order by .. 窗口子句);
max(column) over  (partition by .. order by .. 窗口子句);
min(column) over (partition by .. order by .. 窗口子句);
avg(column) over (partition by .. order by .. 窗口子句);

二、实际案例

2.1 每个用户累积访问次数

0 问题描述

    统计每个用户累积访问次数

1 数据准备

create table if not exists table6
(
    userid         string comment '用户id',
    visitdate      string comment '访问时间',
    visitcount     int comment '访问次数'
)
    comment '用户访问次数';

2 数据分析

select
    userid,
    visit_date,
    vc1,
     --再求出用户历史至今的累积访问次数
    sum(vc1) over (partition by userid order by visit_date ) as vc2
from (   --先求出用户每个月的累积访问次数
         select
             userid,
             date_format(visitdate, 'yyyy-MM') as visit_date,
             sum(visitcount)  as vc1
         from table6
         group by userid, date_format(visitdate, 'yyyy-MM')
     ) tmp1;

3 小结

2.2 各直播间最大的同时在线人数

0 问题描述

   根据直播间的用户访问记录，统计各直播间最大的同时在线人数。

1 数据准备

create table if not exists table7
(
    room_id      int comment '直播间id',
    user_id      int comment '用户id',
    login_time   string comment '用户进入直播间时间',
    logout_time  string comment '用户离开直播间时间'
)
    comment '直播间的用户访问记录';
INSERT overwrite table table7
VALUES (1,100,'2021-12-01 19:00:00', '2021-12-01 19:28:00'),
       (1,100,'2021-12-01 19:30:00', '2021-12-01 19:53:00'),
       (2,100,'2021-12-01 21:01:00', '2021-12-01 22:00:00'),
       (1,101,'2021-12-01 19:05:00', '2021-12-01 20:55:00'),
       (2,101,'2021-12-01 21:05:00', '2021-12-01 21:58:00'),
       (1,102,'2021-12-01 19:10:00', '2021-12-01 19:25:00'),
       (2,102,'2021-12-01 19:55:00', '2021-12-01 21:00:00'),
       (3,102,'2021-12-01 21:05:00', '2021-12-01 22:05:00'),
       (1,104,'2021-12-01 19:00:00', '2021-12-01 20:59:00'),
       (2,104,'2021-12-01 21:57:00', '2021-12-01 22:56:00'),
       (2,105,'2021-12-01 19:10:00', '2021-12-01 19:18:00'),
       (3,106,'2021-12-01 19:01:00', '2021-12-01 21:10:00');

2 数据分析

select
    room_id,
    max(num)
from (
         select
             room_id,
             sum(flag) over (partition by room_id order by dt) as num
         from (
                  select
                      room_id,
                      user_id,
                      login_time as dt,
                      --对登入该直播间的人，标记 1
                      1          as flag
                  from table7
                  union
                  select
                      room_id,
                      user_id,
                      logout_time as dt,
                       --对退出该直播间的人，标记 -1
                      -1          as flag
                  from table7
              ) tmp1
     ) tmp2
--求出直播间最大的同时在线人数
group by room_id;

3 小结

    该题的关键点在于：对每个用户进入/退出直播间的行为进行打标签，再利用sum()over聚合函数计算最终的数值。

2.3 历史至今每个小时内同时在线人数

       由案例2.2 引申出来的案例 2.3和 案例2.4

0 问题描述

    根据直播间用户访问记录，不限制时间段，统计历史至今的各直播间​​​每个小时内的同时在线人数

1 数据准备

create table if not exists table7
(
    room_id      int comment '直播间id',
    user_id      int comment '用户id',
    login_time   string comment '用户进入直播间时间',
    logout_time  string comment '用户离开直播间时间'
)
    comment '直播间的用户访问记录';
INSERT overwrite table table7
VALUES (1,100,'2021-12-01 19:00:00', '2021-12-01 19:28:00'),
       (1,100,'2021-12-01 19:30:00', '2021-12-01 19:53:00'),
       (2,100,'2021-12-01 21:01:00', '2021-12-01 22:00:00'),
       (1,101,'2021-12-01 19:05:00', '2021-12-01 20:55:00'),
       (2,101,'2021-12-01 21:05:00', '2021-12-01 21:58:00'),
       (1,102,'2021-12-01 19:10:00', '2021-12-01 19:25:00'),
       (2,102,'2021-12-01 19:55:00', '2021-12-01 21:00:00'),
       (3,102,'2021-12-01 21:05:00', '2021-12-01 22:05:00'),
       (1,104,'2021-12-01 19:00:00', '2021-12-01 20:59:00'),
       (2,104,'2021-12-01 21:57:00', '2021-12-01 22:56:00'),
       (2,105,'2021-12-01 19:10:00', '2021-12-01 19:18:00'),
       (3,106,'2021-12-01 19:01:00', '2021-12-01 21:10:00');

2 数据分析

   完整代码如下：

with temp_data as (
    select
        room_id,
        user_id,
        login_time,
        logout_time,
        hour(login_time) as min_time,
        --  hour('2021-12-01 19:30:00') = 19
        hour(logout_time) as max_time,
        length(space(hour(logout_time) - hour(login_time))) as lg,
        split(space(hour(logout_time) - hour(login_time)), '') as dis
    from table7
)

select
    room_id,
    on_time,
    count(1) as cnt
from (
         select distinct
             room_id,
             user_id,
             min_time,
             max_time,
             dis,
             dis_index,
             (min_time + dis_index) as on_time
         from temp_data lateral view posexplode(dis) n as dis_index,dis_data
         order by user_id,
                  min_time,
                  max_time,
                  dis,
                  dis_index
     ) tmp1
group by room_id, on_time
order by room_id, on_time;

     代码拆解分析：

--以一条数据为例，
 room_id  user_id     login_time               logout_time
  1         100    '2021-12-01 19:00:00'     '2021-12-01 21:28:00'
（1）上述数据取时间hour(login_time) as min_time 、hour(logout_time)as max_time
        1(room_id),100(user_id),19(min_time),21(max_time)
（2）split(space(hour(logout_time) - hour(login_time)), '') 的结果：
     根据[21-19]=2,利用space函数生成长度是2的空格字符串，再用split拆分
        1(room_id),100(user_id),19(min_time),21(max_time),['','','']
（3）用posexplode经过转换增加行（列转行，炸裂），通过下角标index来获取 on_time时间，
     根据数组['','','']，得到index的取值是0,1,2
     炸裂得出下面三行数据（一行变三行）
        1(room_id),100(user_id),19(min_time),19 = 19+0 (on_time = min_time+index)
        1(room_id),100(user_id),19(min_time),20 = 19+1 (on_time = min_time+index)
        1(room_id),100(user_id),19(min_time),21 = 19+2 (on_time = min_time+index)
     炸裂的目的：将用户在线的时间段[19-21] 拆分成具体的小时，19,20,21;
（4）根据room_id,on_time进行分组，求出每个直播间分时段的在线人数

3 小结

    上述代码中用到的函数有：

一、字符串函数
 1、空格字符串函数：space
 语法：space(int n)
 返回值：string
 说明：返回值是n的空格字符串
 举例：select length (space(10)) --> 10
 一般space函数和split函数结合使用：select split(space(3),'');  -->   ["","","",""]

 
 2、split函数（分割字符串）
 语法：split(string str,string pat)
 返回值：array
 说明：按照pat字符串分割str,会返回分割后的字符串数组
 举例：select split ('abcdf','c') from test; -> ["ab","df"]

 3、repeat：重复字符串
 语法：repeat(string A, int n)
 返回值：string
 说明：将字符串A重复n遍。
 举例：select repeat('123', 3); -> 123123123
 一般repeat函数和split函数结合使用：select split(repeat(',',4),',');  -->  
  ["","","","",""]


二、炸裂函数
 explode 
    语法：lateral view explode(split(a,',')) tmp  as new_column
    返回值：string
    说明:按照分隔符切割字符串，并将数组中内容炸裂成多行字符串
    举例：select student_score from test lateral view explode(split(student_score,',')) 
tmp as student_score
 
posexplode
    语法：lateral view posexploed(split(a,',')) tmp as pos,item 
    返回值：string
    说明:按照分隔符切割字符串，并将数组中内容炸裂成多行字符串(炸裂具备瞎下角标 0,1,2,3)
    举例：select student_name, student_score from test
   lateral view posexplode(split(student_name,',')) tmp1 as student_name_index,student_name
   lateral view posexplode(split(student_score,',')) tmp2 as student_score_index,student_score
   where student_score_index = student_name_index

2.4 某个时间段、每个小时内同时在线人数

0 问题描述

    根据直播间用户访问记录，统计某个时间段的各直播间​​​每个小时内的同时在线人数，假设时间段是['2021-12-01 19:00:00', '2021-12-01 23:00:00']

1 数据准备

​create table if not exists table7
(
    room_id      int comment '直播间id',
    user_id      int comment '用户id',
    login_time   string comment '用户进入直播间时间',
    logout_time  string comment '用户离开直播间时间'
)
    comment '直播间的用户访问记录';
INSERT overwrite table table7
VALUES (1,100,'2021-12-01 19:00:00', '2021-12-01 19:28:00'),
       (1,100,'2021-12-01 19:30:00', '2021-12-01 19:53:00'),
       (2,100,'2021-12-01 21:01:00', '2021-12-01 22:00:00'),
       (1,101,'2021-12-01 19:05:00', '2021-12-01 20:55:00'),
       (2,101,'2021-12-01 21:05:00', '2021-12-01 21:58:00'),
       (1,102,'2021-12-01 19:10:00', '2021-12-01 19:25:00'),
       (2,102,'2021-12-01 19:55:00', '2021-12-01 21:00:00'),
       (3,102,'2021-12-01 21:05:00', '2021-12-01 22:05:00'),
       (1,104,'2021-12-01 19:00:00', '2021-12-01 20:59:00'),
       (2,104,'2021-12-01 21:57:00', '2021-12-01 22:56:00'),
       (2,105,'2021-12-01 19:10:00', '2021-12-01 19:18:00'),
       (3,106,'2021-12-01 19:01:00', '2021-12-01 21:10:00');

​

2 数据分析

   完整代码如下：

with temp_data1 as (
    select
        room_id,
        user_id,
        login_time,
        logout_time,
        hour(login_time) as min_time,
        hour(logout_time)  as max_time,
        split(space(hour(logout_time) - hour(login_time)), '') as dis
    from table7
    where login_time >= '2021-12-01 19:00:00'
      and login_time <= '2021-12-01 21:00:00'
)

select
    room_id,
    on_time,
    count(1) as cnt
from (select distinct
          room_id,
          user_id,
          min_time,
          max_time,
          dis_index,
          (min_time + dis_index) as on_time
      from temp_data1 lateral view posexplode(dis) n1 as dis_index, dis_data
      order by user_id,
               min_time,
               max_time,
               dis_index) tmp
group by room_id, on_time
order by room_id, on_time;

3 小结

    解题思路与2.3一致，只需要限制下时间区间

2.5 学生各学科的成绩

0 问题描述

    基于不同的窗口限定范围(窗口边界)，统计各学生的学科成绩。

1 数据准备

create table if not exists table9
(
    name    string comment '学生名称',
    subject string comment '学科',
    score   int comment '分数'
)
    comment '学生分数';
INSERT overwrite table table9
VALUES ('a','数学',12),
       ('b','数学',19),
       ('c','数学',17),
       ('d','数学',24),
       ('a','英语',77),
       ('c','英语',11),
       ('d','英语',34),
       ('a','语文',61);

2 数据分析

select
    name,
    subject,
    score,
    --1.全局聚合
    sum(score) over () as sum1,
    --2.根据学科分组，组内全局聚合
    sum(score) over (partition by subject) as sum2,
    --3.根据学科分组，根据分数排序，计算由起点到当前行的累积值
    sum(score) over (partition by subject order by score)  as sum3,
    --4.根据学科分组，根据分数排序，计算由起点到当前行的累积值 （sum3跟sum4的结果是一样的）
    sum(score) over (partition by subject order by score rows between unbounded preceding and current row ) as sum4,
    --5.根据学科分组，根据分数排序，计算上一行到当前行的累积值
    sum(score) over (partition by subject order by score rows between 1 preceding and current row ) as sum5,
    --6.根据学科分组，根据分数排序，计算上一行到下一行的累积值
    sum(score) over (partition by subject order by score rows between 1 preceding and 1 following)  as sum6,
    --7.根据学科分组，根据分数排序，计算当前行到后面所有行的累积值
    sum(score) over (partition by subject order by score rows between current row and unbounded following ) as sum7
from table9;

3 小结

  窗口函数 = 窗口+ 函数，解题时需要梳理清楚函数的计算范围。

2.6 商品销售

0 问题描述

    从订单详情表中找出销售额连续3天超过100的商品

1 数据准备

create table if not exists  table19
(
    order_detail_id    string comment '订单明细id',
    order_id  string comment '订单id',
    sku_id  string comment '商品id',
    create_date  string comment '商品的下单日期',
    price  double comment '商品单价',
    sku_num  int comment '商品件数'
) comment  '订单明细表';
 
insert overwrite table table19 values
('1','1','1','2021-09-30',2000.00,2),
('2','1','3','2021-09-30',5000.00,5),
('22','10','4','2020-10-02',6000.00,1),
('23','10','5','2020-10-02',500.00,24),
('24','10','6','2020-10-02',2000.00,5);

2 数据分析

select
    sku_id
from (select
          sku_id,
          create_date,
          date_sub(create_date, row_number() over (partition by sku_id order by create_date)) sub
      from (select
                sku_id,
                create_date,
                sum(sku_num * price) as sum
            from table19
            group by sku_id, create_date
            having sum >= 100) tmp1
      group by sku_id, sub
      having count(1) >= 3;

3 小结

上述解题方法用到了“连续登陆”的思想，该题型的解决步骤：

（1）计算 date_sub(create_date,row_number() over (partition by sku_id oder by  create_date)) as sub（差值）

（2）group by sku_id,sub 分组；

（3）count(1) >= 3的商品sku_id就是销售额连续3天以上多超过xx；

更多“连续登陆”的案例 见文章：

HiveSQL题——用户连续登陆-CSDN博客文章浏览阅读803次，点赞21次，收藏9次。HiveSQL题——用户连续登陆https://blog.csdn.net/SHWAITME/article/details/135900251?spm=1001.2014.3001.5502

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/1429334.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

什么是ACL？

什么是ACL？

知识改变命运&#xff0c;技术就是要分享&#xff0c;有问题随时联系&#xff0c;免费答疑&#xff0c;欢迎联系&#xff01; 厦门微思网络​​​​​​https://www.xmws.cn 华为认证\华为HCIA-Datacom\华为HCIP-Datacom\华为HCIE-Datacom Linux\RHCE\RHCE 9.0\RHCA\ Oracle OC…
阅读更多...
CSC联合培养博士申请亲历|联系外导的详细过程

CSC联合培养博士申请亲历|联系外导的详细过程

在CSC申报的各环节中&#xff0c;联系外导获得邀请函是关键步骤。这位联培博士同学的这篇文章&#xff0c;非常详细且真实地记录了申请过程、心理感受&#xff0c;并提出有益的建议&#xff0c;小编特推荐给大家参考。 2024年国家留学基金委公派留学项目即将开始&#xff0c;其…
阅读更多...
低码大前端 - 混合云集群部署 PagePlug

低码大前端 - 混合云集群部署 PagePlug

前情提要 老师之前布置了什么作业&#xff0c;完全忘了&#xff0c;本来觉得写作业可能也就一两个小时的事情&#xff0c;结果搞了半天&#xff0c;有一半的作业题目都没找到&#xff0c;mmp, 之前拖延症&#xff0c;搞到心态都炸了&#xff0c;今天不管怎么说都要搞定&#x…
阅读更多...
奠定基础：用于机器学习的微积分、数学和线性代数

奠定基础：用于机器学习的微积分、数学和线性代数

一、说明 机器学习是一个引人入胜的领域&#xff0c;它使计算机能够从数据中学习并做出预测或决策&#xff0c;而无需明确编程。然而&#xff0c;在幕后&#xff0c;有一个坚实的数学和线性代数基础&#xff0c;构成了机器学习算法的支柱。在本文中&#xff0c;我们将探讨在深入…
阅读更多...
C语言指针学习 之 指针变量

C语言指针学习 之 指针变量

前言&#xff1a; 通过学习我们认识了什么是指针&#xff0c;就让我们一起来分析一个例子。 #include<stdio.h> int main() {int a100;int * hz; hz &a;printf("a%d \n",a);printf("*hz%d \n",*hz);return 0; }a100 *hz100 PS C:\csay\cyuya…
阅读更多...
聊聊DoIP吧(一）

聊聊DoIP吧(一）

DoIP是啥？ DoIP代表"Diagnostic over Internet Protocol"，即互联网诊断协议。它是一种用于在车辆诊断中进行通信的网络协议。DoIP的目标是在现代汽车中实现高效的诊断和通信。通过使用互联网协议（IP）作为通信基础，DoIP使得诊断信息能够通过网络进行传输，从而提…
阅读更多...
【c/python】GtkBox

【c/python】GtkBox

一、GtkBox及C语言示例 GtkBox是一个容器部件&#xff0c;用于在GTK&#xff08;GIMP Toolkit&#xff09;应用程序中水平或垂直地排列多个子部件。以下是一个简单的例子&#xff0c;展示了如何在一个基本的GTK应用程序中使用GtkBox来垂直排列两个按钮&#xff1a; 首先&#…
阅读更多...
flutter的报错提示：type ‘Null‘ is not a subtype of type ‘int‘

flutter的报错提示：type ‘Null‘ is not a subtype of type ‘int‘

flutter的报错提示&#xff1a; 是什么原因呢&#xff0c;解决问题&#xff1a; articleBean.originId是int类型&#xff0c;map[originId]是因为originId不存在而为null,所以可以把articleBean.originId map[originId]!;注释
阅读更多...
设备的层次结构 - 驱动程序的复杂层次结构

设备的层次结构 - 驱动程序的复杂层次结构

由于设备对象的水平结构和垂直结构&#xff0c;组成了Windows设备的树形结构图。在Windows中出事的时候会有一个根设备&#xff0c;为了理解简单&#xff0c;我们将PCI总线想象成根总线&#xff08;根总线其实不是PCI总线&#xff0c;只是为了理解方便&#xff09;。查到PCI总线…
阅读更多...
paddle环境安装

paddle环境安装

一、paddle环境安装 如pytorch环境安装一样&#xff0c;首先在base环境下创建一个新的环境来安装paddlepaddle框架。首先创建一个新的环境名叫paddle。执行如下命令。 conda create -n paddle python3.8创建好了名叫paddle这个环境以后&#xff0c;进入到这个环境中&#xff…
阅读更多...
程序员的悲哀：知名Python库requests作者失业了

程序员的悲哀：知名Python库requests作者失业了

在当今这个快速发展的科技时代&#xff0c;程序员作为创新的驱动力&#xff0c;一直被视为时代的宠儿。然而&#xff0c;即使在这样一个充满机会的领域&#xff0c;也有着不为人知的辛酸。近日&#xff0c;一个令人震惊的消息传遍了编程社区&#xff1a;知名Python库requests的…
阅读更多...
07 SB3之@HttpExchange(TBD)

07 SB3之@HttpExchange(TBD)

HttpExchange是SpringBoot3的新特性. Spring Boot3 提供了新的 HTTP 的访问能力&#xff0c;封装了Http底层细节. 通过接口简化 HTTP远程访问&#xff0c;类似 Feign 功能。 SpringBoot 中定义接口提供 HTTP 服务 --> 框架生成的代理对象实现此接口 --> 框架生成的代理…
阅读更多...
MySQL进阶之触发器

MySQL进阶之触发器

MySQL进阶之触发器 目录 MySQL进阶之触发器什么是触发器触发器的使用场景自定义触发器查看触发器删除触发器示例 什么是触发器 触发器是一种特殊的存储过程&#xff0c;它通常与表一起创建、修改和删除 触发器关键字&#xff1a;trigger&#xff0c;是指事先为某张表绑定一段…
阅读更多...
【论文阅读笔记】Taming Transformers for High-Resolution Image Synthesis

【论文阅读笔记】Taming Transformers for High-Resolution Image Synthesis

Taming Transformers for High-Resolution Image Synthesis 记录前置知识AbstractIntroductionRelated WorkMethodLearning an Effective Codebook of Image Constituents for Use in TransformersLearning the Composition of Images with Transformers条件合成合成高分辨率图…
阅读更多...
[ESP32 IDF]web server

[ESP32 IDF]web server

目录 通过web server控制LED 核心原理解析 分区表 web server的使用 错误Header fields are too long的解决 通过web server控制LED 通过网页控制LED灯的亮灭&#xff0c;一般的ESP32开发板都可以实现&#xff0c;下面这篇文章是国外开发者提供的一个通过web server控制…
阅读更多...
进程间通信的7种方式以及优点

进程间通信的7种方式以及优点

七种通信方式为有名管道、无名管道、信号、消息队列、共享内存、信号灯集、套接字。 无名管道&#xff1a; 无名管道是没有名字的管道&#xff0c;是一个特殊的文件。 因为没有名字只能进行亲缘进程之间进行通信&#xff0c;也可以自己和自己进行通信。 无名管道打开会开启两个…
阅读更多...
只用一台服务器部署上线（宝塔面板） 前后端+数据库

只用一台服务器部署上线（宝塔面板） 前后端+数据库

所需材料 工具&#xff1a;安装宝塔面板服务器至少一台、域名一个 前端&#xff1a;生成dist文件&#xff08;前端运行build命令&#xff09; 后端&#xff1a;生成jar包&#xff08;maven运行package命令&#xff09; 准备&#xff1a; 打开宝塔面板&#xff0c;点击进入软…
阅读更多...
断电保持霍尔传感器

断电保持霍尔传感器

断电保持霍尔传感器的工作原理 断电保持霍尔传感器是一种利用变压器或共振电路的检测元件&#xff0c;通过检测物体与探头之间的物理距离控制电路的开关状态&#xff0c;从而实现对物体位置和状态的监测。该开关可以通过调试和校准以满足不同场合的要求。 断电保持霍尔传感器控…
阅读更多...
【LeetCode】每日一题 2024_1_31 找出不同元素数目差数组（数组/哈希）

【LeetCode】每日一题 2024_1_31 找出不同元素数目差数组（数组/哈希）

文章目录 LeetCode&#xff1f;启动&#xff01;&#xff01;&#xff01;题目&#xff1a;找出不同元素数目差数组题目描述代码与解题思路 LeetCode&#xff1f;启动&#xff01;&#xff01;&#xff01; 1 月的最后一天&#xff0c;每日一题又坚持了一个月呀 题目&#xff…
阅读更多...
编程实例分享，电玩城计时电玩店计时收费管理系统软件，可以控制电视电源计时程序

编程实例分享，电玩城计时电玩店计时收费管理系统软件，可以控制电视电源计时程序

编程实例分享&#xff0c;电玩城计时电玩店计时收费管理系统软件&#xff0c;可以控制电视电源计时程序 一、前言 以下教程以 佳易王电玩店计时计费软件V18.0为例说明&#xff0c;软件程序下载可以点击最下方官网卡片 如上图&#xff0c;开始计时图片改变&#xff0c;并记录…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023