ClickHouse 数据类型、表引擎与TTL

news2024/11/18 3:28:10

文章目录

    • 数据类型
      • 注意事项
    • 表引擎
      • 1.TinyLog 引擎
      • 2.MergeTree 引擎
      • 3.ReplacingMergeTree 引擎
      • 4.AggregatingMergeTree 引擎
      • 5.SummingMergeTree 引擎
      • 6.CollapsingMergeTree 引擎
      • 7.Distributed 引擎
    • TTL
      • 列级 TTL
      • 表级TTL

数据类型

ClickHouse 数据类型Java 数据类型数据范围
UInt8Short0 到 255
UInt16Integer0 到 65,535
UInt32Long0 到 4,294,967,295
UInt64BigInteger0 到 18,446,744,073,709,551,615
Int8Byte-128 到 127
Int16Short-32,768 到 32,767
Int32Integer-2,147,483,648 到 2,147,483,647
Int64Long-9,223,372,036,854,775,808 到 9,223,372,036,854,775,807
Float32Float约 ±3.4x10^-38 到 ±3.4x10^38
Float64Double约 ±1.7x10^-308 到 ±1.7x10^308
Decimal(p,s)BigDecimal取决于精度和标度
StringString任意长度的字符串
FixedString(n)String固定长度的字符串，长度为 n
DateLocalDate0000-01-01 到 9999-12-31
DateTimeLocalDateTime0000-01-01 00:00:00 到 9999-12-31 23:59:59
DateTime64Instant0000-01-01 00:00:00 到 9999-12-31 23:59:59.999999999
Array(T)Array任意长度的 T 类型数组
Nullable(T)Object (T 或 null)T 类型或 null
Tuple(T1, T2, …)Object[]多个类型的元组
Enum8Enum8 位枚举值
Enum16Enum16 位枚举值
UUIDUUIDUUID 格式的字符串
IPv4InetAddressIPv4 地址
IPv6InetAddressIPv6 地址

注意事项

1.确定数据类型

我们在建表存储数据时，图省事，可能会全部选择 String 类型，但可能在使用时，需要目标列的数值型或者时间类型等，去操作数据时显然会进行数据转换，降低了执行效率，所以在建表时就要确定好对应字段的数据类型，不要后期操作数据时再进行数据类型转换。

2.不要使用 Nullable 空值类型

在 ClickHouse 中，存储 Nullable 列时，需要创建一个额外的文件来单独保存，且无法进行索引，使用起来效率很低。

因此，在有需要使用空值类型的场景时，可以选择使用一个特殊值来进行替换。

3.分区的合理设置

分区建表时，一般按照年月日进行划分，数据量越大，建议分区的粒度也要变大，尽量不要使用过小的粒度来存储数据。

4.索引的合理设置

在 ClickHouse 建表时，必须指定使用的索引列，也就是 order by，通常进入索引列的字段都是充当后期查询时作为 where 筛选条件的列，查询频率的索引列在前。

5.避免使用轻量删除与修改

虽然 ClickHouse 支持删除、修改操作，但小批量的操作会造成 ClickHouse 产生小分区文件，在执行 Merge 合并任务时，压力很大。例如：从数十万条数据中仅仅删除或修改几条数据。

表引擎

ClickHouse 表引擎是一种用于存储和管理数据的方式，它定义了数据在物理存储和查询处理方面的行为。

表引擎决定了数据的存储格式、索引方式、数据分布方式以及查询优化方式等方面。不同的引擎具有不同的特性和适用场景，可以根据数据的特点和应用需求选择合适的引擎来存储和处理数据。

1.TinyLog 引擎

TinyLog 是 ClickHouse 中的一种存储引擎，它专门用于小规模数据的存储和查询。

它将数据以文本文件的形式存储在磁盘上，每个文件对应一个分区，适用于数据量较小的场景，例如开发、测试或小型项目。

创建表

CREATE TABLE tinylog_example
(
    id UInt32,
    name String,
    age UInt8
)
ENGINE = TinyLog;

创建了一个名为 tinylog_example 的表，包含了三个列：id（ID）、name（姓名）和 age（年龄）。指定了引擎为 TinyLog，表明数据将以 TinyLog 引擎的方式存储。

插入数据

INSERT INTO tinylog_example (id, name, age)
VALUES
    (1, 'Alice', 30),
    (2, 'Bob', 25),
    (3, 'Charlie', 35);

查询数据

SELECT * FROM tinylog_example;

在这里插入图片描述

我们也可以进入到本地的磁盘文件中去查看该数据。

进入 ClickHouse 本地数据存储目录（需要切换到 root 用户）：

cd  /var/lib/clickhouse/data

在这里插入图片描述
data 目录下的文件夹对应的就是我们创建的库，我上面创建的 tinylog_example 表存储在 test 库下，所以我这里进入到 test 目录中进行查看。

由于 ClickHouse 默认会进行压缩，所以我并不能直接看到：

在这里插入图片描述

2.MergeTree 引擎

用于存储有序的时间序列数据，支持灵活的数据分区和排序，适用于日志数据、传感器数据等场景。

假设我们要存储网站的访问日志数据，我们可以使用 MergeTree 引擎来存储这些数据，并且按照日期进行分区。

创建表

CREATE TABLE log_data
(
    date Date,
    time DateTime,
    user_id UInt32,
    page_visited String,
    duration Float32
)
ENGINE = MergeTree
PARTITION BY toYYYYMM(date)
ORDER BY (date, time, user_id);

创建一个名为 log_data 的表，用于存储网站访问日志数据。数据按照日期进行分区，并且按照日期、时间和用户 ID 进行排序。

插入数据

INSERT INTO log_data (date, time, user_id, page_visited, duration)
VALUES
    ('2024-04-01', '2024-04-01 10:15:00', 123, '/home', 3.5),
    ('2024-04-01', '2024-04-01 10:20:00', 456, '/products', 5.2),
    ('2024-04-02', '2024-04-02 08:30:00', 789, '/about', 2.1);

查询数据

SELECT *
FROM log_data
WHERE date = '2024-04-01';

在这里插入图片描述

查询表的分区信息

SELECT *
FROM system.parts
WHERE database = 'test'
  AND table = 'log_data';

在这里插入图片描述

3.ReplacingMergeTree 引擎

ReplacingMergeTree 引擎是 MergeTree 引擎的变种，支持在插入新数据时自动删除旧数据，适用于周期性更新的数据存储场景。

注意！ 它在一些老的 ClickHouse 版本中并不会立即去重，而是在经过一定的周期后才会去重。

在新版中则会立即去重，但不同分区中还是可能存在相同的数据。因为它的去重机制并不是全局的，而是在每个分区内部进行操作的。

假设我们需要存储温度传感器数据，并且定期更新数据以保持最新。我们可以使用 ReplacingMergeTree 引擎来实现自动替换过期数据的功能。

创建表

CREATE TABLE temperature_data
(
    sensor_id UInt32,
    temperature Float32,
    timestamp DateTime
)
ENGINE = ReplacingMergeTree(timestamp)
PRIMARY KEY (sensor_id)
ORDER BY (sensor_id);

创建一个名为 temperature_data 的表，用于存储温度传感器数据。数据将按照传感器 ID 进行排序，只保留时间戳最大的值。

ReplacingMergeTree(timestamp) 中的参数 (timestamp) 可以不指定。在有重复列的情况下，会根据 ORDER BY 默认保留重复列中最后插入的那行数据。

插入数据

INSERT INTO temperature_data (sensor_id, temperature, timestamp)
VALUES
    (1, 23.5, '2024-04-01 12:00:00'),
    (2, 21.8, '2024-04-01 12:00:00'),
    (1, 24.3, '2024-04-01 12:15:00'),
    (2, 22.1, '2024-04-01 12:15:00');

查询数据

SELECT * FROM temperature_data;

在这里插入图片描述

查询出来，可能会出现并没有去重成功的情况，这是因为使用的 ClickHouse 是老版本的，在插入数据时不会立即去重。

此时，我们可以手动执行合并任务：

OPTIMIZE TABLE temperature_data FINAL;

合并任务执行完成后，我们再次查询：

在这里插入图片描述

可以看到，已经成功的完成了去重操作，并且在 ID 相同的情况下，保留了时间戳最大的数据。

4.AggregatingMergeTree 引擎

该引擎继承自 MergeTree，改变了数据部分合并的逻辑。

ClickHouse 将具有相同主键（或更准确地说，具有相同排序键）的所有行替换为存储聚合函数状态组合的单行（在一个数据部分内）。

假设我们有一个名为 website_logs 的表，用于存储网站访问日志数据，并且实时计算每小时的访问量。

创建表

CREATE TABLE website_logs(
    date Date,
    hour UInt8,
    visits UInt32
)
ENGINE = AggregatingMergeTree
PARTITION BY toYYYYMM(date)
ORDER BY (date, hour);

插入数据

INSERT INTO website_logs (date, hour, visits)
VALUES
    ('2024-04-01', 0, 100),
    ('2024-04-01', 1, 150),
    ('2024-04-01', 2, 200),
    ('2024-04-01', 3, 180),
    ('2024-04-01', 4, 220),
    ('2024-04-01', 5, 250),
    ('2024-04-01', 6, 300),
    ('2024-04-01', 7, 280),
    ('2024-04-01', 8, 320),
    ('2024-04-01', 9, 350),
    ('2024-04-01', 10, 380),
    ('2024-04-01', 11, 400),
    ('2024-04-01', 12, 420),
    ('2024-04-01', 13, 450),
    ('2024-04-01', 14, 480),
    ('2024-04-01', 15, 500),
    ('2024-04-01', 16, 520),
    ('2024-04-01', 17, 550),
    ('2024-04-01', 18, 580),
    ('2024-04-01', 19, 600),
    ('2024-04-01', 20, 620),
    ('2024-04-01', 21, 640),
    ('2024-04-01', 22, 660),
    ('2024-04-01', 23, 680);

查询数据

SELECT *
FROM website_logs
ORDER BY date, hour;

在这里插入图片描述

5.SummingMergeTree 引擎

SummingMergeTree 引擎用于对相同主键的行进行聚合，在插入新数据时对相同主键的行进行求和。

假设我们要存储每天的销售数据，并计算每种产品的总销售额。

创建表

CREATE TABLE sales_data
(
    date Date,
    product_id UInt32,
    sales_amount Float32
)
ENGINE = SummingMergeTree
PARTITION BY toYYYYMM(date)
ORDER BY (date, product_id);

创建了一个名为 sales_data 的表，用于存储销售数据。表包含了三个列：date（日期）、product_id（产品 ID）和 sales_amount（销售额）。

数据将按照日期和产品 ID 进行分区（这里相当于 date, product_id 是联合主键），并且按照日期和产品 ID 排序。

插入数据

INSERT INTO sales_data (date, product_id, sales_amount)
VALUES
    ('2024-04-01', 1, 100.50),
    ('2024-04-01', 2, 150.75),
    ('2024-04-01', 3, 200.25),
    ('2024-04-01', 1, 120.80),
    ('2024-04-01', 2, 180.60),
    ('2024-04-01', 3, 220.40);

查询数据

SELECT * FROM sales_data;

在这里插入图片描述

可以看到，即使我们插入了多行数据，但是因为其中包含 date, product_id（联合主键）相同的数据，所以它会自动合并（求和计算）除主键外的所有数值列。

6.CollapsingMergeTree 引擎

用于在插入新数据时折叠（合并）相同主键的行，并且保留最新的行。适用于存储以事件时间为主要维度的数据流，并保留最新的状态。

假设我们要存储用户在网站上的访问记录，并且保留每个用户的最新访问信息。

创建表：

CREATE TABLE user_visits
(
    user_id UInt32,
    visit_time DateTime,
    url String,
    is_active Int8
)
ENGINE = CollapsingMergeTree(is_active)
PARTITION BY toYYYYMM(visit_time)
ORDER BY (user_id, visit_time);

创建了一个名为 user_visits 的表，用于存储用户访问记录。表包含了四个列：user_id（用户 ID）、visit_time（访问时间）、url（访问的网址）和 is_active（活跃标志）。数据将按照访问时间和用户 ID 进行分区，并且按照用户 ID 和访问时间排序。

在创建表时，我们指定了 CollapsingMergeTree(is_active)，表示当插入新数据时，如果有相同主键的行（在这里是相同的 user_id），ClickHouse 将根据 is_active 列的值来选择保留哪一行，只保留 is_active 最大的行。

插入数据

INSERT INTO user_visits (user_id, visit_time, url, is_active)
VALUES
    (1, '2024-04-01 10:00:00', '/page1', 1),
    (2, '2024-04-01 10:05:00', '/page2', 1),
    (1, '2024-04-01 10:10:00', '/page3', -1),
    (3, '2024-04-01 10:15:00', '/page4', 1),
    (2, '2024-04-01 10:20:00', '/page5', -1),
    (1, '2024-04-01 10:25:00', '/page6', 1);

查询数据：

SELECT *
FROM user_visits
ORDER BY user_id, visit_time;

在这里插入图片描述
可以看到，它并未进行合并操作，这是因为 ClickHouse 还没有合并数据，它在一个我们无法预料的未知时刻合并数据片段。

此时，我们可以手动执行合并任务，添加关键字 FINAL 强制进行合并：

SELECT *
FROM user_visits FINAL
ORDER BY user_id, visit_time;

在这里插入图片描述

它只会保留当前分区内 is_active 最大的行，最大值一样会保存多行。

7.Distributed 引擎

用于在多个 ClickHouse 节点上分布存储数据，并且实现数据的分片存储和并行查询处理，适用于构建分布式数据仓库和实时分析系统。

假设我们有多个 ClickHouse 节点，我们要在这些节点上分布存储数据，并且进行查询操作。

创建分布式表

CREATE TABLE distributed_log_data
(
    date Date,
    time DateTime,
    user_id UInt32,
    page_visited String,
    duration Float32
)
ENGINE = Distributed('cluster_name', 'default', 'log_data', rand());

创建一个名为 distributed_log_data 的分布式表，将数据分布在名为 cluster_name 的 ClickHouse 集群上，并且将数据存储在名为 log_data 的本地表中。

插入数据

INSERT INTO distributed_log_data (date, time, user_id, page_visited, duration)
VALUES
    ('2024-04-01', '2024-04-01 10:15:00', 123, '/home', 3.5),
    ('2024-04-01', '2024-04-01 10:20:00', 456, '/products', 5.2),
    ('2024-04-02', '2024-04-02 08:30:00', 789, '/about', 2.1);

查询数据

SELECT *
FROM distributed_log_data
WHERE date = '2024-04-01';

TTL

TTL（Time to Live）是一种数据管理机制，在 ClickHouse 中，TTL 机制允许你为表中的数据设置生命周期，以控制数据的存储时间。你可以为表中的某个列设置 TTL，指定数据的存储时间，一旦数据的时间戳超过了 TTL 设置的时间，数据将被自动删除。

列级 TTL

注意，列级 TTL 功能只有在 ClickHouse 21.10 版本及以上才能使用，低版本会失效。

创建表并为指定字段设置 TTL

CREATE TABLE ttl_example_col
(
    d DateTime DEFAULT now(),
    a Int TTL d + INTERVAL 10 SECOND,
    b Int TTL d + INTERVAL 10 SECOND,
    c String
)
ENGINE = MergeTree
PARTITION BY toYYYYMM(d)
ORDER BY d;

在这里，为 a、b 字段设置了 TTL，指定了该列数据的存储时间为插入时间后的 10 秒，超过就会被自动清除。

如果表已经存在，那么可以通过修改表字段的方式进行添加：

ALTER TABLE ttl_example_col
MODIFY COLUMN a Int32 TTL d + INTERVAL 10 SECOND,
MODIFY COLUMN b String TTL d + INTERVAL 10 SECOND;

插入测试数据

INSERT INTO ttl_example_col (a, b, c) VALUES(10, 20, 'Data1'),(15, 25, 'Data2'),(20, 30, 'Data3');

插入后，立即进行查询：

SELECT * FROM ttl_example_col;

在这里插入图片描述

等待一分钟后，再次查询，验证数据是否过期，这里需要我们手动进行合并，因为 ClickHouse 默认合并需要等很久。

OPTIMIZE TABLE ttl_example_col FINAL;

再次查询，此时如果你使用的 ClickHouse 版本是 21.10 以下，那么会不生效，如果是 21.10 版本及以上，则可以生效。

各位可以去 ClickHouse 的在线测试平台选择版本进行测试 —— ClickHouse Playground

这里提供完整的 SQL 测试代码：

CREATE TABLE ttl_example_col
(
    d DateTime DEFAULT now(),
    a Int TTL d + INTERVAL 10 SECOND,
    b Int TTL d + INTERVAL 10 SECOND,
    c String
)
ENGINE = MergeTree
PARTITION BY toYYYYMM(d)
ORDER BY d;

INSERT INTO ttl_example_col (a, b, c) VALUES(10, 20, 'Data1'),(15, 25, 'Data2'),(20, 30, 'Data3');

SELECT * FROM ttl_example_col;

SELECT sleep(3);
SELECT sleep(3);
SELECT sleep(3);
SELECT sleep(3);

OPTIMIZE TABLE ttl_example_col FINAL; 

SELECT * FROM ttl_example_col;

使用 21.10 及以上版本运行结果 —— 成功：

在这里插入图片描述

使用 21.10 以下版本运行结果 —— 失败：

在这里插入图片描述

整个网上都没有人探讨这个问题，博主我也是踩了好久坑，一个一个版本测试出来的，一度以为是我本地 ClickHouse 的问题。

官网中也并没有提到哪些版本可以使用列级 TTL：

在这里插入图片描述

表级TTL

整表设置 TTL 时，并没有出现因版本不同导致 TTL 失效的问题。

创建带有 TTL 的表

CREATE TABLE ttl_example
(
    id UInt32,
    name String,
    age UInt8,
    insertion_time DateTime DEFAULT now()
) 
ENGINE = MergeTree
ORDER BY id
TTL insertion_time + INTERVAL 1 MINUTE;

在这个示例中，我们创建了一个名为 ttl_example 的表，包含了 id、name、age 和 insertion_time 四个列。我们通过 TTL 子句为表设置了 TTL，指定了数据的存储时间为插入时间后的 1 分钟，超过就会被自动删除。

如果表已经存在，同样也可以使用修改的方式添加：

ALTER TABLE ttl_example MODIFY TTL insertion_time + INTERVAL 1 MINUTE;

插入测试数据

INSERT INTO ttl_example (id, name, age) VALUES
    (1, 'Alice', 30),
    (2, 'Bob', 25),
    (3, 'Charlie', 35);

插入后，同样的，立即进行查询：

SELECT * FROM ttl_example;

在这里插入图片描述

测试 TTL 机制

等待 1 分钟后，执行查询操作，可以观察到超过 TTL 时间的数据将会被自动删除：

SELECT * FROM ttl_example;

在这里插入图片描述

在等待 TTL 时间过去后，我们可以观察到超过 TTL 时间的数据会被自动删除，从而实现了数据的自动清理。

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/1625106.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

陆游只爱前妻唐婉，深情大渣男太虐了

陆游只爱前妻唐婉，深情大渣男太虐了

陆游和唐婉的感情太好了，经常写诗逗乐。陆游科举考不上，沉迷儿女情长，被母亲拆散。 秦侩当政，就是害死岳飞的那个秦桧。陆游第二次考进士，被秦侩批复“喜论恢复”，没考上。陆游的母亲生气，找个…
阅读更多...
CSS详解（二）

CSS详解（二）

接上篇CSS详解（一）-CSDN博客 1、网页布局本质 网页布局的本质是通过 CSS 将各种 HTML 元素（即“盒子”）摆放到页面中合适的位置。这包括设置元素的尺寸、位置、边距、填充、对齐方式、浮动等。这些盒子通过 CSS 的各种布局机制进…
阅读更多...
【深度学习】StabelDiffusion，Lora训练过程，秋叶包，Linux，SDXL Lora训练

【深度学习】StabelDiffusion，Lora训练过程，秋叶包，Linux，SDXL Lora训练

文章目录 一、环境搭建指南二、个性化安装流程三、启动应用四、打开web五、开始训练 19.27服务器 一、环境搭建指南 打造一个高效且友好的开发环境，我们推荐使用以下简洁明了的中文资源： 项目源码获取： 通过以下命令轻松克隆项目及所有子模…
阅读更多...
抽象的代理模式1.0版本

抽象的代理模式1.0版本

前言： 在阅读Spring Security官方文档时，里面设计到了一种设计模式——代理模式Proxy 众里寻她千百度，蓦然回首，那人却在灯火阑珊处 开始 在之前的文章里陈述了一个观点——编程语言和语言没有区别 现看看我们日常生活中的代理…
阅读更多...
数据库并发控制思维导图+大纲笔记

数据库并发控制思维导图+大纲笔记

思维导图 大纲笔记 多用户数据库系统 定义 允许多个用户同时使用的数据库系统特点 在同一时刻并发运行的事务数可达数百上千个多事务执行方式 事务串行执行交叉并发方式 单处理机系统同时并发方式 多处理机系统事务并发执行带来的问题 产生多个事务同时存取同一数据的情况可能…
阅读更多...
时间，空间复杂度讲解——夯实根基

时间，空间复杂度讲解——夯实根基

前言：本节内容属于数据结构的入门知识——算法的时间复杂度和空间复杂度。 时间复杂度和空间复杂度的知识点很少， 也很简单。 本节的主要篇幅会放在使用具体例题来分析时间复杂度和空间复杂度。本节内容适合刚刚接触数据结构或者基础有些薄弱的友友们哦。…
阅读更多...
Python升级打怪（5）

Python升级打怪（5）

链式调用:用一个函数的返回值作为另外一个函数参数 嵌套调用:一个函数在另一个函数定义里面，而调用该定义函数既可以使用在其里面的函数 在Pycharm中调试器的左下角能够看到函数之间的"调用栈" 调用栈里面描述了当前这个代码的函数之间，调用…
阅读更多...
spring cache（一）介绍

spring cache（一）介绍

一、介绍 1、背景 项目中使用最多的缓存技术就是Redis,用Redis就可以实现了，为什么需要使用spring cache？ 先看下我们使用缓存步骤: （1）查寻缓存中是否存在数据，如果存在则直接返回结果 （2&#xff09…
阅读更多...
MySql基础一之【了解MySql与DBeaver操作MySql】

MySql基础一之【了解MySql与DBeaver操作MySql】

读者大大们好呀！！!☀️☀️☀️ 🔥 欢迎来到我的博客 👀期待大大的关注哦❗️❗️❗️ 🚀欢迎收看我的主页文章➡️寻至善的主页 文章目录 前言MySQL的基本介绍DBeaver及MYSQL操作 前言 本系列为MySql基础&#xff0c…
阅读更多...
抽象工厂模式（Redis 集群升级）

抽象工厂模式（Redis 集群升级）

目录 定义 Redis 集群升级 模拟单机服务 RedisUtils 模拟集群 EGM 模拟集群 IIR 定义使⽤接⼝ 实现调⽤代码 代码实现 定义适配接⼝ 实现集群使⽤服务 EGMCacheAdapter IIRCacheAdapter 定义抽象⼯程代理类和实现 JDKProxy JDKInvocationHandler 测试验证 定义 …
阅读更多...
2024最新版JavaScript逆向爬虫教程-------基础篇之面向对象

2024最新版JavaScript逆向爬虫教程-------基础篇之面向对象

目录 一、概念二、对象的创建和操作2.1 JavaScript创建对象的方式2.2 对象属性操作的控制2.3 理解JavaScript创建对象2.3.1 工厂模式2.3.2 构造函数2.3.3 原型构造函数 三、继承3.1 通过原型链实现继承3.2 借用构造函数实现继承3.3 寄生组合式继承3.3.1 对象的原型式继承3.3.2 …
阅读更多...
Docker——开源的应用容器的引擎

Docker——开源的应用容器的引擎

目录 一、前言 1.虚拟化产品有哪些 1.1寄居架构 1.2源生架构 2.虚拟化产品对比/介绍 2.1虚拟化产品 2.1.1仿真虚拟化 2.1.2半虚拟化 2.1.3全虚拟化 2.2重点 2.2.1KVM——Linux内核来完成的功能和性能 2.2.2ESXI——用的比较多 二、Docker概述 1.Docker定义 2.Do…
阅读更多...
Docker容器：网络模式与资源控制

Docker容器：网络模式与资源控制

目录 一、Docker 网络模式 1、Docker 网络实现原理 2、Docker 网络模式概述 2.1 Host 模式 2.2 Container 模式 2.3 None 模式 2.4 Bridge 模式 2.5 自定义网络（user-defined network） 3、配置 docker 网络模式 3.1 查看网络基础命令 3.1.1 查…
阅读更多...
Git操作与异常处理

Git操作与异常处理

文章目录 常用操作1、代码拉取2、代码提交3、暂存区状态4、提交代码5、推送远程仓库 异常处理【1】报错信息：Cannot pull into a repository with state: MERGING【2】报错信息：You have not concluded your merge (MERGE_HEAD exists)【3】报错信息&…
阅读更多...
PM2管理器无法使用解决方法

PM2管理器无法使用解决方法

之前的项目全是依靠PM2管理器部署的，部署快速，也便于管理 但是宝塔实在是bug毛病太多，最近这两天又出毛病了 这次的问题是在PM2管理器的node版本中无法进行版本切换，如果是第一次使用PM2的话甚至无法设置node版本，之前…
阅读更多...
陪丨玩丨系丨统搭建制作流程APP小程序H5多端源码前后端一次性交付，本地授权，无二次费用！可定制开发！

陪丨玩丨系丨统搭建制作流程APP小程序H5多端源码前后端一次性交付，本地授权，无二次费用！可定制开发！

陪丨玩app小程序H5开发，软件搭建，程序制作、系统设计 数据存储是陪玩平台源码的重点，没有数据库，用户的账号信息、平台产生的数据都无法顺利存储和读取，不能让用户拥有完善良好的用户体验。虽然是存放在服务器上&…
阅读更多...
体验馆设计要考虑哪些需求

体验馆设计要考虑哪些需求

1、和谐 许多人认为，在所有规律中，和谐是体验馆设计最重要的一条规律。体验馆是由很多因素，包括布局、照明、色彩、图表、展品、展架、展具等组成。一个好的体验馆，须融合着所有的元素。 但万事都有一个度的把握，过于完…
阅读更多...
Linux论坛搭建

Linux论坛搭建

1.安装httpd服务 1.1安装httpd软件 [rootlocalhost yum.repos.d]# dnf install httpd 1.2.修改httpd的配置 [rootlocalhost yum.repos.d]# vim /etc/httpd/conf/httpd.conf 1.3.启动这个httpd服务,并查看它的状态 [rootlocalhost yum.repos.d]# systemctl start httpd [ro…
阅读更多...
LabVIEW多通道数据采集系统

LabVIEW多通道数据采集系统

LabVIEW多通道数据采集系统 在当今的数据采集领域，随着技术的不断进步和应用需求的日益增长，对数据采集系统的速度、稳定性和灵活性要求也越来越高。基于千兆以太网和LabVIEW的多通道数据采集系统，以其高速的数据传输能力和强大的数据处理功…
阅读更多...
MySQL中什么情况下会出现索引失效？如何排查索引失效？

MySQL中什么情况下会出现索引失效？如何排查索引失效？

目录 1-引言：什么是MySQL的索引失效？(What、Why)1-1 索引失效定义1-2 为什么排查索引失效 2- 索引失效的原因及排查（How）2-1 索引失效的情况① 索引列参与计算② 对索引列进行函数操作③ 查询中使用了 OR 两边有范围查询 > 或 …
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023