【Elasticsearch】filterQuery过滤查询

news2025/1/16 6:34:50

🧑 博主简介：CSDN博客专家，历代文学网（PC端可以访问：https://literature.sinhy.com/#/?__c=1000，移动端可微信小程序搜索“历代文学”）总架构师，15年工作经验，精通Java编程，高并发设计，Springboot和微服务，熟悉Linux，ESXI虚拟化以及云原生Docker和K8s，热衷于探索科技的边界，并将理论知识转化为实际应用。保持对新技术的好奇心，乐于分享所学，希望通过我的实践经历和见解，启发他人的创新思维。在这里，我希望能与志同道合的朋友交流探讨，共同进步，一起在技术的世界里不断学习成长。
技术合作请加本人wx（注明来自csdn）：foreast_sea

在这里插入图片描述

在这里插入图片描述

【Elasticsearch】filterQuery过滤查询

引言

在数字化时代的今天，数据量呈现出爆炸式增长，如何高效地从海量数据中获取所需信息成为了开发者们面临的重要挑战。Elasticsearch 作为一款强大的分布式搜索引擎，为我们提供了丰富的查询功能来应对这一挑战。其中，过滤查询（Filter Query）是一项极为重要的技术，它在大规模数据查询场景中发挥着关键作用。

想象一下，当我们面对一个拥有数十亿条记录的数据库时，传统的查询方式可能会因为计算每条数据与查询条件的相关性得分而消耗大量的时间和资源。而过滤查询的出现，就像是为我们开启了一扇优化查询性能的大门。它主要专注于对数据进行筛选过滤，并不计算文档与查询条件之间的相关性得分。这意味着什么呢？简单来说，就是在查询过程中，过滤查询能够快速地排除不符合条件的数据，只保留满足条件的部分，从而大大减少了后续处理的数据量，显著提高了查询的执行效率。

在实际的项目开发中，我们常常会遇到各种各样的查询需求。比如，我们可能需要从大量的用户信息中筛选出年龄在某个特定范围内的用户，或者找出拥有特定属性的产品记录。这些场景下，过滤查询就能够大显身手。通过合理运用不同类型的过滤查询条件，我们可以精准地定位到所需的数据，为业务的高效运行提供有力支持。

接下来，让我们一同深入探索 Elasticsearch Java 过滤查询的世界，了解常见的过滤查询条件以及如何将它们与普通查询条件巧妙结合，从而打造出高效、精准的数据检索解决方案。

一、Elasticsearch 基础概述

1.1 Elasticsearch 简介

Elasticsearch 是一个基于 Lucene 的分布式、RESTful 风格的搜索和数据分析引擎。它旨在快速、高效地存储、搜索和分析大量数据，被广泛应用于各种领域，如日志分析、电商搜索、企业搜索等。其分布式架构允许它轻松处理 PB 级别的数据，并能在多台服务器上进行水平扩展，以满足不同规模的业务需求。

1.2 Elasticsearch 核心概念

  • 索引（Index）：可以理解为一个数据库，是一组文档的集合。每个索引都有自己的映射（Mapping），用于定义文档的结构和字段类型。例如，在一个电商系统中，我们可以创建一个名为 products 的索引来存储所有产品的信息。
  • 文档（Document）：是 Elasticsearch 中最小的数据单元，类似于关系型数据库中的一行记录。每个文档都有一个唯一的标识符，可以包含一个或多个字段。比如，一个产品文档可能包含 product_id、product_name、price 等字段。
  • 类型（Type）：在 Elasticsearch 7.x 之前，一个索引可以包含多个类型，用于区分不同结构的文档。但从 7.x 版本开始，逐渐弱化了类型的概念，一个索引通常只包含一种类型的数据。
  • 分片（Shard）：为了处理大规模数据，Elasticsearch 将索引分割成多个分片，每个分片可以存储在不同的节点上。这不仅提高了数据的存储能力，还能通过并行处理提高查询性能。例如，一个大型的索引可能被分成 10 个分片，分布在不同的服务器上。
  • 副本（Replica）：为了保证数据的高可用性和容错性，Elasticsearch 会为每个分片创建一个或多个副本。当某个节点出现故障时，副本可以接管该节点上的分片工作，确保系统的正常运行。

1.3 Elasticsearch 工作原理

Elasticsearch 的工作原理涉及多个组件和流程。当我们向 Elasticsearch 发送一个查询请求时，首先请求会到达一个协调节点（Coordinating Node）。协调节点负责将查询请求分发到相关的分片上，这些分片会并行处理查询请求。然后，每个分片将查询结果返回给协调节点，协调节点再对这些结果进行合并和排序，最终将最终结果返回给客户端。

在数据写入方面，当我们向 Elasticsearch 插入一个文档时，文档首先会被写入到内存缓冲区（In-Memory Buffer）中。当缓冲区满了或者达到一定的时间间隔时，文档会被刷新（Flush）到磁盘上的一个新的段（Segment）中。段是 Lucene 中的一个数据存储单元，多个段可以在后台进行合并，以优化存储和查询性能。

二、Elasticsearch Java 客户端介绍

2.1 选择合适的 Java 客户端

在使用 Elasticsearch 进行 Java 开发时，有多种客户端可供选择，如官方的 Java High Level REST Client 和 Java Low Level REST Client，以及一些第三方客户端。

  • Java High Level REST Client：这是 Elasticsearch 官方推荐的客户端，它基于 RESTful API 构建，提供了丰富的 Java 接口，使用起来更加方便和直观。它支持同步和异步操作，并且对 Elasticsearch 的各种功能进行了很好的封装，适合大多数 Java 开发者使用。
  • Java Low Level REST Client：相对底层的客户端，它直接与 Elasticsearch 的 REST API 进行交互，需要开发者手动处理 HTTP 请求和响应。虽然使用起来较为复杂，但它提供了更大的灵活性，适用于对性能和定制化要求较高的场景。

2.2 引入 Maven 依赖

为了在 Java 项目中使用 Elasticsearch 客户端，我们需要在 pom.xml 文件中引入相应的 Maven 依赖。以 Java High Level REST Client 为例，以下是引入依赖的步骤：

首先，确保项目的 pom.xml 文件中包含了 Maven 中央仓库的配置：

<repositories>
    <repository>
        <id>central</id>
        <name>Central Repository</name>
        <url>https://repo.maven.apache.org/maven2</url>
    </repository>
</repositories>

然后，添加 Elasticsearch 客户端的依赖：

<dependency>
    <groupId>org.elasticsearch.client</groupId>
    <artifactId>elasticsearch-rest-high-level-client</artifactId>
    <version>7.17.6</version>
</dependency>

这里的版本号 7.17.6 是当前最新的稳定版本，你可以根据实际情况进行更新。同时，还需要引入 Elasticsearch 核心库以及相关的 HTTP 客户端依赖：

<dependency>
    <groupId>org.elasticsearch</groupId>
    <artifactId>elasticsearch</artifactId>
    <version>7.17.6</version>
</dependency>
<dependency>
    <groupId>org.apache.httpcomponents</groupId>
    <artifactId>httpclient</artifactId>
    <version>4.5.13</version>
</dependency>

通过引入这些依赖，我们的 Java 项目就能够使用 Elasticsearch Java High Level REST Client 来与 Elasticsearch 集群进行交互了。

2.3 初始化客户端

在代码中初始化 Elasticsearch Java High Level REST Client 通常需要以下步骤：

import org.apache.http.HttpHost;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;

public class ElasticsearchClientInitializer {

    public static RestHighLevelClient createClient() {
        RestHighLevelClient client = new RestHighLevelClient(
                RestClient.builder(
                        new HttpHost("localhost", 9200, "http")));
        return client;
    }
}

在上述代码中，我们创建了一个 RestHighLevelClient 实例，通过指定 Elasticsearch 集群的主机地址（这里是 localhost）和端口号（默认 9200）来建立连接。在实际应用中，你可能需要根据实际的集群配置来调整这些参数。

三、过滤查询与普通查询的区别

3.1 普通查询的特点

普通查询（Query）在 Elasticsearch 中主要用于计算文档与查询条件之间的相关性得分（Relevance Score）。它会根据查询词在文档中的出现频率、位置等因素来评估每个文档与查询条件的匹配程度，最终返回按照相关性得分排序的文档列表。例如，当我们执行一个全文搜索查询时，Elasticsearch 会对每个文档进行分析，计算其与查询词的相关性得分，得分越高的文档排在越前面。

普通查询的优点是能够提供与查询条件高度相关的结果，适用于需要根据相关性进行排序的场景，如电商搜索中的商品推荐、搜索引擎的搜索结果展示等。然而，普通查询的缺点也很明显，由于它需要计算每个文档的相关性得分，在处理大规模数据时，性能开销较大，查询响应时间可能会较长。

3.2 过滤查询的特点

过滤查询（Filter Query）则专注于对数据进行筛选，它并不计算文档与查询条件的相关性得分，而是简单地判断文档是否满足过滤条件。如果文档满足条件，则被保留；否则，被排除。过滤查询通常用于缩小查询范围，例如在一个包含大量用户信息的索引中，我们可以使用过滤查询快速筛选出年龄大于 30 岁的用户文档。

过滤查询的优点在于其高效性，由于不计算相关性得分，它的执行速度非常快，能够在大规模数据中迅速定位到满足条件的数据。此外，过滤查询的结果可以被缓存，进一步提高查询性能。这使得过滤查询在需要快速筛选数据的场景中非常实用，如数据统计、日志分析等。

3.3 过滤查询的优势

3.3.1 性能提升

由于过滤查询不进行评分计算，它的执行速度通常比普通查询快很多。在处理大规模数据时，这种性能提升尤为明显。例如，在一个包含数百万文档的索引中进行查询，如果使用普通查询，可能需要花费几秒钟甚至更长时间来计算每个文档的相关性得分；而使用过滤查询，只需要快速检查文档是否满足过滤条件，可能在几十毫秒内就能返回结果。

3.3.2 缓存支持

Elasticsearch 对过滤查询结果提供了缓存机制。因为过滤查询的结果相对稳定，只要索引数据不变，相同过滤条件的查询结果也不会改变。所以，Elasticsearch 可以将过滤查询的结果缓存起来，下次执行相同的过滤查询时，直接从缓存中获取结果，进一步提高查询性能。

3.3.3 精确筛选

过滤查询适用于需要精确筛选出符合特定条件文档的场景。例如，我们要查找某个特定日期之后创建的订单，或者查找某个特定分类下的所有商品。通过使用过滤查询，可以准确地定位到满足条件的文档，而不会受到其他无关因素的影响。

3.3 两者结合的优势

在实际应用中，我们常常将普通查询和过滤查询结合使用。例如，在一个电商搜索场景中，我们首先使用过滤查询来缩小搜索范围，比如筛选出特定品牌、价格区间的商品，然后再使用普通查询对这些筛选后的商品进行相关性排序，以确保最相关的商品排在前面。这样的结合方式既能保证查询的高效性，又能提供高质量的搜索结果，满足用户的需求。

四、常见的过滤查询条件

4.1 term 过滤

term 过滤用于精确匹配某个字段的值。它不会对查询词进行分词处理，而是直接查找与指定值完全相同的文档。例如，我们有一个包含用户信息的索引，其中有一个 country 字段，我们想查找所有来自 “China” 的用户，可以使用以下代码：

import org.apache.http.HttpHost;
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.builder.SearchSourceBuilder;

public class TermFilterExample {

    public static void main(String[] args) throws Exception {
        RestHighLevelClient client = new RestHighLevelClient(
                RestClient.builder(
                        new HttpHost("localhost", 9200, "http")));

        SearchRequest searchRequest = new SearchRequest("users");
        SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
        searchSourceBuilder.query(QueryBuilders.termQuery("country", "China"));

        searchRequest.source(searchSourceBuilder);
        SearchResponse searchResponse = client.search(searchRequest);

        // 处理搜索结果
        System.out.println("Total hits: " + searchResponse.getHits().getTotalHits().value);

        client.close();
    }
}

在上述代码中，我们使用 QueryBuilders.termQuery("country", "China") 构建了一个 term 过滤查询，查找 users 索引中 country 字段值为 “China” 的文档。SearchSourceBuilder 用于构建搜索请求的源部分，我们将过滤查询添加到其中，然后通过 RestHighLevelClient 执行搜索请求并获取结果。

4.2 range 过滤

range 过滤用于筛选某个字段值在指定范围内的文档。例如，我们想查找价格在 100 到 500 之间的产品，可以使用以下代码：

import org.apache.http.HttpHost;
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.builder.SearchSourceBuilder;

public class RangeFilterExample {

    public static void main(String[] args) throws Exception {
        RestHighLevelClient client = new RestHighLevelClient(
                RestClient.builder(
                        new HttpHost("localhost", 9200, "http")));

        SearchRequest searchRequest = new SearchRequest("products");
        SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
        searchSourceBuilder.query(QueryBuilders.rangeQuery("price")
             .from(100)
             .to(500));

        searchRequest.source(searchSourceBuilder);
        SearchResponse searchResponse = client.search(searchRequest);

        // 处理搜索结果
        System.out.println("Total hits: " + searchResponse.getHits().getTotalHits().value);

        client.close();
    }
}

在这段代码中，QueryBuilders.rangeQuery("price").from(100).to(500) 构建了一个 range 过滤查询，查找 products 索引中 price 字段值在 100 到 500 之间的文档。from 和 to 方法分别指定了范围的起始值和结束值。

4.3 exists 过滤

exists 过滤用于判断某个字段是否存在于文档中。例如，我们想查找所有包含 email 字段的用户文档，可以使用以下代码：

import org.apache.http.HttpHost;
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.builder.SearchSourceBuilder;

public class ExistsFilterExample {

    public static void main(String[] args) throws Exception {
        RestHighLevelClient client = new RestHighLevelClient(
                RestClient.builder(
                        new HttpHost("localhost", 9200, "http")));

        SearchRequest searchRequest = new SearchRequest("users");
        SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
        searchSourceBuilder.query(QueryBuilders.existsQuery("email"));

        searchRequest.source(searchSourceBuilder);
        SearchResponse searchResponse = client.search(searchRequest);

        // 处理搜索结果
        System.out.println("Total hits: " + searchResponse.getHits().getTotalHits().value);

        client.close();
    }
}

这里，QueryBuilders.existsQuery("email") 构建了一个 exists 过滤查询，查找 users 索引中包含 email 字段的文档。

五、将过滤条件与查询条件结合使用

5.1 先过滤后查询

在很多情况下，我们可以先使用过滤条件缩小数据范围，然后再进行普通查询。例如，在一个新闻搜索系统中，我们先通过 range 过滤筛选出最近一周内发布的新闻，然后再使用全文搜索查询用户输入的关键词。代码示例如下：

import org.apache.http.HttpHost;
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.index.query.BoolQueryBuilder;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.builder.SearchSourceBuilder;

public class FilterThenQueryExample {

    public static void main(String[] args) throws Exception {
        RestHighLevelClient client = new RestHighLevelClient(
                RestClient.builder(
                        new HttpHost("localhost", 9200, "http")));

        SearchRequest searchRequest = new SearchRequest("news");
        SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

        BoolQueryBuilder boolQueryBuilder = QueryBuilders.boolQuery();
        // 过滤条件：最近一周内发布的新闻
        boolQueryBuilder.filter(QueryBuilders.rangeQuery("publish_date")
             .gte(System.currentTimeMillis() - 7 * 24 * 60 * 60 * 1000));
        // 查询条件：用户输入的关键词
        boolQueryBuilder.must(QueryBuilders.matchQuery("content", "人工智能"));

        searchSourceBuilder.query(boolQueryBuilder);

        searchRequest.source(searchSourceBuilder);
        SearchResponse searchResponse = client.search(searchRequest);

        // 处理搜索结果
        System.out.println("Total hits: " + searchResponse.getHits().getTotalHits().value);

        client.close();
    }
}

在上述代码中，我们使用 BoolQueryBuilder 来组合过滤条件和查询条件。boolQueryBuilder.filter 方法添加过滤条件，boolQueryBuilder.must 方法添加查询条件。先通过 range 过滤筛选出最近一周内发布的新闻，然后再对这些新闻进行全文搜索，查找包含 “人工智能” 关键词的新闻。

5.2 嵌套查询中的过滤

在复杂的查询结构中，我们也可以在嵌套查询中使用过滤条件。需要使用 NestedQueryBuilder 来处理嵌套文档结构。以下是一个详细的代码示例，假设我们有一个电商产品搜索场景，产品文档包含一个嵌套的 reviews 字段，每个评论又有 rating（评分）和 comment（评论内容）等字段，我们要查找某个品牌下，价格在一定范围内且评论评分大于某个值的产品。

import org.apache.http.HttpHost;
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.index.query.BoolQueryBuilder;
import org.elasticsearch.index.query.NestedQueryBuilder;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.SearchHit;
import org.elasticsearch.search.SearchHits;
import org.elasticsearch.search.builder.SearchSourceBuilder;

public class NestedFilterSearchExample {
    public static void main(String[] args) throws IOException {
        // 创建 Elasticsearch 客户端
        RestHighLevelClient client = new RestHighLevelClient(
                RestClient.builder(
                        new HttpHost("localhost", 9200, "http")));

        // 构建过滤条件：某个品牌下，价格在一定范围内且评论评分大于某个值
        String brand = "Samsung";
        double minPrice = 500.0;
        double maxPrice = 2000.0;
        int minRating = 4;

        // 构建嵌套查询中的过滤条件
        BoolQueryBuilder nestedBoolQuery = QueryBuilders.boolQuery()
             .filter(QueryBuilders.rangeQuery("reviews.rating").gte(minRating));

        NestedQueryBuilder nestedQueryBuilder = QueryBuilders.nestedQuery(
                "reviews", // 嵌套路径
                nestedBoolQuery,
                ScoreMode.None
        );

        // 构建整体查询条件
        BoolQueryBuilder mainBoolQuery = QueryBuilders.boolQuery()
             .filter(QueryBuilders.termQuery("brand", brand))
             .filter(QueryBuilders.rangeQuery("price").gte(minPrice).lte(maxPrice))
             .must(nestedQueryBuilder);

        SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
        searchSourceBuilder.query(mainBoolQuery);

        SearchRequest searchRequest = new SearchRequest("product_index");
        searchRequest.source(searchSourceBuilder);

        SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT);
        SearchHits hits = searchResponse.getHits();

        for (SearchHit hit : hits) {
            System.out.println(hit.getSourceAsString());
        }

        // 关闭客户端
        client.close();
    }
}

代码说明

  1. 创建客户端：使用 RestHighLevelClient 创建与 Elasticsearch 集群的连接。
  2. 构建嵌套查询中的过滤条件：
    • 首先创建一个 BoolQueryBuilder 用于构建嵌套文档内的过滤条件，这里是评论评分大于 minRating。
    • 然后使用 NestedQueryBuilder 将上述条件应用到 reviews 嵌套路径上。ScoreMode.None 表示不计算嵌套文档的得分，因为我们主要关注过滤结果。
  3. 构建整体查询条件：
    • 创建一个主 BoolQueryBuilder，添加品牌过滤、价格范围过滤，并将嵌套查询作为必须满足的条件添加进去。
  4. 执行搜索请求：
    • 使用 SearchSourceBuilder 设置查询条件，并将其应用到 SearchRequest 上。
    • 执行搜索请求并处理搜索结果，遍历并打印每个匹配的文档。

请根据实际的索引结构和数据类型调整字段名称和查询条件。这样就实现了在嵌套查询中进行过滤的功能。

六、参考资料

  1. Elasticsearch 官方文档
  2. Elasticsearch Java 高级 REST 客户端文档
  3. Elasticsearch 复合查询官方指南

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/2277412.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

带头双向循环链表（数据结构初阶）

带头双向循环链表（数据结构初阶）

文章目录 双向链表链表的分类概念与结构实现双向链表定义链表结构链表打印判空申请结点初始化头插尾插头删尾删查找指定位置插入和删除销毁链表 顺序表和链表的分析结语 欢迎大家来到我的博客&#xff0c;给生活来点impetus&#xff01;&#xff01; 这一节我们学习双向链表&a…
阅读更多...
在eNSp上telnet一下吧

在eNSp上telnet一下吧

在上篇博客&#xff1a;DNS 我们提到了telnet和设备带外管理、带内管理&#xff0c;它确实是非常有趣的一个知识点哦&#xff0c;接下来我们一起来学习学习吧~ Telnet&#xff08;远程登陆协议&#xff09; Telnet基于TCP 23号端口&#xff0c;典型的C/S架构模式&#xff0c;是…
阅读更多...
Spring MVC复杂数据绑定-绑定集合

Spring MVC复杂数据绑定-绑定集合

【图书介绍】《SpringSpring MVCMyBatis从零开始学&#xff08;视频教学版&#xff09;&#xff08;第3版&#xff09;》_【新华文轩】springspring mvcmybatis从零开始学(视频教学版) 第3版 正版-CSDN博客 《SpringSpring MVCMyBatis从零开始学(视频教学版)&#xff08;第3版…
阅读更多...
基于禁忌搜索算法的TSP问题最优路径搜索matlab仿真

基于禁忌搜索算法的TSP问题最优路径搜索matlab仿真

目录 1.程序功能描述 2.测试软件版本以及运行结果展示 3.核心程序 4.本算法原理 5.完整程序 1.程序功能描述 基于禁忌搜索算法的TSP问题最优路径搜索&#xff0c;旅行商问题&#xff08;TSP&#xff09;是一个经典的组合优化问题。其起源可以追溯到 19 世纪初&#xff0c;…
阅读更多...
静态综合路由实验

静态综合路由实验

实验拓扑 实验要求 1.除R5的环回地址外&#xff0c;整个其他所有网段基于192.168.1.0/24进行合理的IP地址划分 2.R1-R4每个路由器存在两个环回接口&#xff0c;用于模拟pc网段&#xff1b;地址也在192.168.1.0/24这个网络范围内 3.R1-R4上不能直接编写到达5.5.5.0/24的静态路由…
阅读更多...
前端组件开发：组件开发 / 定义配置 / 配置驱动开发 / 爬虫配置 / 组件V2.0 / form表单 / table表单

前端组件开发：组件开发 / 定义配置 / 配置驱动开发 / 爬虫配置 / 组件V2.0 / form表单 / table表单

一、最早的灵感 最早的灵感来自sprider / 网络爬虫 / 爬虫配置&#xff0c;在爬虫爬取网站文章时候&#xff0c;会输入给爬虫一个配置文件&#xff0c;里边的内容是一个json对象。里边包含了所有想要抓取的页面的信息。爬虫通过这个配置就可以抓取目标网站的数据。其实本文要引…
阅读更多...
[Deep Learning] Anaconda+CUDA+CuDNN+Pytorch(GPU)环境配置-2025

[Deep Learning] Anaconda+CUDA+CuDNN+Pytorch(GPU)环境配置-2025

文章目录 [Deep Learning] AnacondaCUDACuDNNPytorch(GPU)环境配置-20250. 引子1. 安装Anaconda1.1 安装包下载&#xff1a;1.2 启用安装包安装1.3 配置(系统)环境变量1.4 验证Anaconda是否安装完毕1.5 Anaconda换源 2. 安装CUDACuDNN2.1 判断本机的CUDA版本2.2 下载适合自己CU…
阅读更多...
直播预告丨Arxiv Insight：用 AI 重新定义论文检索

直播预告丨Arxiv Insight：用 AI 重新定义论文检索

1月16日晚上20:00-20:50&#xff0c;Zilliz直播间&#xff0c;深圳大学计算机视觉所硕士牛增豪先生将带来《Arxiv Insight&#xff1a;用 AI 重新定义论文检索》分享&#xff0c;届时他将讲述从零到一构建 Arxiv Insight产品的过程&#xff0c;思考以及未来计划。欢迎大家锁定Z…
阅读更多...
STM32 FreeRTOS 的任务挂起与恢复以及查看任务状态

STM32 FreeRTOS 的任务挂起与恢复以及查看任务状态

目录 任务的挂起与恢复的API函数 任务挂起函数 任务恢复函数 任务恢复函数&#xff08;中断中恢复&#xff09; 函数说明 注意事项 查看任务状态 任务的挂起与恢复的API函数 vTaskSuspend()&#xff1a;挂起任务, 类似暂停&#xff0c;可恢复 vTaskResume()&#xff1a…
阅读更多...
4. 使用springboot做一个音乐播放器软件项目【数据库表的创建】

4. 使用springboot做一个音乐播放器软件项目【数据库表的创建】

上一章文章 我们做了音乐播放器 这个项目一些公共封装的一些工具类。参考网址&#xff1a; https://blog.csdn.net/Drug_/article/details/145093705 那么这篇文章 我们开始创建数据表。来存储我们项目中所需要存储的数据。 对于 我们这个项目 版本一 需要开发的核心功能 在 第…
阅读更多...
leetcode刷题记录（五十四）——560. 和为 K 的子数组

leetcode刷题记录（五十四）——560. 和为 K 的子数组

&#xff08;一&#xff09;问题描述 560. 和为 K 的子数组 - 力扣&#xff08;LeetCode&#xff09;560. 和为 K 的子数组 - 给你一个整数数组 nums 和一个整数 k &#xff0c;请你统计并返回 该数组中和为 k 的子数组的个数 。子数组是数组中元素的连续非空序列。 示例 1&am…
阅读更多...
软考，质量管理。

软考，质量管理。

项目质量管理&#xff0c;PMBOOK 质量是满足需求的能力的特性的总结 需求的满足程度 质量通常是指产品的质量&#xff0c;广义上的质量还包括工作质量。产品质量是指产品的使用价值及其属性&#xff1b;而工作质量则是产品质量的保证&#xff0c;它反映了与产品质量直接有关的…
阅读更多...
Re78 读论文：GPT-4 Technical Report

Re78 读论文：GPT-4 Technical Report

诸神缄默不语-个人CSDN博文目录 诸神缄默不语的论文阅读笔记和分类 论文全名&#xff1a;GPT-4 Technical Report 官方博客&#xff1a;GPT-4 | OpenAI appendix懒得看了。 文章目录 1. 模型训练过程心得2. scaling law3. 实验结果减少风险 1. 模型训练过程心得 模型结构还…
阅读更多...
LeetCode | 图文详细描述动态规划DP算法及经典题型

LeetCode | 图文详细描述动态规划DP算法及经典题型

本文将用简单直白的方式&#xff0c;从零开始带你掌握动态规划的精髓。你会发现&#xff1a; 动态规划其实没那么难——它就是递归的“记性”版。状态转移方程不再玄学——从题目思路到实现&#xff0c;手把手教你推导。经典题型剖析——从“爬楼梯”到“背包问题”&#xff0…
阅读更多...
学习threejs，使用RollControls相机控制器

学习threejs，使用RollControls相机控制器

&#x1f468;‍⚕️ 主页&#xff1a; gis分享者 &#x1f468;‍⚕️ 感谢各位大佬 点赞&#x1f44d; 收藏⭐ 留言&#x1f4dd; 加关注✅! &#x1f468;‍⚕️ 收录于专栏&#xff1a;threejs gis工程师 文章目录 一、&#x1f340;前言1.1 ☘️THREE.RollControls 相机控…
阅读更多...
期权懂|场内期权合约行权价格是如何设定制度的？

期权懂|场内期权合约行权价格是如何设定制度的？

锦鲤三三每日分享期权知识&#xff0c;帮助期权新手及时有效地掌握即市趋势与新资讯&#xff01; 场内期权合约行权价格是如何设定制度的&#xff1f; 场内期权合约的行权价格是期权合约中的一个关键要素&#xff0c;它决定了期权买方在期权到期日或之前买入&#xff08;对于…
阅读更多...
设计模式相关面试

设计模式相关面试

设计模式 工厂方法模式 简单工程模式 工厂方法设计模式 抽象工厂设计模式 工厂方法小结 策略模式 案例&#xff08;工厂模式策略模式&#xff09; 责任链设计模式 概述 常见使用方式 常见技术场景 单点登录如何实现 权限认证如何实现 上传数据的安全如何控制 遇到了那些比较棘…
阅读更多...
C#轻松实现ModbusTCP服务器接口

C#轻松实现ModbusTCP服务器接口

大家好&#xff01;我是付工。 通透&#xff01;终于把ModbusRTU弄明白了 这样看来&#xff0c;ModbusTCP协议太简单了 太简单了&#xff01;C#轻松实现Modbus通信 前面给大家介绍了一系列关于Modbus和ModbusTCP的知识&#xff0c;主要针对的是ModbusTCP客户端。 在实际开…
阅读更多...
比较之舞，优雅演绎排序算法的智美篇章

比较之舞，优雅演绎排序算法的智美篇章

大家好&#xff0c;这里是小编的博客频道 小编的博客&#xff1a;就爱学编程 很高兴在CSDN这个大家庭与大家相识&#xff0c;希望能在这里与大家共同进步&#xff0c;共同收获更好的自己&#xff01;&#xff01;&#xff01; 本文目录 引言正文一、冒泡排序&#xff1a;数据海…
阅读更多...
mysql-5.7.18保姆级详细安装教程

mysql-5.7.18保姆级详细安装教程

本文主要讲解如何安装mysql-5.7.18数据库&#xff1a; 将绿色版安装包mysql-5.7.18-winx64解压后目录中内容如下图&#xff0c;该例是安装在D盘根目录。 在mysql安装目录中新建my.ini文件&#xff0c;文件内容及各配置项内容如下图&#xff0c;需要先将配置项【skip-grant-tab…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023