hive 数据库表常用操作及相关函数讲解

news2024/11/24 17:18:09

创建数据库并指定hdfs存储位置

create database myhive2 location ‘/myhive2’;
使用location关键字，可以指定数据库在HDFS的存储路径。
Hive的库在HDFS上就是一个以.db结尾的目录
默认存储在：
/user/hive/warehouse内
当你为Hive表指定一个LOCATION时，你告诉Hive这个表的数据应该存放在HDFS的哪个位置。这个位置是HDFS命名空间中的一个目录，它可能跨越多个数据节点。Hive和HDFS会协同工作，确保当查询这个表时，数据可以从正确的节点上被检索和处理。
可以通过LOCATION关键字在创建的时候指定存储目录

删除一个数据库

删除空数据库，如果数据库下面有数据表，那么就会报错
drop database myhive;
强制删除数据库，包含数据库下面的表一起删除
drop database myhive2 cascade;

创建表

CREATE [EXTERNAL]TABLE [IF NOT EXISTS]table_name
    [(col_name data_type [COMMENT col_comment],..)
    [COMMENT table_comment]
    [PARTITIONED BY (col_name data_type [COMMENT col_comment],..)
    [CLUSTERED BY (col_name,col_name,...
    [SORTED BY (col_name [ASC IDESC],..)INTO num_buckets BUCKETS]
    [ROW FORMAT row_format]
    [STORED AS file_format]
    [LOCATION hdfs_path]
  • EXTERNAL,创建外部表
  • PARTITIONED BY,分区表
  • CLUSTERED BY,分桶表
  • STORED AS,存储格式
  • LOCATION,存储位置

hive数据类型

在这里插入图片描述

hive表分类：

（1）内部表
内部表(CREATE TABLE table_name…)
未被external关键字修饰的即是内部表，即普通表。内部表又称管理表，内部表数据存储的位置由
hive.metastore.warehouse.dir参数决定（默认：/user/hive/warehouse),删除内部表会直接删除元数据
(metadata)及存储数据，因此内部表不适合和其他工具共享数据。

（2）外部表
外部表(CREATE EXTERNAL TABLE table_name…LOCATION…)
被external关键字修饰的即是外部表，即关联表。
外部表是指表数据可以在任何位置，通过LOCATION关键字指定。数据存储的不同也代表了这个表在理念是并不是Hive内部管理的，而是可以随意临时链接到外部数据上的。这意味着我们可以：

  • 先创建表，再在表对应路径创建数据
  • 先在对应目录创建数据，再创建表
    所以，表和数据是独立的，在删除外部表的时候，仅仅是删除元数据（表的信息），不会删除数据本身。
    （3）分区表
    （4）分桶表

表的hdfs文件默认分隔符

在hdfs上，hive表数据文件的默认分隔符是"\001"，是一个ascii码值，在一些文本文件中显示为SOH，键盘打不出来，cat也看不出来。

设置hive表的分隔符

当然，分隔符我们是可以自行指定的。
在创建表的时候可以自己决定：
create table if not exists stu2(id int name string) row format delimited fields terminated by ‘\t’;
·row format delimited fields terminated by ‘\t’:表示以\t分隔

我们可以指定数据库.表名来指定在哪个数据库中创建表，如下：myhive.stu2
在这里插入图片描述
在hive的关系型数据库中，mysql记录的元数据一般在TBLS表中，元数据存储在TBLS中，hive数据存储在hdfs中，虽然他们看起来都是用sql操作，但hdfs存储的数据操作通过map reduce执行的。

查看表属性（eg：属于内部表or外部表…)

desc formatted 表名
返回有个table tyep字段指示了表类型，内部表市MANAGERED_TABLE，外部表市EXTERNAL_TABLE
在这里插入图片描述

内外部表转换

  • 内部表转外部表
    alter table stu set tblproperties(‘EXTERNAL’=‘TRUE’);
  • 外部表转内部表
    alter table stu set tblproperties(‘EXTERNAL’=‘FALSE’);
    通过stu set tblproperties:来修改属性
    要注意：('EXTERNAL=‘FALSE’)或(‘EXTERNAL’=‘TRUE’)为固定写法，区分大小写！！！

使用LOAD从外部加载数据到表中

LOAD DATA [LOCAL] INPATH ‘filepath’ [OVERWRITE] INTO TABLE tablename;
这里local参数如果带，则INPATHA需要使用本地文件系统的格式(带file://)，表示从本地加载数据，overwrite则覆盖已存数据

需要注意的是，如果是从hdfs加载而非本地，会直接将hdfs路径的文件移动到表指定的路径，源路径的数据会不再存在，另外overwrite字段表示以当前数据为准，以前的表中数据会被清除。

值得注意的是这种方式加载不走mapreduce，因此会比较快，而下面提到的insert相关的都会走map reduce，涉及到资源申请分配，会慢些

数据加载-INSERT SELECT语法

除了load加载外部数据外，我们也可以通过SQL语句，从其它表中加载数据。
语法：
INSERT [OVERWRITE INTO]TABLE tablename1 [PARTITION (partcoll=val1,partcol2=val2 …)[IF NOT EXISTS]]select_statement1 FROM from_statement;
将SELECT查询语句的结果插入到其它表中，被SELECT查询的表可以是内部表或外部表。
示例：
INSERT INTO TABLE tbl1 SELECT FROM tbl2;
INSERT OVERWRITE TABLE tbl1 SELECT FROM tbl2;

hive表数据导出-insert overwrite方式

将hive表中的数据导出到其他任意目录，例如linux本地磁盘，例如hdfs,例如mysql等等
语法：insert overwrite [local] directory ‘path’ select_statement FROM from_statement

  • 将查询的结果导出到本地-使用默认列分隔符
    insert overwrite local directory ‘/home/hadoop/export1’ select * from test_load
  • 将查询的结果导出到本地-指定列分隔符
    insert overwrite local directory ‘/home/hadoop/export2’ row format delimited fields terminated by ‘\t’
    select * from test load;
  • 将查询的结果导出到HDFS上（不带local关键字）
    insert overwrite directory ‘/tmp/export’ row format delimited fields terminated by ‘\t’ select * from
    test_load;

hive表数据导出-hive shell

基本语法：(hive -f/ -e执行语句或者sql脚本 >> file_path)
bin/hive -e “select * from myhive.test_load;” > /home/hadoop/export3/export4.txt
bin/hive -f export.sql > /home/hadoop/export4/export4.txt
export.sql里面存放sql语句

hive分区表

所谓分区表，就是按某个字段作为分区依据，字段值相同的数据存储在同一个分区中，如按日期进行分区，同一个日期的存同一个分区（一般对应同一个文件目录），而分区也存在多层级，只用一个字段分区为单层级，如果我们先按年分区，年分区下又有月或者更多的像按日分区，那么就是多层级分区表

创建分区表

分区表的使用
基本语法：
create table tablename (…) partitioned by(分区列列类型，…)
row format delimited fields terminated by ‘’;

在这里插入图片描述

上图中示例不管是创建还是加载，都是没有包含分区列的，但实际上我们的表中会包含分区的列，此外从数据加载到分区表中，partition (month=‘202006’)表示加载到指定分区202006中，而不是从数据内容中读取202006的数据，数据里面是没有month列的，一般有几个分区则hdfs对应的表路径下有几个文件夹
在这里插入图片描述

多层级的分区表是按分区顺序创建的目录
在这里插入图片描述

对分区表的操作，像插入，是需要指定到具体每一个层级的分区才会操作成功

分桶表

分桶和分区一样，也是一种通过改变表的存储模式，从而完成对表优化的一种调优方式
但和分区不同，分区是将表拆分到不同的子文件夹中进行存储，而分桶是将表拆分到固定数量的不同文件中进行存储。

在这里插入图片描述

开启分桶表

  1. 开启分桶的自动优化（自动匹配reduce task数量和桶数量一致）
    set hive.enforce.bucketing=true;
  2. 创建分桶表
    create table course (c_id string,c_name string,t_id string) clustered by(c_id) into 3 buckets row format delimited fields terminated by ‘\t’;

上面按c_id列进行分桶
需要注意的是，分桶表不能直接通过load加载，常用的方法是通过临时表加载数据，再通过select insert into方法来插入到分桶表
在这里插入图片描述

这里需要注意的是，建表用的是clustered by，插入是cluster by

之所以不能通过load来加载分桶表数据，是因为load不涉及map reduce计算，它只是单纯的文件的操作，而分桶涉及到对指定列进行hash取模计算，会触发map reduce计算，因此需要用select insert into，进行hash取模的目的是为了确定分到哪个桶文件，分桶表对单值过滤会有效率比较高的提升，基于分桶列双表join时效率也更高，同时本身已经基于分桶id分过组了

表修改操作

表重命名

alter table old_table_name rename to new_table_name;
如：alter table score4 rename to score5;

修改表属性值

ALTER TABLE table_name SET TBLPROPERTIES table_properties;
table_properties:
:(property._name=property_value,property_name=property._value,·…)
如：ALTER TABLE table_name SET TBLPROPERT工ES(“EXTERNAL”=“TRUE”);修改内外部表属性
如：ALTER TABLE table_name SET TBLPROPERTIES(‘comment’=new_comment);修改表注释
其余属性可参见：https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DDL#LanguageManualDDL-listTableProperties

添加分区

ALTER TABLE tablename ADD PARTITION (month=‘201101’);
新分区是空的没数据，需要手动添加或上传数据文件

修改分区值

ALTER TABLE tablename PARTITION (month=‘202005)RENAME TO PARTITION (month=201105’);

需要注意这里修改分区后，hdfs中文件并不会改名，只是元数据中会记录分区名201105对应的文件名是原来那个文件名

删除分区

ALTER TABLE tablename DROP PARTITION (month=201105’);
只是删除元数据，数据还在

添加列

ALTER TABLE table_name ADD COLUMNS (v1 int,v2 string);

修改列名

ALTER TABLE test_change CHANGE v1 v1new INT;

删除表

DROP TABLE tablename;

清空表

TRUNCATE TABLE tablename;
ps:只可以清空内部表

array类型操作

如下数据文件，有2个列，locations列包含多个城市：
说明：name与locations.之间制表符分隔，locations中元素之间逗号分隔
在这里插入图片描述

如果我们想将locations直接当成数据操作计算，就需要用到array类型。
array类型的建表操作如下：
在这里插入图片描述

上面COLLECTION ITEMS TERMINATED BY ','表示array类型元素的分隔符是,逗号

加载之后就可以使用数组了
在这里插入图片描述

同时，我们也可以通过hive内置函数size来获得数组大小

我们也可以通过一些函数来判断数组中的值
在这里插入图片描述

map类型操作

map类型也就是常见的key-value类型

map类型建表语句

在这里插入图片描述

上面创建一个string类型的key，string类型的value的map类型，map键值对之间用"#"分隔，key和value之间用:分隔
创建好之后，就可以用类似python里面字典的方式去使用

查询map中指定key

在这里插入图片描述

取出map所有key

使用函数map_keys(mymap)可以取出mymap的所有key，返回array
在这里插入图片描述

取出map所有value，返回array

使用map_values(mymap)获取所有value数组

在这里插入图片描述

获取map大小

使用size(mymap)可获取map大小
select size(mymap) from myhive.test_map

查询指定数据是否在map中

需要注意不能直接判断指定key或value是否存在于map中，但可以借助ARRAY_CONTAINS判断，也可以判断返回数组大小
在这里插入图片描述

Struct类型

struct类型可以在一个列中再构建子列，如下案例，假如我们数据中有name和age信息，同时有id编号，我们可以用一个将name和age视为一个people_info列，在其下还有name列和age列

struct应用数据格式案例如下：
在这里插入图片描述

struct 建表语句案例如下
在这里插入图片描述

我们可以使用.来取struct的成员
在这里插入图片描述

与array和map类型不同，struct类型没有对应函数

hive SELECT 查询基本语法

如下，hive查询基本语法与mysql中基本相同，bu’y不一样的是下图中cluster by部分，跟排序相关的

在这里插入图片描述

一些基础查询案例如下：

在这里插入图片描述

上面用like来进行模糊匹配，表示useraddress中包含广东字段的都会被选中，%在前表示忽略广东前的字符串，在后面表示忽略广东后的字符，只要包含子串广东即可，如果我们不想忽略所有，只想忽略一个，可以用_下划线代替

一些结合内置计算的查询案例如下：

在这里插入图片描述

值得注意的是上面最后一个查询用having进行过滤，对按userid分组后，每个分组内平均值大于10000消费的数据进行过滤，与where用法类似，但where不能用于聚合函数之后的结果，只能用在聚合函数之前，having通常跟随group by在其之后使用

join操作

在这里插入图片描述

RLIKE正则匹配

hive sql中提供了RLIKE支持正则匹配

常见正则匹配符号
在这里插入图片描述

通过组合正则符号，可以灵活实现匹配，如.匹配任意字符，*匹配人员数量，则 .*匹配任意数量字符，包括空，下面来看几个例子
在这里插入图片描述

上面第一个sql用.*就实现了我们之前用like模糊匹配%的作用，第三个用[]匹配括号里面的任一个字符，\S去除非空白字符，这里需要注意，所有的\前面都需要加个\，第四个\S后面用{4}限定4个，[0-9]表示匹配0-9之间的任意数字，再用{3}限定匹配个数，其他匹配可参考正则规则自行组合。

UNION联合

UNION用于将多个SELECT语句的结果组合成单个结果集。
每个select语句返回的列的数量和名称必须相同。否则，将引发架构错误。
union基础语法：
在这里插入图片描述

UNION默认会对相同的行做去重，如果不想去重，需要加上ALL，联合的结果按行来组合

在这里插入图片描述

在这里插入图片描述

任何可以用select的地方，返回列相同，都可以用union

Hive数据抽样

对表进行随机抽样是非常有必要的。
大数据体系下，在真正的企业环境中，很容易出现很大的表，比如体积达到TB级别。
对这种表一个简单的SELECT*都会非常的慢，哪怕LIMIT10想要看1O条数据，也会走MapReduce流程
这个时间等待是不合适的。
Hiv提供的快速抽样的语法，可以快速从大表中随机抽取一些数据供用户查看。

TABLESAMPLE函数

进行随机抽样，本质上就是用TABLESAMPLE函数

语法1，基于随机分桶抽样

SELECT … FROM tbl TABLESAMPLE(BUCKET x OUT OF y ON(colname rand())
·y表示将表数据随机划分成y份(y个桶)
·x表示从y里面随机抽取x份数据作为取样
·colname表示随机的依据基于某个列的值
·rand()表示随机的依据基于整行
colname和rand二选一
示例：
SELECT username,orderId,totalmoney FROM itheima.orders TABLESAMPLE(BUCKET 1 OUT OF 10 ON username);
在这里插入图片描述

SELECT FROM itheima.orders TABLESAMPLE(BUCKET 1 OUT OF 10 ON rand());
注意：
·使用colname作为随机依据，则其它条件不变下，每次抽样结果一致
·使用rand()作为随机依据，每次抽样结果都不同

通常场景用rand比较快，分桶表的话如果刚好是按colname分桶，用colname比较快

语法2，基于数据块抽样

SELECT … FROM tbl TABLESAMPLE(num ROWS
num PERCENT
num(K|MG));
·num ROWS表示抽样num条数据
·num PERCENT表示抽样num百分百比例的数据
·num(K|M|G)表示抽取num大小的数据，单位可以是K、M、G表示KB、MB、GB
注意：
使用这种语法抽样，条件不变的话，每一次抽样的结果都一致
即无法做到随机，只是按照数据顺序从前向后取

在这里插入图片描述

Virtual Columns虚拟列

虚拟列是Hive内置的可以在查询语句中使用的特殊标记，可以查询数据本身的详细参数。
Hive目前可用3个虚拟列：
·INPUT_FILE_NAME,显示数据行所在的具体文件
·BLOCK_OFFSET_INSIDE FILE,显示数据行所在文件的偏移量
·ROW OFFSET INSIDEBLOCK,显示数据所在HDFS块的偏移量，此虚拟列需要设置：SET hive.exec.rowoffset=true才可使用

在这里插入图片描述

虚拟列也可以用在where、group by等语句中，根据INPUT_FILE_NAME分组实际上就是分桶。

HIVE函数

Hive的函数分为两大类：内置函数(Built-in Functions)、用户定义函数UDF(User-Defined Functions)；

详细的函数使用可以参阅：
·官方文档
(https://cwiki.apache.org/confluence/display/Hive/LanguageManual+UDF#LanguageManualUDF-MathematicalFunctions)

  1. 使用show functions查看当下可用的所有函数；
  2. 通过describe function extended funcname来查看函数的使用方式。

内置函数 - 数值函数

几个常用数值函数示例：
-取整函数：round
返回double类型的整数值部分（遵循四舍五入）
select round (3.1415926):
–指定精度取整函数：round(double a,intd返回指定精度d的double类型
select round(3.1415926, 4);
–取随机数函数：rand每次执行都不一样返回一个0到1范围内的随机数
select rand();
–指定种子取随机数函数：rand(int seed)得到一个稳定的随机数序列
select rand(3);
一求数字的绝对值
select abs(-3):
–得到pi值（小数点后15位精度）
select pi();

内置函数 - 集合函数 COLLECTION FUNCTIONS

以下是hive全部集合函数
在这里插入图片描述

内置函数 - 类型转换函数

在这里插入图片描述

如下示例，需要注意字符串转数值也是不是什么都能转的
在这里插入图片描述

内置函数 – 时间日期函数

部分常用日期函数如下：
在这里插入图片描述

在这里插入图片描述

内置函数–条件函数

hive的条件函数并不多，以下是全部条件函数列表
在这里插入图片描述

上面的if用法，如果条件为真，返回valueTrue，否则返回valueFalseOrNull
在这里插入图片描述

另外，case when的用法中，如下例，会返回username和新增一列对应返回值
在这里插入图片描述

在这里插入图片描述

coalesce的用法，正如表中描述，返回第一个给定列中不为空的列值并组合成新列，我们也可以给定默认值在参数中，把返回值作为新列，这样就能填充空为默认值。如：
SELECT product_id, COALESCE(commission, 0) AS commission_or_zero FROM sales;
这样commission_or_zero就不会存在空值。

内置函数–字符串函数

下面是部分常用字符串函数
在这里插入图片描述

脱敏函数

hive的脱敏函数包含计算hash、加密等，具体可查阅官方文档
在这里插入图片描述

其他常用函数

比较简单，直接看案例即可

hash()
current_user()
current_database()
version()
md5()

在这里插入图片描述

ETL概念

从表tb1 查询数据进行数据过滤和转换，并将结果写入到tb2表中的操作
这种操作，本质上是一种简单的ETL行为。
ETL:
·E,Extract,抽取
·T,Transform,转换
·L,Load,加载
从A抽取数据(E),进行数据转换过滤(T),将结果加载到B(L),就是ETL。

BI

BI
Bl:Business Intelligence,商业智能。
指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。
简单来说，就是借助工具，可以完成复杂的数据分析、数据统计等需求，为公司决策带来巨大的价值。
所以，一般提到B,我们指代的就是工具软件。常见的B软件很多，比如：
·FineBl
·SuperSet
·PowerBI
·TableAu

FineBI的介绍：https://www.finebi.com/
FineBI是帆软软件有限公司推出的一款商业智能(Business Intelligence)产品。FineBI是定位于自助大
数据分析的I工具，能够帮助企业的业务人员和数据分析师，开展以问题导向的探索式分析。
通过fineBi可以连接hive的数据库并将我们的数据进行可视化分析

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/1583176.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

数据库(mysql)-连接嵌套查询-2

数据库(mysql)-连接嵌套查询-2

子查询 MySQL中的子查询（Subquery）是嵌套在其他SQL查询中的查询。子查询可以出现在SELECT、FROM或WHERE子句中，并用于返回将被用于外部查询的数据。子查询的结果可以是一个单一的值、一行、一列或多行多列的数据集。 单行单列查询 实例 #查…
阅读更多...
如何提高旋转花键运行稳定性？

如何提高旋转花键运行稳定性？

现代化精密仪器设备中，精密仪器的稳定工作性能对于生产效率和产品质量至关重要，运行效率和精度是常见问题。旋转花键作为机械传动系统中的重要组成部分，其稳定性也是直接影响到机械装配的质量和使用寿命，那么我们应该如何提升旋转…
阅读更多...
【汇编语言实战】已知10个整数求最大值

【汇编语言实战】已知10个整数求最大值

C语言描述该程序流程&#xff1a; #include <stdio.h> int main() {int a[]{11,33,23,54,12,51,2,4,34,45};int maxa[0];for(int i1;i<9;i){if(a[i]>max){maxa[i];}}printf("%d",max); }汇编语言&#xff1a; include irvine32.inc .data arr dword 11…
阅读更多...
STM32G030F6P6 HSE时钟不能使用无源晶振，只能使用有源晶振！

STM32G030F6P6 HSE时钟不能使用无源晶振，只能使用有源晶振！

STM32G030F6P6 HSE时钟不能使用无源晶振&#xff0c;只能使用有源晶振。 参见STM32CubeMX配置 使能RCC中 BYPASS CLOCK SOURCE后只有一个 PC14引脚。 查手册中 5.2.1 HSE clock章节 部分引脚少的封装&#xff0c;HSE时钟只有 OSC-IN&#xff0c;因此只能使用有源晶振 查Data…
阅读更多...
经典机器学习模型(八)梯度提升树GBDT详解

经典机器学习模型(八)梯度提升树GBDT详解

经典机器学习模型(八)梯度提升树GBDT详解 Boosting、Bagging和Stacking是集成学习(Ensemble Learning)的三种主要方法。 Boosting是一族可将弱学习器提升为强学习器的算法&#xff0c;不同于Bagging、Stacking方法&#xff0c;Boosting训练过程为串联方式&#xff0c;弱学习器…
阅读更多...
2024中国航空航天暨无人机展览会8月在重庆举办

2024中国航空航天暨无人机展览会8月在重庆举办

2024中国航空航天暨无人机展览会8月在重庆举办 邀请函 主办单位&#xff1a; 中国航空学会 重庆市南岸区人民政府 招商执行单位&#xff1a; 重庆港华展览有限公司 展会背景&#xff1a; 为更好的培养航空航天产业人才&#xff0c;汇聚航空教育产业创新科技&#xff0c;…
阅读更多...
IO流的基础详解

IO流的基础详解

文件【1】File类&#xff1a; 封装文件/目录的各种信息&#xff0c;对目录/文件进行操作&#xff0c;但是我们不可以获取到文件/目录中的内容。 【2】引入&#xff1a;IO流&#xff1a; I/O &#xff1a; Input/Output的缩写&#xff0c;用于处理设备之间的数据的传输。 【3】…
阅读更多...
Terraform 扩展

Terraform 扩展

Terraform 扩展 Terraform Meta-Arguments 元参数 count 创建相似的资源for_each 创建相似的资源depends_on 定义资源或者模块的依赖provider 定义provider选项lifecycle 资源的生命周期行为 参数使用范围备注countresource module适用于创建多个相似的资源&#xff0c;使用…
阅读更多...
Redis 缓存穿透、缓存击穿、缓存雪崩区别和解决方案

Redis 缓存穿透、缓存击穿、缓存雪崩区别和解决方案

缓存穿透 什么是缓存穿透&#xff1f; 缓存穿透说简单点就是大量请求的 key 是不合理的&#xff0c;根本不存在于缓存中&#xff0c;也不存在于数据库中 。这就导致这些请求直接到了数据库上&#xff0c;根本没有经过缓存这一层&#xff0c;对数据库造成了巨大的压力&#xf…
阅读更多...
读书笔记之人生算法(7)

读书笔记之人生算法(7)

孤独、爆仓与迷信 跨越出身和运气&#xff0c;实现富足与自由&#xff0c;用概率思维做好决策 13 孤独 孤独&#xff1a;获得好姻缘的算法 姻缘是奇妙的东西&#xff0c;体现了世界的随机性&#xff1a;即使是最理性的人&#xff0c;也可能需要靠运气寻找另一半。 中国有句古话…
阅读更多...
Hot100【十一】：最大子数组和

Hot100【十一】：最大子数组和

// 定义dp&#xff1a;以i结尾的最大子数组和 dp[i] max(dp[i-1] nums[i],nums[i]) class Solution {public int maxSubArray(int[] nums) {// 1. 不需要特殊处理// 2. 定义dpint[] dp new int[nums.length];dp[0] nums[0];int maxResult nums[0];// 3. dp递推for (int i …
阅读更多...
onSaveInstanceState()与onRestoreInstanceState（）

onSaveInstanceState()与onRestoreInstanceState（）

目录 1.二者作用 2.onSaveInstanceState调用时机 2.1 五种情况 前4种情况Activity生命周期&#xff1a; 2.2 注意事项&#xff1a;确定会被系统回收并销毁&#xff0c;不会调用此方法 两个例子 3.onRestoreInstanceState调用时机 3.1实例——屏幕切换生命周期 3.2 极端…
阅读更多...
https访问http的minio 图片展示不出来

https访问http的minio 图片展示不出来

问题描述&#xff1a;请求到的图片地址单独访问能显示&#xff0c;但是在网页中展示不出来 原因&#xff1a;https中直接访问http是不行的&#xff0c;需要用nginx再转发一下 nginx配置如下&#xff08;注意&#xff1a;9000是minio默认端口&#xff0c;已经占用&#xff0c;…
阅读更多...
RobotFramework教程2——第一个例子（hello world）

RobotFramework教程2——第一个例子（hello world）

前言&#xff1a;安装好RF框架后&#xff0c;我们现在开始创建并执行我们的第一个测试用例&#xff0c;第一个例子当然是用入门经典“hello world”啦&#xff01;运行也会有坑&#xff0c;注意避开&#xff0c;最新的东西不一定是现阶段最好的&#xff0c;稳定可运行才关键&am…
阅读更多...
halcon缺陷检测-印刷品检测（差异化模型），键盘字符缺陷检测

halcon缺陷检测-印刷品检测（差异化模型），键盘字符缺陷检测

前言 在实际项目中&#xff0c;印刷品缺陷检测是缺陷检测中的难点项目。通常印刷品检测往往具备缺陷小&#xff0c;缺陷所在位置不固定&#xff0c;出现少印或者多印的情况。并且由于产线原因&#xff0c;大量的印刷品在视野中的大小并不是完全一致的&#xff0c;可能出现细微…
阅读更多...
《高通量测序技术》分享，生物信息学生信流程的性能验证，以肿瘤NGS基因检测为例。

《高通量测序技术》分享，生物信息学生信流程的性能验证，以肿瘤NGS基因检测为例。

这是这本书&#xff0c;第四章第五节的内容&#xff0c;这一部分是以NGS检测肿瘤基因突变为例&#xff0c;描述了其原理和大概流程&#xff0c;这和以前我分享的病原宏基因组高通量测序性能确认方案可以互相补充&#xff0c;大家可以都看一下&#xff0c;但是想要真正的弄懂&am…
阅读更多...
AI应用实战2：使用scikit-learn进行回归任务实战

AI应用实战2：使用scikit-learn进行回归任务实战

代码仓库在gitlab&#xff0c;本博客对应于02文件夹。 1.问题分析 在此篇博客中我们来对回归任务进行实战演练&#xff0c;背景是直播带货平台的业绩预测。第一步&#xff0c;就是分析问题。 问题痛点&#xff1a; 在直播带货平台上&#xff0c;由于市场环境多变、用户行为复…
阅读更多...
SHOPFA:APP定制开发的哪种二开项目容易交付，哪些不可以接？

SHOPFA:APP定制开发的哪种二开项目容易交付，哪些不可以接？

在商城系统开发领域&#xff0c;定制开发与二次开发&#xff08;二开&#xff09;是两种截然不同的项目类型。它们之间的主要差异体现在项目起点、灵活性、成本、时间以及风险等多个方面。 一、项目起点 商城定制开发通常是从零开始&#xff0c;根据客户的实际需求&#xff0c…
阅读更多...
OpenOCD中flash编程算法的实现

OpenOCD中flash编程算法的实现

OpenOCD中flash编程算法的实现 如何自己设计一个基于openocd调试架构的芯片下载算法&#xff0c;作为一个嵌入式er, 如果做MCU的开发是必须要了解的&#xff0c;因为各个芯片公司都有自己的芯片&#xff0c;而flash驱动各家有不同&#xff0c;所以往往需要自家的工程师去支持&…
阅读更多...
【设计模式】笔记篇

【设计模式】笔记篇

目录标题 OO设计原则策略模式 - Strategy定义案例分析需求思路分析核心代码展示进一步优化UML 图 观察者模式 - Observe定义案例分析需求UML图内置的Java观察者模式核心代码 总结 装饰者模式 - Decorator定义案例分析需求UML图分析核心代码 总结 工厂模式 - Abstract Method/Fa…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023