ClickHouse（六）：Clickhouse数据类型-1

进入正文前，感谢宝子们订阅专题、点赞、评论、收藏！关注IT贫道，获取高质量博客内容！

🏡个人主页：含各种IT体系技术，IT贫道_Apache Doris,Kerberos安全认证,大数据OLAP体系技术栈-CSDN博客

📌订阅：拥抱独家专题，你的订阅将点燃我的创作热情！

👍点赞：赞同优秀创作，你的点赞是对我创作最大的认可！

⭐️ 收藏：收藏原创博文，让我们一起打造IT界的荣耀与辉煌！

✏️评论：留下心声墨迹，你的评论将是我努力改进的方向！

目录

1. Int

​​​​​​​2. Float

​​​​​​​3. Decimal

4. String

5. FixedString

​​​​​​​​​​​​​​6. UUID

​​​​​​​​​​​​​​7. Date

​​​​​​​8. DateTime

​​​​​​​​​​​​​​9. DateTime64

​​​​​​​10. 布尔类型

ClickHouse提供了许多数据类型，它们可以划分为基础类型、复合类型和特殊类型。我们可以在system.data_type_families表中检查数据类型名称以及是否区分大小写。这个表中存储了ClickHouse支持的所有数据类型。

 

select * from system.data_type_families limit 10;

SELECT *

FROM system.data_type_families

LIMIT 10



┌─name────────────┬─case_insensitive─┬─alias_to─┐

│ Polygon          │                    0 │            │

│ Ring              │                    0 │            │

│ MultiPolygon    │                    0 │            │

│ IPv6              │                    0 │            │

│ IntervalSecond  │                    0 │            │

│ IPv4              │                    0 │            │

│ UInt32            │                   0 │             │

│ IntervalYear     │                   0 │             │

│ IntervalQuarter │                   0 │             │

│ IntervalMonth    │                   0 │             │

└─────────────────┴──────────────────┴──────────┘



10 rows in set. Elapsed: 0.004 sec.

下面介绍下常用的数据类型，ClickHouse与Mysql、Hive中常用数据类型的对比图如下：

MySQL

Hive

ClickHouse(区分大小写)

byte

TINYINT

Int8

short

SMALLINT

Int16

int

INT

Int32

long

BIGINT

Int64

varchar

STRING

String

timestamp

TIMESTAMP

DateTime

float

FLOAT

Float32

double

DOUBLE

Float64

boolean

BOOLEAN

无

1. Int

ClickHouse中整形分为Int8、Int16、Int32、Int64来表示整数不同的取值范围，其末尾数字正好代表占用字节的大小（8位=1字节），整形又包含有符号整形和无符号整形，他们写法上的区别为无符号整形前面加“U”表示。

  • 有符号整型范围

类型

字节

范围

Int8

1

[-128:127]

Int16

2

[-32768:32767]

Int32

4

[-2147483648:2147483647]

Int64

8

[-9223372036854775808:9223372036854775807]

  • 无符号整形范围：

类型

字节

范围

UInt8

1

[0:255]

UInt16

2

[0:65535]

UInt32

4

[0:4294967295]

UInt64

8

[0:18446744073709551615]

​​​​​​​​​​​​​​2. Float

我们建议使用整数方式来存储数据，因为浮点类型数据计算可能导致四舍五入的误差。浮点类型包含单精度浮点数和双精度浮点数。

  • 单精度浮点数

类型

字节

有效精度位数

Float32

4

7

Float32从小数点后第8位起会发生数据溢出。

  • 双精度浮点数

类型

字节

有效精度位数

Float64

8

16

Float64从小数点后第17位起会发生数据溢出。

  • 示例
    • toFloat32(...) 用来将字符串转换成Float32类型的函数
    • toFloat64(...) 用来将字符串转换成Float64类型的函数
#浮点数有可能导致数据误差

node1 :) select 1-0.9



SELECT 1 - 0.9

┌───────minus(1, 0.9)─┐

│ 0.09999999999999998 │

└─────────────────────┘

1 rows in set. Elapsed: 0.021 sec.



#Float32类型，从第8位开始产生溢出，会四舍五入。

node1 :) select toFloat32(0.123456789);



SELECT toFloat32(0.123456789)



┌─toFloat32(0.123456789)─┐

│             0.12345679 │

└────────────────────────┘



1 rows in set. Elapsed: 0.004 sec. 



# Float64类型，从第17为开始产生数据溢出，会四舍五入

node1 :) select toFloat64(0.12345678901234567890);



SELECT toFloat64(0.12345678901234568)



┌─toFloat64(0.12345678901234568)─┐

│            0.12345678901234568 │

└────────────────────────────────┘



1 rows in set. Elapsed: 0.006 sec.

​​​​​​​3. Decimal

有符号的定点数，可在加、减和乘法运算过程中保持精度。ClickHouse提供了Decimal32、Decimal64、Decimal128、Decimal256几种精度的定点数，支持几种写法：

  • Decimal(P,S)
  • Decimal32(S),数据范围：(-1*10^(9-S),1*10^(9-S))
  • Decimal64(S),数据范围：(-1*10^(18-S),1*10^(18-S))
  • Decimal128(S),数据范围：(-1*10^(38-S),1*10^(38-S))
  • Decimal256(S),数据范围：(-1*10^(76-S),1*10^(76-S))

其中，P代表精度，决定总位数（整数部分+小数部分），取值范围是1~76。S代表规模，决定小数位数，取值范围是0~P。

根据P值的范围可以有如下对等写法，这里以小数点后2位举例：

P取值

原生写法示例

等同于

[1:9]

Decimal(9,2)

Decimal32(2)

[10:18]

Decimal(18,2)

Decimal64(2)

[19:38]

Decimal(38,2)

Decimal128(2)

[39:76]

Decimal(76,2)

Decimal256(2)

另外，Decimal数据在进行四则运算时，精度（总位数）和规模（小数点位数）会发生变化，具体规则如下：

  • 精度（总位数）对应规则：
  1. Decimal64(S1) 运算符 Decimal32(S2) -> Decimal64(S)
  2. Decimal128(S1) 运算符 Decimal32(S2) -> Decimal128(S）
  3. Decimal128(S1) 运算符 Decimal64(S2) -> Decimal128(S)
  4. Decimal256(S1) 运算符Decimal<32|64|128>(S2) -> Decimal256(S)

两个不同精度的数据进行四则运算时，结果数据的精度以最大精度为准。

  • 规模（小数点位数）对应规则：
  1. 加法|减法：S=max(S1,S2)，即以两个数据中小数点位数最多的为准。
  2. 乘法：S=S1+S2(注意：S1精度>=S2精度)，即以两个数据的小数位相加为准。
  3. 除法：规模以被除数的小数位为准。两数相除，被除数的小数位数不能小于除数的小数位数，也就是触发的规模可以理解为与两个数据中小数点位数大的为准。举例：a/b ，a是被除数，与a的规模保持一致。
  • 示例：
  1. toDecimal32(value,S):将字符串value转换为Decimal32类型,小数点后有S位。
  2. toTypeName(字段)：获取字段的数据类型函数。
#测试加法,S取两者最大的，P取两者最大的
node1 :) select
	toDecimal64(2,3) as x,
	toTypeName(x) as xtype,
	toDecimal32(2,2) as y,
	toTypeName(y) as ytype,
	x+y as z,
	toTypeName(z) as ztype;

#测试减法，S取两者最大的，P取两者最大的。
node1 :) select
	toDecimal64(2,3) as x,
	toTypeName(x) as xtype,
	toDecimal32(2,2) as y,
	toTypeName(y) as ytype,
	x-y as z,
	toTypeName(z) as ztype;

结果如下：

 

#测试乘法，S取两者最大的，P取两者小数位之和。
node1 :) select
	toDecimal64(2,3) as x,
	toTypeName(x) as xtype,
	toDecimal32(2,2) as y,
	toTypeName(y) as ytype,
	x*y as z,
	toTypeName(z) as ztype;

结果如下：

#测试除法，S取两者最大的，P取被除数的小数位数。
node1 :) select
	toDecimal64(2,3) as x,
	toTypeName(x) as xtype,
	toDecimal32(2,2) as y,
	toTypeName(y) as ytype,
	x/y as z,
	toTypeName(z) as ztype;

 结果如下：

 

node1 :) select 1-toDecimal64(0.9,1);
SELECT 1 - toDecimal64(0.9, 1)

┌─minus(1, toDecimal64(0.9, 1))─┐
│                           0.1       │
└───────────────────────────────┘

注意：在Clickhouse后续的新版本中，整数不再有2.000 小数位，即使保留了对应了小数位也不会保存。小数依然根据创建保留的小数位来保存设置。​​​​​​​

4. String

字符串可以是任意长度的。它可以包含任意的字节集，包含空字节。因此，字符串类型可以代替其他 DBMSs 中的VARCHAR、BLOB、CLOB 等类型。​​​​​​​

5. FixedString

固定长度N的字符串（N必须是严格的正自然数）,一般在明确字符串长度的场景下使用，可以使用下面的语法对列声明为FixedString类型：

# N表示字符串的长度。

<column_name>  FixedString(N)

当向ClickHouse中插入数据时,如果字符串包含的字节数少于 N ,将对字符串末尾进行空字节填充。如果字符串包含的字节数大于N,将抛出Too large value for FixedString(N)异常。

当做数据查询时，ClickHouse不会删除字符串末尾的空字节。 如果使用WHERE子句，则须要手动添加空字节以匹配FixedString的值，新版本后期不需要手动添加。

  • 示例：
    • toFixedString(value,N)：将字符串转换为N位长度，N不能小于value字符串实际长度。
#查看字符号串长度

node1 :) select toFixedString('hello',6) as a,length(a) as alength;

SELECT

    toFixedString('hello', 6) AS a,

    length(a) AS alength



┌─a─────┬─alength─┐

│ hello │       6   │

└───────┴─────────┘



node1 :) select toFixedString('hello world',6) as a,length(a) as alength;



SELECT

    toFixedString('hello world', 6) AS a,

length(a) AS alength



Received exception from server (version 20.8.3):

Code: 131. DB::Exception: Received from localhost:9000. DB::Exception: String too long for type FixedString(6).

​​​​​​​​​​​​​​6. UUID

UUID是一种数据库常见的主键类型，在ClickHouse中直接把它作为一种数据类型。UUID共有32位，它的格式为8-4-4-4-12，如果在插入新记录时未指定UUID列值，则UUID值将用0来填充（00000000-0000-0000-0000-000000000000）。

UUID类型不支持算术运算、聚合函数sum和avg。

  • 示例：
    • generateUUIDv4()随机生成一个32位的UUID。
# 使用mydb库

node1 :) use mydb;



#创建表t_uuid,指定x列为UUID类型，表引擎为TinyLog

node1 :) CREATE TABLE t_uuid (x UUID, y String) ENGINE=TinyLog



#向表 t_uuid中插入一条数据

node1 :) INSERT INTO t_uuid SELECT generateUUIDv4(), 'Example 1';



#向表t_uuid中插入一条数据，这里不指定UUID的值，默认会生成0来填充

node1 :) INSERT INTO t_uuid (y) VALUES ('Example 2')



#查询结果

node1 :) select * from t_uuid;

SELECT *

FROM t_uuid

┌────────────────────────────────────x─┬─y─────────┐

│ 9c9f82dc-48a0-4749-b46a-cf6a1159c1fe │ Example 1 │

│ 00000000-0000-0000-0000-000000000000 │ Example 2 │

└──────────────────────────────────────┴───────────┘



2 rows in set. Elapsed: 0.003 sec.

​​​​​​​​​​​​​​7. Date

Date只能精确到天，用两个字节存储，表示从1970-01-01（无符号）到当前的日期值。日期中没有存储时区信息，不能指定时区。

  • 示例：
    • now() : 获取当前天日期，返回格式：yyyy-MM-dd HH:mm:ss
    • toDate(value) : 将字符串转成Date，只支持yyyy-MM-dd格式。
# 创建表t_date

node1 :) CREATE TABLE t_date (x date) ENGINE=TinyLog;



# 向表中插入两条数据

node1 :) INSERT INTO t_date VALUES('2021-06-01'),('2021-07-01');



# 查询结果

node1 :) SELECT x,toTypeName(x) FROM t_date;

SELECT

    x,

    toTypeName(x)

FROM t_date

┌──────────x─┬─toTypeName(x)─┐

│ 2021-06-01 │ Date            │

│ 2021-07-01 │ Date            │

└────────────┴───────────────┘

2 rows in set. Elapsed: 0.003 sec.



# 获取当前天日期时间及日期转换

node1 :) select now(),toDate(now()) as d,toTypeName(d) ;

SELECT

    now(),

    toDate(now()) AS d,

    toTypeName(d)

┌───────────────now()─┬──────────d─┬─toTypeName(toDate(now()))─┐

│ 2021-01-25 18:03:00 │ 2021-01-25 │ Date                          │

└─────────────────────┴────────────┴───────────────────────────┘

1 rows in set. Elapsed: 0.004 sec.

​​​​​​​8. DateTime

DateTime精确到秒，可以指定时区。用四个字节（无符号的）存储Unix时间戳。允许存储与日期类型相同的范围内的值。最小值为0000-00-00 00:00:00，时间戳类型值精确到秒。

时区使用启动客户端或服务器时的系统时区。默认情况下，客户端连接到服务的时候会使用服务端时区。您可以通过启用客户端命令行选项 --use_client_time_zone 来设置使用客户端时区。

  • 示例：
    • toDateTime(DateTimeValue) ：将字符串转成DateTime，只支持yyyy-MM-dd HH:MI:SS。
    • toDateTime(DateTimeValue,时区) ：同上，支持将数据转换为对应时区时间。
# 创建表 t_datetime

node1 :) CREATE TABLE t_datetime(`timestamp` DateTime) ENGINE = TinyLog;


# 向表中插入一条数据

node1 :) INSERT INTO t_datetime Values('2021-06-01 08:00:00');



# 查询数据

node1 :) SELECT timestamp,toTypeName(timestamp) as t FROM t_datetime;

SELECT

    timestamp,

    toTypeName(timestamp) AS t

FROM t_datetime

┌───────────timestamp─┬─t────────┐

│ 2021-06-01 08:00:00 │ DateTime │

└─────────────────────┴──────────┘

1 rows in set. Elapsed: 0.003 sec



# 转换时区查询

node1 :) SELECT  toDateTime(timestamp, 'Asia/Shanghai') AS column, toTypeName(column) AS x  FROM t_datetime;

SELECT

    toDateTime(timestamp, 'Asia/Shanghai') AS column,

    toTypeName(column) AS x

FROM t_datetime



┌──────────────column─┬─x─────────────────────────┐

│ 2021-06-01 08:00:00 │ DateTime('Asia/Shanghai') │

└─────────────────────┴───────────────────────────┘



1 rows in set. Elapsed: 0.003 sec.

​​​​​​​​​​​​​​9. DateTime64

DateTime64精确到毫秒和微秒，可以指定时区。在内部，此类型以Int64类型将数据存储。时间刻度的分辨率由precision参数确定。此外，DateTime64 类型可以像存储其他数据列一样存储时区信息，时区会影响 DateTime64 类型的值如何以文本格式显示，以及如何解析以字符串形式指定的时间数据 (‘2020-01-01 05:00:01.000’)。时区信息不存储在表的行中，而是存储在列的元数据中。

语法如下：

# precision 精度，timezone：时区

DateTime64(precision, [timezone])
  • 示例：
    • toDateTime64(timeStr,precision):将字符串转成DateTime64，精度为precision。支持yyyy-MM-dd HH:MI:SS.SSS时间格式。
    • toDateTime64(timeStr,precision，timezone):同上，只是可以将时间转换为对应时区时间。
#创建表

node1 :) CREATE TABLE dt(`timestamp` DateTime64(3, 'Europe/Moscow'),`event_id` UInt8) ENGINE = TinyLog



#插入数据

node1 :) INSERT INTO dt Values (1546300800000, 1), ('2019-01-01 00:00:00', 2)，(1546300812345, 3)



#查询数据

node1 :) select * from dt;

SELECT *

FROM dt

┌───────────────timestamp─┬─event_id─┐

│ 2019-01-01 03:00:00.000 │        1   │

│ 2019-01-01 00:00:00.000 │        2   │

│ 2019-01-01 03:00:12.345 │        3   │

└─────────────────────────┴──────────┘

3 rows in set. Elapsed: 0.003 sec.



#使用toDateTime64转换时间

node1 :) select toDateTime64(timestamp,4) as t1,toDateTime64(timestamp,4,'Europe/London') as t2,event_id from dt;

SELECT

    toDateTime64(timestamp, 4) AS t1,

    toDateTime64(timestamp, 4, 'Europe/London') AS t2,

    event_id

FROM dt

┌───────────────────────t1─┬───────────────────────t2─┬─event_id─┐

│ 2019-01-01 03:00:00.0000 │ 2019-01-01 00:00:00.0000 │        1 │

│ 2019-01-01 00:00:00.0000 │ 2018-12-31 21:00:00.0000 │        2 │

│ 2019-01-01 03:00:12.3450 │ 2019-01-01 00:00:12.3450 │        3 │

└──────────────────────────┴──────────────────────────┴──────────┘

3 rows in set. Elapsed: 0.003 sec.

​​​​​​​10. 布尔类型

ClickHouse中没有单独的类型来存储布尔值。可以使用 UInt8 类型，取值限制为 0 或 1。具体参照枚举类型。

👨‍💻如需博文中的资料请私信博主。

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/56594.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

flannel的三种常见模式分析

flannel的三种常见模式分析

概述 大家接触flannel这种网络模式大多数可能都是从k8s中知道的&#xff0c;初始使用很少去深入了解它&#xff0c;毕竟使用它其实是很简单的。但是有时候会出现奇奇怪怪的网络问题&#xff0c;这个时候就需要我们更深入了解一下flannel这种网络模式。 Flannel是CoreOS开源的&…
阅读更多...
学习C#编写上位机的基础知识和入门步骤：

学习C#编写上位机的基础知识和入门步骤：

00001. 掌握C#编程语言基础和.NET框架的使用。 00002. 学习WinForm窗体应用程序开发技术&#xff0c;包括控件的使用和事件驱动编程。 00003. 熟悉基本的数据结构和算法知识&#xff0c;如链表、栈、队列等。 00004. 理解串口通信协议和通信方法&#xff0c;用于与底层硬件设…
阅读更多...
后端整理（集合框架、IO流、多线程）

后端整理（集合框架、IO流、多线程）

1. 集合框架 Java集合类主要有两个根接口Collection和Map派生出来 Collection派生两个子接口 List List代表了有序可重复集合&#xff0c;可以直接根据元素的索引进行访问Set Set代表无序不可重复集合&#xff0c;只能根据元素本身进行访问 Map接口派生 Map代表的是存储key…
阅读更多...
CS5265 USB-C to HDMI 4k@60Hz单转方案

CS5265 USB-C to HDMI 4k@60Hz单转方案

CS5265AN是一款高性能Type-C/DP1.4至HDMI2.0b转换器芯片&#xff0c;集成了DP1.4兼容接收机和HDMI2.0b兼容发射机&#xff0c;还配备了CC控制器用于CC通信&#xff0c;实现DP Alt模式。DP接口包括4条主通道、辅助通道和HPD信号&#xff0c;接收器支持每通道最大5.4Gbps数据速率…
阅读更多...
[自学记录05|百人计划]Early-Z和Z-Prepass

[自学记录05|百人计划]Early-Z和Z-Prepass

其实这篇我是不想写的&#xff0c;因为网上资料真的非常非常多很多人都写过&#xff0c;但是我后来想了想&#xff0c;做笔记不就是这样吗&#xff0c;所以就写吧~。前置知识&#xff1a;深度测试Z-Buffer[计算机图形学]可见性与遮挡,Z-Buffer(前瞻预习/复习回顾)__Yhisken的博…
阅读更多...
小主机折腾记16

小主机折腾记16

7月折腾了 1.2500s&#xff0c;2550k&#xff0c;e3 1225的性能测试 结果如下图 总结如下&#xff1a; a.2500s e3 1225 2390t 差别不大 b.1333频率相对1066频率内存提升12%左右 c.为什么少了2550k&#xff0c;因为装上去风扇尬转&#xff0c;没画面&#xff0c;我猜是因为…
阅读更多...
2023年第四届“华数杯”数学建模思路 - 复盘：光照强度计算的优化模型

2023年第四届“华数杯”数学建模思路 - 复盘：光照强度计算的优化模型

文章目录 0 赛题思路1 问题要求2 假设约定3 符号约定4 建立模型5 模型求解6 实现代码 0 赛题思路 &#xff08;赛题出来以后第一时间在CSDN分享&#xff09; https://blog.csdn.net/dc_sinor?typeblog 1 问题要求 现在已知一个教室长为15米&#xff0c;宽为12米&#xff0…
阅读更多...
百度地图点标记加调用

百度地图点标记加调用

先看效果 PHP代码 <?phpnamespace kds_addons\edata\controller;use think\addons\Controller; use think\Db;class Maps extends Controller {// 经纬度计算面积function calculate_area($points){$totalArea 0;$numPoints count($points);if ($numPoints > 2) {f…
阅读更多...
第六章：SpringMVC上

第六章：SpringMVC上

第六章&#xff1a;SpringMVC上 6.1&#xff1a;SpringMVC简介 什么是MVC MVC是一种软件架构的思想&#xff0c;将软件按照模型、视图、控制器来划分。 M&#xff1a;Model&#xff0c;模型层&#xff0c;指工程中的JavaBean&#xff0c;作用是处理数据。 一类称为实体类Bean&…
阅读更多...
JavaEE初阶之网络初识

JavaEE初阶之网络初识

一、网络发展史 1.1独立模式 独立模式：计算机之间相互独立； 1.2网络互连 随着时代的发展，越来越需要计算机之间互相通信，共享软件和数据，即以多个计算机协同工作来完成业务，就有了网络互连。网络互连：将多台计算机连接在一起，完成数据共享。 数据共享本质是网络数据…
阅读更多...
时序预测 | Python实现NARX-DNN空气质量预测

时序预测 | Python实现NARX-DNN空气质量预测

时序预测 | Python实现NARX-DNN空气质量预测 目录 时序预测 | Python实现NARX-DNN空气质量预测效果一览基本介绍研究内容程序设计参考资料效果一览 基本介绍 时序预测 | Python实现NARX-DNN空气质量预测 研究内容 Python实现NARX-DNN空气质量预测,使用深度神经网络对比利时空气…
阅读更多...
Hive数据仓库

Hive数据仓库

数据仓库概念与起源发展由来 数仓概念 数据仓库&#xff08;英语&#xff1a;Data Warehouse&#xff0c;简称数仓、DW&#xff09;&#xff0c;是一个用于存储、分析、报告的数据系统。数据仓库的目的是构建面相分析的集成化数据环境&#xff0c;分析结果为企业提供决策支持…
阅读更多...
使用docker部署一个jar项目

使用docker部署一个jar项目

简介: 通过docker镜像, docker可以在服务器上运行包含项目所需运行环境的docker容器, 在线仓库里有很多各个软件公司官方发布的镜像, 或者第三方的镜像. 如果我们需要使用docker把我们的应用程序打包成镜像, 别的机器上只要安装了docker, 就可以直接运行镜像, 而不需要再安装应…
阅读更多...
LabVIEW使用灰度和边缘检测进行视频滤波

LabVIEW使用灰度和边缘检测进行视频滤波

LabVIEW使用灰度和边缘检测进行视频滤波 数字图像处理&#xff08;DIP&#xff09;是真实和连续世界的离散表示。除此之外&#xff0c;这种数字图像在通信、医学、遥感、地震学、工业自动化、机器人、航空航天和教育等领域变得非常重要。计算机技术越来越需要视频图像的数字图…
阅读更多...
软件测试这个行业究竟能做到多少岁？35岁真的是一个坎？

软件测试这个行业究竟能做到多少岁？35岁真的是一个坎？

前言 在国内&#xff0c;软件测试行业是近10多年来随着互联网的飞速发展逐步兴起来的。 随着行业的发展&#xff0c;测试市场的人才缺口也越来越大&#xff0c;能够提供的就业机会也就越来越多&#xff0c;所以很多人都意气风发地投身到测试行业之中&#xff0c;憧憬这自己在这…
阅读更多...
数据结构 | 递归

数据结构 | 递归

目录 一、何谓递归 1.1 计算一列数之和 1.2 递归三原则 1.3 将整数转换成任意进制的字符串 二、栈帧&#xff1a;实现递归 三、递归可视化 四、谢尔平斯基三角形 五、复杂的递归问题 六、动态规划 一、何谓递归 递归是解决问题的一种办法&#xff0c;它将问题不断地分…
阅读更多...
css滚动条样式指南

css滚动条样式指南

css滚动条样式指南 滚动条是网页设计中经常被忽视的元素。虽然它看起来像是一个小细节&#xff0c;但它在网站导航中起着至关重要的作用。默认的滚动条可能看起来不合适&#xff0c;有损整体美观。本文将介绍如何使用 CSS 自定义滚动条。 在 Chrome、Edge 和 Safari 中设置滚…
阅读更多...
机器学习笔记之优化算法(六)线搜索方法(步长角度；非精确搜索；Glodstein Condition)

机器学习笔记之优化算法(六)线搜索方法(步长角度；非精确搜索；Glodstein Condition)

机器学习笔记之优化算法——线搜索方法[步长角度&#xff0c;非精确搜索&#xff0c;Glodstein Condition] 引言回顾&#xff1a; Armijo Condition \text{Armijo Condition} Armijo Condition关于 Armijo Condition \text{Armijo Condition} Armijo Condition的弊端 Glodstein…
阅读更多...
【限时优惠】红帽openstack管理课程(CL210) 即将开课

【限时优惠】红帽openstack管理课程(CL210) 即将开课

课程介绍 通过实验室操作练习&#xff0c;学员将能够深入学习红帽企业 Linux OpenStack 平台各服务的手动安装方法&#xff0c;还将了解 OpenStack 开发社区的未来发展计划。 培训地点&#xff1a; 线下面授&#xff1a;苏州市姑苏区干将东路666号401室&#xff1b; 远程…
阅读更多...
Arcgis地图实战一：单个图层中设施的隐藏及显示

Arcgis地图实战一：单个图层中设施的隐藏及显示

文章目录 1.效果图预览2.弹框的实现3.显示及隐藏的实现 1.效果图预览 2.弹框的实现 let alert this.alertCtrl.create();alert.setTitle(请选择设施);for (let item of this.ctralllayers) {alert.addInput({type: checkbox,label: item.name,value: item.id,checked: item.vi…
阅读更多...
最新文章

Copyright @ 2022~2023