【MySQL 保姆级教学】深层理解索引及其特性（重点）--上（11）

MySQL与磁盘

  • 1. MySQL与内存和磁盘的联系
  • 2. 认识磁盘
    • 2.1 MySQL与存储
    • 2.2 磁盘结构
    • 2.3 扇区
    • 2.4 定位扇区
  • 3. MySQL与磁盘交互基本单位
  • 4. 建立共识
  • 5. 索引的理解
    • 5.1 建立一个表并查询
    • 5.2 为何 I/O 交互要是Page
  • 6. B+树 Vs B 树数
    • 6.1 不同存储引擎支持的索引结构类型
    • 6.2 B+树 Vs B树
  • 7. 聚簇索引 Vs 非聚簇索引
    • 7.1 MyISAM Vs InnoDB
    • 7.2 总结

1. MySQL与内存和磁盘的联系

我们所有的MySQL数据操作（增删查改），全部是在MySQL的内存中进行的。MySQL在启动的时候会预先开辟一大块内存空间，在合适的时候把我们对数据的操作体现在内存级，MySQL定期的把数据刷新到外设（磁盘）做持久化。

mysql的服务器本质是在内存中的，所有的数据库的CURD操作全部是在内存中进行的，索引也是如此。

提高算法效率的因素：1.组织数据的方式，2.算法本身

索引是特定的数据结构组织的结构

2. 认识磁盘

2.1 MySQL与存储

MySQL与存储
MySQL 给用户提供存储服务，存储的都是数据，而数据在磁盘这个外设当中。磁盘是计算机中的一个机
械设备，相比于计算机其他电子元件，磁盘效率是比较低的，在加上IO本身的特征，可以知道，如何提高效率，是MySQL 的一个重要话题。

2.2 磁盘结构

在这里插入图片描述

磁盘中的一个盘片：
在这里插入图片描述

2.3 扇区

数据库文件，本质其实就是保存在磁盘的盘片当中。也就是上面的一个个小格子中，就是我们经常所说的扇区。当然，数据库文件很大，也很多，一定需要占据多个扇区。

从上图可以看出来，在半径方向上，距离圆心越近，扇区越小，距离圆心越远，扇区越大
那么，所有扇区都是默认512字节吗？目前是的，我们也这样认为。因为保证一个扇区多大，是由比特位密度决定的。

不过最新的磁盘技术，已经慢慢的让扇区大小不同了，不过我们现在暂时不讨论。

我们在使用Linux，所看到的大部分目录或者文件，其实就是保存在硬盘当中的。(当然，有一些内存文
件系统，如：proc ，sys 之类，我们不讨论)

数据库文件，本质其实就是保存在磁盘的盘片当中，就是一个一个的扇区。

怎么查看数据库文件呢？
展示：

/var/lib/mysql目录：
用于存储 MySQL 数据库的数据文件，包括表数据、索引、日志文件等。
这个目录是 MySQL 数据库的核心存储位置

查看MySQL数据库中的文件：
进入目录：cd /var/lib/mysql
查看文件：ls
在这里插入图片描述
创建一个数据库，再创建一个表，然后子再插入数据：

create database test_database;

use test_database;

create table t1 (id int, name varchar(10));

insert into t1 values(1,'李明'), (2,'李白');

在这里插入图片描述
查看创建的文件在linux中的位置：
进入目录：cd /var/lib/mysql
查看文件：ls
在这里插入图片描述
显然，多了一个目录–我们刚才创建的数据库。

进入该数据库并查看文件：
命令：cd test_database;
查看：ls
在这里插入图片描述
显然，我们可以看到创建的表。

db.opt这个文件包含了数据库的一些选项和参数，例如字符集编码、排序规则等。它是 MySQL 创建数据库时自动生成的一个文本文件。
t1.frm这个文件是表定义文件，包含了表的结构信息，如字段名称、类型、长度、是否允许为空等。frm 文件是 MySQL 表的元数据文件，用于描述表的结构。
t1.ibd这个文件是表数据文件，包含了表的实际数据和索引。ibd 文件是 InnoDB 存储引擎特有的数据文件格式，用于存储表的数据和索引信息。

所以，最基本的，找到一个文件的全部，本质，就是在磁盘找到所有保存文件的扇区。而我们能够定位任何一个扇区，那么便能找到所有扇区，因为查找方式是一样的。

2.4 定位扇区

在这里插入图片描述

  • 柱面(磁道): 多盘磁盘，每盘都是双面，大小完全相等。那么同半径的磁道，整体上便构成了一个柱面

  • 每个盘面都有一个磁头，那么磁头和盘面的对应关系便是1对1的

  • 只需要知道，磁头（Heads）、柱面(Cylinder)(等价于磁道)、扇区(Sector)对应的编号。即可在磁盘上定位所要访问的扇区。这种磁盘数据定位方式叫做CHS，不过实际使用的并不是CHS（但是硬件是），而是LBA ，一种线性地址，可以想象成虚拟地址与物理地址。系统将LBA地址最后会转化成为CHS ，交给磁盘去进行数据读取。不过，我们现在不关心转化细节，知道这个东西，让我们逻辑自洽起来即可。

结论

我们现在已经能够在硬件层面定位，任何一个基本数据块了(扇区)。那么在系统软件上，就直接按照扇区(512字节，部分4096字节),进行IO交互吗？

答：不是

如果操作系统直接使用硬件提供的数据大小进行交互，那么系统的IO代码，就和硬件强相关，换言之，如果硬件发生变化，系统必须跟着变化。

从目前来看，单次IO 512字节，还是太小了。IO单位小，意味着读取同样的数据内容，需要进行多
次磁盘访问，会带来效率的降低。

之前学习文件系统，就是在磁盘的基本结构下建立的，文件系统读取基本单位，就不是扇区，而是
数据块。

故，系统读取磁盘，是以块为单位的，基本单位是4KB 。

磁盘随机访问(Random Access)与连续访问(Sequential Access)

  • 随机访问：本次IO所给出的扇区地址和上次IO给出扇区地址不连续，这样的话磁头在两次IO操作之间需要作比较大的移动动作才能重新开始读/写数据。
  • 连续访问：如果当次IO给出的扇区地址与上次IO结束的扇区地址是连续的，那磁头就能很快的开始这次IO操作，这样的多个IO操作称为连续访问。
  • 因此尽管相邻的两次IO操作在同一时刻发出，但如果它们的请求的扇区地址相差很大的话也只能称为随机访问，而非连续访问。
  • 磁盘是通过机械运动进行寻址的，连续访问不需要过多的定位，故效率比较高。

为什么是4kb呢？

内存被分为多个4kb大小的块，为了让磁盘数据和内存数据进行更好的I/O交互。

也考虑到 I/O 效率和解耦，磁盘需要被操作系统访问，4kb的大小是一种取舍，采用局部性原理来提高整机的效率

3. MySQL与磁盘交互基本单位

而MySQL作为一款应用软件，可以想象成一种特殊的文件系统。它有着更高的IO场景，所以，为了提高
基本的IO效率，MySQL 进行IO的基本单位是16KB (后面统一使用InnoDB 存储引擎讲解)

查询MySQL进行IO的基本单位：
命令：show global status like 'innodb_page_size;'
在这里插入图片描述
16389的单位是字节，1638/1024 = 16 KB

也就是说，磁盘这个硬件设备的基本单位是512 字节，而MySQL innodb引擎使用16KB进行交互，即MySQL 和磁盘进行数据交互的基本单位是16KB 。这个基本数据单元，在MySQL 这里叫做page（注意和系统的page区分）

从逻辑上看，MySQL好像和磁盘之间是16KB进行交互，但是MySQL是不能直接与磁盘进行交互的，能与磁盘进行交互的只有操作系统。实际上在操作系统中有文件缓冲区，mysql对操作系统进行16kb的交互，操作系统对磁盘进行4*4kb的交互。

在这里插入图片描述

4. 建立共识

  • MySQL 中的数据文件，是以page为单位保存在磁盘当中的。
  • MySQL 的CURD 操作，都需要通过计算，找到对应的插入位置，或者找到对应要修改或者查询的数
    据。
  • 而只要涉及计算，就需要CPU参与，而为了便于CPU参与，一定要能够先将数据移动到内存当中。
  • 所以在特定时间内，数据一定是磁盘中有，内存中也有。后续操作完内存数据之后，以特定的刷新
    策略，刷新到磁盘    。而这时，就涉及到磁盘和内存的数据交互，也就是IO了。而此时IO的基本单位
    就是Page    。
  • 为了更好的进行上面的操作， MySQL 服务器在内存中运行的时候，在服务器内部，就申请了被称为Buffer Pool的的大内存空间，来进行各种缓存。其实就是很大的内存空间，来和磁盘数据进行IO交互。
  • 为了更高的效率，一定要尽可能的减少系统和磁盘IO的次数。

在这里插入图片描述

5. 索引的理解

5.1 建立一个表并查询

建立一个表（设置主键索引）：

create table user ( 
id int primary key,     
age int not null,
name varchar(16) not null
 );

我的默认使用 innodb存储引擎
在这里插入图片描述

插入数据，id的顺序随机：

insert into user (id, age, name) values(3, 18, '杨过');

insert into user (id, age, name) values(4, 16, '小龙女');
 
insert into user (id, age, name) values(2, 26, '黄蓉');

insert into user (id, age, name) values(5, 36, '郭靖');

insert into user (id, age, name) values(1, 56, '欧阳锋');

查询数据：
命令：select * from user;
在这里插入图片描述
没有使用排序命令，为什么查询结果是排序的呢？

下面慢慢解释。

5.2 为何 I/O 交互要是Page

为何MySQL和磁盘进行IO交互的时候，要采用Page的方案进行交互呢?用多少，加载多少不香吗?
如上面的5条记录，如果MySQL要查找id=2的记录，第一次加载id=1，第二次加载id=2，一次一条记录，那么就需要2次IO。如果要找id=5，那么就需要5次IO。

但，如果这5条(或者更多)都被保存在一个Page中(16KB，能保存很多记录),那么第一次IO查找id=2的时
候，整个Page会被加载到MySQL的Buffer Pool中，这里完成了一次IO。但是往后如果在查找id=1,3,4,5等，完全不需要进行IO了，而是直接在内存中进行了。所以，就在单Page里面，大大减少了IO的次数。

怎么保证，用户一定下次找的数据，就在这个Page里面？我们不能严格保证，但是有很大概率，因为有局部性原理。往往IO效率低下的最主要矛盾不是IO单次数据量的大小，而是IO的次数。

理解的单个Page
MySQL 中要管理很多数据表文件，而要管理好这些文件，就需要先描述，再组织，我们目前可以简单的理解成一个个独立文件是有一个或者多个Page构成的，每个Page像链表一样链接起来。
在这里插入图片描述
不同的Page，在MySQL 中，都是16KB ，使用因为有主键的问题，prev 和next 构成双向链表MySQL 会默认按照主键给我们的数据进行排序，从上面的Page内数据记录可以看出，数据是有序且彼此关联的。

为什么数据库在插入数据时要对其进行排序呢？我们按正常顺序插入数据不是也挺好的吗？

插入数据时排序的目的，就是优化查询的效率。

页内部存放数据的模块，实质上也是一个链表的结构，链表的特点也就是增删快，查询修改慢，所以优化查询的效率是必须的。

正是因为有序，在查找的时候，从头到后都是有效查找，没有任何一个查找是浪费的，而且，如果运气好，是可以提前结束查找过程的。

理解多个Page

通过上面的分析，我们知道，上面页模式中，只有一个功能，就是在查询某条数据的时候直接将一
整页的数据加载到内存中，以减少硬盘IO次数，从而提高性能。但是，我们也可以看到，现在的页
模式内部，实际上是采用了链表的结构，前一条数据指向后一条数据，本质上还是通过数据的逐条
比较来取出特定的数据。
如果有1千万条数据，一定需要多个Page来保存1千万条数据，多个Page彼此使用双链表链接起
来，而且每个Page内部的数据也是基于链表的。那么，查找特定一条记录，也一定是线性查找。这
效率也太低了。

在这里插入图片描述
那么，怎么提高查询的效率呢？

页目录

我们在看《谭浩强C程序设计》这本书的时候，如果我们要看<指针章节>，找到该章节有两种做法：

  1. 从头逐页的向后翻，直到找到目标内容
  2. 通过书提供的目录，发现指针章节在234页(假设)，那么我们便直接翻到234页。同时，查找目录的方案，可以顺序找，不过因为目录肯定少，所以可以快速提高定位本质上，书中的目录，是多花了纸张的，但是却提高了效率所以，目录，是一种“空间换时间的做法”

单页情况

针对上面的单页Page，我们能否也引入目录呢？

当然可以

在这里插入图片描述

那么当前，在一个Page内部，我们引入了目录。比如，我们要查找id=4记录，之前必须线性遍历4次， 才能拿到结果。现在直接通过目录2[3]`，直接进行定位新的起始位置，提高了效率。

现在我们可以再次正式回答上面的问题了，为何通过键值MySQL 会自动排序？

可以很方便引入目录

多页情况

MySQL 中每一页的大小只有16KB ，单个Page大小固定，所以随着数据量不断增大，16KB 不可能存下所有的数据，那么必定会有多个页来存储数据。

在这里插入图片描述

在单表数据不断被插入的情况下，MySQL 会在容量不足的时候，自动开辟新的Page来保存新的数据，然后通过指针的方式，将所有的Page组织起来。

需要注意，上面的图，是理想结构，大家也知道，目前要保证整体有序，那么新插入的数据，不一定会
在新Page上面，这里仅仅做演示。

这样，我们就可以通过多个Page遍历，Page内部通过目录来快速定位数据。可是，貌似这样也有效率问
题，在Page之间，也是需要MySQL 遍历的，遍历意味着依旧需要进行大量的IO，将下一个Page加载到内存，进行线性检测。这样就显得我们之前的Page内部的目录，有点杯水车薪了。

那么如何解决呢？解决方案，其实就是我们之前的思路，给Page也带上目录。

  • 使用一个目录项来指向某一页，而这个目录项存放的就是将要指向的页中存放的最小数据的键值。
  • 和页内目录不同的地方在于，这种目录管理的级别是页，而页内目录管理的级别是行。
  • 其中，每个目录项的构成是：键值+指针。图中没有画全。

在这里插入图片描述
存在一个目录页来管理页目录，目录页中的数据存放的就是指向的那一页中最小的数据。有数据，就可
通过比较，找到该访问那个Page，进而通过指针，找到下一个Page。

其实目录页的本质也是页，普通页中存的数据是用户数据，而目录页中存的数据是普通页的地址。

可是，我们每次检索数据的时候，该从哪里开始呢？虽然顶层的目录页少了，但是还要遍历啊？

不用担心，可以在加目录页

在这里插入图片描述

在查询的时候从最上面的Page开始，一个接一个的找到目录页。

从结构就可以看出，这就是B+树啊！没错，至此，我们已经给我们的表user构建完了主键索引。随便找一个id=？我们发现，现在查找的Page数一定减少了，也就意味着IO次数减少了，那么效率也就提高了。

复盘一下
Page分为目录页和数据页。目录页只放各个下级Page的最小键值。查找的时候，自定向下找，只需要加载部分目录页到内存，即可完成算法的整个查找过程，大大减少了IO次数

InnoDB
在建立索引结构来管理数据的时候，其他数据结构为何不行？

  • 链表？线性遍历？
    前文已经解释过，效率太慢。
  • 二叉搜索树？
    退化问题，可能退化成为线性结构。
  • AVL &&红黑树？
    虽然是平衡或者近似平衡，但是毕竟是二叉结构，相比较多阶B+，意味着树整体过高，大家都是自顶向下找，层高越低，意味着系统与硬盘更少的IO Page交互。虽然你很秀，但是有更秀的。
  • Hash？
    官方的索引实现方式中，MySQL 是支持HASH的，不过InnoDB 和MyISAM 并不支持.Hash跟进其算法特征，决定了虽然有时候也很快(O(1))，不过，在面对范围查找就明显不行，另外还有其他差别，有兴趣可以查一下。

6. B+树 Vs B 树数

6.1 不同存储引擎支持的索引结构类型

在这里插入图片描述

数据结构演示链接：点击进入 里面有各种数据结构的结构。

6.2 B+树 Vs B树

B树？最值得比较的是InnoDB 为何不用B树作为底层索引？

B树
在这里插入图片描述

B+树
在这里插入图片描述

目前这两棵树，对我们最有意义的区别是：

  • B树节点，既有数据，又有Page指针，而B+，只有叶子节点有数据，其他目录页，只有键值和Page指针
  • B+叶子节点，全部相连，而B没有

为何选择B+

节点不存储data，这样一个节点就可以存储更多的key。可以使得树更矮，所以IO操作次数更少。叶子节点相连，更便于进行范围查找。

7. 聚簇索引 Vs 非聚簇索引

7.1 MyISAM Vs InnoDB

MyISAM 存储引擎—主键索引

MyISAM 引擎同样使用B+树作为索引结果，叶节点的data域存放的是数据记录的地址。下图为表的主索引，Col1 为主键。
在这里插入图片描述

其中，MyISAM 最大的特点是，将索引Page和数据Page分离，也就是==叶子节点没有数据，只有对应数据的地址。相较于InnoDB 索引，InnoDB 是将索引和数据放在一起的。

MySAM存储引擎演示：

MySQL：

--创建数据库
create database myisam_test; 
use myisam_test;

create table mtest(
id int primary key,
name varchar(11) not null
)engine=MyISAM;              
--使用engine=MyISAM

Linux：
命令：ls /var/lib/mysql/myisam_test/ -al
在这里插入图片描述
MyISAM 这种用户数据与索引数据分离的索引方案，叫做非聚簇索引

Innodb存储引擎演示：

MySQL：

--创建数据库
create database Innodb_test; 
use Innodb_test;

create table Itest(
id int primary key,
name varchar(11) not null
)engine=Innodb;              
--使用engine=Innodb

Linux：
命令：ls /var/lib/mysql/myisam_test/ -al
在这里插入图片描述
InnoDB 这种用户数据与索引数据在一起索引方案，叫做聚簇索引

MySQL除了默认会建立主键索引外，我们用户也有可能建立按照其他列信息建立的索引，一般这种索引可以叫做辅助（普通）索引。
对于M yISAM ,建立辅助（普通）索引和主键索引没有差别，无非就是主键不能重复，而非主键可重复。
下图就是基于MyISAM 的Col2 建立的索引，和主键索引没有差别
在这里插入图片描述
同样，InnoDB 除了主键索引，用户也会建立辅助（普通）索引，我们以上表中的
Col3 建立对应的辅助索引，如下图：
在这里插入图片描述

可以看到，InnoDB 的非主键索引中叶子节点并没有数据，而只有对应记录的key值。
所以通过辅助（普通）索引，找到目标记录，需要两遍索引：首先检索辅助索引获得主键，然后用主键到主索引中检索获得记录。这种过程，就叫做回表查询

为何InnoDB 针对这种辅助（普通）索引的场景，不给叶子节点也附上数据呢？
答：太浪费空间了。目录Page就全部存放目录，这样才是最大的优化。

7.2 总结

InnoDB 主键索引和普通索引
答：

  • 主键索引在 InnoDB 中是聚簇索引，这意味着数据行的物理存储顺序与主键的顺序一致。如果没有显式定义主键，InnoDB 会选择第一个非空的唯一索引作为聚簇索引。如果没有合适的唯一索引，InnoDB 会建一个隐藏的聚簇索引。
  • 辅助索引的叶子节点存储的是主键值，而不是数据行的物理地址。
    通过辅助索引查找数据时，首先找到主键值，然后通过主键值在聚簇索引中找到数据行。

MyISAM 主键索引和普通索引
答：

  • 主键索引和普通索引在 MyISAM 中都是非聚簇索引，这意味着索引的叶子节点存储的是数据行的物理地址。主键索引和普通索引在结构上没有区别，只是主键索引是唯一的。
  • 普通索引的叶子节点存储的是数据行的物理地址。通过索引查找数据时，直接根据物理地址访问数据行。

其他数据结构为何不能作为索引结构，尤其是B+和B
B+ 树的优势

  • 高效的范围查询:
    B+ 树的叶子节点是链表形式连接的，这使得范围查询非常高效。
    在进行范围查询时，可以从一个叶子节点开始，沿着链表快速遍历多个节点。
  • 较高的扇出（Fan-out）:
    B+ 树的每个节点可以容纳更多的键值，因此树的高度较低，减少了磁盘 I/O 次数。
    较低的树高度意味着更快的查询速度。
  • 稳定的性能:
    B+ 树的插入和删除操作复杂度为 O(log n)，性能稳定。
    插入和删除操作不会导致树的高度变化，保持了查询性能的稳定性。

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/910277.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

1分钟教你利用ai工具免费制作养生视频，自动化批量操作，效率提升10倍！

1分钟教你利用ai工具免费制作养生视频，自动化批量操作，效率提升10倍！

养生这个是未来比较火爆的一个赛道,很多人越来越注重养生&#xff0c;你会发现抖音各种健身操博主&#xff0c;视频播放数据都很不错。很多人上一秒说的养生&#xff0c;下一秒又熬起了夜。年纪轻轻就喝起了枸杞续命。 有想做视频号带货的家人&#xff0c;其实可以考虑养生赛道…
阅读更多...
思通数科纸质档案扫描与识别与档案馆应用场景介绍

思通数科纸质档案扫描与识别与档案馆应用场景介绍

在传统档案馆中&#xff0c;纸质文件的处理和管理是一个重要且繁琐的环节&#xff0c;特别是面对庞大的历史资料库。思通数科的AI能力平台提供了一种高效的数字化解决方案&#xff0c;利用OCR技术将纸质档案中的信息自动提取并转化为数字文本&#xff0c;具体过程包括以下几个步…
阅读更多...
AutoCAD的Dwg版本代号、R版本参数值以及二次开发时VS、.NET版本关系

AutoCAD的Dwg版本代号、R版本参数值以及二次开发时VS、.NET版本关系

Dwg的AC版本代号 出处&#xff1a;https://www.autodesk.com.cn/support/technical/article/caas/sfdcarticles/sfdcarticles/CHS/drawing-version-codes-for-autocad.html 以下是AutoCAD图形的不同版本代号&#xff1a; MC0.0 - DWG Release 1.1 AC1.2 - DWG R1.2 AC1.4 - DW…
阅读更多...
微服务day02

微服务day02

教学文档&#xff1a; 黑马教学文档 Docker Docker的安装 镜像和容器 命令解读 常见命令 案例 查看DockerHub&#xff0c;拉取Nginx镜像&#xff0c;创建并运行容器 搜索Nginx镜像&#xff1a;在 www.hub.docker.com 网站进行查询 拉取镜像&#xff1a; docker pull ngin…
阅读更多...
脉冲全闭环EtherCAT运动控制器的固件升级

脉冲全闭环EtherCAT运动控制器的固件升级

本文导读 随着产品的发展&#xff0c;正运动技术产品的固件也在不断更新与完善&#xff0c;新固件较老固件会解决一些客户的新需求与软件上的bug&#xff0c;增加了一些指令和功能&#xff0c;添加了更多的 EtherCAT从站与io模块。因此&#xff0c;升级固件是常用功能。推荐优…
阅读更多...
用 Python 爬取淘宝商品价格信息时需要注意什么？

用 Python 爬取淘宝商品价格信息时需要注意什么？

用 Python 爬取淘宝商品价格信息时&#xff0c;需要注意以下方面&#xff1a; 一、法律和道德规范&#xff1a; 遵守法律法规&#xff1a;网络爬虫的行为应在法律允许的范围内进行。未经淘宝平台授权&#xff0c;大规模地爬取其商品价格信息并用于商业盈利等不当用途是违法的…
阅读更多...
三周精通FastAPI：35 最常用的模板引擎Jinja2

三周精通FastAPI：35 最常用的模板引擎Jinja2

官方文档&#xff1a;https://fastapi.tiangolo.com/zh/advanced/templates/ 模板 FastAPI 支持多种模板引擎。 Flask 等工具使用的 Jinja2 是最常用的模板引擎。 在 Starlette 的支持下&#xff0c;FastAPI 应用可以直接使用工具轻易地配置 Jinja2。 安装依赖项 安装 ji…
阅读更多...
AI 搜索来势汹汹，互联网将被颠覆还是进化？

AI 搜索来势汹汹，互联网将被颠覆还是进化？

最近&#xff0c;美国新闻集团起诉了知名 AI 搜索引擎 Perplexity AI。也许你会想&#xff0c;这不就是又一起“AI 惹官司”吗&#xff1f;其实&#xff0c;这次情况不太一样&#xff0c;甚至可能会改变我们未来上网的方式&#xff01; 争议的焦点是什么&#xff1f;是未来的 …
阅读更多...
微信小程序官方评价组件wxacommentplugin下线后如何巧妙调用

微信小程序官方评价组件wxacommentplugin下线后如何巧妙调用

在前一段时间微信小程序官方下线了评价组件后&#xff0c;无法再申请到了&#xff0c; 先来说说小程序什么情况下弹出评价&#xff1f; 1.官方邀请用户评价 用户通过搜索使用过小程序后&#xff0c;官方会邀请用户对小程序的使用体验进行评价。这个是系统随机的&#xff0c;…
阅读更多...
Nat Med 病理AI系列｜人工智能在肝病临床试验中的应用·顶刊精析·24-11-06

Nat Med 病理AI系列｜人工智能在肝病临床试验中的应用·顶刊精析·24-11-06

小罗碎碎念 今天分析Nature Medicine病理AI系列的第6篇文章——《AI-based automation of enrollment criteria and endpoint assessment in clinical trials in liver diseases》。 这篇文章介绍了一种基于人工智能的测量工具AIM-MASH&#xff0c;它能够提高非酒精性脂肪性肝…
阅读更多...
AWG5200系列-美国泰克AWG5202/5204/5208任意波形

AWG5200系列-美国泰克AWG5202/5204/5208任意波形

AWG5200系列-美国泰克AWG5202/5204/5208任意波形 美国泰克AWG5202/5204/5208任意波形发生器AWG5200可满足苛刻的信号生成需求&#xff0c;具有高信号保真度&#xff0c;支持多台同步&#xff0c;可扩展到zui多32条及以上通道&#xff0c;高性价比。是高级研究、电子测试和雷达、…
阅读更多...
SpringBoot在城镇住房保障系统中的应用案例

SpringBoot在城镇住房保障系统中的应用案例

摘要 随着信息技术在管理上越来越深入而广泛的应用&#xff0c;管理信息系统的实施在技术上已逐步成熟。本文介绍了城镇保障性住房管理系统的开发全过程。通过分析城镇保障性住房管理系统管理的不足&#xff0c;创建了一个计算机管理城镇保障性住房管理系统的方案。文章介绍了城…
阅读更多...
无需专业技能，快速上手本地部署Llama3：让你的个人电脑也能高效运行

无需专业技能，快速上手本地部署Llama3：让你的个人电脑也能高效运行

大家好&#xff0c;我是斜杠君。今天手把手教大家如何在本地部署Llama3&#xff0c;打造一个属于自己的本地大模型助手。 在教大家部署Llama3之前&#xff0c;先要带大家了解一个概念&#xff1a;Ollama。 Ollama是什么&#xff1f; Ollama是一个用于在本地计算机上运行大型语言…
阅读更多...
使用Python和OpenCV实现火焰检测

使用Python和OpenCV实现火焰检测

使用Python和OpenCV实现火焰检测 项目解释&#xff1a; 此 Python 代码是使用 OpenCV、线程、声音和电子邮件功能的火灾探测系统的简单示例。 以下是它的功能的简单描述&#xff1a; 导入库&#xff1a;代码首先导入必要的库&#xff1a; cv2&#xff1a;用于图像和视频处理…
阅读更多...
异步4位计数器（Quartus与Modelsim联合仿真）

异步4位计数器（Quartus与Modelsim联合仿真）

异步计数器&#xff08;也称为ripple-through counter&#xff09;的特点是每一位触发器的输出作为下一位触发器的时钟输入&#xff0c;因此计数速度会因为级联触发器的传播延迟而受到限制。这种计数器的最大工作频率通常低于同步计数器。 一、电路符号 输入信号&#xff1a;时…
阅读更多...
EDA技术简介

EDA技术简介

目录 可编程逻辑器件 CPLD/FPGA 基于查找表结构的FPGA 硬件描述语言 EDA软件 EDA技术的 应用领域 电子系统的设计方法 EDA (Electronic Design Automation,电子设计自动化) 以可编程逻辑器件 (Programmable Logic Device,简称PLD)为实现载体、以硬件描述语言 (Hardwar…
阅读更多...
【The Art of Unit Testing 3_自学笔记06】3.4 + 3.5 单元测试核心技能之：函数式注入与模块化注入的解决方案简介

【The Art of Unit Testing 3_自学笔记06】3.4 + 3.5 单元测试核心技能之：函数式注入与模块化注入的解决方案简介

文章目录 3.4 函数式依赖注入技术 Functional injection techniques3.5 模块化依赖注入技术 Modular injection techniques 写在前面 上一篇的最后部分对第三章后续内容做了一个概括性的梳理&#xff0c;并给出了断开依赖项的最简单的实现方案&#xff0c;函数参数值注入法。本…
阅读更多...
如何打开别人的 vsqt 代码？QString 中有中文的时候，如何转换中文？

如何打开别人的 vsqt 代码？QString 中有中文的时候，如何转换中文？

如何打开别人的 vsqt 代码&#xff1f; 我们下载了 一段源码。并且知道这个源码的关于 音视频的&#xff0c;那么八成会用到ffmpeg 假设我们源码下载后&#xff0c;位置在D:\downloadcode\112_yuv_rgb_player 第一步就是删除.vs 和debug&#xff0c;因为这是别人的vs 项目的…
阅读更多...
AI 驱动的 SIEM 对增强安全性的 9 大好处

AI 驱动的 SIEM 对增强安全性的 9 大好处

作者&#xff1a;来自 Elastic Joe DeFever 与传统的 SIEM 解决方案相比&#xff0c;人工智能驱动的安全信息和事件管理 (security information and event management - ) 解决方案使从业人员能够更高效、更有效地工作&#xff0c;而传统的 SIEM 解决方案依赖于手动流程来配置数…
阅读更多...
基于Python的影院电影购票系统

基于Python的影院电影购票系统

作者&#xff1a;计算机学姐 开发技术&#xff1a;SpringBoot、SSM、Vue、MySQL、JSP、ElementUI、Python、小程序等&#xff0c;“文末源码”。 专栏推荐&#xff1a;前后端分离项目源码、SpringBoot项目源码、Vue项目源码、SSM项目源码、微信小程序源码 精品专栏&#xff1a;…
阅读更多...
最新文章

Copyright @ 2022~2023