008.精读《Apache Paimon Docs - Table w/o PK》

news2025/1/18 2:03:31

文章目录

    • 1. 引言
    • 2. 基本概念
      • 2.1 定义
      • 2.2 使用场景
    • 3. 流式处理
      • 3.1 自动小文件合并
      • 3.2 流式查询
    • 4. 数据更新
      • 4.1 查询
      • 4.2 更新
      • 4.3 分桶附加表
    • 5 总结

1. 引言

通过本文，上篇我们了解了Apache Paimon 主键表，本期我们将继续学习附加表（Append Only Table） 我们将带领读者《 《Apache Paimon Docs - Table w/o PK》》 继续剖析 Paimon 的仅追加表相关知识。

通过本文你将了解到：

  1. Paimon 附加表相关的基本概念，了解什么是附加表，它在Paimon中扮演什么角色，以及它如何与主键表区分开来。
  2. 及其适用场景，探索附加表在实际应用中的多样化场景。
  3. 数据查询更新方式，从高效的数据合并策略到灵活的流式查询配置，以及如何通过索引和文件索引优化查询性能。

2. 基本概念

2.1 定义

如果一个表没有定义主键，那它就是一个附加表（Append Table）。与主键表相比，附加表无法直接接收变更日志，也不能直接通过 upsert 更新数据，只能接收附加数据。

CREATE TABLE my_table (
    product_id BIGINT,
    price DOUBLE,
    sales BIGINT
) WITH (
    -- 'target-file-size' = '256 MB',
    -- 'file.format' = 'parquet',
    -- 'file.compression' = 'zstd',
    -- 'file.compression.zstd-level' = '3'
);

2.2 使用场景

使用场景或优势说明
批量写入和批量读取类似于常规的 Hive 分区表，适用于大规模数据的批量处理。
友好的对象存储良好的兼容性和适应性，支持 S3、OSS 等对象存储。
时间穿越和回滚支持数据的时间旅行和回滚功能，方便数据的历史查询和恢复。
低成本的删除和更新在批量数据操作中，能够以较低的计算和资源成本进行删除和更新操作。
流式接收中的小文件自动合并在流式写入过程中，自动处理小文件合并，减少存储碎片。
队列形式的流式读写支持如队列般的流式读写操作，可以像消息队列一样处理数据。
高性能查询通过顺序和索引实现的高效查询性能。

批量写入和读取

CREATE TABLE my_table (
    product_id BIGINT,
    price DOUBLE,
    sales BIGINT
) WITH (
    'target-file-size' = '256 MB',                     -- 设置目标文件大小
    'file.format' = 'parquet',                         -- 文件格式为 Parquet
    'file.compression' = 'zstd',                       -- 使用 ZSTD 压缩
    'file.compression.zstd-level' = '3'                -- 设置 ZSTD 压缩级别为 3
);

流式接收和小文件合并

CREATE TABLE my_stream_table (
    event_id BIGINT,
    event_time TIMESTAMP,
    event_data STRING
) WITH (
    'target-file-size' = '128 MB',                     -- 设置目标文件大小
    'file.format' = 'avro',                            -- 文件格式为 Avro
    'file.compression' = 'snappy',                     -- 使用 Snappy 压缩
    'streaming.min-batch-interval' = '5 min'           -- 设置流处理最小批处理时间间隔为 5 分钟
);

具有以下的优点：

功能特性技术优势实现
对象存储友好良好的兼容性和适应性，支持 S3、OSS 等对象存储。通过接入主流对象存储服务，优化读写性能和兼容性，特别是大规模数据存储和处理场景下。
时间穿越和回滚支持数据的时间旅行和回滚功能，方便数据的历史查询和恢复。利用快照和元数据管理，实现任意时间点的数据查询和回滚能力。
低成本的删除和更新在批量数据操作中，能够以较低的计算和资源成本进行删除和更新操作。通过高效的数据合并和变更处理机制，优化批量操作中的资源消耗。
小文件合并在流式写入过程中，自动处理小文件合并，减少存储碎片。在流式写入过程中，使用异步任务定期合并小文件，确保合理的文件大小和存储效率。
高性能查询通过顺序和索引实现的高效查询性能。通过索引构建和数据排序，提升查询的响应速度和资源利用效率。

3. 流式处理

附加表（Append Table）可以通过 Flink 进行非常灵活的流式写入，并可以像队列一样通过 Flink 进行读取。唯一的区别是其延迟为分钟级别，但其优势在于非常低的成本以及能够进行过滤和投影下推。

3.1 自动小文件合并

在流式写入作业中，如果没有定义分桶（bucket），写入器不会进行压缩；相反，将使用压缩协调器（Compact Coordinator）扫描小文件并将压缩任务传递给压缩工作者（Compact Worker）。流式模式下，如果在 Flink 中运行插入 SQL，拓扑结构将如下所示：

Source -> Transformations -> Sink
        -> Compact Coordinator -> Compact Worker
  • 无反压：压缩任务不会引起反压。
  • 写入模式：如果设置 write-only 为 true，压缩协调器和压缩工作者将在拓扑中被移除。
  • Flink 流模式：自动压缩仅在 Flink 引擎的流模式下被支持。可以通过 Paimon 在 Flink 中启动压缩作业，并通过设置 write-only 禁用所有其他压缩。

3.2 流式查询

附加表可以像消息队列一样使用，进行流式查询，与主键表类似，有两个选项可以进行流式读取：

  1. 默认模式：流式读取在首次启动时生成表的最新快照，并继续读取最新的增量记录。
  2. 增量模式：可以指定 scan.mode 或 scan.snapshot-id 或 scan.timestamp-millis 或 scan.file-creation-time-millis 进行增量读取。

类似 Flink-Kafka，默认情况下不保证顺序。如果数据需要某种顺序，也需要考虑定义桶键（bucket-key），请参考分桶附加（Bucketed Append）部分。

流式写入和自动小文件合并

CREATE TABLE my_stream_table (
    event_id BIGINT,
    event_time TIMESTAMP,
    event_data STRING
) WITH (
    'target-file-size' = '128 MB',                     -- 设置目标文件大小
    'file.format' = 'avro',                            -- 文件格式为 Avro
    'file.compression' = 'snappy',                     -- 使用 Snappy 压缩
    'streaming.min-batch-interval' = '5 min'           -- 设置流处理最小批处理时间间隔为 5 分钟
);

在流式写入过程中，配置 Compact Coordinator 和 Compact Worker 以确保小文件自动合并。

流式查询配置（默认模式）

SET 'scan.startup.mode' = 'latest-offset';            -- 设置流式读取从最新的快照开始

流式查询配置（增量模式）

SET 'scan.mode' = 'incremental';                      -- 设置流式读取为增量模式
SET 'scan.snapshot-id' = '1234567890';                -- 可选：指定从特定快照 ID 开始
SET 'scan.timestamp-millis' = '1627849923000';        -- 可选：指定从特定时间戳（毫秒）开始

流式查询配置（带顺序要求）

CREATE TABLE ordered_stream_table (
    event_id BIGINT,
    event_time TIMESTAMP,
    event_data STRING
) WITH (
    'target-file-size' = '128 MB',
    'file.format' = 'parquet',
    'file.compression' = 'zstd',
    'streaming.min-batch-interval' = '5 min',
    'bucket-key' = 'event_time'                        -- 设置桶键（bucket-key）以确保数据按照时间顺序
);

技术优势及其实现：

功能特性技术优势实现
流式写入通过灵活的配置选项，实现分钟级别低延迟的流式写入，并支持过滤和投影下推，提升查询效率。通过灵活的配置选项，优化数据流的写入路径，减少延迟，并通过下推操作提升查询效率。
自动小文件合并在流式处理过程中，动态管理文件大小，减少存储碎片，提高存储效率。使用动态文件管理策略，自动合并小文件，以优化存储空间和提高I/O效率。
流式读取支持从最新快照读取或增量读取，类似消息队列的使用，方便实时数据处理和分析。提供快照和增量读取功能，使得流式读取更加灵活，适用于实时数据处理场景。
顺序保证通过配置桶键，可以确保数据在需要顺序的情境下有序读取和写入，满足业务需求。通过桶键配置，实现数据的有序存储和检索，保证业务逻辑的顺序性。

4. 数据更新

4.1 查询

按顺序跳过数据

Paimon 默认在清单文件中记录每个字段的最大值和最小值。在查询时，根据查询的 WHERE 条件，通过清单中的统计信息进行文件过滤。如果过滤效果良好，查询时间可以从分钟级别加速到毫秒级别。

然而，数据分布并不总是能有效过滤，因此如果可以根据 WHERE 条件中的字段对数据进行排序，将会更高效。可以参考 Flink 的 COMPACT Action 或 COMPACT Procedure，以及 Spark 的 COMPACT Procedure。

-- 对数据进行排序以优化按顺序跳过数据的查询性能
ALTER TABLE my_table COMPACT BY (field_name);

按文件索引跳过数据

还可以使用文件索引，它将在读取端通过索引过滤文件。

CREATE TABLE my_table (
    product_id BIGINT,
    price DOUBLE,
    sales BIGINT
) WITH (
    'file-index.bloom-filter.columns' = 'product_id',
    'file-index.bloom-filter.product_id.items' = '200'
);

定义 file-index.bloom-filter.columns 后，Paimon 将为每个文件创建相应的索引文件。如果索引文件太小，它将直接存储在清单中，否则将存储在数据文件的目录中。每个数据文件对应一个索引文件，该文件有独立的定义，可以包含不同类型的多列索引。

文件索引的应用场景

不同文件索引在不同场景下效率不同。例如：

  • 布隆过滤器（Bloom Filter）：在点查找场景中可能加速查询。
  • 位图（Bitmap）：可能消耗更多空间，但精度更高。

目前，文件索引仅支持附加表（Append-Only Table）。

布隆过滤器的配置：

  • file-index.bloom-filter.columns：指定需要布隆过滤器索引的列。
  • file-index.bloom-filter.<column_name>.fpp：配置错误正率（False Positive Probability）。
  • file-index.bloom-filter.<column_name>.items：配置一个数据文件中预期的不同项目数量。

位图的配置：

  • file-index.bitmap.columns：指定需要位图索引的列。

添加文件索引到现有表

如果你想在不重写的情况下添加文件索引，可以使用 rewrite_file_index 过程。在使用该过程之前，你应该在目标表中配置适当的配置。可以使用 ALTER 子句来配置 file-index.<filter-type>.columns。

使用示例：添加文件索引到现有表

ALTER TABLE my_table
SET ('file-index.bloom-filter.columns' = 'product_id');

CALL rewrite_file_index('my_table');

4.2 更新

目前，仅 Spark SQL 支持 DELETE 和 UPDATE 操作，可以参考 Spark Write 的相关文档。

DELETE FROM my_table
WHERE currency = 'UNKNOWN';

更新模式

附加表（Append Table）有两种更新模式：

  1. COW（Copy on Write）：

    • 机制：搜索命中的文件，然后重新写入每个文件以移除需要删除的数据。
    • 成本：这种操作成本高，因为每次删除或更新都需要重新写入整个文件。

  2. MOW（Merge on Write）：

    • 机制：通过指定 'deletion-vectors.enabled' = 'true'，启用删除向量模式（Deletion Vectors）。只标记对应文件的某些记录为删除，并写入删除文件，而不需要重新写入整个文件。
    • 优势：相比 COW 模式，MOW 模式的删除和更新成本更低，因为只需写入小的删除文件，而不需要重写全部数据文件。

在创建或更新表时，可以启用删除向量模式：

CREATE TABLE my_table (
    product_id BIGINT,
    price DOUBLE,
    sales BIGINT
) WITH (
    'deletion-vectors.enabled' = 'true'
);

或在现有表上启用删除向量：

ALTER TABLE my_table
SET ('deletion-vectors.enabled' = 'true');

MOW 模式下的 DELETE 操作

DELETE FROM my_table
WHERE currency = 'UNKNOWN';

此操作将标记 currency 为 ‘UNKNOWN’ 的记录为删除，而不重写整个文件。

通过 Spark SQL 进行更新操作

val spark = SparkSession.builder()
    .appName("UpdateExample")
    .getOrCreate()

// 启用删除向量
spark.sql("ALTER TABLE my_table SET ('deletion-vectors.enabled' = 'true')")

// 执行 DELETE 操作
spark.sql("DELETE FROM my_table WHERE currency = 'UNKNOWN'")

// 执行 UPDATE 操作
spark.sql("UPDATE my_table SET price = price * 1.1 WHERE product_id = 1001")

4.3 分桶附加表

您可以定义 bucket 和 bucket-key 以创建一个分桶附加表。在这种表中，不同桶内的数据是严格有序的，流式读取将按写入顺序准确地传输记录。这样可以优化数据处理和查询性能。

--创建分桶附加表
CREATE TABLE my_table (
    product_id BIGINT,
    price DOUBLE,
    sales BIGINT
) WITH (
    'bucket' = '8',
    'bucket-key' = 'product_id'
);

一个普通的附加表的流式写读取没有严格的顺序保证，但是有些情况下需要定义一个类似于 Kafka 的键。

  • 每个分桶中的记录都是严格有序的：流式读取将按写入顺序准确地传输记录。无需配置特殊的设置，所有数据将按队列形式进入一个桶内。

分桶中的压缩（Compaction in Bucket）

默认情况下，Sink 节点会自动执行压缩以控制文件数量。以下选项控制压缩策略：

KeyDefaultTypeDescription
write-onlyfalseBoolean如果设置为 true，将跳过压缩和快照过期操作。此选项与专用压缩作业一起使用。
compaction.min.file-num5Integer对文件集 [f_0,…,f_N]，满足 sum(size(f_i)) >= targetFileSize 的最小文件数量以触发附加表的压缩。避免压缩几乎满的文件，因为这不合算。
compaction.max.file-num5Integer对文件集 [f_0,…,f_N]，即使 sum(size(f_i)) < targetFileSize，也触发压缩的最大文件数量。此值避免过多小文件积压，减慢性能。
full-compaction.delta-commits(none)Integer在 delta 提交后会不断触发全量压缩。

流式读取顺序（Streaming Read Order）

对于流式读取，记录按以下顺序生产：

  • 跨分区记录：如果 scan.plan-sort-partition 设置为 true，则首先生产分区值较小的记录。否则，先生产创建时间较早的分区的记录。
  • 同分区同桶记录：首先生产先写入的记录。
  • 同分区不同桶记录：不同桶由不同任务处理，不保证顺序。

水印定义（Watermark Definition）

CREATE TABLE t (
    `user` BIGINT,
    product STRING,
    order_time TIMESTAMP(3),
    WATERMARK FOR order_time AS order_time - INTERVAL '5' SECOND
) WITH (...);

启动有界流任务读取 Paimon 表

SELECT window_start, window_end, COUNT(`user`) 
FROM TABLE(
    TUMBLE(TABLE t, DESCRIPTOR(order_time), INTERVAL '10' MINUTES)
) 
GROUP BY window_start, window_end;

还可以启用 Flink 水印对齐，确保没有来源/分片/分区的水印前进太快：

KeyDefaultTypeDescription
scan.watermark.alignment.group(none)String要对齐水印的一组源。
scan.watermark.alignment.max-drift(none)Duration对齐水印的最大漂移，在此漂移前暂停从源/任务/分区消费。

有界流（Bounded Stream）

流式来源（Streaming Source）也可以是有界的，可以通过指定 scan.bounded.watermark 来定义有界流模式的结束条件。

--创建 Kafka 表和启动流式插入及读取作业
CREATE TABLE kafka_table (
    `user` BIGINT,
    product STRING,
    order_time TIMESTAMP(3),
    WATERMARK FOR order_time AS order_time - INTERVAL '5' SECOND
) WITH ('connector' = 'kafka'...);

-- 启动流式插入作业
INSERT INTO paimon_table 
SELECT * FROM kafka_table;

-- 启动有界流任务读取 Paimon 表
SELECT * FROM paimon_table /*+ OPTIONS('scan.bounded.watermark'='...') */;

批处理（Batch）

分桶表可以在批处理查询中避免 shuffle，例如可以用以下 Spark SQL 读取 Paimon 表：

SET spark.sql.sources.v2.bucketing.enabled = true;

CREATE TABLE FACT_TABLE (
    order_id INT, 
    f1 STRING
) TBLPROPERTIES ('bucket'='10', 'bucket-key' = 'order_id');

CREATE TABLE DIM_TABLE (
    order_id INT, 
    f2 STRING
) TBLPROPERTIES ('bucket'='10', 'primary-key' = 'order_id');

SELECT * 
FROM FACT_TABLE 
JOIN DIM_TABLE 
ON FACT_TABLE.order_id = DIM_TABLE.order_id;

通过设置 spark.sql.sources.v2.bucketing.enabled 为 true，Spark 将识别 V2 数据源报告的特定分布，并在必要时尝试避免 shuffle。如果两个表具有相同的分桶策略和相同数量的桶，昂贵的 join shuffle 操作将被避免。

5 总结

本文详细介绍了Apache Paimon中附加表的概念和应用。我们首先定义了什么是附加表，并比较了它与主键表的区别。接着，我们探讨了附加表在不同场景下的使用，包括批量写入和读取、对象存储的友好性、时间穿越和回滚功能、低成本的删除和更新操作、流式接收中小文件的自动合并、队列形式的流式读写以及高性能查询。此外，我们还详细介绍了流式处理的相关技术，包括自动小文件合并、流式查询的不同模式、顺序保证的重要性以及分桶附加表的优势。最后，我们讨论了数据更新策略，包括DELETE和UPDATE操作，以及如何通过配置优化查询性能。

如果你想参与讨论，请 点击这里👉https://github.com/hiszm/BigDataWeekly，每周都有新的主题，周末或周一发布。

大数据精读，探索知识的深度。

关注 大数据精读周刊

版权声明：自由转载-非商用-非衍生-保持署名（[创意共享 3.0 许可证](https://creativecommons.org/licenses/by-nc-nd/3.0/deed.e

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/2256341.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

硬件选型规则

硬件选型规则

光源选型: 先用型号中带H的&#xff0c;没有的选标准的. 光源和光源控制器的搭配需要确保接口一致。 根据型号表中的最佳工作距离和相机的尺寸。 光源控制器选型&#xff1a; 首先选择海康风格系列光源控制器考虑与光源的接口匹配。功率应该满足接近光源功率。检查是否退市…
阅读更多...
数据分析系列---requests的使用

数据分析系列---requests的使用

&#x1f308;个人主页&#xff1a;羽晨同学 &#x1f4ab;个人格言:“成为自己未来的主人~” 主环境和虚拟环境 主环境是电脑上安装的python环境 虚拟环境在项目中可以实现环境的隔离&#xff0c;假设DemoA和DemoB分别用到了某个三方库1.0和2.0版本&#xff0c;那么在一个…
阅读更多...
selenium常见接口函数使用

selenium常见接口函数使用

博客主页&#xff1a;花果山~程序猿-CSDN博客 文章分栏&#xff1a;测试_花果山~程序猿的博客-CSDN博客 关注我一起学习&#xff0c;一起进步&#xff0c;一起探索编程的无限可能吧&#xff01;让我们一起努力&#xff0c;一起成长&#xff01; 目录 1. 查找 查找方式 css_s…
阅读更多...
深度学习之预备知识

深度学习之预备知识

深度学习是关于优化的学习。对一个带有参数的模型&#xff0c;找到其中能拟合数据最好的模型。 一、数据操作 张量&#xff1a;表示一个由数值组成的数组&#xff0c;这个数组可能有多个维度。具有一个轴的张量对应数学上的向量&#xff0c;具有两个轴的张量对应数学上的矩阵&…
阅读更多...
【论文相关】期刊/会议 信息检索——IEEE各期刊投稿要求（待完善）

【论文相关】期刊/会议 信息检索——IEEE各期刊投稿要求（待完善）

[吐槽] 外文期刊/会议网站的真的很难找&#xff0c;想要了解的信息很难检索&#xff1b;比如 旗下子期刊官网、子期刊具体要求不同等问题。 TIFS期刊 (IEEE Transactions on Information Forensics and Security) 期刊官网链接&#xff1a;https://mc.manuscriptcentral.com/…
阅读更多...
ElementUI：el-tabs 切换之前判断是否满足条件

ElementUI：el-tabs 切换之前判断是否满足条件

<div class"table-card"><div class"card-steps-class"><el-tabsv-model"activeTabsIndex":before-leave"beforeHandleTabsClick"><el-tab-pane name"1" label"基础设置"><span slot&…
阅读更多...
入职体检心电图不合格的常见情况

入职体检心电图不合格的常见情况

心电图&#xff08;ECG&#xff09;是通过记录心脏的电活动来评估心脏健康状况的一项常见检查。它是体检中常见的检查项目之一&#xff0c;尤其对于从事需要高度体力活动的职业&#xff08;如医护、公安、消防等&#xff09;或对心脏健康有特别要求的行业&#xff0c;心电图的结…
阅读更多...
释放 AI 潜能：掌握提问策略，让 AI 事半功倍

释放 AI 潜能：掌握提问策略，让 AI 事半功倍

在这个 AI 大模型快速迭代的时代&#xff0c;人人都能免费使用 AI。然而&#xff0c;很多人却发现&#xff0c;自己与 AI 互动的效果并不理想。这并非 AI 的问题&#xff0c;而是方法不对。输入决定输出&#xff0c;只有掌握正确的提问策略&#xff0c;才能真正释放 AI 助手的生…
阅读更多...
AI赋能：构建安全可信的智能电子档案库

AI赋能：构建安全可信的智能电子档案库

在档案的政策与法规上&#xff0c;《中华人民共和国档案法》2020年修订新增&#xff0c;对电子档案的合法要件、地位和作用、安全管理要求和信息化系统建设等方面作出了明确规定&#xff0c;保障数字资源的安全保存和有效利用。 日前&#xff0c;国家档案局令第22号公布《电子…
阅读更多...
【计算机网络】实验12：网际控制报文协议ICMP的应用

【计算机网络】实验12：网际控制报文协议ICMP的应用

实验12 网际控制报文协议ICMP的应用 一、实验目的 验证ping命令和tracert命令的工作原理。 二、实验环境 Cisco Packet Tracer模拟器 三、实验过程 1.构建网络拓扑并进行信息标注&#xff0c;将所需要配置的IP地址写在对应的主机或者路由器旁边&#xff0c;如图1所示。 图…
阅读更多...
【C语言】程序设计--算法

【C语言】程序设计--算法

文章目录 1. 判断两个数的大小并交换2. 计算三角形面积3. 根据x的值计算y4. 字符大小写转换5. 百钱百鸡问题6. 计算公式y的值7. 输出所有的水仙花数8. 计算n的阶乘9. 下三角数据10. 斐波那契数列11. 学生成绩统计12. 数组的平均值1. 判断两个数的大小并交换 介绍： 从键盘输入…
阅读更多...
使用IntelliJ IDEA开发Gradle插件并发布到本地

使用IntelliJ IDEA开发Gradle插件并发布到本地

博主所用软件版本为&#xff1a; IntelliJ IDEA 2024.1.4 (Community Edition) Android Studio Ladybug Feature Drop | 2024.2.2 Beta 1 1、制作gradle插件&#xff08;IntelliJ IDEA 2024.1.4&#xff09; 新建groovy工程&#xff0c;File–>New–>Project… 右键点…
阅读更多...
Trimble X9三维激光扫描仪高效应对化工厂复杂管道扫描测绘挑战【沪敖3D】

Trimble X9三维激光扫描仪高效应对化工厂复杂管道扫描测绘挑战【沪敖3D】

化工安全关系到国计民生&#xff0c;近年来随着化工厂数字化改革不断推进&#xff0c;数字工厂逐步成为工厂安全管理的重要手段。而化工管道作为工厂设施的重要组成部分&#xff0c;由于其数量多、种类繁杂&#xff0c;一直是企业管理的重点和难点。 传统的化工管廊往往缺乏详…
阅读更多...
如何实现远程对主机进行关机、重启操作

如何实现远程对主机进行关机、重启操作

WGCLOUD是一款开源免费的运维工具&#xff0c;使用简单&#xff0c;安装方便 我们主要通过 WGCLOUD监控系统的指令下发模块&#xff0c; 来实现关机和重启主机的操作 这里以Linux主机为例说明&#xff0c;Windows也是一样的&#xff0c;只是重启主机的命令不同而已&#xff0c…
阅读更多...
【批处理脚本】更改Windows系统中的 hosts 解析文件

【批处理脚本】更改Windows系统中的 hosts 解析文件

概述 作用 修改 Windows 系统中的 hosts 文件&#xff0c;可以实现 插入 或 删除 条目。该脚本允许用户以管理员权限执行&#xff0c;将特定的域名解析到指定的 IP 地址 应用场景 非常适用于需要频繁或批量修改 hosts 文件的场景&#xff1a; 屏蔽网站、域名重定向、DNS 污染防…
阅读更多...
无人机舵机驱动控制原理！

无人机舵机驱动控制原理！

一、舵机的基本结构和工作原理 舵机是一种位置&#xff08;角度&#xff09;伺服的驱动器&#xff0c;由电子控制与机械控制部分组成。当控制信号输入时&#xff0c;电子控制部分会根据控制器的指令调节直流电机输出的旋转角度和速度&#xff0c;由机械部分转化为控制面的位移…
阅读更多...
gozero项目迁移与新服务器环境配置,包含服务器安装包括go版本,Nginx,项目配置包括Mysql,redis,rabbit,域名

gozero项目迁移与新服务器环境配置,包含服务器安装包括go版本,Nginx,项目配置包括Mysql,redis,rabbit,域名

迁移 **GoZero** 项目到新服务器并配置相关环境涉及多个步骤。以下是一个系统化的指南&#xff0c;涵盖服务器环境安装、数据库和缓存配置、项目部署以及域名绑定。 ### 步骤概述 1. **服务器环境配置** - 安装 Go 语言环境 - 安装 Nginx - 安装 MySQL 和 Redis -…
阅读更多...
华为交换机配置基础

华为交换机配置基础

文章目录 华为设备配置视图ensp入门拓扑搭建和IP地址配置IP地址和网关静态路由配置动态路由RIP路由配置 OSPF配置单臂路由【实现不同vlan之间互联互通】console 密码模式AAA认证的原理和配置telnet 远程登录 华为设备配置视图 华为设备登录配置 <AR> system-view //进入…
阅读更多...
善于运用指针--通过指针引用数组

善于运用指针--通过指针引用数组

一个数组包含若干个元素&#xff0c;每个元素在内存中占用储存单元&#xff0c;它们都有相应的地址&#xff0c;指针变量能指向变量&#xff0c;也可以指向地址。所谓数组元素的地址&#xff0c;也就是数组元素的指针。 文章目录 前言一、在引用数组元素时指针的运算二、通过指…
阅读更多...
word poi-tl 图表功能增强，插入图表折线图、柱状图、饼状图

word poi-tl 图表功能增强，插入图表折线图、柱状图、饼状图

目录 问题解决问题poi-tl介绍 功能实现引入依赖功能介绍 功能实例饼图模版代码效果图 雷达图&#xff08;模版同饼图&#xff09;代码效果图 柱状图&#xff08;模版同饼图&#xff09;代码效果图 附加CustomCharts 工具类CustomChartSingleSeriesRenderData 数据对象CustomCha…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023