Hadoop入门学习笔记——八、数据分析综合案例

视频课程地址：https://www.bilibili.com/video/BV1WY4y197g7
课程资料链接：https://pan.baidu.com/s/15KpnWeKpvExpKmOC8xjmtQ?pwd=5ay8

Hadoop入门学习笔记（汇总）

目录

  • 八、数据分析综合案例
    • 8.1. 需求分析
      • 8.1.1. 背景介绍
      • 8.1.2. 目标
      • 8.1.3. 需求
      • 8.1.4. 数据内容
    • 8.2. 加载数据
    • 8.3. ETL数据清洗转换
    • 8.4. 指标统计
    • 8.5. FineBI安装&配置
      • 8.5.1. FineBI的下载和安装
      • 8.5.2. 配置FineBI与Hive的连接
    • 8.6. 可视化展示

八、数据分析综合案例

8.1. 需求分析

8.1.1. 背景介绍

聊天平台每天都会有大量的用户在线，会出现大量的聊天数据，通过对聊天数据的统计分析，可以更好的对用户构建精准的用户画像，为用户提供更好的服务以及实现高ROI的平台运营推广，给公司的发展决策提供精确的数据支撑。
我们将基于一个社交平台App的用户数据，完成相关指标的统计分析并结合BI工具对指标进行可视化展现。

8.1.2. 目标

基于Hadoop和Hive实现聊天数据统计分析，构建聊天数据分析报表
在这里插入图片描述

8.1.3. 需求

  • 统计今日总消息量
  • 统计今日每小时消息量、发送和接收用户数
  • 统计今日各地区发送消息数据量
  • 统计今日发送消息和接收消息的用户数
  • 统计今日发送消息最多的Top10用户
  • 统计今日接收消息最多的Top10用户
  • 统计发送人的手机型号分布情况
  • 统计发送人的设备操作系统分布情况

8.1.4. 数据内容

  • 数据大小：30万条数据
  • 列分隔符：Hive默认分隔符‘\001’
  • 数据字典及样例数据

在这里插入图片描述

8.2. 加载数据

1、创建库表

-- 如果数据库已存在就删除
drop database if exists db_msg cascade;

-- 创建数据库
CREATE database db_msg;

-- 选择数据库
use db_msg;

--如果表已存在就删除
drop table if exists db_msg.tb_msg_source;

-- 建表
create table db_msg.tb_msg_source(
msg_time string comment "消息发送时间",
sender_name string comment "发送人昵称",
sender_account string comment "发送人账号",
sender_sex string comment "发送人性别",
sender_ip string comment "发送人ip地址",
sender_os string comment "发送人操作系统",
sender_phonetype string comment "发送人手机型号",
sender_network string comment "发送人网络类型",
sender_gps string comment "发送人的GPS定位",
receiver_name string comment "接收人昵称",
receiver_ip string comment "接收人IP",
receiver_account string comment "接收人账号",
receiver_os string comment "接收人操作系统",
receiver_phonetype string comment "接收人手机型号",
receiver_network string comment "接收人网络类型",
receiver_gps string comment "接收人的GPS定位",
receiver_sex string comment "接收人性别",
msg_type string comment "消息类型",
distance string comment "双方距离",
message string comment "消息内容"
);

2、数据导入
将课程资料中的chat_data-30W.csv文件上传到node1服务器的/home/hadoop目录下；

在Linux系统内执行以下命令：

# 切换工作目录
cd /home/hadoop

# 在HDFS系统中创建/chatdemo/data目录
hadoop fs -mkdir -p /chatdemo/data

# 将chat_data-30W.csv文件从Linux上传到HDFS系统中
hadoop fs -put chat_data-30W.csv /chatdemo/data

在DBeaver中执行以下命令：

-- 从HDFS系统中加载数据到Hive表
load data inpath '/chatdemo/data/chat_data-30W.csv' into table tb_msg_source;

-- 验证数据加载
SELECT * FROM tb_msg_source tablesample(100 rows);

-- 验证表中的数据条数
SELECT COUNT(*) from tb_msg_source tms ;

8.3. ETL数据清洗转换

由于原始数据中存在部分不合规的数据，所以需要对数据进行清洗。
1、原始数据存在的问题

  • 问题1：当前数据中，有一些数据的字段（如sender_gps）为空，不是合法数据；
  • 问题2：需求中，需要统计每天、每个小时的消息量，但是数据中没有天和小时字段，只有整体时间字段，不好处理；
  • 问题3：需求中，需要对经度和维度构建地区的可视化地图，但是数据中GPS经纬度为一个字段，不好处理；

2、数据清洗需求

  • 需求1：对字段为空的不合法数据进行过滤；
  • 需求2：通过时间字段构建天和小时字段；
  • 需求3：从GPS的经纬度中提取经度和维度；
  • 需求4：将ETL以后的结果保存到一张新的Hive表中。
-- 创建存储清洗后数据的表
create table db_msg.tb_msg_etl(
msg_time string comment "消息发送时间",
sender_name string comment "发送人昵称",
sender_account string comment "发送人账号",
sender_sex string comment "发送人性别",
sender_ip string comment "发送人ip地址",
sender_os string comment "发送人操作系统",
sender_phonetype string comment "发送人手机型号",
sender_network string comment "发送人网络类型",
sender_gps string comment "发送人的GPS定位",
receiver_name string comment "接收人昵称",
receiver_ip string comment "接收人IP",
receiver_account string comment "接收人账号",
receiver_os string comment "接收人操作系统",
receiver_phonetype string comment "接收人手机型号",
receiver_network string comment "接收人网络类型",
receiver_gps string comment "接收人的GPS定位",
receiver_sex string comment "接收人性别",
msg_type string comment "消息类型",
distance string comment "双方距离",
message string comment "消息内容",
msg_day string comment "消息日",
msg_hour string comment "消息小时",
sender_lng double comment "经度",
sender_lat double comment "纬度"
);


-- 按照需求对原始数据表中的数据进行过滤，然后插入新建的表中
INSERT OVERWRITE TABLE db_msg.tb_msg_etl
SELECT 
	*,
	DATE(msg_time) as msg_day,
	HOUR(msg_time) as msg_hour,
	SPLIT(sender_gps, ',')[0] as sender_lng,
	SPLIT(sender_gps, ',')[0] as sender_lat
FROM db_msg.tb_msg_source
WHERE LENGTH(sender_gps) > 0;

执行完毕后，打开tb_msg_etl表，可以看到以下数据
在这里插入图片描述

扩展知识：ETL
从表tb_msg_source 查询数据进行数据过滤和转换，并将结果写入到：tb_msg_etl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。

8.4. 指标统计

1、指标1：统计每日发送的消息总量

-- 统计每日消息总量
CREATE table db_msg.tb_rs_total_msg_cnt comment '每日消息总量' as
SELECT msg_day, COUNT(*) as total_msg_cnt  FROM db_msg.tb_msg_etl GROUP BY msg_day;

2、指标2：统计每小时消息量、发送和接收用户数

-- 统计每小时消息量、发送和接收用户数
CREATE table db_msg.tb_rs_hour_msg_cnt comment '每小时消息量情况' as
SELECT
	msg_hour,
	COUNT(*) as total_msg_cnt,
	COUNT(DISTINCT sender_account) as sender_user_cnt,
	COUNT(DISTINCT receiver_account) as receiver_user_cnt
FROM
	db_msg.tb_msg_etl
GROUP BY
	msg_hour;

3、指标3：统计每日各地区发送消息总量

-- 每日各地区发送消息总量
CREATE table db_msg.tb_rs_loc_cnt comment '每日各地区发送消息总量' as
SELECT
	msg_day,
	sender_lng,
	sender_lat,
	COUNT(*) as total_msg_cnt
FROM db_msg.tb_msg_etl 
GROUP BY msg_day, sender_lng, sender_lat;

4、指标4：统计每日发送和接收用户数

-- 每日发送和接收用户数
CREATE table db_msg.tb_rs_user_cnt comment '每日发送消息和接收消息人数' as
SELECT 
	msg_day,
	COUNT(DISTINCT sender_account) as sender_user_cnt,
	COUNT(DISTINCT receiver_account) as receiver_user_cnt 
FROM db_msg.tb_msg_etl
GROUP BY msg_day;

5、指标5：统计发送消息条数最多的TOP10用户

-- 发送消息条数最多的前10个用户
CREATE table db_msg.tb_rs_sneder_user_top10 comment '发送消息条数最多的10个用户' as
SELECT 
	sender_name,
	COUNT(*) as sender_msg_cnt 
FROM db_msg.tb_msg_etl
GROUP BY sender_name
SORT BY sender_msg_cnt DESC 
LIMIT 10;

6、指标6：统计接收消息条数最多的TOP10用户

-- 接收消息条数最多的10个用户
CREATE table db_msg.tb_rs_receiver_user_top10 comment '接收消息条数最多的10个用户' as
SELECT 
	receiver_name,
	COUNT(*) as receiver_msg_cnt 
FROM db_msg.tb_msg_etl
GROUP BY receiver_name 
SORT BY receiver_msg_cnt DESC 
LIMIT 10;

7、指标7：统计发送人的手机型号

-- 统计发送人的手机型号
CREATE table db_msg.tb_rs_sender_phone comment '发送人手机型号分布' as
SELECT 
	sender_phonetype,
	COUNT(*) as cnt
FROM db_msg.tb_msg_etl
GROUP BY sender_phonetype;

8、指标8：统计发送人的设备操作系统分布情况

-- 统计发送人的设备操作系统分布情况
CREATE table db_msg.tb_rs_sender_os comment '发送人设备操作系统分布' as
SELECT 
	sender_os,
	COUNT(*) as cnt
FROM db_msg.tb_msg_etl tme 
GROUP BY sender_os;

8.5. FineBI安装&配置

8.5.1. FineBI的下载和安装

1、打开FineBI官方https://www.finebi.com/，注册并下载FineBI个人试用版本客户端；
在这里插入图片描述
在这里插入图片描述

2、在本地物理机上安装刚才下载的客户端（和安装其他软件一样的操作），安装完成之后，启动FineBI客户端；
在这里插入图片描述

3、启动之后，输入FineBI官网提供的激活码，然后点击“使用BI”按钮，此时FineBI客户端开始启动（这个过程可能较长，需要耐心等待，过程中可能会弹出openJDK请求防火墙的权限，需要同意）；
在这里插入图片描述
在这里插入图片描述
4、FineBI客户端启动成功后，会自动打开浏览器，并打开http://localhost:37799/webroot/decision/login/initialization网页，进入配置页面，此时可以配置BI软件的管理员账号、密码；
在这里插入图片描述
5、账号设置完毕后，需要配置FineBI的数据库，FineBI类似于Hive也有元数据需要管理，对于个人使用来说，可以使用FineBI的内置数据库，若是生产环境使用，则建议使用外接数据库；
在这里插入图片描述
6、点击“直接登录”之后，BI系统会自动跳转到登录界面，输入刚才设置的管理员账号和密码进行登录；
在这里插入图片描述
7、登录FineBI系统后，可以在其目录内发现一些内置的模板和样例数据，以及新手入门指引等，可以作为配置个人所需模板的参考；
在这里插入图片描述
至此，FineBI客户端已安装完毕。

8.5.2. 配置FineBI与Hive的连接

1、接下来需要配置FineBI连接Hive的隔离插件。进入FineBI系统中，在“管理系统-插件管理-我的插件-从本地安装”，然后选择课程资料中，FineBI文件夹中的fr-plugin-hive-driver-loader-3.0.zip，然后系统会安装Hive隔离插件；
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
2、然后，使用记事本打开FineBI安装目录下webapps\webroot\WEB-INF\embed\finedb目录下的db.script文件，将其中的INSERT INTO FINE_CONF_ENTITY VALUES('SystemConfig.driverUpload','false')修改为INSERT INTO FINE_CONF_ENTITY VALUES('SystemConfig.driverUpload','true')。这样才能安装Hive驱动。
在这里插入图片描述

3、然后，重启FineBI客户端，先关闭FineBI客户端，然后再在桌面重新打开FineBI的客户端；
在这里插入图片描述
在这里插入图片描述
4、重新登录系统后，需要先安装Hive驱动，打开FineBI官方帮助手册，Hadoop Hive数据连接章节：https://help.fanruan.com/finebi/doc-view-301.html，根据其指示下载对应版本的驱动包和日志jar包；
在这里插入图片描述
5、下载完成后，将两个压缩包里的所有jar文件解压到一个文件夹中；
在这里插入图片描述
6、在系统中，依次点击“管理系统-数据连接-数据连接管理-驱动管理”，进入驱动管理界面；
在这里插入图片描述
7、在驱动管理界面点击“新建驱动”按钮，填写驱动名称，然后点击“确定”按钮；
在这里插入图片描述
8、然后点击“上传文件”按钮，将刚才解压的所有jar文件选中上传；
在这里插入图片描述
9、上传完成后，在“驱动”栏选择Hive驱动，然后点击右上角的“保存”按钮，完成Hive驱动的添加。添加成功后，点击左上角的“退出驱动管理”按钮；
在这里插入图片描述
10、点击数据连接管理界面的“新建数据连接”按钮，打开新建数据连接界面；
在这里插入图片描述
11、在打开的页面中选择“所有”选项卡，然后点击“Hadoop Hive”；
在这里插入图片描述
12、在Hadoop Hive页面填写虚拟机Hive服务（即hiveserver2服务）的相关信息，填写完毕后，点击右上角的“测试连接”按钮，看到“连接成功”提示代表配置成功，然后点击右上角的“保存”按钮，Hive连接创建完毕。

在这里插入图片描述
在这里插入图片描述
至此，FineBI到Hive的数据连接配置完成。后续将进行可视化面板的配置。

8.6. 可视化展示

本节的目标是使用FineBI配置出如下的可视化看板。
在这里插入图片描述
1、创建报表。登录系统后，依次点击“公共数据-新建文件夹”，创建本案例中所使用的文件夹，然后给文件夹命名为“Hive数据分析”。
在这里插入图片描述
2、选择刚才新建的“Hive数据分析”文件夹，然后点击上方的“新建数据集”按钮，选择“数据库表”。
在这里插入图片描述
3、然后将前面章节所创建的8个指标的数据表选中，然后点击右上角的“确定”按钮；
在这里插入图片描述
4、点击“确定”后，可以看到在“Hive数据分析”文件夹下出现了前面选中的表（以表注释命名）；
在这里插入图片描述
5、依次点开每张表，然后点击“更新数据”按钮，将Hive中的数据拉取过来；
在这里插入图片描述
6、依次点击“我的分析-新建文件夹”，将新建的文件夹命名为“Hive数据分析”；
在这里插入图片描述
7、选择“Hive数据分析”，然后点击“新建分析主题”，会在另一个浏览器窗口打开分析主题页面；
在这里插入图片描述
8、在分析主题页面选择“公共数据”-刚才新建的Hive数据分析数据集中的“每日发送消息和接收消息人数”，然后点击“确定”按钮，将该数据构建进来；
在这里插入图片描述
9、构建好后，点击下方的“组件”Tab，进入组件配置中，选择“KPI指标卡”，然后将左侧的“sender_user_cnt”字段拖动到“文本”栏中，然后点击文本栏的配置按钮；
在这里插入图片描述
10、在弹出的文本栏配置中，取消“固定字体大小”，然后编辑内容，将内容的前缀改为“发送消息人数：”即可；
在这里插入图片描述
在这里插入图片描述
11、对组件Tab进行重命名，改为“发送消息人数”，然后点击页面下部的“添加仪表板”按钮，添加一个仪表板；
在这里插入图片描述
12、然后在仪表板中，将刚才配置好的“发送消息人数”组件拖动到仪表板上，并调整好位置和大小，点击组件旁边的下拉按钮，取消“显示标题”的勾选；
在这里插入图片描述
13、然后点击右上角的“仪表板样式”，选择“默认暗黑”就可以修改整个数据看板的背景；
在这里插入图片描述
14、然后相同的方式，新建“接收消息人数”的组件，并摆放在该仪表板上；
在这里插入图片描述
15、选择“数据”Tab，然后点上面的“+”按钮，然后选择“公共数据-Hive数据分析-每日消息总量”，然后点击确定；
在这里插入图片描述
16、然后添加“总消息数”组件，参考上面完成组件配置，并摆放在仪表板上；
在这里插入图片描述
在这里插入图片描述
17、按照类似方法创建“发送消息最多的用户TOP10”组件；
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
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：/a/292725.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

Java业务功能并发问题处理

Java业务功能并发问题处理

业务场景： 笔者负责的功能需要调用其他系统的进行审批，而接口的调用过程耗时有点长（可能长达10秒），一个订单能被多个人提交审批，当订单已提交后会更改为审批中，不能再次审批（下游系…
阅读更多...
js逆向第11例：猿人学第4题雪碧图、样式干扰

js逆向第11例：猿人学第4题雪碧图、样式干扰

任务4：采集这5页的全部数字，计算加和并提交结果 打开控制台查看请求地址https://match.yuanrenxue.cn/api/match/4，返回的是一段html网页代码 复制出来格式化后，查看具体内容如下： <td><img src=\"data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAABUAAA…
阅读更多...
mysql与其他数据库有何区别？

mysql与其他数据库有何区别？

随着信息技术的不断发展&#xff0c;数据库系统在各行各业中得到了广泛的应用。其中&#xff0c;MySQL作为一种流行的关系型数据库管理系统&#xff0c;与其他数据库系统存在一些明显的区别。本文将就MySQL与其他数据库的区别进行深入探讨。 1、更低的成本 MySQL是一个开源的关…
阅读更多...
小兔鲜儿 uniapp - 项目打包

小兔鲜儿 uniapp - 项目打包

目录 微信小程序端​ 核心步骤​ 步骤图示​ 条件编译​ 条件编译语法​ 打包为 H5 端​ 核心步骤​ 路由基础路径​ 打包为 APP 端​ 微信小程序端​ 把当前 uni-app 项目打包成微信小程序端&#xff0c;并发布上线。 核心步骤​ 运行打包命令 pnpm build:mp-weix…
阅读更多...
Mybatis系列课程-一对一

Mybatis系列课程-一对一

目标 学会使用 assocation的select 与column 属性 select:设置分步查询的唯一标识 column:将查询出的某个字段作为分步查询的下一个查询的sql条件 步骤 第一步:修改Student.java 增加 private Grade grade; // 如果之前已经增加过, 跳过这步 第二步:修改StudentMapper.java…
阅读更多...
YOLOv8改进 | 2023Neck篇 | 利用Gold-YOLO改进YOLOv8对小目标检测

YOLOv8改进 | 2023Neck篇 | 利用Gold-YOLO改进YOLOv8对小目标检测

一、本文介绍 本文给大家带来的改进机制是Gold-YOLO利用其Neck改进v8的Neck，GoLd-YOLO引入了一种新的机制——信息聚集-分发（Gather-and-Distribute, GD）。这个机制通过全局融合不同层次的特征并将融合后的全局信息注入到各个层级中，从而实现更高效的信息交互和融合。这种…
阅读更多...
【PX4-AutoPilot教程-TIPS】Ubuntu中安装指定版本的gcc-arm-none-eabi

【PX4-AutoPilot教程-TIPS】Ubuntu中安装指定版本的gcc-arm-none-eabi

Ubuntu中安装指定版本的gcc-arm-none-eabi 在 Ubuntu 中开发基于 ARM 架构的 STM32 芯片&#xff0c;需要安装交叉编译器 gcc-arm-none-eabi编译代码&#xff0c;那么什么是交叉编译器呢&#xff1f; Ubuntu 自带的 gcc 编译器是针对 X86 架构的&#xff01;而我们现在要编译…
阅读更多...
Leetcode2962. 统计最大元素出现至少 K 次的子数组

Leetcode2962. 统计最大元素出现至少 K 次的子数组

Every day a Leetcode 题目来源&#xff1a;2962. 统计最大元素出现至少 K 次的子数组 解法1&#xff1a;滑动窗口 算法如下&#xff1a; 设 mx max⁡(nums)。右端点 right 从左到右遍历 nums。遍历到元素 xnums[right] 时&#xff0c;如果 xmx&#xff0c;就把计数器 co…
阅读更多...
【springboot+vue项目（零）】开发项目经验积累（处理问题）

【springboot+vue项目（零）】开发项目经验积累（处理问题）

一、VUEElement UI &#xff08;一&#xff09;elementui下拉框默认值不是对应中文问题 v-model绑定的值必须是字符串&#xff0c;才会显示默认选中对应中文&#xff0c;如果是数字&#xff0c;则显示数字&#xff0c;修改为&#xff1a; handleOpenAddDialog() {this.dialogT…
阅读更多...
JVS规则引擎和智能BI（自助式数据分析）1.3新增功能说明

JVS规则引擎和智能BI（自助式数据分析）1.3新增功能说明

规则引擎更新功能 新增: 1、数据源新增Excel数据源&#xff1b; Excel数据源功能允许用户将Excel文件作为数据源导入&#xff0c;并进行数据清洗、转换和处理&#xff0c;以实现数据的集成、可视化和深度分析&#xff0c;为决策提供强大支持&#xff0c;同时保持良好的交互性…
阅读更多...
html+css 有关于less的使用和全面解释

html+css 有关于less的使用和全面解释

目录 less 注释 运算 嵌套 变量 导入 导出 禁止导出 less Less是一个CSS预处理器, Less文件后缀是.less。扩充了 CSS 语言, 使 CSS 具备一定的逻辑性、计算能力 注意&#xff1a;浏览器不识别 Less 代码&#xff0c;目前阶段&#xff0c;网页要引入对应的 CSS 文件 V…
阅读更多...
ClickHouse数据库详解和应用实践

ClickHouse数据库详解和应用实践

提示&#xff1a;文章写完后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 文章目录 概述1.适用场景2.不适用场景 一、核心特性1.完备的DBMS功能2.列式存储与数据压缩 二、安装部署1.在线安装2.离线安装 三、jdbc访问总结 概述 ClickHouse 是一个用于…
阅读更多...
Linux 系统磁盘空间扩容

Linux 系统磁盘空间扩容

根据提示可以看到此系统的磁盘是 50G 的&#xff0c;但是实际适用有28G左右可以扩容20G 1、磁盘分区 m 查看帮助信息 n&#xff08;表示增加分区&#xff09; p&#xff08;创建主分区&#xff09; partition number 输入3&#xff08;因为上面已经有两个分区 sda1 和 sda2&…
阅读更多...
Qt中图片旋转缩放操作

Qt中图片旋转缩放操作

在我们开发过程中&#xff0c;难免会遇到加载图片的问题&#xff0c;在上一个开发项目里我就遇到了图片缩放的问题&#xff0c;所以&#xff0c;我决定将这一部分好好研究&#xff0c;记录下来&#xff0c;希望对大家有帮助哟~ 在讲解之前&#xff0c;我们先看一看具体的展示效…
阅读更多...
react antd，echarts全景视图

react antd，echarts全景视图

1.公告滚动&#xff0c;40s更新一次 2.echarts图标 左右轮播 60s更新一次 3.table 表格 import { useState, useEffect } from react;import Slider from react-slick; import slick-carousel/slick/slick-theme.css; import slick-carousel/slick/slick.css;import Layout fro…
阅读更多...
MongoDB批量写入操作

MongoDB批量写入操作

一、概述 MongoDB为客户端提供了批量执行写入操作的能力。批量写入操作影响单个集合。MongoDB允许应用程序确定批量写入操作所需的可接受确认级别。 db.collection.bulkWrite&#xff08;&#xff09;方法提供了执行批量插入、更新和删除操作的能力。 MongoDB还支持通过db.col…
阅读更多...
使用Apache POI将数据写入Excel文件

使用Apache POI将数据写入Excel文件

首先导入依赖 <dependency><groupId>org.apache.poi</groupId><artifactId>poi</artifactId><version>3.16</version> </dependency> <dependency><groupId>org.apache.poi</groupId><artifactId>po…
阅读更多...
Spring Cloud Gateway 缓存区异常

Spring Cloud Gateway 缓存区异常

目录 1、问题背景 2、分析源码过程 3、解决办法 最近在测试环境spring cloud gateway突然出现了异常&#xff0c;在这里记录一下&#xff0c;直接上干货 1、问题背景 测试环境spring cloud gateway遇到以下异常 DataBufferLimitException: Exceeded limit on max bytes t…
阅读更多...
Spring 面试题学习笔记整理

Spring 面试题学习笔记整理

Spring 面试题学习笔记整理 Spring的理解IOC读取 xml注入 配置过程解析注解注入过程 高频 &#xff1a;IOC 理解 及原理 底层实现IoC的底层实现高频&#xff1a;Bean的生命周期&#xff08;图解&#xff09;高频&#xff1a;Bean的生命周期&#xff08;文解&#xff09;扩展知识…
阅读更多...
STM32和ESP8266的WiFi模块控制与数据传输

STM32和ESP8266的WiFi模块控制与数据传输

基于STM32和ESP8266 WiFi模块的控制与数据传输是一种常见的嵌入式系统应用。在这种应用中&#xff0c;STM32作为主控制器负责控制和与外部传感器交互&#xff0c;而ESP8266 WiFi模块则用于实现无线通信和数据传输。本文将介绍如何在STM32上控制ESP8266模块&#xff0c;建立WiFi…
阅读更多...
最新文章

Copyright @ 2022~2023