大数据学习：impala基础

impala基础

1. impala介绍

1.1 impala概述

  • Impala是Cloudera公司推出，提供对HDFS、Hbase数据的高性能、低延迟的交互式SQL查询功能。
  • 官方测试性能比hive快10到100倍，其sql查询比sparkSQL还要更加快速，号称是当前大数据领域最快的查询sq工具。

impala是参照谷歌的新三篇论文（Caffeine–网络搜索引擎、Pregel–分布式图计算、Dremel–交互式分析工具）当中的Dremel实现而来，其中旧三篇论文分别是（BigTable，GFS，MapReduce）分别对应我们即将学的HBase和已经学过的HDFS以及MapReduce。

impala是基于hive并使用内存进行计算，兼顾数据仓库，具有实时，批处理，多并发等优点。

1.2 impala与hive的关系

  • impala是基于hive的大数据分析查询引擎，直接使用hive的元数据metadata。
  • impala元数据都存储在hive的metastore当中，并且impala兼容hive的绝大多数sql语法。
  • 安装impala的话，必须先安装hive，保证hive安装成功，并且还需要启动hive的metastore服务。

1.3 impala优点

  • 基于内存进行计算，能够对PB级数据进行交互式实时查询、分析，只要你内存足够大
  • 摈弃了MR的计算，改用C+来实现，有针对性的硬件优化
    • 在底层对硬件进行优化， LLVM统一编译运行：编译器，比较稳定，效率高
  • 具有数据仓库的特性，可对hive数据直接做数据分析
  • 支持列式存储
    • 可以和Hbase整合，因为hive可以整合hbase
  • 支持Data Local
    • 数据本地化：无需数据移动，减少数据的传输
  • 支持JDBC/ODBC远程访问

1.4 impala缺点

  • 基于内存计算，对内存依赖性较大
  • 基于hive，与hive共存亡，紧耦合
  • 稳定性不如hive
  • 每当新的记录/文件被添加到HDFS中的数据目录时，该表需要被刷新
  • 不支持用户定义函数UDF

2. impala基础架构

Impala主要由Impalad、 State Store、Catalogd和CLI组成。

2.1 impala体系结构

2.1.1 Statestored

impala集群的主节点

  • 为ImpalaDaemon提供查找服务，并周期性地检查Impala进程状态

补充说明：

如果某个Impalad节点由于硬件错误、软件错误或者其他原因导致离线，statestored就会通知其他的节点，避免其他节点再向这个离线的节点发送请求。

由于statestored是当集群节点有问题的时候起通知作用，所以它对Impala集群并不是有关键影响的。

如果statestored没有运行或者运行失败，其他节点和分布式任务会照常运行，只是说当节点掉线的时候集群会变得没那么健壮。当statestored恢复正常运行时，它就又开始与其他节点通信并进行监控。

2.1.2 Catalogd

impala集群的主节点

  • 从Hive元数据库中同步元数据，分发表的元数据信息到各个impala daemon中
  • 接收来自statestore的所有请求，告知哪些impalad节点是健康的

补充说明：

  • Impala 1.2中加入的catalog服务减少了REFRESH和INVALIDATE METADATA语句的使用。
  • 在之前的版本中，当在某个节点上执行了CREATE DATABASE、DROP DATABASE、CREATE TABLE、ALTER TABLE、或者DROP TABLE语句之后，需要在其它的各个节点上执行命令INVALIDATE METADATA来确保元数据信息的更新。
  • 同样的，当你在某个节点上执行了INSERT语句，在其它节点上执行查询时就得先执行REFRESH table_name这个操作，这样才能识别到新增的数据文件。
  • 需要注意的是，通过Impala执行的操作带来的元数据变化，有了catalog就不需要再执行REFRESH和INVALIDATE METADATA，但如果是通过Hive进行的建表、加载数据，则仍然需要执行REFRESH和INVALIDATE METADATA来通知Impala更新元数据信息。

2.1.3 impalad

  • Impala的核心组件是运行在各个节点上面的impalad这个守护进程
  • 接收client请求、Query执行并返回给中心协调节点
  • 子节点上的守护进程，负责向statestore保持通信，汇报工作
  • 执行计算。
因内存依赖大，所以最好不要和imapla的其他组件放到同一节点
最好是与hdfs的datanode节点部署在一起，提高查询计算（数据本地化）。
考虑集群性能问题，一般将StateStored 与 Catalogd 放在同一节点上，因两者之间要进行大量的通信。

2.2 impala查询过程

客户端连接到impala daemon 上，它的内部有三个组件；

Query planner（查询解析器）

  • 将我们的字符串sql 语句解释成为执行计划，

Query coordinator（中心协调节点）

  • coordinator从State Store请求其他的Impala daemons，并把查询分发给其他的Impala daemons

Query executor（查询执行器）

  • 而做查询工作的是就是executor

2.3 元数据缓存

1）impala集群中的元数据是保存在hive的metastore中的（mysql数据库中）

2）当impala集群启动之后，catalogd会从hive的metastore中把元数据信息同步过来，然后通过Statestore分发元数据信息到impala daemon中进行缓存。

3）如果在impala deamon中产生的元数据变更（创建库、创建表、修改表）操作。Catalog服务通知所有Impala daemons来更新缓存。这些都会缓存下来，然后通过catalog持久化这些信息到hive的metastore中.

4)如果是hive的客户端进行了元数据的变更操作，这个时候对于impala来说是不知道的，这里就需要impala去手动同步刷新.

2.3.1 refresh 命令手动同步

用于刷新某个表或者某个分区的数据信息，它会重用之前的表元数据，仅仅执行文件刷新操作

  • 例如insert into、load data、alter table add partition、alter table drop partition等
REFRESH [table]                             //刷新某个表
REFRESH [table] PARTITION [partition]       //刷新某个表的某个分区

2.3.2 imvalidate metadata 命令手动同步

用于刷新全库或者某个表的元数据，包括表的元数据和表内的文件数据.

  • 例如hive中create table/drop table/alter table add columns等操作。
INVALIDATE METADATA;                   //重新加载所有库中的所有表
INVALIDATE METADATA [table]            //重新加载指定的某个表

3. impala安装部署

3.1 配置本地yum源

  1. 由于impala没有提供tar包供我们进行安装，只提供了rpm包，所以我们在安装impala的时候，需要使用rpm包来进行安装，rpm包只有cloudera公司提供了，所以我们去cloudera公司网站进行下载rpm包即可，但是另外一个问题，impala的rpm包依赖非常多的其他的rpm包，可以一个个的将依赖找出来，也可以将所有的rpm包下载下来，制作成我们本地yum源来进行安装。

2)我们这里就选择制作本地yum源来进行安装，所以首先我们需要下载到所有的rpm包，下载地址如下

http://archive.cloudera.com/cdh5/repo-as-tarball/5.14.0/

镜像文件 cdh5.14.0-centos7.tar.gz

3.1.1 配置本地Yum的Repository

把node3服务器作为镜像源节点，使用httpd这个软件来作为服务端，启动httpd的服务来作为我们镜像源的下载地址

  • 1.上传镜像文件到node3上
  • 2.解压 tar -zxvf cdh5.14.0-centos7.tar.gz -C /opt/bigdata
  • 3.安装httpd服务并启动
   yum -y install httpd
   systemctl start httpd.service
  • 4.创建yum源配置文件
进入到/etc/yum.repos.d目录，新建文件
vim localimp.repo

[localimp]
name=localimp
baseurl=http://node3/cdh5.14.0
gpgcheck=0
enabled=1
  • 5.创建apache httpd的读取连接
ln -s /opt/bigdata/cdh/5.14.0  /var/www/html/cdh5.14.0
  • 6.页面访问本地yum源
http://node3/cdh5.14.
  • 7.将node3上制作好的localimp配置文件发放到其他节点上去
scp /etc/yum.repos.d/localimp.repo node1:/etc/yum.repos.d
scp /etc/yum.repos.d/localimp.repo node2:/etc/yum.repos.d

3.2 安装规划

服务名称node1node2node3
impala-catalog安装不安装不安装
impala-state-store安装不安装不安装
impala-server不安装安装安装
impala-shell不安装安装安装
  • 其中state-store 和 catalog 类似于 namenode一般部署在主节点
  • 而 impala-server类似于datenode部署在子节点上
  • impala-shell可以部署在任意节点上。它是impala的shell 客户端。

3.3 yum源安装

主节点node1执行以下命令进行安装

yum install impala-state-store -y
yum install impala-catalog -y
yum install bigtop-utils -y

从节点node2和node3执行以下命令进行安装

yum install impala-server -y
yum install impala-shell -y
yum install bigtop-utils -y

3.4 修改配置信息

3.4.1 修改 hive-site.xml文件

impala依赖于hive，所以首先需要进行hive的配置修改；

# node1机器修改hive-site.xml内容如下:
vim /opt/bigdata/hive/conf/hive-site.xml

    <!--让hive提供元数据服务-->
    <!--<property>
    	<name>hive.server2.thrift.bind.host</name>
     	<value>node1</value>
    </property>-->
    <property>
        <name>hive.metastore.uris</name>
        <value>thrift://node1:9083</value>
    </property>
    <property>
        <name>hive.metastore.client.socket.timeout</name>
        <value>3600</value>
    </property>

3.4.2 将hive的安装目录发送到node2与node3上

在node1上执行命令

cd /opt/bigdata/
scp -r hive node2:$PWD
scp -r hive node3:$PWD

3.4.3 启动hive的metastore服务

在node1上启动hive的metastore服务

cd /opt/bigdata/hive
nohup bin/hive --service metastore &

注意：一定要保证mysql的服务正常启动，否则metastore的服务不能够启动

3.4.4 所有hadoop节点修改hdfs-site.xml文件

所有节点创建文件夹，并且授权

##用root用户创建，并授权给hadoop用户
mkdir -p /var/run/hdfs-sockets
chown -R hadoop:hadoop /var/run/hdfs-sockets

修改所有节点的hdfs-site.xml添加以下配置，修改完之后重启hdfs集群生效

vim /opt/bigdata/hadoop/etc/hadoop/hdfs-site.xml

<!--短路读取 就是允许impala把一些信息存储在本地磁盘上，可以加快计算的速度-->
  <property>
     <name>dfs.client.read.shortcircuit</name>
     <value>true</value>
  </property>
<!--打开块位置的存储的元数据信息-->
  <property>
     <name>dfs.datanode.hdfs-blocks-metadata.enabled</name>
     <value>true</value>
  </property>
<!--Datanode和DFSClient之间沟通的Socket的本地文件路径-->
  <property>
      <name>dfs.domain.socket.path</name>
      <value>/var/run/hdfs-sockets/dn</value>
  </property>
<!--分布式文件系统中并行RPC的超时-->
   <property>
      <name>dfs.client.file-block-storage-locations.timeout.millis</name>
      <value>10000</value>
   </property>
   <!--<property>
     <name>dfs.datanode.hdfs-blocks-metadata.enabled</name>
     <value>true</value>
   </property>-->

三台机器执行以下命令给文件夹授权

sudo  chown  -R  hadoop:hadoop   /var/run/hdfs-sockets/

3.4.5 重启hdfs

start-dfs.sh

3.4.6 创建hadoop与hive的配置文件的连接

  • impala的配置目录为 /etc/impala/conf
    • 这个路径下面需要把 core-site.xml、hdfs-site.xml、hive-site.xml拷贝到这里来，但是我们这里使用软连接的方式会更好。
    • 所有节点执行以下命令创建链接到impala配置目录下来
ln -s /opt/bigdata/hadoop/etc/hadoop/core-site.xml /etc/impala/conf/core-site.xml
ln -s /opt/bigdata/hadoop/etc/hadoop/hdfs-site.xml  /etc/impala/conf/hdfs-site.xml
ln -s /opt/bigdata/hive/conf/hive-site.xml /etc/impala/conf/hive-site.xml

3.4.7 所有节点修改impala默认配置

所有节点修改impala默认配置

vi /etc/default/impala

#指定集群的CATALOG_SERVICE和STATE_STORE服务地址
IMPALA_CATALOG_SERVICE_HOST=node1
IMPALA_STATE_STORE_HOST=node1

3.4.8 所有节点创建mysql的驱动包的软连接

mkdir -p /usr/share/java

ln -s /opt/bigdata/apache-hive-1.2.2-bin/lib/mysql-connector-java-5.1.46.jar /usr/share/java/mysql-connector-java.jar

3.4.9 所有节点修改bigtop的java路径（root）

修改bigtop的java_home路径

vim /etc/default/bigtop-utils

export JAVA_HOME=/usr/java/jdk1.8.0_211-amd64

4. impala集群的启动和停止

4.1 启动

1、需要启动HDFS

##用hadoop用户启动hadoop,hive 用root用户启动impala
start-dfs.sh

2、启动hive的元数据服务

  • 在node1上执行命令
cd /opt/bigdata/hive
nohup bin/hive --service metastore &

3、启动impala

  • 在主节点node1上启动以下服务
service impala-state-store start
service impala-catalog start
  • 在从节点node2和node3上启动impala-server
service impala-server start

4、查看impala进程是否存在

ps -ef | grep impala

注意：启动之后所有关于impala的日志默认都在 /var/log/impala这个路径下，node1机器上面应该有二个进程，node2与node3机器上面只有一个进程，如果进程个数不对，去对应目录下查看报错日志

4.2 停止

  • 在主节点node1上关闭以下服务
service impala-state-store stop
service impala-catalog stop
  • 在从节点node2和node3上关闭impala-server
service impala-server stop

5. impala的web管理界面

启动好impala集群之后，可以访问web地址，查看集群相关信息

  • 访问 statestored 的管理界面http://node1:25010/
  • 访问 catalogd 的管理界面http://node1:25020/
  • 访问 impalad 的管理界面http://node2:25000/

6. impala的使用

6.1 impala-shell的外部命令参数语法

1.不需要进入到impala-shell交互命令行当中即可执行的命令参数

2.impala-shell后面执行的时候可以带很多参数：

  • -h 查看帮助文档
impala-shell -h
  • -r 刷新整个元数据，数据量大的时候，比较消耗服务器性能
impala-shell -r
  • -v 查看对应版本
impala-shell -v -V
  • -f 执行查询文件
cd /opt/install

vim impala-shell.sql

select * from course.score;


通过-f 参数来执行执行的查询文件

impala-shell -f impala-shell.sql
  • -p 显示查询计划
impala-shell -f impala-shell.sql -p

6.2 impala-shell的内部命令参数语法

在node2或者是node3上进入impala-shell命令行之后可以执行的语法

1）help

  • 帮助文档

2）connect

  • connect hostname 连接到某一台机器上面去执行

3）refresh 刷新

  • refresh dbname.tablename 增量刷新，刷新某一张表的元数据，主要用于刷新hive当中数据表里面的数据改变的情况

4）invalidate metadata

  • invalidate metadata全量刷新，性能消耗较大，主要用于hive当中新建数据库或者数据库表的时候来进行刷新

5）explain

  • 用于查看sql语句的执行计划
explain select * from default.employee;

explain的值可以设置成0,1,2,3等几个值，其中3级别是最高的，可以打印出最全的信息

set explain_level=3;

6) profile命令：

  • 执行sql语句之后执行，可以打印出更加详细的执行步骤
  • 主要用于查询结果的查看，集群的调优等
   select * from course.score;
   
   profile;

7）注意

  • (1) 在hive窗口当中插入的数据或者新建的数据库或者数据库表，在impala当中是不可直接查询到的，需要刷新数据库，使用命令 invalidate metadata；
  • (2) 在impala-shell当中插入的数据，在impala当中是可以直接查询到的，不需要刷新数据库，其中使用的就是catalog这个服务的功能实现的，catalog是impala1.2版本之后增加的模块功能，主要作用就是同步impala之间的元数据.

6.3 创建数据库

impala-shell进入到impala的交互窗口

6.3.1 查看所有数据库

show databases;

6.3.2 创建与删除数据库

创建数据库

create database if not exists mydb1;

这里会涉及到在hdfs上无法创建目录权限的问题

(1)关闭文件权限检查： 修改hdfs-site.xml文件添加以下配置

<property>
<name>dfs.permissions</name>
<value>false</value>
</property>

(2) 修改文件权限

hdfs dfs -chmod 777 /user/hive/warehouse

删除数据库

drop database if exists mydb1;

6.4 创建表

创建表的语法跟hive一样

内部表：
create  table  mydb1.student1(id int ,name string ,age int )  row  format  delimited fields terminated  by  '\t' ;


外部表：
create  external table  mydb1.student2(id int ,name string ,age int )  row  format  delimited fields terminated  by  '\t' location  '/user/hive/warehouse/student2';

6.5 向表中加载数据

insert语句插入数据

insert into student1 values (1, 'zhangsan', 25 );
insert into student1 values (2, 'lisi', 20 );
insert into student1 values (3, 'xiaozhang', 35 );
insert into student1 values (4, 'laowang', 45 );

通过load hdfs的数据到impala表中

# 准备数据student.txt并上传到hdfs的 /impala/data路径下去(注意目录权限)
11	zhangsan1	15
22	zhangsan2	20
33	zhangsan3	30
44	zhangsan4	50

加载数据

load data inpath '/impala/data' into table student1;

使用insert into select 语法

insert  into  user1 select * from user2;

6.6 查询数据

select * from student1;

6.7 清空表数据

truncate  student1;

6.8 删除表数据

drop table student1；

7. impala操作实战

1、在hive中创建一张表

   create table access_user(
   session_id string,
   cookie_id string,
   visit_time string,
   user_id string,
   age int,
   sex string,
   visit_url string,
   visit_os string,
   browser_name string,
   visit_ip string,
   province string,
   city string,
   page_id string,
   goods_id string,
   shop_id string
   )row format delimited fields terminated by ',';

2、加载数据到hive表中

  • 测试数据user50w.csv文件
load data local inpath '/home/hadoop/user50w.csv' into table access_user;

3、hive中执行查询语句

select count(*) from access_user;

4、impala-shell中同步hive的元数据

invalidate metadata;

5、impala-shell中执行查询语句

select count(*) from access_user;

6、order by语句

  • 基础语法
select * from table_name ORDER BY col_name [ASC|DESC] [NULLS FIRST|NULLS LAST]
Select * from employee ORDER BY id asc;

7、group by语句

select name, sum(salary) from employee group by name;

8、having语句

  • 基础语法
select * from table_name ORDER BY col_name [ASC|DESC] [NULLS FIRST|NULLS LAST]

-- 按年龄对表进行分组，并选择每个组的最大工资，并显示大于20000的工资

select max(salary) from employee group by age having max(salary) > 20000;

9、limit语句

select * from employee order by id limit 4;

10、impala当中的数据表导入几种方式

  • 第一种方式，通过load hdfs的数据到impala当中去
create table user(id int ,name string,age int ) row format delimited fields terminated by "\t";

准备数据user.txt并上传到hdfs的 /user/impala路径下去

1	hello	15
2	zhangsan	20
3	lisi	30
4	wangwu	50

加载数据

load data inpath '/user/impala/' into table user;

查询加载的数据

select  *  from  user;

如果查询不不到数据，那么需要刷新一遍数据表

refresh  user;
  • 第二种方式：
create  table  user2   as   select * from  user;
  • 第三种方式：
insert  into  不推荐使用 因为会产生大量的小文件
千万不要把impala当做一个数据库来使用
  • 第四种方式：
insert  into  select  用的比较多

8. impala的JDBC操作

构建maven工程，添加依赖

<!--导入impala的依赖-->
<dependency>
    <groupId>com.cloudera</groupId>
    <artifactId>ImpalaJDBC41</artifactId>
    <version>2.5.42</version>
</dependency>
<!--导入hive-service的依赖-->
<dependency>
    <groupId>org.apache.hive</groupId>
    <artifactId>hive-service</artifactId>
    <version>1.2.1</version>
</dependency>
<!--导入hive-jdbc的依赖-->
<dependency>
    <groupId>org.apache.hive</groupId>
    <artifactId>hive-jdbc</artifactId>
    <version>1.2.1</version>
    <exclusions>
        <exclusion>
            <groupId>org.apache.hive</groupId>
            <artifactId>hive-service-rpc</artifactId>
        </exclusion>
        <exclusion>
            <groupId>org.apache.hive</groupId>
            <artifactId>hive-service</artifactId>
        </exclusion>
    </exclusions>
</dependency>

开发代码:

package com.xichuan.dev;
import java.sql.*;
/**
* Created by XiChuan on 2020/4/21.
  */
  public class TestImpala {
  //impala的url连接地址
  private static String url = "jdbc:impala://node2:21050/default";
  //数据库连接
  private static Connection conn;
  private static PreparedStatement ps;
  public static void main(String[] args) {
  try {
  //获取数据库连接
  conn = DriverManager.getConnection(url);

           //定义查询的sql语句
           String sql="select * from mydb1.student1 limit 5";

           //预编译sql语句
           ps= conn.prepareStatement(sql);

           //执行sql查询
           ResultSet rs = ps.executeQuery();
           while(rs.next()){
               String id = rs.getString("id");
               String name = rs.getString("name");
               String age = rs.getString("age");

               System.out.println(id+"\t"+name+"\t"+age+"\t");
           }


       } catch (SQLException e) {
           e.printStackTrace();
       }finally {
           if(conn!=null){
               try {
                   conn.close();
               } catch (SQLException e) {
                   e.printStackTrace();
               }
           }
       }
  }
  }

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/98231.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

php插件Workerman聊天室示例

php插件Workerman聊天室示例

chat.php内容如下 <?php//使用workerman&#xff0c;只需引入这个文件require_once "workerman-4.0/Autoloader.php";//创建服务器&#xff0c;监听3000端口$wsServernew \Workerman\Worker("websocket://127.0.0.1:3000");$wsServer->onConnectfu…
阅读更多...
Java 数据结构使用学习

Java 数据结构使用学习

Set和List的区别 Set 接口实例存储的是无序的&#xff0c;不重复的数据。List 接口实例存储的是有序的&#xff0c;可以重复的元素。 Set 检索效率低下&#xff0c;删除和插入效率高&#xff0c;插入和删除不会引起元素位置改变 <实现类有HashSet,TreeSet>。 List 和数…
阅读更多...
13、监测数据采集物联网应用开发步骤(9.2)

13、监测数据采集物联网应用开发步骤(9.2)

监测数据采集物联网应用开发步骤(9.1) TCP/IP Server开发 新建TCP/IP Server线程类com.zxy.tcp.ServerThread.py #! python3 # -*- coding: utf-8 -Created on 2017年05月10日 author: zxyong 13738196011 import socket,threading,time from com.zxy.tcp.TcpServer import …
阅读更多...
Java 多线程系列Ⅰ（创建线程+查看线程+Thread方法+线程状态）

Java 多线程系列Ⅰ（创建线程+查看线程+Thread方法+线程状态）

多线程基础 一、创建线程的五种方法前置知识1、方法一&#xff1a;使用继承Thread类&#xff0c;重写run方法2、方法二&#xff1a;实现Runnable接口&#xff0c;重写run方法3、方法三&#xff1a;继承Thread&#xff0c;使用匿名内部类4、方法四&#xff1a;实现Runnable&…
阅读更多...
树莓派4B上安装Gitlab

树莓派4B上安装Gitlab

参考连接&#xff1a; 树莓派上使用 GitLab 搭建专业 Git 服务 | 树莓派实验室 gitlab reconfigure 卡住 ruby_block[wait for redis service socket] action run_芹菜学长的博客-CSDN博客 以及用到了讯飞星火 系统版本信息 1.进入 giblab安装页面gitlab/gitlab-ce - Instal…
阅读更多...
可拖拽编辑的流程图X6

可拖拽编辑的流程图X6

先上图 //index.html&#xff0c;有时候可能加载失败&#xff0c;那就再找一个别的cdn 或者npm下载&#xff0c;如果npm下载&#xff0c; //那么需要全局引入或者局部引入&#xff0c;代码里面写法也会不同&#xff0c;详细的可以看示例<script src"https://cdn.jsdeli…
阅读更多...
openGauss学习笔记-56 openGauss 高级特性-DCF

openGauss学习笔记-56 openGauss 高级特性-DCF

文章目录 openGauss学习笔记-56 openGauss 高级特性-DCF56.1 架构介绍56.2 功能介绍56.3 使用示例 openGauss学习笔记-56 openGauss 高级特性-DCF DCF全称是Distributed Consensus Framework&#xff0c;即分布式一致性共识框架。DCF实现了Paxos、Raft等解决分布式一致性问题典…
阅读更多...
“北科Java面试宝典（211最详细讲解）“

“北科Java面试宝典（211最详细讲解）“

Version : V1.0 北科Java面试宝典一、Java基础面试题【24道】二、JVM虚拟机面试题【14道】三、集合相关面试题【17道】四、多线程 【25道】五、IO【5道】六、网络编程 【9道】七、MySQL以及SQL面试题【20道】八、常用框架【19道】九、中间件和分布式 【54道】十、设计模式面试 …
阅读更多...
unity 之 如何获取父物体与子物体

unity 之 如何获取父物体与子物体

文章目录 获取父物体获取子物体 获取父物体 在Unity中&#xff0c;你可以使用Transform组件的属性来获取对象的父物体。以下是在C#脚本中如何获取父物体的示例代码&#xff1a; using UnityEngine;public class GetParentExample : MonoBehaviour {void Start(){// 获取当前物…
阅读更多...
R3LIVE源码解析(6) — R3LIVE流程详解

R3LIVE源码解析(6) — R3LIVE流程详解

目录 1 R3LIVE框架简介 2 R3LIVE的launch文件 3 R3LIVE的r3live_config文件 4 R3LIVE从哪开始阅读 1 R3LIVE框架简介 R3LIVE是香港大学Mars实验室提出的一种融合imu、相机、激光的SLAM方法&#xff0c;R3LIVE由两个子系统组成&#xff0c;一个激光惯性里程计&#xff08;L…
阅读更多...
网站常见安全漏洞 | 青训营

网站常见安全漏洞 | 青训营

Powered by:NEFU AB-IN 文章目录 网站常见安全漏洞 | 青训营 网站基本组成及漏洞定义服务端漏洞SQL注入命令执行越权漏洞SSRF文件上传漏洞 客户端漏洞开放重定向XSSCSRF点击劫持CORS跨域配置错误WebSocket 网站常见安全漏洞 | 青训营 网站常见安全漏洞-网站基本组成及漏洞定义…
阅读更多...
1、Spring是什么？

1、Spring是什么？

Spring 是一款主流的 Java EE 轻量级开源框架 。 框架 你可以理解为是一个程序的半成品&#xff0c;它帮我们实现了一部分功能&#xff0c;用这个框架我们可以减少代码的实现和功能的开发。 开源 也就是说&#xff0c;它开放源代码。通过源代码&#xff0c;你可以看到它是如何…
阅读更多...
学习ts（十一）本地存储与发布订阅模式

学习ts（十一）本地存储与发布订阅模式

localStorage实现过期时间 目录 准备 安装 npm i rollup typescript rollup-plugin-typescript2// tsconfig.json"module": "ESNext","moduleResolution": "node", "strict": false, // rollup.config.js import …
阅读更多...
android studio安装教程

android studio安装教程

1、android studio 下载 下载网址&#xff1a;Download Android Studio & App Tools - Android Developers 2、开始安装 因为不需要每次连接手机进行调试&#xff0c;android studio给我们提供了模拟器调试环境。 一般选择自定义安装&#xff0c;这样可选sdk以及下载路径…
阅读更多...
Apipost：为什么是开发者首选的API调试工具

Apipost：为什么是开发者首选的API调试工具

文章目录 前言正文接口调试接口公共参数、环境全局参数的使用快速生成并导出接口文档研发协作接口压测和自动化测试结论 前言 Apipost是一款支持 RESTful API、SOAP API、GraphQL API等多种API类型&#xff0c;支持 HTTPS、WebSocket、gRPC多种通信协议的API调试工具。除此之外…
阅读更多...
MySQL中的Buffer Pool

MySQL中的Buffer Pool

一、概述 Buffer Pool是数据库的一个内存组件&#xff0c;里面缓存了磁盘上的真实数据&#xff0c;然后我们的Java系统对数据库执行的增删改操作&#xff0c;其实主要就是对这个内存数据结构中的缓存数据执行的。我们先来看一下下面的图&#xff0c;里面就画了数据库中的Buffer…
阅读更多...
【LeetCode-中等题】98. 验证二叉搜索树

【LeetCode-中等题】98. 验证二叉搜索树

文章目录 题目方法一&#xff1a;BFS 层序遍历方法二&#xff1a; 递归方法三&#xff1a; 中序遍历&#xff08;栈&#xff09;方法四&#xff1a; 中序遍历&#xff08;递归&#xff09; 题目 思路就是首先得知道什么是二叉搜索树 左孩子在&#xff08;父节点的最小值&#x…
阅读更多...
尚硅谷宋红康MySQL笔记 14-18

尚硅谷宋红康MySQL笔记 14-18

是记录&#xff0c;不会太详细&#xff0c;受本人知识限制会有错误&#xff0c;会有个人的理解在里面 第14章 视图 了解一下&#xff0c;数据库的常见对象 对象描述表(TABLE)表是存储数据的逻辑单元&#xff0c;以行和列的形式存在&#xff0c;列就是字段&#xff0c;行就是记…
阅读更多...
博睿数据当选粤港澳大湾区金融创新研究院理事会单位，助力金融科技创新发展

博睿数据当选粤港澳大湾区金融创新研究院理事会单位，助力金融科技创新发展

近日&#xff0c;博睿数据当选粤港澳大湾区金融创新研究院理事会单位。这是对博睿数据在金融科技领域所取得成绩的高度认可&#xff0c;也是对其创新能力和发展潜力的充分肯定。 粤港澳大湾区金融创新研究院由粤港澳三地金融行业、高等院校高层和专家学者共同发起&#xff0c;经…
阅读更多...
QT初始学习中的个人基础认知

QT初始学习中的个人基础认知

整体感觉 安装的时候感觉更像python的库安装和编译器版本的配合安装。进入创建工程时&#xff0c;感觉是c语言的创建工程的感觉&#xff0c;而且可以看到main和h的头文件&#xff0c;整体来看是C来编写的程序。完成整个工程个人感觉是C编写功能&#xff0c;使用VB实现界面设计…
阅读更多...
最新文章

Copyright @ 2022~2023