_bobo_
_bobo_

大数据作业 初稿

# 导入 pandas 模块
import pandas as pd   

# 设置直接显示图片
%matplotlib inline   

stock = pd.read_csv('stock.csv', parse_dates=True, index_col='Date')

stock







































































































































































































Open High Low Close Volume
Date
2017-06-01 153.17 153.33 152.22 153.18 16404088
2017-06-02 153.58 155.45 152.89 155.45 27770715
2017-06-05 154.34 154.45 153.46 153.93 25331662
2017-06-06 153.90 155.81 153.78 154.45 26624926
2017-06-07 155.02 155.98 154.48 155.37 21069647
2017-06-08 155.25 155.54 154.40 154.99 21250798
2017-06-09 155.19 155.19 146.02 148.98 64882657
2017-06-12 145.74 146.09 142.51 145.42 72307330
2017-06-13 147.16 147.45 145.15 146.59 34165445
2017-06-14 147.50 147.50 143.84 145.16 31531232
2017-06-15 143.32 144.48 142.21 144.29 32165373
2017-06-16 143.78 144.50 142.20 142.27 50361093
2017-06-19 143.66 146.74 143.66 146.34 32541404
2017-06-20 146.87 146.87 144.94 145.01 24900073
2017-06-21 145.52 146.07 144.61 145.87 21265751
2017-06-22 145.77 146.70 145.12 145.63 19106294
2017-06-23 145.13 147.16 145.11 146.28 35439389
2017-06-26 147.17 148.28 145.38 145.82 25692361
2017-06-27 145.01 146.16 143.62 143.73 24761891
2017-06-28 144.49 146.11 143.16 145.83 22082432
2017-06-29 144.71 145.13 142.28 143.68 31499368
2017-06-30 144.45 144.96 143.78 144.02 23024107 

import pandas as pd
import datetime
import pandas_datareader.data as web

# 设置获取的时间区间
start = datetime.datetime(2017,6,1)
end = datetime.datetime(2017,6,30)

# 从google获取苹果的股票数据
apple = web.DataReader("AAPL", "google", start, end)

---------------------------------------------------------------------------

ModuleNotFoundError                       Traceback (most recent call last)

 in ()
      1 import pandas as pd
      2 import datetime
----> 3 import pandas_datareader.data as web
      4 
      5 # 设置获取的时间区间


ModuleNotFoundError: No module named 'pandas_datareader'

stock.head()































































Open High Low Close Volume
Date
2017-06-01 153.17 153.33 152.22 153.18 16404088
2017-06-02 153.58 155.45 152.89 155.45 27770715
2017-06-05 154.34 154.45 153.46 153.93 25331662
2017-06-06 153.90 155.81 153.78 154.45 26624926
2017-06-07 155.02 155.98 154.48 155.37 21069647 

stock.head(3)















































Open High Low Close Volume
Date
2017-06-01 153.17 153.33 152.22 153.18 16404088
2017-06-02 153.58 155.45 152.89 155.45 27770715
2017-06-05 154.34 154.45 153.46 153.93 25331662 

###看尾部5行
stock.tail()































































Open High Low Close Volume
Date
2017-06-26 147.17 148.28 145.38 145.82 25692361
2017-06-27 145.01 146.16 143.62 143.73 24761891
2017-06-28 144.49 146.11 143.16 145.83 22082432
2017-06-29 144.71 145.13 142.28 143.68 31499368
2017-06-30 144.45 144.96 143.78 144.02 23024107 

#### 总体信息,没有输括号
stock.info



#### 总体信息
stock.info()


DatetimeIndex: 22 entries, 2017-06-01 to 2017-06-30
Data columns (total 5 columns):
Open      22 non-null float64
High      22 non-null float64
Low       22 non-null float64
Close     22 non-null float64
Volume    22 non-null int64
dtypes: float64(4), int64(1)
memory usage: 1.0 KB

stock.describe()
#### 尝试了不输入圆括号，结果就是显示明细















































































Open High Low Close Volume
count 22.000000 22.000000 22.000000 22.000000 2.200000e+01
mean 148.215000 149.088636 146.582727 147.831364 3.109900e+07
std 4.450871 4.337027 4.507623 4.434315 1.416738e+07
min 143.320000 144.480000 142.200000 142.270000 1.640409e+07
25% 144.785000 146.095000 143.630000 145.047500 2.231785e+07
50% 146.320000 147.015000 145.025000 145.850000 2.615864e+07
75% 153.477500 154.170000 150.670000 152.130000 3.244740e+07
max 155.250000 155.980000 154.480000 155.450000 7.230733e+07 

stock







































































































































































































Open High Low Close Volume
Date
2017-06-01 153.17 153.33 152.22 153.18 16404088
2017-06-02 153.58 155.45 152.89 155.45 27770715
2017-06-05 154.34 154.45 153.46 153.93 25331662
2017-06-06 153.90 155.81 153.78 154.45 26624926
2017-06-07 155.02 155.98 154.48 155.37 21069647
2017-06-08 155.25 155.54 154.40 154.99 21250798
2017-06-09 155.19 155.19 146.02 148.98 64882657
2017-06-12 145.74 146.09 142.51 145.42 72307330
2017-06-13 147.16 147.45 145.15 146.59 34165445
2017-06-14 147.50 147.50 143.84 145.16 31531232
2017-06-15 143.32 144.48 142.21 144.29 32165373
2017-06-16 143.78 144.50 142.20 142.27 50361093
2017-06-19 143.66 146.74 143.66 146.34 32541404
2017-06-20 146.87 146.87 144.94 145.01 24900073
2017-06-21 145.52 146.07 144.61 145.87 21265751
2017-06-22 145.77 146.70 145.12 145.63 19106294
2017-06-23 145.13 147.16 145.11 146.28 35439389
2017-06-26 147.17 148.28 145.38 145.82 25692361
2017-06-27 145.01 146.16 143.62 143.73 24761891
2017-06-28 144.49 146.11 143.16 145.83 22082432
2017-06-29 144.71 145.13 142.28 143.68 31499368
2017-06-30 144.45 144.96 143.78 144.02 23024107 

stock.shape

(22, 5)

stock.columns

Index(['Open', 'High', 'Low', 'Close', 'Volume'], dtype='object')

stock.index

DatetimeIndex(['2017-06-01', '2017-06-02', '2017-06-05', '2017-06-06',
               '2017-06-07', '2017-06-08', '2017-06-09', '2017-06-12',
               '2017-06-13', '2017-06-14', '2017-06-15', '2017-06-16',
               '2017-06-19', '2017-06-20', '2017-06-21', '2017-06-22',
               '2017-06-23', '2017-06-26', '2017-06-27', '2017-06-28',
               '2017-06-29', '2017-06-30'],
              dtype='datetime64[ns]', name='Date', freq=None)

stock.plot()



stock.plot(y='Open')



stock['Close']

Date
2017-06-01    153.18
2017-06-02    155.45
2017-06-05    153.93
2017-06-06    154.45
2017-06-07    155.37
2017-06-08    154.99
2017-06-09    148.98
2017-06-12    145.42
2017-06-13    146.59
2017-06-14    145.16
2017-06-15    144.29
2017-06-16    142.27
2017-06-19    146.34
2017-06-20    145.01
2017-06-21    145.87
2017-06-22    145.63
2017-06-23    146.28
2017-06-26    145.82
2017-06-27    143.73
2017-06-28    145.83
2017-06-29    143.68
2017-06-30    144.02
Name: Close, dtype: float64

stock.Close

Date
2017-06-01    153.18
2017-06-02    155.45
2017-06-05    153.93
2017-06-06    154.45
2017-06-07    155.37
2017-06-08    154.99
2017-06-09    148.98
2017-06-12    145.42
2017-06-13    146.59
2017-06-14    145.16
2017-06-15    144.29
2017-06-16    142.27
2017-06-19    146.34
2017-06-20    145.01
2017-06-21    145.87
2017-06-22    145.63
2017-06-23    146.28
2017-06-26    145.82
2017-06-27    143.73
2017-06-28    145.83
2017-06-29    143.68
2017-06-30    144.02
Name: Close, dtype: float64

stock['Close']['2017-06-01']

153.18000000000001

stock.Close['2017-06-01']

153.18000000000001

stock['Close'][0]

153.18000000000001

stock[['Close']]







































































































Close
Date
2017-06-01 153.18
2017-06-02 155.45
2017-06-05 153.93
2017-06-06 154.45
2017-06-07 155.37
2017-06-08 154.99
2017-06-09 148.98
2017-06-12 145.42
2017-06-13 146.59
2017-06-14 145.16
2017-06-15 144.29
2017-06-16 142.27
2017-06-19 146.34
2017-06-20 145.01
2017-06-21 145.87
2017-06-22 145.63
2017-06-23 146.28
2017-06-26 145.82
2017-06-27 143.73
2017-06-28 145.83
2017-06-29 143.68
2017-06-30 144.02 

stock[['Open','Close']]































































































































Open Close
Date
2017-06-01 153.17 153.18
2017-06-02 153.58 155.45
2017-06-05 154.34 153.93
2017-06-06 153.90 154.45
2017-06-07 155.02 155.37
2017-06-08 155.25 154.99
2017-06-09 155.19 148.98
2017-06-12 145.74 145.42
2017-06-13 147.16 146.59
2017-06-14 147.50 145.16
2017-06-15 143.32 144.29
2017-06-16 143.78 142.27
2017-06-19 143.66 146.34
2017-06-20 146.87 145.01
2017-06-21 145.52 145.87
2017-06-22 145.77 145.63
2017-06-23 145.13 146.28
2017-06-26 147.17 145.82
2017-06-27 145.01 143.73
2017-06-28 144.49 145.83
2017-06-29 144.71 143.68
2017-06-30 144.45 144.02 

stock.loc['2017-06-01', 'Close']

153.18000000000001

stock.loc[:, 'Close']

Date
2017-06-01    153.18
2017-06-02    155.45
2017-06-05    153.93
2017-06-06    154.45
2017-06-07    155.37
2017-06-08    154.99
2017-06-09    148.98
2017-06-12    145.42
2017-06-13    146.59
2017-06-14    145.16
2017-06-15    144.29
2017-06-16    142.27
2017-06-19    146.34
2017-06-20    145.01
2017-06-21    145.87
2017-06-22    145.63
2017-06-23    146.28
2017-06-26    145.82
2017-06-27    143.73
2017-06-28    145.83
2017-06-29    143.68
2017-06-30    144.02
Name: Close, dtype: float64

stock.loc['2017-06-01':'2017-06-05', 'Close']

Date
2017-06-01    153.18
2017-06-02    155.45
2017-06-05    153.93
Name: Close, dtype: float64

stock.loc['2017-06-01':'2017-06-05', 'Open':'Close']










































Open High Low Close
Date
2017-06-01 153.17 153.33 152.22 153.18
2017-06-02 153.58 155.45 152.89 155.45
2017-06-05 154.34 154.45 153.46 153.93 

stock.loc['2017-06-01':'2017-06-05', ['Open', 'Close']]
































Open Close
Date
2017-06-01 153.17 153.18
2017-06-02 153.58 155.45
2017-06-05 154.34 153.93 

stock.iloc[0,3]

153.18000000000001

stock.iloc[0:2, 0:3]































Open High Low
Date
2017-06-01 153.17 153.33 152.22
2017-06-02 153.58 155.45 152.89 

stock.iloc[0:2, :]







































Open High Low Close Volume
Date
2017-06-01 153.17 153.33 152.22 153.18 16404088
2017-06-02 153.58 155.45 152.89 155.45 27770715 

stock.Volume > 5e7

Date
2017-06-01    False
2017-06-02    False
2017-06-05    False
2017-06-06    False
2017-06-07    False
2017-06-08    False
2017-06-09     True
2017-06-12     True
2017-06-13    False
2017-06-14    False
2017-06-15    False
2017-06-16     True
2017-06-19    False
2017-06-20    False
2017-06-21    False
2017-06-22    False
2017-06-23    False
2017-06-26    False
2017-06-27    False
2017-06-28    False
2017-06-29    False
2017-06-30    False
Name: Volume, dtype: bool

stock[stock.Volume > 5e7]















































Open High Low Close Volume
Date
2017-06-09 155.19 155.19 146.02 148.98 64882657
2017-06-12 145.74 146.09 142.51 145.42 72307330
2017-06-16 143.78 144.50 142.20 142.27 50361093 

stock[stock.Close > stock.Open]































































































Open High Low Close Volume
Date
2017-06-01 153.17 153.33 152.22 153.18 16404088
2017-06-02 153.58 155.45 152.89 155.45 27770715
2017-06-06 153.90 155.81 153.78 154.45 26624926
2017-06-07 155.02 155.98 154.48 155.37 21069647
2017-06-15 143.32 144.48 142.21 144.29 32165373
2017-06-19 143.66 146.74 143.66 146.34 32541404
2017-06-21 145.52 146.07 144.61 145.87 21265751
2017-06-23 145.13 147.16 145.11 146.28 35439389
2017-06-28 144.49 146.11 143.16 145.83 22082432 

stock[(stock.Close > stock.Open) & (stock.Volume > 3e7)]















































Open High Low Close Volume
Date
2017-06-15 143.32 144.48 142.21 144.29 32165373
2017-06-19 143.66 146.74 143.66 146.34 32541404
2017-06-23 145.13 147.16 145.11 146.28 35439389 

stock[(stock.Close > stock.Open) | (stock.Volume > 5e7)]























































































































Open High Low Close Volume
Date
2017-06-01 153.17 153.33 152.22 153.18 16404088
2017-06-02 153.58 155.45 152.89 155.45 27770715
2017-06-06 153.90 155.81 153.78 154.45 26624926
2017-06-07 155.02 155.98 154.48 155.37 21069647
2017-06-09 155.19 155.19 146.02 148.98 64882657
2017-06-12 145.74 146.09 142.51 145.42 72307330
2017-06-15 143.32 144.48 142.21 144.29 32165373
2017-06-16 143.78 144.50 142.20 142.27 50361093
2017-06-19 143.66 146.74 143.66 146.34 32541404
2017-06-21 145.52 146.07 144.61 145.87 21265751
2017-06-23 145.13 147.16 145.11 146.28 35439389
2017-06-28 144.49 146.11 143.16 145.83 22082432 

stock['fluctuation'] = stock['High'] - stock['Low']
stock.head()






































































Open High Low Close Volume fluctuation
Date
2017-06-01 153.17 153.33 152.22 153.18 16404088 1.11
2017-06-02 153.58 155.45 152.89 155.45 27770715 2.56
2017-06-05 154.34 154.45 153.46 153.93 25331662 0.99
2017-06-06 153.90 155.81 153.78 154.45 26624926 2.03
2017-06-07 155.02 155.98 154.48 155.37 21069647 1.50 

stock['Close'].shift(1)

Date
2017-06-01       NaN
2017-06-02    153.18
2017-06-05    155.45
2017-06-06    153.93
2017-06-07    154.45
2017-06-08    155.37
2017-06-09    154.99
2017-06-12    148.98
2017-06-13    145.42
2017-06-14    146.59
2017-06-15    145.16
2017-06-16    144.29
2017-06-19    142.27
2017-06-20    146.34
2017-06-21    145.01
2017-06-22    145.87
2017-06-23    145.63
2017-06-26    146.28
2017-06-27    145.82
2017-06-28    143.73
2017-06-29    145.83
2017-06-30    143.68
Name: Close, dtype: float64

stock['Change'] = stock['Close'] - stock['Close'].shift(1)
stock.head()













































































Open High Low Close Volume fluctuation Change
Date
2017-06-01 153.17 153.33 152.22 153.18 16404088 1.11 NaN
2017-06-02 153.58 155.45 152.89 155.45 27770715 2.56 2.27
2017-06-05 154.34 154.45 153.46 153.93 25331662 0.99 -1.52
2017-06-06 153.90 155.81 153.78 154.45 26624926 2.03 0.52
2017-06-07 155.02 155.98 154.48 155.37 21069647 1.50 0.92

本课作业

说明：以下问题请编写代码获得结果。

第一题：2017年6月22日当天的收盘价是多少？

##我自己输入的是这条：stock.loc['2017-06-22','close']，结果错了.参照前面的作业，输入后面这条
stock['Close']['2017-06-22']

145.63

第二题： 成交量超过7千万的是哪一天？

###我自己先尝试乱输入看看呢:stock['volume'>7e5]
####错得离谱，两点。 1.7千万的科学计数，是7e7； 2.stock.volume>7e7,才是正确的表示，
stock.Volume> 7e7

Date
2017-06-01    False
2017-06-02    False
2017-06-05    False
2017-06-06    False
2017-06-07    False
2017-06-08    False
2017-06-09    False
2017-06-12     True
2017-06-13    False
2017-06-14    False
2017-06-15    False
2017-06-16    False
2017-06-19    False
2017-06-20    False
2017-06-21    False
2017-06-22    False
2017-06-23    False
2017-06-26    False
2017-06-27    False
2017-06-28    False
2017-06-29    False
2017-06-30    False
Name: Volume, dtype: bool

###规则化一下呢,答案是6月12号
stock[stock.Volume> 7e7]





































Open High Low Close Volume fluctuation Change
Date
2017-06-12 145.74 146.09 142.51 145.42 72307330 3.58 -3.56

第三题：在2017年6月28日，收盘价减去开盘价是多少？

###我自己尝试着输入看看：stock[stock.Date='2017-06-28',stock.Close-stock.Open]，结果错得离谱
stock['Close']-stock['Open']
###使用笨办法，直接算出所有的来，但是不知道如何筛选。应该可以把这段运算赋值给一个“差值”，然后在从“差值”中筛选

Date
2017-06-01    0.01
2017-06-02    1.87
2017-06-05   -0.41
2017-06-06    0.55
2017-06-07    0.35
2017-06-08   -0.26
2017-06-09   -6.21
2017-06-12   -0.32
2017-06-13   -0.57
2017-06-14   -2.34
2017-06-15    0.97
2017-06-16   -1.51
2017-06-19    2.68
2017-06-20   -1.86
2017-06-21    0.35
2017-06-22   -0.14
2017-06-23    1.15
2017-06-26   -1.35
2017-06-27   -1.28
2017-06-28    1.34
2017-06-29   -1.03
2017-06-30   -0.43
dtype: float64

答案是1.34

第四题： 开盘价低于144并且成交量大于5千万那一天的收盘价是多少？
参考此条stock[(stock.Close > stock.Open) & (stock.Volume > 3e7)]

stock[(stock.Open<144)&(stock.Volume>5e7)]





































Open High Low Close Volume fluctuation Change
Date
2017-06-16 143.78 144.5 142.2 142.27 50361093 2.3 -2.02 

stock['Change'] = stock['Close'] - stock['Close'].shift(1)
stock























































































































































































































































Open High Low Close Volume fluctuation Change
Date
2017-06-01 153.17 153.33 152.22 153.18 16404088 1.11 NaN
2017-06-02 153.58 155.45 152.89 155.45 27770715 2.56 2.27
2017-06-05 154.34 154.45 153.46 153.93 25331662 0.99 -1.52
2017-06-06 153.90 155.81 153.78 154.45 26624926 2.03 0.52
2017-06-07 155.02 155.98 154.48 155.37 21069647 1.50 0.92
2017-06-08 155.25 155.54 154.40 154.99 21250798 1.14 -0.38
2017-06-09 155.19 155.19 146.02 148.98 64882657 9.17 -6.01
2017-06-12 145.74 146.09 142.51 145.42 72307330 3.58 -3.56
2017-06-13 147.16 147.45 145.15 146.59 34165445 2.30 1.17
2017-06-14 147.50 147.50 143.84 145.16 31531232 3.66 -1.43
2017-06-15 143.32 144.48 142.21 144.29 32165373 2.27 -0.87
2017-06-16 143.78 144.50 142.20 142.27 50361093 2.30 -2.02
2017-06-19 143.66 146.74 143.66 146.34 32541404 3.08 4.07
2017-06-20 146.87 146.87 144.94 145.01 24900073 1.93 -1.33
2017-06-21 145.52 146.07 144.61 145.87 21265751 1.46 0.86
2017-06-22 145.77 146.70 145.12 145.63 19106294 1.58 -0.24
2017-06-23 145.13 147.16 145.11 146.28 35439389 2.05 0.65
2017-06-26 147.17 148.28 145.38 145.82 25692361 2.90 -0.46
2017-06-27 145.01 146.16 143.62 143.73 24761891 2.54 -2.09
2017-06-28 144.49 146.11 143.16 145.83 22082432 2.95 2.10
2017-06-29 144.71 145.13 142.28 143.68 31499368 2.85 -2.15
2017-06-30 144.45 144.96 143.78 144.02 23024107 1.18 0.34

你可能感兴趣的:(大数据作业 初稿)

  • 2018-07-23-催眠日作业-#不一样的31天#-66小鹿 小鹿_33
    预言日：人总是在逃避命运的路上，与之不期而遇。心理学上有个著名的名词，叫做自证预言；经济学上也有一个很著名的定律叫做，墨菲定律；在灵修派上，还有一个很著名的法则，叫做吸引力法则。这3个领域的词，虽然看起来不太一样，但是他们都在告诉人们一个现象：你越担心什么，就越有可能会发生什么。同样的道理，你越想得到什么，就应该要积极地去创造什么。无论是自证预言，墨菲定律还是吸引力法则，对人都有正反2个维度的影响
  • 我的烦恼 余建梅
    我的烦恼。女儿问我：“你给学生布置什么作文题目？”“《我的烦恼》。”“他们都这么大了，你觉得他们还有烦恼吗？”“有啊！每个人都会有自己烦恼。”“我不相信，大人是没有烦恼的，如果说一定有的话，你的烦恼和我写作业有关，而且是小烦恼。不像我，天天被你说，有这样的妈妈，烦恼是没完没了。”女儿愤愤不平。每个人都会有自己的烦恼，处在上有老下有小的年纪，烦恼多的数不完。想干好工作带好孩子，想孝顺父母又想经营好自
  • 感赏日志133 马姐读书
    图片发自App感赏自己今天买个扫地机，以后可以解放出来多看点书，让这个智能小机器人替我工作了。感赏孩子最近进步很大，每天按时上学，认真听课，认真背书，主动认真完成老师布置的作业。感赏自己明白自己容易受到某人的影响，心情不好，每当此刻我就会舒缓，感赏，让自己尽快抽离，想好的一面。感赏儿子今天在我提醒他事情时，告诉我谢谢妈妈对我的提醒我明白了，而不是说我啰嗦，管事情，孩子更懂事了，懂得感恩了。投射父母
  • DIV+CSS+JavaScript技术制作网页（旅游主题网页设计与制作）云南大理 STU学生网页设计 网页设计期末网页作业html静态网页html5期末大作业网页设计web大作业
    ️精彩专栏推荐作者主页:【进入主页—获取更多源码】web前端期末大作业：【HTML5网页期末作业(1000套)】程序员有趣的告白方式：【HTML七夕情人节表白网页制作(110套)】文章目录二、网站介绍三、网站效果▶️1.视频演示2.图片演示四、网站代码HTML结构代码CSS样式代码五、更多源码二、网站介绍网站布局方面：计划采用目前主流的、能兼容各大主流浏览器、显示效果稳定的浮动网页布局结构。网站程
  • 关于城市旅游的HTML网页设计——(旅游风景云南 5页)HTML+CSS+JavaScript 二挡起步 web前端期末大作业javascripthtmlcss旅游风景
    ⛵源码获取文末联系✈Web前端开发技术描述网页设计题材，DIV+CSS布局制作,HTML+CSS网页设计期末课程大作业|游景点介绍|旅游风景区|家乡介绍|等网站的设计与制作|HTML期末大学生网页设计作业，Web大学生网页HTML：结构CSS：样式在操作方面上运用了html5和css3，采用了div+css结构、表单、超链接、浮动、绝对定位、相对定位、字体样式、引用视频等基础知识JavaScrip
  • HTML网页设计制作大作业（div+css） 云南我的家乡旅游景点 带文字滚动 二挡起步 web前端期末大作业web设计网页规划与设计htmlcssjavascriptdreamweaver前端
    Web前端开发技术描述网页设计题材，DIV+CSS布局制作,HTML+CSS网页设计期末课程大作业游景点介绍|旅游风景区|家乡介绍|等网站的设计与制作HTML期末大学生网页设计作业HTML：结构CSS：样式在操作方面上运用了html5和css3，采用了div+css结构、表单、超链接、浮动、绝对定位、相对定位、字体样式、引用视频等基础知识JavaScript：做与用户的交互行为文章目录前端学习路线
  • 没想到，真没想到 一棵落花的树
    生活中，每一件小事都蕴藏着他的道理。有些令你意外，却能让你收到更为意外的结果。那一次，我真没想到的事，让我收获了爱。记忆的雨飘落下来，扰乱了我平静的心湖。那是一次数学考试，我破天荒地考了“99”分。我不禁沾沾自喜，这成绩我可不容易得到，妈妈一定会好好表扬我的。回到家，我想妈妈得意的报出成绩，妈妈只是淡淡的说：“嗯，等会儿试卷拿给我看看。”做完作业，我把试卷拿给了妈妈。只见妈妈捧着试卷，眯着眼睛盯着
  • 学霸父母学渣娃，这孩子真是亲生的？太扎心了！ 东北SK皇家成长中心
    现在的社会，每个家庭基本都把孩子的教育放在第一位，哪怕父母平时上班再苦再累也不敢在孩子的教育上有丝毫的马虎，平时对孩子的照顾真的是无微不至，每天早起送孩子上学，晚上回家辅导孩子写作业，有的父母的文化程度非常高，但是每每到了辅导孩子写作业这个时候，父母们内心都有这样一种想法，这个孩子真的是我亲生的吗？真想一巴掌拍死他，我上辈子是做了什么孽生出这么一个智障的孩子，家里每每就要上演全武行，看看这些孩子到
  • nosql数据库技术与应用知识点 皆过客，揽星河 NoSQLnosql数据库大数据数据分析数据结构非关系型数据库
    Nosql知识回顾大数据处理流程数据采集(flume、爬虫、传感器)数据存储(本门课程NoSQL所处的阶段)Hdfs、MongoDB、HBase等数据清洗(入仓)Hive等数据处理、分析(Spark、Flink等)数据可视化数据挖掘、机器学习应用(Python、SparkMLlib等)大数据时代存储的挑战(三高)高并发(同一时间很多人访问)高扩展(要求随时根据需求扩展存储)高效率(要求读写速度快)
  • ES聚合分析原理与代码实例讲解 光剑书架上的书 大厂Offer收割机面试题简历程序员读书硅基计算碳基计算认知计算生物计算深度学习神经网络大数据AIGCAGILLMJavaPython架构设计Agent程序员实现财富自由
    ES聚合分析原理与代码实例讲解1.背景介绍1.1问题的由来在大规模数据分析场景中，特别是在使用Elasticsearch（ES）进行数据存储和检索时，聚合分析成为了一个至关重要的功能。聚合分析允许用户对数据集进行细分和分组，以便深入探索数据的结构和模式。这在诸如实时监控、日志分析、业务洞察等领域具有广泛的应用。1.2研究现状目前，ES聚合分析已经成为现代大数据平台的核心组件之一。它支持多种类型的聚
  • 女儿考研完报考雅思 捡拾流年
    是否我过于焦虑？会不会无形间让女儿觉得压力太大了啊。2022年对于我们家来说是不平常的一年。女儿今年大四，为了准备考研，暑假也没回家，年初去了学校到了年末才回家。女儿自己一个人面对考研，没有参加培训，大四学校作业论文等课业也多，她同时也是很努力复习考研的。在疫情开放很多羊的时期，女儿终于顺顺利利参加12月24、25号的考研，我们和家人都觉得女儿回家来要好好休息调养。可女儿回到家，我再查阅考研信息，
  • 戴先华2021.4.18《我的第129篇幸运作业》 39f4298779c4
    2021.4.18今天小宝和大表姐出去玩，我和婆婆在烧饭，突然小宝冲了进来，告诉奶奶说：“奶奶，奶奶姐姐在亭子里倒了”我一下子看出小宝的紧张，马上跑了出去，发现大外甥女又患了病，看起来心疼极了，整个人面朝地下的倒下了，在地上不停的抽搐，额头摔了一个大泡，整张脸都是紫色的，眼睛边上都出血了，真的是非常紧张，这么多年姐姐两夫妻就这样看着自己的孩子一次次晕倒，姐夫这么多年，年年都拿不出钱回家，使得家一次
  • 作业是家庭关系的枢纽 潘海松
    回想一下，当孩子做作业的时候，我们不断地在和孩子聊天、沟通，互相提出一些要求，也不可避免地，会产生分歧。举个最常见的例子，我们告诉孩子：「该写作业了。」娃是什么反应？好的亲子关系，孩子会乖乖停掉手里的事马上去写作业，或者好声好气地和家长商量，能不能在半个小时（或某个时间）开始。而不如意的亲子关系，孩子听到这句话的瞬间，就是各种不情愿，敷衍、拖延甚至于撒谎、撒泼打滚。最后，成为当天家庭里坏情绪的引爆
  • 张芝华49天共修 - 草稿 李娟AINI
    祈禱、靜心、源代碼編程、觀想發願四根支柱，運用靈性能量的助力，讓夢想和渴望在最大向度中輕鬆實現。共修群指定书籍:1.能断金刚麦克格西2.新世界：灵性的觉醒埃克哈特·托尔3.爱是一切的答案芭芭拉迪安吉莉思4.完美的爱,不完美的关系约翰•威尔伍德5.爱的业力法则麦克格西6.漫画《金刚经》蔡志忠7.蔡志忠典藏国学漫画系列(套装共6册)作业:全部在共修群里完成，并请保存好自己的作业。l一周三次共修觉察作业
  • 准备 胡珊珊乐平九小
    尊敬的各位领导、各位同仁们：大家上午好！我是来自乐平九小的胡珊珊。今天很高兴能有机会给大家做“智慧作业”应用培训。说到“智慧作业”我感触颇多，我是在智慧作业中成长起来的，我也时常以自己是一名“智慧作业人”自居。早在2020年疫情期间，学校电教处周光杰主任在学校群里发出智慧作业抢题通知，我看了有些心动，一节微课相当于一次省级公开课，这对于我们普通老师是多么难得的机会啊。但想归想，我也不会用软件啊，再
  • 2019年8月6日 星期二 晴 李佳晨宝宝
    今天我写完作业以后，我玩儿了一会儿我的拼装玩具，拼装玩具是我的世界的游戏里面的乐高，我拿出乐高把它拼成上次的迷宫，然后又给他升级了一下，我拆出上面一些部分的零件加大了游戏的难度，然后我又做了一个小牛圈。这个小牛圈里面住的是猪和牛，还有羊，给那里摆了一块草地，他们想吃东西直接在草地上吃，然后我把牛圈建了一个遮阳伞，防止天气太热把它们晒死。然后这样我的小牛就万无一失了，我再看看加大难度后的迷宫，实在是
  • 2023-06-19【感恩日记】第246篇 o泡沫o
    思想日记：坚持下去，相信自己一定可以的【感恩日记】第246篇1.我真是太幸福啦！感恩孩子早起阅读，放学到学生之家完成作业，平安度过美好的一天。感恩！感恩！感恩！❤️2.我真是太幸福啦！感恩自己早起给孩子煮早餐，完成计划的工作，晚上学习。感恩！感恩！感恩！❤️3.我真是太幸福啦！感恩为我设计效果图的老师。感恩！感恩！感恩！❤️4.我真是太幸福啦！感恩父母养育了我，有妈的孩子真幸福。感恩！感恩！感恩！
  • WebMagic：强大的Java爬虫框架解析与实战 Aaron_945 Javajava爬虫开发语言
    文章目录引言官网链接WebMagic原理概述基础使用1.添加依赖2.编写PageProcessor高级使用1.自定义Pipeline2.分布式抓取优点结论引言在大数据时代，网络爬虫作为数据收集的重要工具，扮演着不可或缺的角色。Java作为一门广泛使用的编程语言，在爬虫开发领域也有其独特的优势。WebMagic是一个开源的Java爬虫框架，它提供了简单灵活的API，支持多线程、分布式抓取，以及丰富的
  • 2022-05-22光印随思60学习要与现实打通 无名之米8
    20220522光印随思60学习要与现实打通今天在匆忙中完成了新网师课程的第七次预习作业。每次完成预习作业的过程都是一次艰难的学习，先要学习相关的文本和文件，了解作业需要的理论知识，之后需要把理论知识运用于实际工作和生活中。这也是学习的真正价值所在。在很多时候，会有这样的感觉，读了很多书为什么没有啥长进？现在回想应该就是，当只有阅读和感受，没有把阅读心得转化为文字，没有把阅读的知识运用到实际的场景
  • 如果今天是你在世界上的最后一天，你打算如何度过？ 养正读书
    每日一问：如果今天是你在世界上的最后一天，你打算如何度过？生命的祈祷群里老师发出了这样的作业，这无疑是一个让人稍显悲伤而又需要脑洞大开的话题。以下是我的回答。首先，我会给父母，子女留下遗嘱。其次，我会分别给他们留下一封信，告诉我此时内心的独白和对人生的感悟。当然还有一件重要的事，就是为父母做一顿可口的饭菜，陪他们在河边走走，晒晒太阳。我会找出所有的影集和照片，和父母家人一起回忆那过去的时光。我希望
  • 免费的GPT可在线直接使用（一键收藏） kkai人工智能 gpt
    1、LuminAI（https://kk.zlrxjh.top）LuminAI标志着一款融合了星辰大数据模型与文脉深度模型的先进知识增强型语言处理系统，旨在自然语言处理（NLP）的技术开发领域发光发热。此系统展现了卓越的语义把握与内容生成能力，轻松驾驭多样化的自然语言处理任务。VisionAI在NLP界的应用领域广泛，能够胜任从机器翻译、文本概要撰写、情绪分析到问答等众多任务。通过对大量文本数据的
  • 如何利用大数据与AI技术革新相亲交友体验 h17711347205 回归算法安全系统架构交友小程序
    在数字化时代，大数据和人工智能（AI）技术正逐渐革新相亲交友体验，为寻找爱情的过程带来前所未有的变革（编辑h17711347205）。通过精准分析和智能匹配，这些技术能够极大地提高相亲交友系统的效率和用户体验。大数据的力量大数据技术能够收集和分析用户的行为模式、偏好和互动数据，为相亲交友系统提供丰富的信息资源。通过分析用户的搜索历史、浏览记录和点击行为，系统能够深入了解用户的兴趣和需求，从而提供更
  • 毕业论文附录一般都写什么?大学生写论文是干嘛用的 写个原创论文 人工智能深度学习AI写作chatgpt论文阅读
    毕业论文的附录通常包含一些在正文中不便于展示或详细阐述的内容，但对理解论文整体又具有重要意义的资料。具体来说，附录可能包含以下内容：AI论文，免费大纲，10分钟3万字，查重高于15%退费，支持数据图表！！AIPaperPass-AI论文写作指导平台AIPaperPass是AI原创论文写作平台，免费千字大纲，5分钟生成3万字初稿，提供答辩汇报ppt、开题报告、任务书等，40篇真实中英文知网参考文献，
  • 2022-04-07 静待花开1975
    昨天因为收作业的事情狠狠批评了四班的三个课代表，其中一个觉得很委屈，直接要跟我撂挑子了，经我软硬兼施，又撤回了辞职的决定。今天早读课，刚进教室，发现作业就已经整整齐齐交上来，而且已经开始组织早读了。下午收积累本，也是很快就有了结果。看来，适当的批评还是有必要的，出错不怕，怕的是不吸取经验教训，一错再错。
  • 作业二十八：《佐贺的超级阿嬷》解读三：生活很难，但也要笑着活下去。 维伊的屋子
    晚上别提伤心事，难过的事情留到白天再说，也就不算什么了。——《佐贺的超级阿嬷》当今社会，竟争非常激烈，很多人难免会有这样的情绪：消极、悲观、失望、抱怨、挫败感……如果带这些情绪生活，日子就难熬今天我们学习超级阿嬷是如何把日子过的有滋有味，如何在平淡生活的鸡毛蒜皮里发现快乐？昭广用阿嬷的故事把答案告诉了我们，永远不要忘记发现生活的美好香乐趣。图片发自App一、不是每个人都能顺顺利利的度过一生，也不会
  • 11.19星期四，是五彩斑斓的黑 大龙猫说
    这学期，每到周四的早晨，当闹钟响起时，我都会脑补一百种可以请假不上班的情境。因为我的星期四，是黑色的。从早读，到早操，再连堂两节课，再连堂两节课教研，这是周四的上午。中午和下午第一节课虽然空闲，但我必须马不停蹄地改作业，因为最后一节课还是我的。上完这节课，再看完阳光体育，检查值日，我这一天才算“熬”过去。这时候，如果学生再来点什么纠纷，我就需要动用仅有的空闲时间来处理，那可真是“压垮骆驼的最后一根
  • 【显示 后台运行 & 的命令】 晨春计 debuglinux服务器运维
    目录背景步骤详解示例背景当你在Linuxshell中使用&符号将一个命令放到后台运行时，你可以使用jobs命令来查看这些后台进程的状态。但是，jobs命令并不会直接显示进程的PID（进程ID）。它会显示一个作业列表，其中包括每个作业的状态和一个作业标识符（通常是百分号%后面跟着一个数字），但不会直接显示PID。获取后台进程的PID步骤：1、使用jobs命令查看后台作业。2、使用ps命令配合grep
  • 故事||我是一本书（3） 贪玩
    我的房间在精装洋房的第二层。这个楼层在书类的房子里，属于黄金楼层，因为无论是被家人选中来作文字交流，还是独自站在房间观察周围，这层都是最佳位置，不高不低，视野开阔。每日放学后，老贝在书桌上写作业的时候，我都能清晰的观察她。毕竟我刚刚认识她，对这个漂亮的、有点调皮的小姑娘，我很想深入的了解她。妈妈在创造我时，记录了一些小朋友学习文化知识情景的小故事，因此我灵魂深处，有一些这方面的记忆，但是毕竟不多，
  • 未来软件市场是怎么样的？做开发的生存空间如何？ cesske 软件需求
    目录前言一、未来软件市场的发展趋势二、软件开发人员的生存空间前言未来软件市场是怎么样的？做开发的生存空间如何？一、未来软件市场的发展趋势技术趋势：人工智能与机器学习：随着技术的不断成熟，人工智能将在更多领域得到应用，如智能客服、自动驾驶、智能制造等，这将极大地推动软件市场的增长。云计算与大数据：云计算服务将继续普及，大数据技术的应用也将更加广泛。企业将更加依赖云计算和大数据来优化运营、提升效率，并
  • 2021-10-17(376) 刘玥上学记
    今天早上妈妈六点就把我喊起来了，天气太冷了，姥姥给我们煮了鸡蛋，路上保暖用一切按部就班的进行，到公司刚刚好七点五十妈妈给我安排的是上午两张试卷，下午两张试卷上午的没做完，下午的我实在是不想做了，后来凯丽姐姐说早点写完，可以早些玩耍我就回办公室写作业了一直到下午四点半，凯丽姐姐过来检查，数学卷子还没做完询问了半天，原来是乘法口诀没有背过，然后凯丽姐姐就一个一个的给我提问而且还说让我晚上回去自己再重新
  • SQL的各种连接查询 xieke90 UNION ALLUNION外连接内连接JOIN
    一、内连接   概念：内连接就是使用比较运算符根据每个表共有的列的值匹配两个表中的行。                 内连接（join 或者inner join ）       SQL语法：       select * fron
  • java编程思想--复用类 百合不是茶 java继承代理组合final类
          复用类看着标题都不知道是什么,再加上java编程思想翻译的比价难懂,所以知道现在才看这本软件界的奇书   一:组合语法:就是将对象的引用放到新类中即可     代码:     package com.wj.reuse; /** * * @author Administrator 组
  • [开源与生态系统]国产CPU的生态系统 comsci cpu
          计算机要从娃娃抓起...而孩子最喜欢玩游戏....       要让国产CPU在国内市场形成自己的生态系统和产业链,国家和企业就不能够忘记游戏这个非常关键的环节....       投入一些资金和资源,人力和政策,让游
  • JVM内存区域划分Eden Space、Survivor Space、Tenured Gen，Perm Gen解释 商人shang jvm内存
    jvm区域总体分两类，heap区和非heap区。heap区又分：Eden Space（伊甸园）、Survivor Space(幸存者区)、Tenured Gen（老年代-养老区）。 非heap区又分：Code Cache(代码缓存区)、Perm Gen（永久代）、Jvm Stack(java虚拟机栈)、Local Method Statck(本地方法栈)。 HotSpot虚拟机GC算法采用分代收
  • 页面上调用 QQ oloz qq
    <A href="tencent://message/?uin=707321921&amp;Site=有事Q我&amp;Menu=yes">   <img style="border:0px;" src=http://wpa.qq.com/pa?p=1:707321921:1></a>
  • 一些问题 文强chu 问题
    1.eclipse 导出 doc  出现“The Javadoc command does not exist.” javadoc command 选择 jdk/bin/javadoc.exe 2.tomcate 配置 web 项目 ..... SQL:3.mysql  * 必须得放前面 否则  select&nbs
  • 生活没有安全感 小桔子 生活孤独安全感
           圈子好小，身边朋友没几个，交心的更是少之又少。在深圳，除了男朋友，没几个亲密的人。不知不觉男朋友成了唯一的依靠，毫不夸张的说，业余生活的全部。现在感情好，也很幸福的。但是说不准难免人心会变嘛，不发生什么大家都乐融融，发生什么很难处理。我想说如果不幸被分手(无论原因如何)，生活难免变化很大，在深圳，我没交心的朋友。明
  • php 基础语法 aichenglong php 基本语法
    1 .1 php变量必须以$开头 <?php $a=” b”; echo ?> 1 .2 php基本数据库类型 Integer  float/double Boolean string 1 .3 复合数据类型 数组array和对象 object 1 .4 特殊数据类型  null 资源类型(resource)    $co
  • mybatis tools 配置详解 AILIKES mybatis
    MyBatis Generator中文文档 MyBatis Generator中文文档地址： http://generator.sturgeon.mopaas.com/ 该中文文档由于尽可能和原文内容一致，所以有些地方如果不熟悉，看中文版的文档的也会有一定的障碍，所以本章根据该中文文档以及实际应用，使用通俗的语言来讲解详细的配置。 本文使用Markdown进行编辑，但是博客显示效
  • 继承与多态的探讨 百合不是茶 JAVA面向对象 继承 对象
    继承 extends   多态 继承是面向对象最经常使用的特征之一：继承语法是通过继承发、基类的域和方法 //继承就是从现有的类中生成一个新的类，这个新类拥有现有类的所有extends是使用继承的关键字：     在A类中定义属性和方法； class A{ //定义属性 int age； //定义方法 public void go
  • JS的undefined与null的实例 bijian1013 JavaScriptJavaScript
    <form name="theform" id="theform"> </form> <script language="javascript"> var a alert(typeof(b)); //这里提示undefined if(theform.datas
  • TDD实践（一） bijian1013 java敏捷TDD
    一.TDD概述         TDD：测试驱动开发，它的基本思想就是在开发功能代码之前，先编写测试代码。也就是说在明确要开发某个功能后，首先思考如何对这个功能进行测试，并完成测试代码的编写，然后编写相关的代码满足这些测试用例。然后循环进行添加其他功能，直到完全部功能的开发。     
  • [Maven学习笔记十]Maven Profile与资源文件过滤器 bit1129 maven
    什么是Maven Profile Maven Profile的含义是针对编译打包环境和编译打包目的配置定制，可以在不同的环境上选择相应的配置，例如DB信息，可以根据是为开发环境编译打包，还是为生产环境编译打包，动态的选择正确的DB配置信息   Profile的激活机制 1.Profile可以手工激活，比如在Intellij Idea的Maven Project视图中可以选择一个P
  • 【Hive八】Hive用户自定义生成表函数(UDTF) bit1129 hive
    1. 什么是UDTF   UDTF，是User Defined Table-Generating Functions，一眼看上去，貌似是用户自定义生成表函数，这个生成表不应该理解为生成了一个HQL Table， 貌似更应该理解为生成了类似关系表的二维行数据集   2. 如何实现UDTF 继承org.apache.hadoop.hive.ql.udf.generic
  • tfs restful api 加auth 2.0认计 ronin47
    　　目前思考如何给tfs的ngx-tfs api增加安全性。有如下两点： 　　一是基于客户端的ip设置。这个比较容易实现。 　　二是基于OAuth2.0认证，这个需要lua，实现起来相对于一来说，有些难度。 　　现在重点介绍第二种方法实现思路。 　　 前言：我们使用Nginx的Lua中间件建立了OAuth2认证和授权层。如果你也有此打算，阅读下面的文档，实现自动化并获得收益。SeatGe
  • jdk环境变量配置 byalias javajdk
    进行java开发，首先要安装jdk，安装了jdk后还要进行环境变量配置： 1、下载jdk（http://java.sun.com/javase/downloads/index.jsp），我下载的版本是：jdk-7u79-windows-x64.exe 2、安装jdk-7u79-windows-x64.exe 3、配置环境变量：右击"计算机"-->&quo
  • 《代码大全》表驱动法-Table Driven Approach-2 bylijinnan java
    package com.ljn.base; import java.io.BufferedReader; import java.io.FileInputStream; import java.io.InputStreamReader; import java.util.ArrayList; import java.util.Collections; import java.uti
  • SQL 数值四舍五入 小数点后保留2位 chicony 四舍五入
    1.round() 函数是四舍五入用，第一个参数是我们要被操作的数据，第二个参数是设置我们四舍五入之后小数点后显示几位。 2.numeric 函数的2个参数，第一个表示数据长度，第二个参数表示小数点后位数。 例如： 　　select   cast(round(12.5,2)   as   numeric(5,2))  
  • c++运算符重载 CrazyMizzz C++
    一、加+，减-，乘*，除/ 的运算符重载 Rational operator*(const Rational &x) const{ return Rational(x.a * this->a); } 在这里只写乘法的，加减除的写法类似 二、<<输出,>>输入的运算符重载      &nb
  • hive DDL语法汇总 daizj hive修改列DDL修改表
    hive DDL语法汇总 １、对表重命名 hive> ALTER TABLE table_name RENAME TO new_table_name;   2、修改表备注 hive> ALTER TABLE table_name SET TBLPROPERTIES ('comment' = new_comm
  • jbox使用说明 dcj3sjt126com Web
    参考网址：http://www.kudystudio.com/jbox/jbox-demo.html jBox v2.3 beta [ 点击下载]  技术交流QQGroup：172543951 100521167 [2011-11-11] jBox v2.3 正式版 - [调整&修复] IE6下有iframe或页面有active、applet控件
  • UISegmentedControl 开发笔记 dcj3sjt126com
      //    typedef NS_ENUM(NSInteger, UISegmentedControlStyle) {     //        UISegmentedControlStylePlain,     // large plain   &
  • Slick生成表映射文件 ekian scala
    Scala添加SLICK进行数据库操作，需在sbt文件上添加slick-codegen包 "com.typesafe.slick" %% "slick-codegen" % slickVersion 因为我是连接SQL Server数据库，还需添加slick-extensions，jtds包 "com.typesa
  • ES-TEST gengzg test
    package com.MarkNum; import java.io.IOException; import java.util.Date; import java.util.HashMap; import java.util.Map; import javax.servlet.ServletException; import javax.servlet.annotation
  • 为何外键不再推荐使用 hugh.wang mysqlDB
    表的关联，是一种逻辑关系，并不需要进行物理上的“硬关联”，而且你所期望的关联，其实只是其数据上存在一定的联系而已，而这种联系实际上是在设计之初就定义好的固有逻辑。 在业务代码中实现的时候，只要按照设计之初的这种固有关联逻辑来处理数据即可，并不需要在数据库层面进行“硬关联”，因为在数据库层面通过使用外键的方式进行“硬关联”，会带来很多额外的资源消耗来进行一致性和完整性校验，即使很多时候我们并不
  • 领域驱动设计 julyflame VODAO设计模式DTOpo
    概念： VO（View Object）：视图对象，用于展示层，它的作用是把某个指定页面（或组件）的所有数据封装起来。 DTO（Data Transfer Object）：数据传输对象，这个概念来源于J2EE的设计模式，原来的目的是为了EJB的分布式应用提供粗粒度的数据实体，以减少分布式调用的次数，从而提高分布式调用的性能和降低网络负载，但在这里，我泛指用于展示层与服务层之间的数据传输对
  • 单例设计模式 hm4123660 javaSingleton单例设计模式懒汉式饿汉式
           单例模式是一种常用的软件设计模式。在它的核心结构中只包含一个被称为单例类的特殊类。通过单例模式可以保证系统中一个类只有一个实例而且该实例易于外界访问，从而方便对实例个数的控制并节约系统源。如果希望在系统中某个类的对象只能存在一个，单例模式是最好的解决方案。      &nb
  • logback zhb8015 loglogback
    一、logback的介绍      Logback是由log4j创始人设计的又一个开源日志组件。logback当前分成三个模块：logback-core,logback- classic和logback-access。logback-core是其它两个模块的基础模块。logback-classic是log4j的一个 改良版本。此外logback-class
  • 整合Kafka到Spark Streaming——代码示例和挑战 Stark_Summer sparkstormzookeeperPARALLELISMprocessing
    作者Michael G. Noll是瑞士的一位工程师和研究员，效力于Verisign，是Verisign实验室的大规模数据分析基础设施（基础Hadoop）的技术主管。本文，Michael详细的演示了如何将Kafka整合到Spark Streaming中。 期间， Michael还提到了将Kafka整合到 Spark Streaming中的一些现状，非常值得阅读，虽然有一些信息在Spark 1.2版
  • spring-master-slave-commondao 王新春 DAOspringdataSourceslavemaster
    互联网的web项目，都有个特点：请求的并发量高，其中请求最耗时的db操作，又是系统优化的重中之重。 为此，往往搭建 db的 一主多从库的 数据库架构。作为web的DAO层，要保证针对主库进行写操作，对多个从库进行读操作。当然在一些请求中，为了避免主从复制的延迟导致的数据不一致性，部分的读操作也要到主库上。（这种需求一般通过业务垂直分开，比如下单业务的代码所部署的机器，读去应该也要从主库读取数
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他