8-云原生监控体系-PromQL-函数

Prometheus支持几个函数来操作数据。

文章目录

  • 1. 函数语法解释
  • 2. count(v instant-vector)
  • 3. topk(n, v instant-vector)
  • 4. bottomk(n, v instant-vector)
  • 5. increase(v range-vector)
  • 6. rate(v range-vector)
  • 7. rate 和 increase
  • 8. irate(v range-vector)
  • 9. predict_linear(v range-vector, t scalar) 预测统计【重要】
  • 10. absent(v instant-vector)
  • 11. absent_over_time(v range-vector)
  • 12. histogram_quantile(φ scalar, b instant-vector)
  • 13. changes()
  • 14. 其他
    • 14.1 label_join()
    • 14.2 label_replace()
    • 14.3 time()
    • 14.4 vector(s scalar)
    • 14.5 timestamp()
    • 14.6 year(v=vector(time()) instant-vector)
    • 14.7 day_of_week()
    • 14.8 day_of_month()
    • 14.9 day_of_year(v=vector(time()) instant-vector)
    • 14.10 days_in_month(v=vector(time()) instant-vector)
    • 14.11 delta(v range-vector) 计算差值
    • 14.12 idelta(v range-vector)
    • 14.13 minute(v=vector(time()) instant-vector)
    • 14.14 hour(v=vector(time()) instant-vector)
    • 14.15 month(v=vector(time()) instant-vector)
    • 14.16 sum(v instant-vector)
    • 14.17 sgn(v instant-vector)
    • 14.18 sort(v instant-vector)
    • 14.19 sort_desc(v instant-vector)
    • 14.20 ceil(v instant-vector) 不常用
    • 14.21 floor(v instant-vector) 不常用
  • 15. `<aggregation>_over_time()`

1. 函数语法解释

Promethues 的函数作用于 及时向量和范围向量。

举例说明, 函数 increase 的语法为： increase(v range-vector)，其中 increase 为函数， v 为函数的参数，就是一个查询表达式获取到的具体数值， range-vector 是参数 v 的类型， 基本上类型有:

  • instant-vector 即时向量，就是当前时间的数据，例如 up
  • range-vector 范围向量, 就是一个指定范围内的数据，例如 up[5m]

2. count(v instant-vector)

统计获取到结果的条目数
在这里插入图片描述

3. topk(n, v instant-vector)

从给定的一组数值中取出最高的前 n 位, v 应该是聚合表达式中的 即时向量。

常用于瞬时报警，不用于观察曲线图
在这里插入图片描述

4. bottomk(n, v instant-vector)

从给定的一组数值中取出最低的后 n 位, v 应该是聚合表达式中的 即时向量。
在这里插入图片描述

5. increase(v range-vector)

计算范围向量 v 中时间序列的增长量。就是计算在一定时间范围内，某个监控指标的值总共增长了多少。

比如我在 13:20 统计 5分钟内某个指标的增加量是 10，表示 5分钟之前 13:15 到 13:20，这个指标的值增加了 5 个，如果一开始指标的值是 3，那个 13:20 的时候这个值应该是 8。

函数 increase只能与随时间而不断变化的数据一起使用。

示例：希望获取 最近 5分钟内，发送给 Prometheus URL “/api/v1/query” 的 HTTP 请求且返回成功的 请求，总共增长了多少个。

为了对比，首先查询 Prometheus 最近 5 分钟的数据。

prometheus_http_requests_total{code="200",handler="/api/v1/query"}[5m]

在这里插入图片描述
之后再真正计算请求增长量：

increase(prometheus_http_requests_total{code="200",handler="/api/v1/query"}[5m])

367 到 373 ，共有 7个
在这里插入图片描述

6. rate(v range-vector)

计算范围向量中时间序列的每秒平均增长率。

以下示例表达式返回范围向量中的每个时间序列在过去 1 分钟内的每秒请求监控指标数据的速率：

rate(promhttp_metric_handler_requests_total[1m])

在这里插入图片描述

(60s / 15s) / 60s = 0.066/s
每秒增加 0.066 次请求
15 s 是全局设置中查询指标的间隔时间 scrape_interval 的值

函数 rate 最适合于报警，比如请求错误增长率，磁盘使用增长率等。

请注意，当将 rate() 与聚合运算符（例如 sum()）或随时间聚合的函数（任何以_over_time 结尾的函数）组合时，始终先使用 rate()，然后再聚合。否则，当目标重新启动时，rate() 无法检测计数器重置。

它的语法糖是使用如下公式计算的：

最近指定时间范围内比之前增加了多少量 / 时间范围内的总秒数 = 增加了多少量/秒

7. rate 和 increase

  • rate 适合用于数据采集频率高的数据，比如 CPU、内存、磁盘 IO，网络 IO

  • increase 适合数据采集频率低的数据，比如每 5 分钟采集一次数据。
    这两个函数比较适合使用在监控上，比较重要。

  • rate 计算的是一定时间内每秒的增长量

  • increase 计算的是一定时间内增量的总和

rate 和 increase 都有首尾效应，如果希望更精确，可以使用 irate, 但 irate 不适合分析长期趋势的数据，也不适合在告警规则中使用，告警规则而应该使用 rate。

8. irate(v range-vector)

计算的是取在一个指定时间范围内开头和结尾的两个数据进行计算每秒增长率，不适合分析长期趋势，也不适合用作告警规则中使用。
irate(v range-vector) 计算范围向量中时间序列的每秒即时增长率。这是基于最后两个数据点。单调的中断（例如目标重新启动导致的计数器重置）会自动调整。例如：

时间序列（转换成具体时间）数据
12:000
12:0550
12:10中断
12: 15150

上面表格中 4 个时间点，其中 1 个时间点服务中断了，没有数据，使用 irate 计算的话，会取 0 和 150 进行计算，总共增长了 150 个，在用 150 除以 15分钟 * 60 秒= 0.5个 ，结果增长率就是每秒增长 0.5 个。

示例：

irate(promhttp_metric_handler_requests_total[1m])

irate() 只能在绘制易波动、快速移动的 counter 时使用。将速率用于警报和缓慢移动的 counter，因为完全由罕见峰值组成的图形很难读取。

请注意，将 irate() 与聚合运算符（例如 sum()）或随时间聚合的函数（任何以_over_time 结尾的函数）组合时，始终先使用 irate），然后再聚合。否则，irate() 无法在目标重新启动时检测计数器重置。

9. predict_linear(v range-vector, t scalar) 预测统计【重要】

可以通过一个范围向量 v 返回的数据样本，预测指标在 t 秒后的值。它基于简单线性回归的方式，对时间窗口内的样本数据进行统计，从而可以对时间序列的变化趋势做出预测。该函数的返回结果不带有指标名称，只有标签列表。

通常用于对服务器磁盘使用率的预测。

根据最近 1 天的根分区剩余容量的数据变化，预测 4 个小时之后 根分区的剩余容量是否会是10m。

predict_linear(node_filesystem_avail_bytes{mountpoint="/"}[1d], 4 * 3600) < 10485760

10. absent(v instant-vector)

用于判断写的语句是否有错误,或者是否返回了数据，就是编写的表达式如果能获取到数据，就返回空，表示表达式正确。否则就返回 1 ，就是表达式存在问题，比如表达式书写错误，或者要统计的数据没有匹配到，或者不符合判断条件。若果被采集数据的服务器挂了，那也会返回 1。

一般用于判断数据是否在正常采集中。

当监控度量指标时，如果获取到的样本数据是空的， 使用 absent 方法对告警是非常有用的。例如：

原始数据
在这里插入图片描述
使用 absent 后返回空数据
在这里插入图片描述

在原始数据中并没有标签 code 为 201 的数据
在这里插入图片描述
使用 absent 后返回值 1
在这里插入图片描述

11. absent_over_time(v range-vector)

absent_over_time(v range-vector) 如果传递给它的范围向量具有任何数据，则返回一个空向量，如果传递给它的范围向量没有数据，则返回值为 1。

这对于在给定指标名称和标签组合在一段时间内不存在时发出警报非常有用。

absent_over_time(promhttp_metric_handler_requests_total{code="201"}[1m])
# => {code="201"}  1

absent_over_time(promhttp_metric_handler_requests_total{code="200"}[1m])
# => 空

在这里插入图片描述

12. histogram_quantile(φ scalar, b instant-vector)

根据经典直方图或原生直方图计算φ-分位数（0≤φ≤1）

b 中的浮点样本被认为是一个或多个经典直方图的每个桶中的观测计数。每个浮点样本必须有一个标签 le，其中标签值表示 bucket 的包含上限。（没有此类标签的浮点样本将被忽略。）其他标签和度量名称用于识别属于每个经典直方图的桶。直方图度量类型自动提供具有 _bucket 后缀和适当标签的时间序列。
b 中的原生直方图样本被单独处理为单独的直方图，以从中计算分位数。

只要不出现命名冲突，b 就可以包含经典直方图和原生直方图的混合。

使用 rate() 该函数指定分位数计算的时间窗口。

示例：直方图度量称为http_request_duration_seconds。要计算过去10分钟内请求持续时间的第90个百分点，请使用以下表达式：

histogram_quantile(0.9, rate(http_request_duration_seconds_bucket[10m]))

以 http_request_duration_seconds 为单位计算每个标签组合的分位数。要聚合，请在 rate()函数周围使用sum() 聚合器。由于 histogram_quantile() 需要 le 标签，因此它必须包含在by子句中。以下表达式按 job 聚合第90个百分

histogram_quantile(0.9, sum by (job, le) (rate(http_request_duration_seconds_bucket[10m])))

要聚合所有内容，请仅指定标签：le

histogram_quantile(0.9, sum by (le) (rate(http_request_duration_seconds_bucket[10m])))

histogram_quantile() 函数通过假设桶内的线性分布来插值分位数值。最高存储桶的上限必须为+Inf。（否则，返回 NaN 。）如果分位数位于最高存储桶中，则返回第二高存储桶的上限。如果最低桶的上限大于 0，则假定最低桶的下限为0。在这种情况下，在该桶内应用通常的线性插值。否则，对于位于最低存储桶中的分位数，将返回最低存储桶的上限。

如果b有0个观察值，则返回NaN。如果b包含少于两个桶，则返回NaN。对于φ<0，将返回-Inf。对于φ>1，返回+Inf。对于φ=NaN，返回NaN。

13. changes()

changes(v range-vector)

对于每个输入时间序列，以即时向量的形式返回其值在提供的时间范围内更改的次数。

在这里插入图片描述

14. 其他

14.1 label_join()

label_join(v instant vector, dst_label string, separator string, src_label_1 string,src_label_2 string, …)

对于 v 中每个时间序列中含有的标签 src_label，使用逗号连接所有src_label 的所有值，使用 separator string 指定的符号拼接起来， 并将拼接后的值赋值给标签 dst_label。此函数中可以有任意数量的 src_labels，最终返回的指标数据中 src_label 和 dst_label 都会在结果中。

示例：
原数据中含有标签 instance, job, group

up{job="beijing"}
=>
up{group="beijing", instance="10.10.40.200:9111", job="beijing"}   1
up{group="beijing", instance="10.10.40.61:9111", job="beijing"}    0
up{group="beijing", instance="10.10.40.62:9111", job="beijing"}    1

下面表达式的意思是 将返回的每条数据中标签 "instance", "job" 的值，使用引文逗号 , 进行拼接，之后将拼接好的值赋值给新的标签 msg

label_join(up{job="beijing"},"msg", ",", "instance", "job")

返回的结果:

up{group="beijing", instance="10.10.40.200:9111", job="beijing", msg="10.10.40.200:9111,beijing"}   1
up{group="beijing", instance="10.10.40.61:9111", job="beijing", msg="10.10.40.61:9111,beijing"}     0
up{group="beijing", instance="10.10.40.62:9111", job="beijing", msg="10.10.40.62:9111,beijing"}     1

14.2 label_replace()

label_replace(v instant-vector, dst_label string, replacement string, src_label string, regex string)

对于 v 中的每个时间序列，将正则表达式 regex 与src_label 的值匹配。
如果匹配，则返回的时间序列中标签 dst_label 的值将是 replacement 的扩展，以及输入中的原始标签。
在正则表达式中捕获组可以用$1、$2等引用。如果正则表达式不匹配，则返回时间序列不变。

示例：

label_replace(up{job="beijing"},"msg", "服务器:$1", "instance", "(10.10.*)")

在这里插入图片描述

14.3 time()

返回自1970年1月1日以来的秒数。

14.4 vector(s scalar)

将标量s作为没有标签的向量返回。

在这里插入图片描述

14.5 timestamp()

timestamp(v instant-vector)返回给定即时向量的每个样本的当前时间戳，自世界时1970年1月1日以来的秒数。

在这里插入图片描述

14.6 year(v=vector(time()) instant-vector)

以UTC为单位返回给定时间的年份。

在这里插入图片描述

在这里插入图片描述

14.7 day_of_week()

一周的星期几
day_of_week(v=vector(time()) instant-vector)
以 UTC 格式返回每个给定时间的星期几。返回值从 0 到 6，其中 0 表示星期日等。

14.8 day_of_month()

一个月中的哪一天
day_of_month(v=vector(time()) instant-vector)
以 UTC 格式返回每个给定时间的月份中的某一天。返回值介于 1 到 31 之间。
在这里插入图片描述

14.9 day_of_year(v=vector(time()) instant-vector)

一年中的哪一天

以 UTC 格式返回每个给定时间的一年中的日期。非闰年的返回值介于 1 到 365 之间，在闰年中，返回值为 1 到 366。

14.10 days_in_month(v=vector(time()) instant-vector)

返回某个月有多少天
返回当月中每个给定时间的 UTC 天数。返回值介于 28 到 31 之间。

14.11 delta(v range-vector) 计算差值

计算范围向量中每个时间序列元素的第一个值和最后一个值之间的差值，返回一个具有给定增量和等效标签的即时向量。
增量被外推以覆盖范围向量选择器中指定的全部时间范围，因此即使样本值都是整数，也可以获得非整数结果。v

以下示例表达式返回从现在到 24 小时前的磁盘根分区的可用容量差：

delta(node_filesystem_avail_bytes{mountpoint="/"}[1d])

计算公式: 当前时间的值 - 过去时间的值
可用容量少了 0.68MB左右。
在这里插入图片描述

14.12 idelta(v range-vector)

计算范围向量v中最后两个样本之间的差值，返回具有给定delta和等效标签的即时向量。

idelta只能与仪表一起使用

14.13 minute(v=vector(time()) instant-vector)

以UTC为单位返回每个给定时间的一小时内的几分钟。返回的值从0到59。

14.14 hour(v=vector(time()) instant-vector)

返回 UTC 中每个给定时间的一天中的小时数。返回值介于 0 到 23 之间。
在这里插入图片描述

14.15 month(v=vector(time()) instant-vector)

返回UTC中每个给定时间的月份。返回值从1到12，其中1表示1月等。

14.16 sum(v instant-vector)

把所有返回的指标的值加起来

14.17 sgn(v instant-vector)

返回一个向量，所有采样值都转换为其符号，定义如下：如果v为正，则为1；如果v为负，则为-1；如果v等于零，则为0。
可以用来判断指标的值是正数、负数或零。

14.18 sort(v instant-vector)

按照从小到大对返回的即时向量值排序。升序

14.19 sort_desc(v instant-vector)

按照从大到小对返回的即时向量值排序。降序

14.20 ceil(v instant-vector) 不常用

将返回的所有值向上舍入到最接近的整数。
2.77 =》 3

14.21 floor(v instant-vector) 不常用

将 v 所有元素的样本值向下舍入为最接近的整数。
2.77 =》 2

15. <aggregation>_over_time()

以下函数允许随着时间的推移聚合给定范围向量的每个系列，并返回具有每个序列聚合结果的即时向量：

  • avg_over_time(range-vector)：指定区间内所有点的平均值。
  • min_over_time(range-vector)：指定区间内所有点的最小值。
  • max_over_time(range-vector)：指定区间内所有点的最大值。
  • sum_over_time(range-vector)：指定区间中所有值的总和。
  • count_over_time(range-vector)：指定区间内所有值的计数。
  • quantile_over_time(scalar, range-vector)：指定区间中值的φ-quantile（0 ≤ φ ≤ 1）。
  • stddev_over_time(range-vector)：指定区间内值的总体标准差。
  • stdvar_over_time(range-vector)：指定区间中值的总体标准方差。
  • last_over_time(range-vector)：指定区间内最近时间的值，一般就是最后一个值距离当前时间最近。

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/564381.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

【Qt常用控件】—— 按钮类控件

【Qt常用控件】—— 按钮类控件

目录 1.1 Push Button 1.2 Radio Buttion 1.3 Check Box 1.4 Tool Button 1.5 小结 1.1 Push Button 使⽤ QPushButton 表⽰⼀个按钮. 这也是当前我们最熟悉的⼀个控件了. QPushButton 继承⾃ QAbstractButton . 这个类是⼀个抽象类. 是其他按钮的⽗类. 在 Qt Desi…
阅读更多...
项目体检（Health Check）升级上线

项目体检（Health Check）升级上线

在快节奏的现代商业环境中&#xff0c;项目的健康与否直接关系到其最终的成功与否。为了满足这一需求&#xff0c;我们精心打造了项目体检工具&#xff08;Health Check&#xff09;。它不仅仅是一个工具&#xff0c;更是一种对项目健康状况的全面把控和智能诊断。 项目体检工具…
阅读更多...
F-logic DataCube3 SQL注入漏洞复现(CVE-2024-31750)

F-logic DataCube3 SQL注入漏洞复现(CVE-2024-31750)

0x01 产品简介 F-logic DataCube3是一款用于光伏发电系统的紧凑型终端测量系统。 0x02 漏洞概述 F-logic DataCube3 /admin/pr_monitor/getting_index_data.php 接口处存在SQL注入漏洞，未经身份验证的攻击者可通过该漏洞获取数据库敏感信息，深入利用可控制整个web服务器。 …
阅读更多...
外显子测序wes

外显子测序wes

外显子是基因组中能够转录组出成熟RNA的部分。一个基因组中所有外显子的集合&#xff0c;即为外显子组。值得注意的是&#xff0c;通常所说的全外显子组测序&#xff0c;是指针对蛋白编码基因的外显子&#xff0c;很少涉及非编码基因。 基因(gene)是DNA中含有特定遗传信息的一…
阅读更多...
MapReduce——ReudceTask并行度决定机制

MapReduce——ReudceTask并行度决定机制

MapReduce——ReudceTask并行度决定机制 1. Reduce任务的数量&#xff08;reduce task count&#xff09;&#xff1a; 这是最基本的决定因素之一。在作业启动时&#xff0c;用户可以指定Reduce任务的数量。更多的Reduce任务意味着更多的并行度&#xff0c;因为每个Reduce任务…
阅读更多...
BeautifulSoup模块

BeautifulSoup模块

【一】Beautifulsoup4初始 【前言】bs4模块 安装pip install beautifulsoup4 【1】什么是beautifulsoup: ​ 是一个可以从HTML或XML文件中提取数据的Python库。它能够通过你喜欢的转换器实现惯用的文档导航，查找，修改文档的方式。（官方） ​ beautifulsoup是一个解析器，…
阅读更多...
贪吃蛇的简单实现（c语言）

贪吃蛇的简单实现（c语言）

前言&#xff1a;学完了C语言的基础语法&#xff0c;和一点数据结构的知识&#xff0c;拿贪吃蛇来练练手&#xff0c;并熟悉以前的知识。写完之后&#xff0c;有一种成就感&#xff0c;为以后的学习饱满激情。 注意这里的讲解是由部分到整体的思路。 目录 控制台不能是终端&am…
阅读更多...
java可盈保险合同管理系统的设计与实现（springboot+mysql源码+文档）

java可盈保险合同管理系统的设计与实现（springboot+mysql源码+文档）

风定落花生&#xff0c;歌声逐流水&#xff0c;大家好我是风歌&#xff0c;混迹在java圈的辛苦码农。今天要和大家聊的是一款基于springboot的可盈保险合同管理系统。项目源码以及部署相关请联系风歌&#xff0c;文末附上联系信息 。 项目简介&#xff1a; 基于Spring Boot的…
阅读更多...
麒麟服务器操作系统自动化安装应答文件制作

麒麟服务器操作系统自动化安装应答文件制作

原文链接&#xff1a;麒麟服务器操作系统自动化安装应答文件制作 Hello&#xff0c;大家好啊&#xff01;今天我们将探讨如何为麒麟服务器操作系统制作自动化安装应答文件。在部署大量服务器时&#xff0c;自动化安装是提高效率和确保安装一致性的关键技术。通过使用应答文件&a…
阅读更多...
IEC104协议

IEC104协议

1. 简介 IEC104规约是一个广泛应用于电力、城市轨道交通等行业的国际标准。 2. 术语解释 遥脉 (电度量)&#xff1a; 是指对现场某装置所发出的脉冲信号进行周期累计的一种远程计数操作。 其实&#xff0c;遥脉也可以看成是被具体规定了采用脉冲计数作为测量方法的一种遥测…
阅读更多...
JumpServer搭建堡垒机实战

JumpServer搭建堡垒机实战

文章目录 第一步、下载安装第二步、访问异常处理【1】docker方式拉取失败 JumpServer是运维人员可连接内部服务器上进行操作&#xff0c;支持Linux等操作系统的管理工具。 第一步、下载安装 curl -sSL https://resource.fit2cloud.com/jumpserver/jumpserver/releases/latest/…
阅读更多...
基于函数计算FC3.0 部署AI数字绘画stable-diffusion自定义模型

基于函数计算FC3.0 部署AI数字绘画stable-diffusion自定义模型

基于函数计算FC3.0 部署AI数字绘画stable-diffusion自定义模型 部署AI数字绘画stable-diffusion曲线救国授权github账号 部署ffmpeg-app-v3总结 在讲述了函数计算FC3.0和函数计算FC2.0的操作界面UI改版以及在函数管理、函数执行引擎、自定义域名、函数授权及弹性伸缩规则方面进…
阅读更多...
精灵传信系统/支持对接易支付/网站+小程序双端php源码下载

精灵传信系统/支持对接易支付/网站+小程序双端php源码下载

简介 精灵传信支持在线提交发送短信&#xff0c;查看回复短信&#xff0c;在线购买额度&#xff0c;自定义对接易支付&#xff0c;设置违禁词&#xff0c;支持网站小程序双端。&#xff08;文末下载&#xff09; 演示截图 在数字化浪潮的推动下&#xff0c;技术创新正以前所未…
阅读更多...
maven安装和配置

maven安装和配置

1.下载版本选择 如果使用的是idea的话&#xff0c;需要考虑跟maven的适配问题&#xff0c;从博文maven 与 idea版本不适配问题的思考 得出以下结论&#xff1a; 1.idea 2021兼容maven 3.8.1及以前的所有版本。 2.idea 2020兼容maven 3.6.3及以前的所有版本。 4.idea 2019兼容m…
阅读更多...
深度学习基础——循环神经网络的结构及参数更新方式

深度学习基础——循环神经网络的结构及参数更新方式

深度学习基础——循环神经网络的结构及参数更新方式 深度学习领域的一大重要分支是循环神经网络&#xff08;Recurrent Neural Networks&#xff0c;简称RNN&#xff09;&#xff0c;它是一种用于处理序列数据的神经网络结构。与传统的前馈神经网络不同&#xff0c;循环神经网…
阅读更多...
江苏瑞达环保科技股份有限公司| 邀您参加2024全国水科技大会暨技术装备成果展览会

江苏瑞达环保科技股份有限公司| 邀您参加2024全国水科技大会暨技术装备成果展览会

—— 展位号:A18 —— 江苏瑞达环保科技股份有限公司是一家致力于环境保护和可持续发展的高新技术企业&#xff0c;专注于环境治理技术研发和环保节能装备制造,为工业企业提供可靠的工程解决方案。2023年&#xff0c;瑞达科技被认定为江苏省省级专精特新企业。 瑞达科技成立于2…
阅读更多...
使用【node】创建本地接口

使用【node】创建本地接口

在前端开发的过程中&#xff0c;接口相关的信息一般是由后端处理好返回给前端&#xff0c;但是有时候后端不在的时候想自己写个接口进行测试是非常麻烦的。 node是前端一个不错的写接口工具 一 初始化文件 1 在新建一个空的文件夹node 进入空文件夹在&#xff0c;文件夹的地…
阅读更多...
文献速递：深度学习胶质瘤诊断---结合分子亚型分析、分级与胶质瘤的多任务深度学习分割

文献速递：深度学习胶质瘤诊断---结合分子亚型分析、分级与胶质瘤的多任务深度学习分割

Title 题目 Combined molecular subtyping, grading, and segmentation of glioma using multi-task deep learning 结合分子亚型分析、分级与胶质瘤的多任务深度学习分割 Abstract 摘要 Accurate characterization of glioma is crucial for clinical decision making. A…
阅读更多...
vue项目中基于fabric 插件实现涂鸦画布功能

vue项目中基于fabric 插件实现涂鸦画布功能

vue项目中基于fabric 插件实现涂鸦画布功能 一、效果图二、安装依赖三、main.js引入四、主要代码 一、效果图 二、安装依赖 npm install fabric 三、main.js引入 import fabric from fabric Vue.use(fabric);四、主要代码 //封装成了一个组件 <template><el-dialogt…
阅读更多...
图片/视频上传（超简单教程）

图片/视频上传（超简单教程）

#应用场景# 该后端开发接口适用 图片/视频上传&#xff0c;返回路径名称场景 1.视频上传 写在Controller层 这里只是一个接收&#xff0c;调用uploadObject方法上传oss public OmsResult<FileUploadDto> goodsUploadVideo(RequestParam(value "file") Mu…
阅读更多...
最新文章

Copyright @ 2022~2023