Hadoop分布式计算与资源调度：打开专业江湖的魔幻之门

news2024/9/26 1:27:47

文章目录

  • 版权声明
  • 一 分布式计算概述
    • 1.1 分布式计算
    • 1.2 分布式（数据）计算模式
    • 1.3 小结
  • 二 MapReduce概述
    • 2.1 分布式计算框架 - MapReduce
    • 2.2 MapReduce执行原理
    • 2.3 小结
  • 三 YARN概述
    • 3.1 YARN & MapReduce
    • 3.2 资源调度
    • 3.3 程序的资源调度
    • 3.4 YARN的资源调度
    • 3.5 小结
  • 四 YARN架构
    • 4.1 核心结构
    • 4.2 小结
    • 4.3 辅助结构
    • 4.4 Web应用代理(Web Application Proxy)
    • 4.5 JobHistoryServer历史服务器
    • 4.6 YARN架构角色小结
  • 五 MapReduce & YARN 的部署
    • 5.1 部署说明
    • 5.2 集群规划
    • 5.3 MapReduce配置文件
    • 5.4 分发配置文件
    • 5.5 集群启动命令
    • 5.6 开始启动YARN集群
  • 六 MapReduce & YARN 初体验
    • 6.1 集群启停命令
      • 6.1.1 一键启动脚本
      • 6.1.2 单进程启停
    • 6.2 提交MapReduce任务到YARN执行
      • 6.2.1 提交wordcount示例程序
      • 6.2.2 查看运行日志
      • 6.2.3 提交求圆周率示例程序
    • 6.3 补充：蒙特卡罗算法求PI的基础原理

版权声明

  • 本博客的内容基于我个人学习黑马程序员课程的学习笔记整理而成。我特此声明，所有版权属于黑马程序员或相关权利人所有。本博客的目的仅为个人学习和交流之用，并非商业用途。
  • 我在整理学习笔记的过程中尽力确保准确性，但无法保证内容的完整性和时效性。本博客的内容可能会随着时间的推移而过时或需要更新。
  • 若您是黑马程序员或相关权利人，如有任何侵犯版权的地方，请您及时联系我，我将立即予以删除或进行必要的修改。
  • 对于其他读者，请在阅读本博客内容时保持遵守相关法律法规和道德准则，谨慎参考，并自行承担因此产生的风险和责任。本博客中的部分观点和意见仅代表我个人，不代表黑马程序员的立场。

一 分布式计算概述

1.1 分布式计算

  • 分布式计算：以分布式的形式完成数据的统计，得到需要的结果。
    在这里插入图片描述

1.2 分布式（数据）计算模式

  • 分散->汇总模式
    1. 将数据分片，多台服务器各自负责一部分数据处理
    2. 然后将各自的结果，进行汇总处理
    3. 最终得到想要的计算结果
  • 生活中的“人口普查”就是典型的分散汇总的分布式统计模式
    在这里插入图片描述
  • 中心调度->步骤执行模式
    1. 由一个节点作为中心调度管理者
    2. 将任务划分为几个具体步骤
    3. 管理者安排每个机器执行任务
    4. 最终得到结果数据
  • 生活中的各类项目的：项目经理 和 项目成员就是这种模式，一个管理分配任务，其余人员领取任务工作
    在这里插入图片描述

1.3 小结

  1. 什么是计算、分布式计算？
    • 计算：对数据进行处理，使用统计分析等手段得到需要的结果
    • 分布式计算：多台服务器协同工作，共同完成一个计算任务
  2. 分布式计算常见的2种工作模式
    • 分散->汇总 （MapReduce就是这种模式）
  • 中心调度->步骤执行 （大数据体系的Spark、Flink等是这种模式）

二 MapReduce概述

在这里插入图片描述

2.1 分布式计算框架 - MapReduce

  • MapReduce是“分散->汇总”模式的分布式计算框架，可供开发人员开发相关程序进行分布式数据计算。
  • MapReduce提供了2个编程接口：Map、Reduce，其中
    • Map功能接口提供了“分散”的功能， 由服务器分布式对数据进行处理
    • Reduce功能接口提供了“汇总（聚合）”的功能，将分布式的处理结果汇总统计
  • 用户如需使用MapReduce框架完成自定义需求的程序开发，只需要使用Java、Python等编程语言，实现Map Reduce功能接口即可。

2.2 MapReduce执行原理

  • 假设有如下文件，内部记录了许多的单词。且已经开发好了一个MapReduce程序，功能是统计每个单词出现的次数。
    在这里插入图片描述
  • 假定有4台服务器用以执行MapReduce任务，可以3台服务器执行Map，1台服务器执行Reduce

2.3 小结

  1. 什么是MapReduce
    • MapReduce是Hadoop中的分布式计算组件
    • MapReduce可以以分散->汇总（聚合）模式执行分布式计算任务
  2. MapReduce的主要编程接口
    • map接口，主要提供“分散”功能，由服务器分布式处理数据
    • reduce接口，主要提供“汇总”功能，进行数据汇总统计得到结果
  • MapReduce可供Java、Python等语言开发计算程序
  • 注：MapReduce尽管可以通过Java、Python等语言进行程序开发，但当下年代基本没人会写它的代码了，因为太过时了。 尽管MapReduce很老了，但现在仍旧活跃在一线，主要是Apache Hive框架非常火，而Hive底层就是使用的MapReduce。 所以对于MapReduce的代码开发，简单扩展一下，但不会深入讲解，对MapReduce的底层原理会放在Hive之后，基于Hive做深入分析。
  1. MapReduce的运行机制
    • 将要执行的需求，分解为多个Map Task和Reduce Task
    • 将Map Task 和 Reduce Task分配到对应的服务器去执行

三 YARN概述

3.1 YARN & MapReduce

  • MapReduce是基于YARN运行的，即没有YARN”无法”运行MapReduce程序，所以，MapReduce和YARN要同时学习
    在这里插入图片描述

3.2 资源调度

在这里插入图片描述

  • 对于资源的利用，有规划、有管理的调度资源使用，是效率最高的方式，在程序中亦是如此

3.3 程序的资源调度

  • 服务器会运行多个程序， 每个程序对资源（CPU内存等）的使用都不同。程序没有节省的概念，有多少就会用多少。所以，为了提高资源利用率，进行调度就非常有必要了。
  • 将服务器上的资源进行划分，对程序实行申请制度，需要多少申请多少，提高资源使用率
    在这里插入图片描述

3.4 YARN的资源调度

  • 对于服务器集群亦可使用这种思路，调度整个集群的资源
    在这里插入图片描述

  • 这就是 Hadoop YARN框架的作用：调度整个服务器集群的资源统一管理

  • YARN 管控整个集群的资源进行调度， 那么应用程序在运行时，就是在YARN的监管（管理）下去运行的。

  • 一个具体的MapReduce程序。 MapReduce程序会将任务分解为若干个Map任务和Reduce任务。

  • 假设，有一个MapReduce程序， 分解了3个Map任务，和1个Reduce任务，那么如何在YARN的监管（管理）下运行呢？
    在这里插入图片描述

3.5 小结

  1. YARN是做什么的？
    • YARN是Hadoop的一个组件，用以做集群的资源（内存、CPU等）调度
  2. 为什么需要资源调度
    • 将资源统一管控进行分配可以提高资源利用率
  3. 程序如何在YARN内运行
    • 程序向YARN申请所需资源
    • YARN为程序分配所需资源供程序使用
  4. MapReduce和YARN的关系
    • YARN用来调度资源给MapReduce分配和管理运行资源，所以，MapReduce需要YARN才能执行（普遍情况）

四 YARN架构

4.1 核心结构

在这里插入图片描述

  • ResourceManager：整个集群的资源调度者， 负责协调调度各个程序所需的资源。
  • NodeManager：单个服务器的资源调度者，负责调度单个服务器上的资源提供给应用程序使用。
    在这里插入图片描述
  • 如何实现服务器上精准分配如下的硬件资源呢？
  • NodeManager在服务器上构建一个容器（提前占用资源），然后将容器的资源提供给程序使用，程序运行在容器（集装箱）内，无法突破容器的资源限制。
    在这里插入图片描述

4.2 小结

  1. YARN的架构有哪2个角色？
    • 主（Master）：ResourceManager
    • 从（Slave）：NodeManager
  2. 两个角色各自的功能是什么？
    • ResourceManager： 管理、统筹并分配整个集群的资源
    • NodeManager：管理、分配单个服务器的资源，即创建管理容器，由容器提供资源供程序使用
  3. 什么是YARN的容器？
    • 容器（Container）是YARN的NodeManager在所属服务器上分配资源的手段
    • 创建一个资源容器，即由NodeManager占用这部分资源
    • 然后应用程序运行在NodeManager创建的这个容器内
  • 应用程序无法突破容器的资源限制

4.3 辅助结构

  • YARN的架构中除了核心角色，即：
    • ResourceManager：集群资源总管家
    • NodeManager：单机资源管家
  • 还可以搭配2个辅助角色使得YARN集群运行更加稳定
    • 代理服务器(ProxyServer)：Web Application Proxy Web应用程序代理
    • 历史服务器(JobHistoryServer)： 应用程序历史信息记录服务

4.4 Web应用代理(Web Application Proxy)

  • 代理服务器，即Web应用代理是 YARN 的一部分。默认情况下，它将作为资源管理器(RM)的一部分运行，但是可以配置为在独立模式下运行。使用代理的原因是为了减少通过 YARN 进行基于网络的攻击的可能性。
  • 因为， YARN在运行时会提供一个WEB UI站点（同HDFS的WEB UI站点一样）可供用户在浏览器内查看YARN的运行信息
    在这里插入图片描述
  • 对外提供WEB 站点会有安全性问题， 而代理服务器的功能就是最大限度保障对WEB UI的访问是安全的。 比如：警告用户正在访问一个不受信任的站点、剥离用户访问的Cookie等
  • 开启代理服务器，可以提高YARN在开放网络中的安全性 （但不是绝对安全只能是辅助提高一些）
  • 代理服务器默认集成在了ResourceManager中也可以将其分离出来单独启动，如果要分离代理服务器
  1. 在yarn-site.xml中配置yarn.web-proxy.address 参数即可
<property>
	<name>yarn.web-proxy.address</name>
	<value>node1:8089</value>
	<description>代理服务器主机和端口</description>s/property>
</property>
  1. 并通过命令启动它即可 $HADOOP_YARN_HOME/sbin/yarn-daemon.sh start proxyserver

4.5 JobHistoryServer历史服务器

  • 历史服务器的功能：记录历史运行的程序的信息以及产生的日志并提供WEB UI站点供用户使用浏览器查看
    在这里插入图片描述
    JobHistoryServer历史服务器功能：
    • 提供WEB UI站点，供用户在浏览器上查看程序日志
    • 可以保留历史数据，随时查看历史运行程序信息
      JobHistoryServer需要配置：
  • 开启日志聚合，即从容器中抓取日志到HDFS集中存储
    在这里插入图片描述
    在这里插入图片描述
  • 配置历史服务器端口和主机
    在这里插入图片描述

4.6 YARN架构角色小结

  • 核心角色：ResourceManager和NodeManager
  • 辅助角色：ProxyServer，保障WEB UI访问的安全性
  • 辅助角色：JobHistoryServer，记录历史程序运行信息和日志

五 MapReduce & YARN 的部署

5.1 部署说明

Hadoop HDFS分布式文件系统，会启动：

  • NameNode进程作为管理节点
  • DataNode进程作为工作节点
  • SecondaryNamenode作为辅助
    Hadoop YARN分布式资源调度，会启动：
  • ResourceManager进程作为管理节点
  • NodeManager进程作为工作节点
  • ProxyServer、JobHistoryServer两个辅助节点

MapReduce运行在YARN容器内，无需启动独立进程

关于MapReduce和YARN的部署，其实就是2件事情：

  • 关于MapReduce： 修改相关配置文件，但是没有进程可以启动
  • 关于YARN： 修改相关配置文件， 并启动ResourceManager、NodeManager进程以及辅助进程（代理服务器、历史服务器）
  • 表格汇总
    在这里插入图片描述

5.2 集群规划

在这里插入图片描述

5.3 MapReduce配置文件

在$HADOOP_HOME/etc/hadoop文件夹内，修改：

  • mapred-env.sh文件，添加如下环境变量

    # 设置JDK路径
export JAVA_HOME=/export/server/jdk8
# 设置JobHistoryServer进程内存为1G
export HADOOP_JOB_HISTORYSERVER_HEAPSIZE=1000
# 设置日志级别为INFO
export HADOOP_MAPRED_ROOT_LOGGER=INFO,RFA

  • mapred-site.xml文件，添加如下配置信息:

      <property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
    <description>MapReduce的运行框架设置为YARN</description>
  </property>

  <property>
    <name>mapreduce.jobhistory.address</name>
    <value>node1:10020</value>
    <description>历史服务器通讯端口为node1:10020</description>
  </property>

  <property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>node1:19888</value>
    <description>历史服务器web端口为nodel的19888</description>
  </property>

  <property>
    <name>mapreduce.jobhistory.intermediate-done-dir</name>
    <value>/data/mr-history/tmp</value>
    <description>历史信息在HDFS的记录临时路径</description>
  </property>

  <property>
    <name>mapreduce.jobhistory.done-dir</name>
    <value>/data/mr-history/done</value>
    <description>历史信息在HDFS的记录路径</description>
  </property>
<property>
  <name>yarn.app.mapreduce.am.env</name>
  <value>HADOOP_MAPRED_HOME=$HADOOP_HOME</value>
  <description>MapReduce HOME设置为HADOOP_HOME</description>
</property>
<property>
  <name>mapreduce.map.env</name>
  <value>HADOOP_MAPRED_HOME=$HADOOP_HOME</value>
  <description>MapReduce HOME设置为HADOOP_HOME</description>
</property>
<property>
  <name>mapreduce.reduce.env</name>
  <value>HADOOP_MAPRED_HOME=$HADOOP_HOME</value>
  <description>MapReduce HOME设置为HADOOP_HOME</description>
</property>

  • yarn-env.sh文件，添加如下4行环境变量内容：

    #设置JDK路径的环境变量
export JAVA_HOME=/export/server/jdk8
#设置HADOOPHOME的环境变量
export HADOOP_HOME=/export/server/hadoop
#设置配置文件路径的环境变量
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
#设置日志文件路径的环境变量
export HADOOP_LOG_DIR=$HADOOP_HOME/logs

  • yarn-site.xml文件，修改内容

    <configuration>

<!-- 核心配置 -->
  <property>
    <name>yarn.resourcemanager.hostname</name>
    <value>node1</value>
    <description>>ResourceManager设置在nodel节点</description>
  </property>


  <property>
    <name>yarn.nodemanager.local-dirs</name>
    <value>/data/nm-local</value>
    <description>NodeManager中间数据本地存储路径</description>
  </property>


  <property>
    <name>yarn.nodemanager.log-dirs</name>
    <value>/data/nm-log</value>
    <description>NodeManager中间数据本地存储路径</description>
  </property>

  <property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
    <description>为MapReduce程序开启Shuf fle服务</description>
  </property>

  <property>
    <name>yarn.nodemanager.log.retain-seconds</name>
    <value>10800</value>
    <description>Default time (in seconds) to retain log files on the NodeManager Only applicable if log-aggregation is disabled.</description>
  </property>

<!-- 额外配置 -->
<property>
    <name>yarn.log.server.url</name>
    <value>http://node1:19888/jobhistory/logs</value>
    <description>历史服务器URL</description>
</property>

  <property>
    <name>yarn.web-proxy.address</name>
    <value>node1:8089</value>
    <description>代理服务器主机和端口</description>
  </property>


  <property>
    <name>yarn.log-aggregation-enable</name>
    <value>true</value>
    <description>开启日志聚合</description>
  </property>

  <property>
    <name>yarn.nodemanager.remote-app-log-dir</name>
    <value>/tmp/logs</value>
    <description>程序日志HDFS的存储路径</description>
  </property>

  <property>
    <name>yarn.resourcemanager.scheduler.class</name>
    <value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.FairScheduler</value>
    <description>选择公平调度器</description>
  </property>
</configuration>

5.4 分发配置文件

  • MapReduce和YARN的配置文件修改好后，需要分发到其它的服务器节点中。
    scp mapred-env.sh mapred-site.xml yarn-env.sh yarn-site.xml node2:`pwd`/
scp mapred-env.sh mapred-site.xml yarn-env.sh yarn-site.xml node3:`pwd`/
  • 分发完成配置文件，就可以启动YARN的相关进程

5.5 集群启动命令

常用的进程启动命令如下：

  • 一键启动YARN集群： $HADOOP_HOME/sbin/start-yarn.sh
    • 会基于yarn-site.xml中配置的yarn.resourcemanager.hostname来决定在哪台机器上启动resourcemanager
    • 会基于workers文件配置的主机启动NodeManager
  • 一键停止YARN集群： $HADOOP_HOME/sbin/stop-yarn.sh
  • 在当前机器，单独启动或停止进程
    • $HADOOP_HOME/bin/yarn --daemon start|stop resourcemanager|nodemanager|proxyserver
    • start和stop决定启动和停止
    • 可控制resourcemanager、nodemanager、proxyserver三种进程
  • 历史服务器启动和停止
    • $HADOOP_HOME/bin/mapred --daemon start|stop historyserver

5.6 开始启动YARN集群

在node1服务器，以hadoop用户执行

  1. 首先执行：$HADOOP_HOME/sbin/start-yarn.sh，一键启动所需的：ResourceManager、NodeManager、ProxyServer（代理服务器）
  2. 其次执行：$HADOOP_HOME/bin/mapred --daemon start historyserver 启动：HistoryServer（历史服务器）
    在这里插入图片描述
  3. 查看YARN的WEB UI页面
    • 打开 http://node1:8088 即可看到YARN集群的监控页面（ResourceManager的WEB UI）
      在这里插入图片描述
      在这里插入图片描述
  • 最后，可以给虚拟机打上快照，保存安装状态

六 MapReduce & YARN 初体验

6.1 集群启停命令

6.1.1 一键启动脚本

  • 启动：
    $HADOOP_HOME/sbin/start-yarn.sh
    • 从yarn-site.xml中读取配置，确定ResourceManager所在机器，并启动它
    • 读取workers文件，确定机器，启动全部的NodeManager
    • 在当前机器启动ProxyServer（代理服务器）
  • 关闭：$HADOOP_HOME/sbin/stop-yarn.sh

6.1.2 单进程启停

  • 控制单独控制进程的启停。
  • $HADOOP_HOME/bin/yarn单独控制所在机器的进程的启停
    • 用法：
    yarn --daemon (start|stop) (resourcemanager|nodemanager|proxyserver)
  • $HADOOP_HOME/bin/mapred，单独控制所在机器的历史服务器的启停
    • 用法：
    mapred --daemon (start|stop) historyserver

6.2 提交MapReduce任务到YARN执行

  • 在部署并成功启动YARN集群后，就可以在YARN上运行各类应用程序了。

  • YARN作为资源调度管控框架，其本身提供资源供许多程序运行，常见的有：MapReduce程序、Spark程序、Flink程序

  • Hadoop官方内置了一些预置的MapReduce程序代码，无需编程，只需要通过命令即可使用。
    常用的有2个MapReduce内置程序：

  • wordcount：单词计数程序。 【统计指定文件内各个单词出现的次数】

  • pi：求圆周率【通过蒙特卡罗算法（统计模拟法）求圆周率】

  • 这些内置的示例MapReduce程序代码，都在：$HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.6.jar 这个文件内。
    在这里插入图片描述
  • 可以通过 hadoop jar 命令来运行它，提交MapReduce程序到YARN中。
    语法： hadoop jar 程序文件 java类名 [程序参数] ... [程序参数]

6.2.1 提交wordcount示例程序

  • 单词计数示例程序的功能很简单：
    • 给定数据输入的路径（HDFS）、给定结果输出的路径（HDFS）
    • 将输入路径内的数据中的单词进行计数，将结果写到输出路径
  1. 准备一份数据文件，并上传到HDFS中。
    • 将以下内容保存到Linux中为words.txt文件，并上传到HDFS
    itheima itcast itheima itcast
hadoop hdfs hadoop hdfs
hadoop mapreduce hadoop yarn
itheima hadoop itcast hadoop
itheima itcast hadoop yarn mapreduce

hadoop fs -mkdir -p /input/wordcount
hadoop fs -mkdir /output
hadoop fs -put words.txt /input/wordcount/
  • 执行如下命令，提交示例MapReduce程序WordCount到YARN中执行
hadoop jar /export/server/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.6.jar wordcount hdfs://node1:8020/input hdfs://node1:8020/output/wc1

注意：

  • 参数wordcount，表示运行jar包中的单词计数程序（Java Class）
  • 参数1是数据输入路径（hdfs://node1:8020/input/wordcount/)
  • 参数2是结果输出路径(hdfs://node1:8020/output/wc1)， 需要确保输出的文件夹不存在
  • 提交程序后，可以在YARN的WEB UI页面看到运行中的程序（http://node1:8088/cluster/apps)
    在这里插入图片描述
  • 执行完成后，可以查看HDFS上的输出结果
    在这里插入图片描述
    • _SUCCESS文件是标记文件，表示运行成功，本身是空文件
    • part-r-00000，是结果文件，结果存储在以part开头的文件中
  • 执行完成后，可以借助历史服务器查看到程序的历史运行信息
    在这里插入图片描述

6.2.2 查看运行日志

点击logs链接，可以查看到详细的运行日志信息。
在这里插入图片描述
在这里插入图片描述
此功能基于：

  1. 配置文件中配置了日志聚合功能，并设置了历史服务器
    在这里插入图片描述
    在这里插入图片描述
  2. 启动了代理服务器和历史服务器
  3. 历史服务器进程会将日志收集整理，形成可以查看的网页内容供我们查看。

6.2.3 提交求圆周率示例程序

  • 可以执行如下命令，使用蒙特卡罗算法模拟计算求PI（圆周率）
    hadoop jar /export/server/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.6.jar pi 3 100000
    • 参数pi表示要运行的Java类，这里表示运行jar包中的求pi程序
    • 参数3，表示设置几个map任务
    • 参数1000，表示模拟求PI的样本数（越大求的PI越准确，但是速度越慢）
      在这里插入图片描述

6.3 补充：蒙特卡罗算法求PI的基础原理

  • Monte Carlo算法的基本思想是： 以模拟的”实验”形式、以大量随机样本的统计形式，来得到问题的求解。
    在这里插入图片描述
  • 如图，我们在正方形内，随机落点统计落在1/4圆内的点和总点数量的比例即可得到1/4的PI，最终乘以4即可得到PI
  • 比如，红色点的数量比全部点的数量，结果是0.765，那么乘以四可以得到3.06。3.06就是求得的PI所以，此方法，需要大量的样本（落点），样本越多越精准
  • 以Python语言实现的蒙特卡罗求PI
    在这里插入图片描述

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/907490.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

微信怎么添加更多的好友？通过后还能自动打招呼？

微信怎么添加更多的好友？通过后还能自动打招呼？

近期好多客户来问想把抖音、淘宝等平台的客户引流到自己的微信号里&#xff0c;打造自己的私域流量池&#xff0c;有什么办法能快捷地批量自动添加客户好友的微信呢&#xff1f;怎么规避加太多频繁的问题呢&#xff1f; 今天&#xff0c;我们来一一解决&#xff0c;都知道加好…
阅读更多...
Python连接DB2数据库

Python连接DB2数据库

安装Python DB2驱动 pip install ibm_db待更新
阅读更多...
展会动态 | 迪捷软件邀您参加第五届中国嵌入式技术大会

展会动态 | 迪捷软件邀您参加第五届中国嵌入式技术大会

大会简介 第五届中国嵌入式技术大会将于2023年8月23-25日在深圳会展中心&#xff08;福田&#xff09;1号会议室4/5/6举办&#xff0c;本届大会将以“智能、创新、开源”为主题&#xff0c;聚焦智能系统、汽车电子、开源芯片和基础软件四大板块&#xff0c;汇聚优质企业及知名…
阅读更多...
批量修改文件名怎么操作？

批量修改文件名怎么操作？

批量修改文件名怎么操作&#xff1f;不管你使用电脑处理工作还是进行学习&#xff0c;都会在电脑中产生很多的文件&#xff0c;时间一久电脑里的文件更加杂乱无章&#xff0c;这时候如果不对电脑中的文件进行及时的管理&#xff0c;那么很可能出现文件丢失而你自己还发现不了的…
阅读更多...
最新出炉！2023年NPS和CSAT行业基准分数一览

最新出炉！2023年NPS和CSAT行业基准分数一览

根据Forrester的最新调研&#xff0c;美国品牌在2023年难以提供出色的客户体验&#xff0c;导致其客户体验指数得分史无前例地连续第二年下降&#xff0c;大多数行业都在客户体验之旅中“碰壁”。无独有偶&#xff0c;加拿大品牌的整体客户体验水平也刷新了自2016年调研以来的“…
阅读更多...
【报错】yarn --version Unrecognized option: --version Error...

【报错】yarn --version Unrecognized option: --version Error...

文章目录 问题分析解决问题 在使用 npm install -g yarn 全局安装 yarn 后，查看yarn 的版本号，报错如下 PS D:\global-data-display> yarn --version Unrecognized option: --version Error: Could
阅读更多...
这所“984.5”保护一志愿！集成学硕爆冷，300分以上全要！考数二英一！

这所“984.5”保护一志愿！集成学硕爆冷，300分以上全要！考数二英一！

一、学校及专业介绍 南京航空航天大学&#xff08;Nanjing University of Aeronautics and Astronautics&#xff09;&#xff0c;简称南航&#xff08;NUAA&#xff09;。位于江苏省南京市&#xff0c;是一所具有航空航天民航特色、以理工类为主的综合性全国重点大学。国家“…
阅读更多...
Redis常用数据类型及常用命令

Redis常用数据类型及常用命令

文章目录 简介下载与安装运行访问服务端运行连接数据库设置数据库密码带端口密码地址连接数据库利用可视化工具连接redis 5种常用数据类型Redis常用命令字符串操作命令哈希操作命令列表操作命令集合操作命令有序集合操作命令通用命令 简介 下载与安装 https://github.com/micro…
阅读更多...
idea提示无法访问某个类

idea提示无法访问某个类

一、问题 maven引入某个包后无法访问这个包里面的类 二、原因 这个类用java11编写&#xff0c;而我的项目代码是用java8编译的所以无法访问此类&#xff0c;idea报错。 将项目的Java版本号改为11&#xff0c;重新编译&#xff0c;问题解决 参考文章&#xff1a; https://www…
阅读更多...
maven打出jar中动态替换占位符

maven打出jar中动态替换占位符

使用场景&#xff1a; maven打出的jar中pom.xml动态替换占位符 有些时候某些公共工具jar包被项目引用后发现公共jar的pom.xml中的version依然还是占位符&#xff0c;例如下面 <dependency><groupId>org.projectlombok</groupId><artifactId>lombok<…
阅读更多...
Python基础教程——实现登录和注册、2048游戏开发（完整版，附源码）

Python基础教程——实现登录和注册、2048游戏开发（完整版，附源码）

一、登录和注册 1. 案例介绍 本例设计一个用户登录和注册模块&#xff0c;使用 Tkinter 框架构建界面&#xff0c;主要用到画布、文本框、按钮等组件。涉及知识点&#xff1a;Python Tkinter 界面编程、pickle 数据存储。本例实现了基本的用户登录和注册互动界面&#xff0c;…
阅读更多...
【Go】Goland项目配置运行教程

【Go】Goland项目配置运行教程

Golang项目配置运行教程 1.安装Golang下载安装包安装 2.Goland配置 注意&#xff0c;本项目描述的是git clone下来的Golang项目配置运行教程&#xff0c;并不是从头创建一个Golang项目并运行 作者是在win11系统上使用goland进行的实践&#xff0c;其他操作系统和比编辑器请谨慎…
阅读更多...
linux设备驱动模型：xbus、platform

linux设备驱动模型：xbus、platform

xbus&#xff1a;打造自属的驱动总线 软件和硬件的代码分离&#xff0c;提高程序的复用性。 device&#xff1a;关联硬件代码 driver_devices&#xff1a;关联软件代码 bus_type&#xff1a;统一管理、设置match匹配规则&#xff08;struct device和struct device_driver&…
阅读更多...
Python程序设计基础：random库的使用

Python程序设计基础：random库的使用

文章目录 一、常见的random库函数二、应用实例 一、常见的random库函数 在使用Python语言进行编程计算时&#xff0c;计算机完成的计算主要是确定的&#xff0c;但是在将其进行应用时&#xff0c;人们会模拟现实生活中的现象和活动&#xff0c;希望其增加一些随机性&#xff0…
阅读更多...
Leetcode-每日一题【剑指 Offer 34. 二叉树中和为某一值的路径】

Leetcode-每日一题【剑指 Offer 34. 二叉树中和为某一值的路径】

题目 给你二叉树的根节点 root 和一个整数目标和 targetSum &#xff0c;找出所有 从根节点到叶子节点 路径总和等于给定目标和的路径。 叶子节点 是指没有子节点的节点。 示例 1&#xff1a; 输入&#xff1a;root [5,4,8,11,null,13,4,7,2,null,null,5,1], targetSum 22输…
阅读更多...
成都爱尔谭娇主任提醒孩子不停揉眼睛是因为什么

成都爱尔谭娇主任提醒孩子不停揉眼睛是因为什么

孩子总是揉眼睛&#xff0c; 明显眼睛不舒服&#xff0c; 但看着好像没什么? 可孩子不停眨眼流泪&#xff0c; 肯定不对…… 孩子到底怎么了? 孩子可能长了“倒睫”! 孩子出现倒睫毛就是睫毛不朝外长而向内长&#xff0c;是婴幼儿很容易患的一种眼病。 由于孩子的脸颊及鼻梁发…
阅读更多...
为什么选择模块化机柜？

为什么选择模块化机柜？

模块化机柜是一种使用模块化设计的机柜&#xff0c;它的特点就是可以灵活组合和扩展&#xff0c;方便用户根据实际需求进行定制。 模块化机柜具有以下特点&#xff1a; 可定制性&#xff1a;模块化机柜可以根据用户的具体需求和空间限制&#xff0c;进行自由组合和定制。用户…
阅读更多...
无人直播应该这样操作！

无人直播应该这样操作！

随着无人直播带货的迅猛发展&#xff0c;越来越多的商家和个人开始关注如何运营一成功的无人直播带货活动。本文将为您提供一份操作指南&#xff0c;并在此基础上探讨无人直播带货的思考深度和逻辑性。 一、了解无人直播带货的基本概念 无人直播带货是指通过直播平台和…
阅读更多...
级联/嵌套查询

级联/嵌套查询

在真实业务背景中的系统中&#xff0c;对于用户的认证、授权以及鉴权的问题&#xff0c;通常不只依靠一张用户表来完成。一般还涉及用户角色表&#xff0c;用户-角色关系表&#xff0c;权限表&#xff0c;以及角色-权限关系表。此时查询数据库&#xff0c;除了使用关联查询还有…
阅读更多...
基于MATLAB开发AUTOSAR软件应用层Code mapping专题-part 2 Inport和Outports 标签页介绍

基于MATLAB开发AUTOSAR软件应用层Code mapping专题-part 2 Inport和Outports 标签页介绍

上篇我们介绍了Function页的内容，这篇我们介绍Inports和Outports页的内容，这里我们再次强调一个概念，code mapping是以simulink的角度去看的，就是先要在模型中建立simulink模块，在code mapping里映射他要对应的autosar的元素，之后生成代码时的c语言的名字是以Autosar的元…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023