雅痞绅士JM

超全的pandas数据分析常用函数总结：下篇（附赠思维导图）

pandas数据分析常用函数总结 | 下篇

5. 数据预处理

5.1 数据的合并
5.2 设置索引列
5.3 按照特定列的值排序：
5.4 分类显示
5.5 分组标记
5.6 切割数据

6. 数据提取

6.1 单行索引
6.2 区域索引

6.2.1 用loc取连续的多行
6.2.2 用loc取不连续的多行
6.2.3 用loc取具体值
6.2.4 用iloc取连续的多行
6.2.5 用iloc取连续的多行和多列
6.2.6 用iloc取不连续的多行和多列
6.2.7 用iloc取具体值

6.3 值的判断
6.4 提取符合判断的值

7. 数据筛选

7.1 使用与、或、非进行筛选
7.2 使用query函数进行筛选
7.3 对结果进行计数求和

8. 数据汇总

8.1 以department属性对所有列进行计数汇总
8.2 以department属性分组之后，对id字段进行计数汇总
8.3 以两个属性进行分组计数
8.4 以department属性进行分组汇总并计算money的合计与均值

9. 数据统计

9.1 数据采样
9.2 描述性统计
9.3 计算标准差
9.4 计算协方差
9.5 相关性分析

思维导图

基础知识在数据分析中就像是九阳神功，熟练的掌握，加以运用，就可以练就深厚的内力，成为绝顶高手自然不在话下！
.
为了更好地学习数据分析，我对于数据分析中pandas这一模块里面常用的函数进行了总结。整篇总结，在详尽且通俗易懂的基础上，我力求使其有很强的条理性和逻辑性，所以制作了思维导图，对于每一个值得深究的函数用法，我也会附上官方链接，方便大家继续深入学习。
.
文章中的所有代码都会有讲解和注释，绝大部分也都会配有运行结果，酱紫的话，整篇总结篇幅量自然不小，所以我分成了上下两篇，这里是下篇。

5. 数据预处理

先创建一个data2数据集

data2=pd.DataFrame({
    "id":np.arange(102,105),
    "profit":[1,10,2]
})
data2

输出结果：

	id	profit
0	102	1
1	103	10
2	104	2

再创建一个data3数据集

data3=pd.DataFrame({
    "id":np.arange(111,113),
    "money":[106,51]
})
data3

输出结果：

	id	money
0	111	106
1	112	51

5.1 数据的合并

用merge合并

DataFrame.merge(self，right，how =‘inner’，on = None)

right指要合并的对象

on指要加入的列或索引级别名称，必须在两个DataFrame中都可以找到。

how决定要执行的合并类型：left（使用左框架中的键）、right、inner（交集，默认）、outer（并集）

data_new=pd.merge(data,data2,on='id',how='inner')      # 默认取交集
data_new=pd.merge(data,data2,on='id',how='outer')      # 取并集，没有值的地方填充NaN
data.merge(data2,on='id',how='inner')                  # 另一种写法,输出结果见下方

输出结果：

	id	date	money	product	department	origin	profit
0	102	2020-03-11	4.000000	可乐	饮料	China	1
1	103	2020-03-12	65.000000	牛肉干	零食	America	10
2	104	2020-03-13	20.666667	老干妈	调味品	China	2

更多关于pandas.DataFrame.merge的用法，戳下面官方链接：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.merge.html

data.merge(data2,on='id',how='left')     # 使用左框架中的键

输出结果：

	id	date	money	product	department	origin	profit
0	101	2020-03-10	5.000000	苏打水	饮料	China	NaN
1	102	2020-03-11	4.000000	可乐	饮料	China	1.0
2	103	2020-03-12	65.000000	牛肉干	零食	America	10.0
3	104	2020-03-13	20.666667	老干妈	调味品	China	2.0
4	105	2020-03-14	15.000000	菠萝	水果	Thailand	NaN
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China	NaN
6	107	2020-03-16	35.000000	洗面奶	日用品	America	NaN
7	108	2020-03-17	16.000000	洋葱	蔬菜	China	NaN
8	109	2020-03-18	6.000000	牙膏	日用品	China	NaN
9	110	2020-03-19	20.000000	薯片	零食	Japan	NaN

用append合并

data.append(data2)    # 在原数据集的下方合并入新的数据集

输出结果：

	date	department	id	money	origin	product	profit
0	2020-03-10	饮料	101	5.000000	China	苏打水	NaN
1	2020-03-11	饮料	102	4.000000	China	可乐	NaN
2	2020-03-12	零食	103	65.000000	America	牛肉干	NaN
3	2020-03-13	调味品	104	20.666667	China	老干妈	NaN
4	2020-03-14	水果	105	15.000000	Thailand	菠萝	NaN
5	2020-03-15	NaN	106	20.000000	China	冰激凌	NaN
6	2020-03-16	日用品	107	35.000000	America	洗面奶	NaN
7	2020-03-17	蔬菜	108	16.000000	China	洋葱	NaN
8	2020-03-18	日用品	109	6.000000	China	牙膏	NaN
9	2020-03-19	零食	110	20.000000	Japan	薯片	NaN
0	NaN	NaN	102	NaN	NaN	NaN	1.0
1	NaN	NaN	103	NaN	NaN	NaN	10.0
2	NaN	NaN	104	NaN	NaN	NaN	2.0

用join合并
用下面这种方式会报错：列重叠，且没有指定后缀，因为上面的数据data和data2都有“id”列，所以需要给id列指明后缀。

data.join(data2)        # 会报错

第一种修改方式：

data.join(data2,lsuffix='_data', rsuffix='_data2')

输出结果：

	id_data	date	money	product	department	origin	id_data2	profit
0	101	2020-03-10	5.000000	苏打水	饮料	China	102.0	1.0
1	102	2020-03-11	4.000000	可乐	饮料	China	103.0	10.0
2	103	2020-03-12	65.000000	牛肉干	零食	America	104.0	2.0
3	104	2020-03-13	20.666667	老干妈	调味品	China	NaN	NaN
4	105	2020-03-14	15.000000	菠萝	水果	Thailand	NaN	NaN
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China	NaN	NaN
6	107	2020-03-16	35.000000	洗面奶	日用品	America	NaN	NaN
7	108	2020-03-17	16.000000	洋葱	蔬菜	China	NaN	NaN
8	109	2020-03-18	6.000000	牙膏	日用品	China	NaN	NaN
9	110	2020-03-19	20.000000	薯片	零食	Japan	NaN	NaN

第二种修改方式：

data.set_index('id').join(data2.set_index('id'))

输出结果：

更多关于pandas.DataFrame.join的用法，戳下面官方链接：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.join.html

用concat合并

pandas.concat(objs,axis = 0,ignore_index = False,keys = None)

objs:Series，DataFrame或Panel对象的序列或映射。

axis：串联的轴，默认为0，即以索引串联（竖直拼接）；如果为1，则以列串联（水平拼接）

ignore_index：清除现有索引并将其重置，默认为False。

key：在数据的最外层添加层次结构索引。

data_new=pd.concat([data,data2,data3],axis = 1,keys=['data', 'data2','data3'])
data_new

输出结果：

更多关于pandas.concat的用法，戳下面官方链接：https://pandas.pydata.org/pandas-docs/version/0.23.4/generated/pandas.concat.html

5.2 设置索引列

data.set_index("id")      # 设置id为索引列

输出结果：

data.reset_index(drop=True)    # 重置索引列，并且避免将旧索引添加为列

输出结果：

	id	date	money	product	department	origin
0	101	2020-03-10	5.000000	苏打水	饮料	China
1	102	2020-03-11	4.000000	可乐	饮料	China
2	103	2020-03-12	65.000000	牛肉干	零食	America
3	104	2020-03-13	20.666667	老干妈	调味品	China
4	105	2020-03-14	15.000000	菠萝	水果	Thailand
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China
6	107	2020-03-16	35.000000	洗面奶	日用品	America
7	108	2020-03-17	16.000000	洋葱	蔬菜	China
8	109	2020-03-18	6.000000	牙膏	日用品	China
9	110	2020-03-19	20.000000	薯片	零食	Japan

5.3 按照特定列的值排序：

按照索引列进行排序：

data.sort_index()

按照money的值进行排序：

data.sort_values(by="money",ascending = True)    # ascending默认为True，即升序.

输出结果：

	id	date	money	product	department	origin
1	102	2020-03-11	4.000000	可乐	饮料	China
0	101	2020-03-10	5.000000	苏打水	饮料	China
8	109	2020-03-18	6.000000	牙膏	日用品	China
4	105	2020-03-14	15.000000	菠萝	水果	Thailand
7	108	2020-03-17	16.000000	洋葱	蔬菜	China
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China
9	110	2020-03-19	20.000000	薯片	零食	Japan
3	104	2020-03-13	20.666667	老干妈	调味品	China
6	107	2020-03-16	35.000000	洗面奶	日用品	America
2	103	2020-03-12	65.000000	牛肉干	零食	America

5.4 分类显示

如果money列的值>=10, level列显示high，否则显示low：

data['level'] = np.where(data['money']>=10, 'high', 'low')
data

输出结果：

	id	date	money	product	department	origin	level
0	101	2020-03-10	5.000000	苏打水	饮料	China	low
1	102	2020-03-11	4.000000	可乐	饮料	China	low
2	103	2020-03-12	65.000000	牛肉干	零食	America	high
3	104	2020-03-13	20.666667	老干妈	调味品	China	high
4	105	2020-03-14	15.000000	菠萝	水果	Thailand	high
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China	high
6	107	2020-03-16	35.000000	洗面奶	日用品	America	high
7	108	2020-03-17	16.000000	洋葱	蔬菜	China	high
8	109	2020-03-18	6.000000	牙膏	日用品	China	low
9	110	2020-03-19	20.000000	薯片	零食	Japan	high

5.5 分组标记

data.loc[(data['level']=="high") & (data['origin']=="China"),"sign"]="棒"
data

输出结果：

	id	date	money	product	department	origin	level	sign
0	101	2020-03-10	5.000000	苏打水	饮料	China	low	NaN
1	102	2020-03-11	4.000000	可乐	饮料	China	low	NaN
2	103	2020-03-12	65.000000	牛肉干	零食	America	high	NaN
3	104	2020-03-13	20.666667	老干妈	调味品	China	high	棒
4	105	2020-03-14	15.000000	菠萝	水果	Thailand	high	NaN
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China	high	棒
6	107	2020-03-16	35.000000	洗面奶	日用品	America	high	NaN
7	108	2020-03-17	16.000000	洋葱	蔬菜	China	high	棒
8	109	2020-03-18	6.000000	牙膏	日用品	China	low	NaN
9	110	2020-03-19	20.000000	薯片	零食	Japan	high	NaN

5.6 切割数据

对date字段的值依次进行分列，并创建数据表，索引值为data的索引列，列名称为year\month\day。

data_split = pd.DataFrame((x.split('-') for x in data['date']), index=data.index, columns=['year','month','day'])
data_split

输出结果：

	year	month	day
0	2020	03	10
1	2020	03	11
2	2020	03	12
3	2020	03	13
4	2020	03	14
5	2020	03	15
6	2020	03	16
7	2020	03	17
8	2020	03	18
9	2020	03	19

再与原数据表进行匹配：

pd.concat([data,data_split],axis=1)

输出结果：

	id	date	money	product	department	origin	level	sign	year	month	day
0	101	2020-03-10	5.000000	苏打水	饮料	China	low	NaN	2020	03	10
1	102	2020-03-11	4.000000	可乐	饮料	China	low	NaN	2020	03	11
2	103	2020-03-12	65.000000	牛肉干	零食	America	high	NaN	2020	03	12
3	104	2020-03-13	20.666667	老干妈	调味品	China	high	棒	2020	03	13
4	105	2020-03-14	15.000000	菠萝	水果	Thailand	high	NaN	2020	03	14
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China	high	棒	2020	03	15
6	107	2020-03-16	35.000000	洗面奶	日用品	America	high	NaN	2020	03	16
7	108	2020-03-17	16.000000	洋葱	蔬菜	China	high	棒	2020	03	17
8	109	2020-03-18	6.000000	牙膏	日用品	China	low	NaN	2020	03	18
9	110	2020-03-19	20.000000	薯片	零食	Japan	high	NaN	2020	03	19

6. 数据提取

下面这部分会比较绕：

loc函数按标签值进行提取，iloc按位置进行提取
pandas.DataFrame.loc() 允许输入的值：

单个标签，例如5或’a’，（请注意，5被解释为索引的标签，而不是沿索引的整数位置）。

标签列表或数组，例如。[‘a’, ‘b’, ‘c’]

具有标签的切片对象，例如’a’:‘f’，切片的开始和结束都包括在内。

更多关于pandas.DataFrame.loc的用法，戳下面官方链接： https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.loc.html#pandas.DataFrame.loc

pandas.DataFrame.iloc()
允许输入的值：整数5、整数列表或数组[4,3,0]、整数的切片对象1:7

更多关于pandas.DataFrame.iloc的用法，戳下面官方链接： https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.iloc.html#pandas.DataFrame.iloc

6.1 单行索引

data.loc[6]    # 提取索引值为6的那一行（即输出第7行）

输出结果：

id	107
date	2020-03-16
money	35
product	洗面奶
department	日用品
origin	America
level	high
sign	NaN

data.iloc[6]    # 提取第7行

输出结果同上！

6.2 区域索引

6.2.1 用loc取连续的多行

提取索引值为2到索引值为4的所有行，即提取第3行到第5行，注意：此时切片的开始和结束都包括在内。

data.loc[2:4]

输出结果：

	id	date	money	product	department	origin	level	sign
2	103	2020-03-12	65.000000	牛肉干	零食	America	high	NaN
3	104	2020-03-13	20.666667	老干妈	调味品	China	high	棒
4	105	2020-03-14	15.000000	菠萝	水果	Thailand	high	NaN

提取“2020-03-13”之前的所有数据

data.loc[:"2020-03-13"]

输出结果：

	id	date	money	product	department	origin	level	sign
0	101	2020-03-10	5.0	苏打水	饮料	China	low	NaN
1	102	2020-03-11	4.0	可乐	饮料	China	low	NaN
2	103	2020-03-12	65.0	牛肉干	零食	America	high	NaN

6.2.2 用loc取不连续的多行

提取索引值为2和索引值为4的所有行，即提取第3行和第5行。

data.loc[[2,4]]

输出结果：

	id	date	money	product	department	origin	level	sign
2	103	2020-03-12	65.0	牛肉干	零食	America	high	NaN
4	105	2020-03-14	15.000000	菠萝	水果	Thailand	high	NaN

6.2.3 用loc取具体值

data.loc[6,"id"]

输出结果：107

6.2.4 用iloc取连续的多行

提取第3行到第6行

data.iloc[2:6]

输出结果：

	id	date	money	product	department	origin	level	sign
2	103	2020-03-12	65.0	牛肉干	零食	America	high	NaN
3	104	2020-03-13	20.666667	老干妈	调味品	China	high	棒
4	105	2020-03-14	15.000000	菠萝	水果	Thailand	high	NaN
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China	high	棒

6.2.5 用iloc取连续的多行和多列

提取第3行到第6行，第4列到第5列的值，取得是行和列交叉点的位置。

data.iloc[2:6,3:5]

输出结果：

	product	department
2	牛肉干	零食
3	老干妈	调味品
4	菠萝	水果
5	冰激凌	冷冻食品

6.2.6 用iloc取不连续的多行和多列

提取第3行和第6行，第4列和第5列的交叉值

data.iloc[[2,6],[3,5]]

输出结果：

	product	origin
2	牛肉干	America
6	洗面奶	America

6.2.7 用iloc取具体值

提取第3行第7列的值

data.iloc[2,6]

输出结果：‘high’

总结：文字变代码，数值少1；代码变文字，数值加1；代码从0开始计数；文字从1开始计数。

6.3 值的判断

方式一：判断origin列的值是否为China

data['origin']=="China"

方式二：判断department列的值是否为水果

data['department'].isin(['水果'])

输出结果：

0	False
1	False
2	False
3	False
4	True
5	False
6	False
7	False
8	False
9	False

data['department'].isin(['水果']).sum()     # 对判断后的值进行汇总

输出结果：1

6.4 提取符合判断的值

data.loc[data['origin'].isin(['Thailand'])]    # 将产地是泰国的数据进行提取

输出结果：

	id	date	money	product	department	origin	level	sign
4	105	2020-03-14	15.000000	菠萝	水果	Thailand	high	NaN

7. 数据筛选

7.1 使用与、或、非进行筛选

将满足origin是China且money小于35这两个条件的数据，返回其id、date、money、product、department、origin值。

data.loc[(data['origin']=="China") & (data['money']<35),['id','date','money','product','department','origin']]

输出结果：

	id	date	money	product	department	origin
0	101	2020-03-10	5.000000	苏打水	饮料	China
1	102	2020-03-11	4.000000	可乐	饮料	China
3	104	2020-03-13	20.666667	老干妈	调味品	China
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China
7	108	2020-03-17	16.000000	洋葱	蔬菜	China
8	109	2020-03-18	6.000000	牙膏	日用品	China

将满足origin是China或者money小于35这两个条件之中任意一个条件的数据，返回其id、date、money、product、department、origin值。

data.loc[(data['origin']=="China") | (data['money']<35),['id','date','money','product','department','origin']]

输出结果：

	id	date	money	product	department	origin
0	101	2020-03-10	5.000000	苏打水	饮料	China
1	102	2020-03-11	4.000000	可乐	饮料	China
3	104	2020-03-13	20.666667	老干妈	调味品	China
4	105	2020-03-14	15.000000	菠萝	水果	Thailand
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China
7	108	2020-03-17	16.000000	洋葱	蔬菜	China
8	109	2020-03-18	6.000000	牙膏	日用品	China
9	110	2020-03-19	20.000000	薯片	零食	Japan

将满足origin是China且money不小于10这两个条件的数据，返回其id、date、money、product、department、origin值。

data.loc[(data['origin']=="China") != (data['money']<10),['id','date','money','product','department','origin']]

输出结果：

	id	date	money	product	department	origin
3	104	2020-03-13	20.666667	老干妈	调味品	China
5	106	2020-03-15	20.000000	冰激凌	冷冻食品	China
7	108	2020-03-17	16.000000	洋葱	蔬菜	China

7.2 使用query函数进行筛选

data.query('department=="饮料"')              # 单个条件筛选
data.query('department==["饮料","零食"]')     # 多个条件筛选

输出结果：

	id	date	money	product	department	origin	level	sign
0	101	2020-03-10	5.0	苏打水	饮料	China	low	NaN
1	102	2020-03-11	4.0	可乐	饮料	China	low	NaN
2	103	2020-03-12	65.0	牛肉干	零食	America	high	NaN
9	110	2020-03-19	20.0	薯片	零食	Japan	high	NaN

更多关于pandas.DataFrame.query的用法，戳下面官方链接： https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.query.html

7.3 对结果进行计数求和

data.query('department=="饮料"').count()         # 对饮料类型的数据进行筛选后计数
data.query('department=="饮料"').money.count()   # 对筛选后的数据按照money进行计数

输出结果：2

data.query('department=="饮料"').money.sum()    # 在筛选后的数据中，对money进行求和

输出结果：9.0

8. 数据汇总

8.1 以department属性对所有列进行计数汇总

data.groupby("department").count()

输出结果：

8.2 以department属性分组之后，对id字段进行计数汇总

data.groupby("department")['id'].count()

输出结果：

冷冻食品	1
日用品	2
水果	1
蔬菜	1
调味品	1
零食	2
饮料	2

8.3 以两个属性进行分组计数

data.groupby(["department","origin"]).count()

输出结果：

8.4 以department属性进行分组汇总并计算money的合计与均值

data.groupby("department")['money'].agg([len, np.sum, np.mean])

输出结果：

9. 数据统计

9.1 数据采样

pandas.DataFrame.sample(n = None,replace = False,weights = None)

n:样本数

replace：样本有无更换（有无放回）（默认不放回）

weights：权重

更多关于pandas.DataFrame.sample的用法，戳下面官方链接： https://pandas.pydata.org/pandas-docs/version/0.17.0/generated/pandas.DataFrame.sample.html

data.sample(3,replace=True,weights=[0.1,0.1,0.2,0.2,0.1,0.1,0.1,0.1,0,0])

输出结果：

	id	date	money	product	department	origin	level	sign
1	102	2020-03-11	4.000000	可乐	饮料	China	low	NaN
3	104	2020-03-13	20.666667	老干妈	调味品	China	high	棒
0	101	2020-03-10	5.000000	苏打水	饮料	China	low	NaN

9.2 描述性统计

data.describe().round(2).T      # round表示小数位数，T表示转置（这一函数之前提及过）

9.3 计算标准差

data['money'].std()

输出结果：18.14754345175493

9.4 计算协方差

data.cov()

输出结果：

	id	money
id	9.166667	-2.666667
money	-2.666667	329.333333

9.5 相关性分析

data.corr()

输出结果：

	id	money
id	1.000000	-0.048534
money	-0.048534	1.000000

思维导图

笔记中如果有错误的地方，欢迎各位小伙伴指正，感谢！
如果需要完整思维导图电子版（PDF、Xmind等）可以留言或者私信！

参考资料：

pandas官网

pandas用法总结

Pandas 文本数据方法 capitalize( ) lower( ) upper( )

python【all()全1为1, any()全0为0】

pandas 数据类型转换

你可能感兴趣的:(超全的pandas数据分析常用函数总结：下篇（附赠思维导图）)

美易官方：盘前道指期货涨0.5%，游戏驿站跌逾15% 美股投资财经人工智能大数据新浪微博微信微信公众平台百度金融
在股市开盘前的交易时段，道指期货上涨了0.5%，而游戏驿站（GameStop）的股价却出现了大幅下跌，跌幅超过15%。这一市场动态引发了投资者的广泛关注，也反映了当前股市的复杂性和不确定性。美股股指期货周三盘前走强，交易员为季度末的再平衡做准备。本周因假期而缩短，美国将公布关键通胀数据。道指期货涨0.5%，标普500指数期货涨0.6%，纳指期货涨0.5%。德国DAX指数涨0.4%，英国富时100指
亲亲往这里来神道仙灵
图片发自App…哈…哈……上次……失误…失误……此…次……哈…哈…哈……我不会……哪么……大舌头……哪么……呆笨……直…白…了…！…亲们……看见…我口中……喝的…啥了么……呵…呵…呵……看见…我手上……又…拿的……啥了…么……哈…哈…哈……哈我的小宝贝
别人能伤害你，是你允许的。 1125198e6b7d
不要对别人抱有太大期望，保护自己的最佳方式,就是从不高估自己在别人心中的份量。能伤害你的从来不是别人的无情，而是你心存幻想的坚持。及时止损，不盼望就不会失望。相识很久的关系，明明内心很不舒服，却还要装作若无其事的样子，强撑着去面对。一次又一次为了迎合而迎合，自我qipian，精神内耗。对于那些不能带给你任何积极能量的人，我们真正要做的就是及时止损。伤害你的人从来没想过帮助你成长，真正让你成长的是你
2023-02-16 执剑饮烈酒
1、开心点，反正谁也别想活着离开这个世界。——朱德庸2、我一直以为爱的反义词是不爱，直到现在我才明白，爱的反义词是遗忘。——《寻梦环游记》3、人生的最高境界是佛为心，道为骨，儒为表，大度看世界。技在手，能在身，思在脑，从容过生活。——南怀瑾4、如果一个民族沦落到，只剩下把升官发财当成最终目标和追求的时候，那么这个民族就危险了，一旦金钱和权利成了唯一的信仰，那将是悲哀的。——鲁迅5、人和人如果不在一
为什么wal会提升数据库性能浩澜大大数据库
由于对于一个数据库内会存在很多张表，那么当数据库更新表数据时（1）直接写入磁盘实际写入的位置，会根据表的不同对应到不同的磁盘位置，在写入数据的时候，就会不停的寻找磁盘地址，找到地址后再去写入，对于机械硬盘来说，无规律的寻址是非常耗时的，对应SSD来说虽然性能提升很多，但是也会消耗时间；（2）先写入日志，在写入磁盘（WAL）WAL的过程，由于总是按照在文件末尾追加，只要找到文件写入位置，写入修改后，
【Python】一文详细介绍 py格式文件高斯小哥 Python基础【高质量合集】python 新手入门学习
【Python】一文详细介绍py格式文件个人主页：高斯小哥高质量专栏：Matplotlib之旅：零基础精通数据可视化、Python基础【高质量合集】、PyTorch零基础入门教程希望得到您的订阅和支持~创作高质量博文(平均质量分92+)，分享更多关于深度学习、PyTorch、Python领域的优质内容！（希望得到您的关注~）文章目录一、py格式文件简介二、如何创建和编辑py格式文件三、如何运行py
《昼颜》里的日本女人：相遇要万种风情，分手要残忍绝情迷影咖啡
作者：迷之菌子神奇菇迷影咖啡：一本正经做烘焙，胡说八道聊电影漫天萤火虫消散之时良宵就将过去，人们也说含苞待放的花蕾总会开了又谢，因紧紧相拥而面红耳赤的躯体，便是我们经历过这热爱的证明。夫妻关系介绍《昼颜》是2014年电视剧《昼颜：工作日下午三点的恋人们》的续集，故事发在电视剧情节结束的三年后，讲述了已经恢复独身的纱和偶然与曾经的出轨对象北野重逢后再次陷入感情漩涡的故事。《昼颜》制作灵感源自利佳子在
迎接2019 唯有杜康1994
告别2018这一年是机遇与挑战，痛苦与喜悦，失去与收获的一年一月:收获了第一份爱情，开始真正想去了解一个人三月:对工作有了更深入的认识，靠自己的力量完成晋升五月:搬家，住进了自己理想的公寓，一间属于自己的屋子。满地的书六月:外调广州，升经理，有了自己的第一个团队。七月:怀着自我否定，第一次完成了部门任务八月:第一个员工流失，痛哭不已明白无不散之筵席九月:员工陆续离开，经济是一切的根本。十月:陪员工
亲子日记之祝姑姥姥生日快乐（282）冰心雨露_d504
2021年7月18日，周日，晴周日上班的不上班，上学的不上学，全家都属于休息状态，洗衣做饭是上午的主要任务，中午休息一会儿，下午比较晚了出去给梦怡买了二年级上册的口算题卡，然后去参加姑姑的生日聚餐，本来姑姑应该是周一生日，因为周一都要上班，就提前到周日过了，说是过生日其实就是想借此机会一家人聚聚，毕竟平常都忙，没有时间聚在一起，梦怡还给姑姥姥做了生日贺卡，虽然长相一般，重在心意。生日快乐
100天30本书读书计划（2018-06-11）DAY 62 一个姜姜
【书名】当我谈跑步时，我谈些什么【作者】村上春树【读书页数】51--128/187【读书时间】2018年6月11日【精彩句子】01肌肉难长，易消。赘肉易长，难消。P5502肌肉也同有血有肉的动物一般无二，它也愿意过更舒服的日子，不继续给它负荷，它便会心安理得地将记忆出去。想再度输入的话，必须得从头开始，将同样的模式重复一遍。P7703不管怎样，反正得坚持跑步。每天跑步对我来说好比生命线，不能说忙就
植物小记番茄秧子
小时候，我养过一院子的花。今年，我重新开始从头开始养一点儿植物。别人说那也只是别人说临到快过年，我逛了一趟花市，买了两棵水仙花。路过另外一个卖水仙的摊位，霸气的卖花小妹瞧了一眼我捧着的那两棵弱小，说了一句：“你那个水仙不行，都不会开花的。”以我的脾气，这当然不能相信啊。结果，带回家好几天没动静。某一天早晨起来，两棵水仙悄不吭声全开了，然后香了屋子好多天。水仙三月，我在花市扛了一盆栀子花，花店老板见
大学播音主持都学什么内容？播音主持专业学什么？配音新手圈
有些喜欢播音主持并且犹豫要不要报考这个大学专业的小伙伴们就会想要了解大学播音主持都学什么内容吧，毕竟如果不够了解就直接选择这个专业真的等选择完进去学习以后才知道这个专业并不是自己想要学习的东西那就来不及了。下面是小编为大家整理出来的一些播音主持专业学习的内容，请往下看吧。大学播音主持专业主要学习的课程有：播音发声、播音创作基础、广播播音主持、电视播音主持、文艺作品演播学概论、新闻学概论、新闻采编、
Android和IOS应用开发-Flutter应用让屏幕在 app 运行期间保持常亮的方法江上清风山间明月 Flutter android ios flutter KeepAlive 屏幕常亮 wakelock 熄屏
文章目录Flutter应用让屏幕在app运行期间保持常亮的方法方法一：使用系统插件方法二：使用Widgets注意事项Flutter应用让屏幕在app运行期间保持常亮的方法在Flutter开发中，可以使用以下两种方法让屏幕在app运行期间保持常亮：方法一：使用系统插件Flutter社区中已经有很多相关插件可供使用，比如wakelock:https://pub.dev/packages/wakeloc
微信小程序监听用户经纬度变化某公司摸鱼前端微信小程序小程序
一些打卡App需要根据用户的位置来完成打卡那么就需要监听用户位置变化情况：示例：//在某个生命周期函数中，如onLoad中onLoad:function(options){//开始监听位置变化wx.startLocationUpdate({success:function(){console.log('开始更新位置');},fail:function(){console.log('开始更新位置失败
2019-04-08早梦雅的简动力
在上瑜伽课前10分钟的调息中，你的眼睛为什么总是想睁开？（焦虑）。你的眉头为什么总是紧锁？（压力）。练习体式时你为什么总是去看别人？（攀比）保持体式时你为什么总是烦躁？（性急）。保持长久而规律的练习，以上这些，终归离你远去。瑜伽，首先，不是帮你得到，而是教你放下。图片发自App时间，一时间无法跳离这个特殊的词汇毅力，坚持，真诚，需要时间来见证真相，现实，伪装，时间自然会揭秘珍惜它又害怕它可它丝毫不
3/31总结静心第一
今日总结：1.上午体验课以及反馈2.p1专注力上课3.情绪精品营上课4.燕子营队辅营以及前台值班5.活动室带孩子接待带到访今日反思：1.合理安排体力2.对于准客户记得跟进3.不要放过每一次成交的机会（这个精品营转发有点失败，后期需调整）今日感受：1.为了效果，后期课程一定想方设法布置家庭，给予一个好的支持系统2.上到下午的课程感觉特别特别的累3.晚上在做辅营一个孩子大声叫喊，后来单独出去沟通，其实
极狐GitLab 论坛 2.0 全新上线，可以在论坛上查找与 GitLab 相关的问题了～极小狐 gitlab 极狐GitLab devops GitLab ci/cd devsecops SCM
安装出现依赖错误？版本升级搞不定？遇到422、500就懵逼了？不知道某个功能是免费or付费？……使用GitLab这种全球顶级的DevOps平台进行软件研发时，总会遇到一些困惑，想跟专业的技术人员快速交流以便获得答案，同时又想把这些问题沉淀下来以帮助他人？有这种赠人玫瑰，手有余香的解决方案吗？答案肯定有：论坛！！！论坛——一个各路大神聚集的地方，一个可以解惑答疑问道的地方。解惑：搜索与自己问题相同或
数据结构奇妙旅程之深入解析快速排序山间漫步人生路数据结构排序算法算法
快速排序（QuickSort）是一种高效的排序算法，它使用了分治法的策略来将一个数组排序。其基本思想是选择一个基准元素，通过一趟排序将待排序的数据分割成独立的两部分，其中一部分的所有数据都比基准元素小，另一部分的所有数据都比基准元素大，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列。工作原理选择基准：从待排序的序列中选一个元素作为基准（pivo
被隔离的日子（五）@三七会写作营三七会萍海临风
从隔离的初期，我们三人都不适应，彼此说话都还火药味十足。后随着时间的推移，到现在，我们仨人能够心平气和，幽默地对待彼此。看来，时间可真是个好东西，不仅能见证一个人的心性，还能看清自己的需求、他人的本质。今天晚上，孩子跑到厨房，告诉我她给人捐款了。我纳闷，不是给河南捐过款了么。当时，我还落后于她捐的呢。这次又捐给谁？看到我一脸狐疑，孩子说，还记得初四给她补课的那个男老师么？当让记得，当时，就因为是男
教育微创新的意蕴知北老师
我是1992年参加工作的，一毕业就被分配到一所全县最偏僻落后的农村学校——付窝中学，12年后被调往一所已经连续十年全县倒数第一，也是很偏僻落后的农村学校——北宋镇第三中学。三年后到了北宋镇第一中学工作，这所学校教学质量也是连续几年落后了。2014年我到了北京市育英学校，这所学校是京城名校。2016年7月，我被育英学校派往原密云区第七中学工作，这是一所城乡接合部薄弱学校。学校现名为北京市育英学校密云
我喝醉了，但是与你无关 Z先生的日记本
2019年04月10号晚上我和一个朋友喝酒了，彻彻底底的喝醉了，喝到短片，事后我问L，我说我喝醉了之后，都发生了什么，L没有告诉我详情，但是跟我说了大致，他说我跟他一直聊天，说自己小的时候的事，说自己爸妈的事，说自己现在过得很苦可能，确实是喝醉了酒，才会毫无防备的跟其他人说这些吧。L还说感觉我过得很苦，很心疼。醉了酒之后还哭了，想想还真是丢人一年前，在宿舍也有一瓶红酒，那是舍友出去拉赞助时候，友商
android 自定义曲线图,Android自定义View——贝赛尔曲线 weixin_39767513 android 自定义曲线图
个人博客：haichenyi.com。感谢关注本文针对有一定自定义View的童鞋，最好对贝赛尔曲线有辣么一丢丢了解，不了解也没关系。花5分钟看一下GcsSloop的安卓自定义View进阶-Path之贝塞尔曲线。本文的最终效果图：最终效果图.gif思路首先他是一个只有上半部分的正弦形状的水波纹，很规则。其次，他这个正弦图左右在移动。然后，就是它这个自定义View，上下也在移动，是慢慢增加的最后，优化
Flink中的SQL Client和SQL Gateway BigDataMLApplication flink flink sql gateway
Flink中的SQLClient和SQLGateway对比目录定义基本原理适用场景主要区别常用运维命令示例官方链接正文1.定义SQLClient：FlinkSQLClient是一种用于提交和执行FlinkSQL语句的命令行界面或图形界面工具。SQLGateway：FlinkSQLGateway是一个独立的服务，它允许客户端通过RESTfulAPI将SQL查询提交到Flink集群。2.基本原理SQL
2022年河南省高等职业教育技能大赛云计算赛项竞赛赛卷（样卷）忘川_ydy 云计算云计算 openstack kubernetes docker python k8s ansible
#需要资源（软件包及镜像）或有问题的，可私博主！！！#需要资源（软件包及镜像）或有问题的，可私博主！！！#需要资源（软件包及镜像）或有问题的，可私博主！！！第一部分：私有云任务1私有云服务搭建(10分)使用提供的用户名密码，登录竞赛用的云计算平台，按要求自行使用镜像创建两台云主机，创建完云主机后确保网络正常通信，然后按要求配置服务器。根据提供安装脚本框架，补充脚本完成OpenStack平台的安装搭
浪潮 M5系列服务器IPMI无法监控存储RAID卡问题. Songxwn 硬件服务器服务器运维
简介浪潮的M5代服务器，可能有WebBMC无法查看存储RAID/SAS卡状态的情况，可以通过以下方式修改。修改完成后重启BMC即可生效。ESXiIPMITools使用：https://songxwn.com/ESXi8_IPMI/（Linux也可以直接使用）Linux/ESXiIPMITool下载：https://songxwn.com/file/ipmitoolWindows下载：https:/
打印出1-100的奇数。（C语言）王多鱼001 C语言 c语言算法数据结构
代码：#includeintmain(){for(inti=1;i<101;i++){if(i%2==1){printf("%d,",i);}}return0;}
【OpenModelica】4命令行大全 Wumbuk python 开发语言 modelica
命令行大全文章目录命令行大全一、SummaryofCommandsfortheInteractiveSessionHandler二、Runningthecompilerfromcommandline一、SummaryofCommandsfortheInteractiveSessionHandler以下是交互式会话处理器中当前可用命令的完整列表。•simulate(modelname)：翻译一个名为
通俗易懂：MySQL中如何设置只读实例并确保数据一致性？大龄下岗程序员 mysql java mysql spring
在MySQL中设置只读实例主要应用于构建高可用性和扩展性的数据库环境，通常是为了分担读取负载或者用于备份和灾难恢复。以下是创建MySQL只读实例并确保数据一致性的基本步骤：1.创建并配置只读实例-主从复制设置-首先，你需要有一个主数据库实例（Master）负责接收所有的写操作。-创建一个或多个从数据库实例（Slave），并将它们配置为主数据库的复制品。这通常通过设置主从复制（Replication
拼多多纸巾推荐：品质与性价比的完美结合氧惠帮朋友一起省
拼多多纸巾推荐拼多多纸巾返现怎么做在我们的日常生活中，纸巾已经成为不可或缺的用品。无论是在家庭、办公室还是旅途中，纸巾都是我们随时随地需要的物品。随着电商平台的兴起，越来越多的人选择在网上购买纸巾。其中，拼多多作为国内知名的电商平台之一，以其独特的社交电商模式和实惠的价格吸引了大量用户。今天，我们就来探讨如何在拼多多上选择品质优良、性价比高的纸巾，以及如何通过一些小技巧来获取更多的优惠。一、品质与
5月8日盘前提示：维持短期可以操作到下周二左右的判断，重个股轻指数九命_猫妖
大盘：消息面。取消境外投资者额度限制，这个长线利好股市，短期影响不大，因为3000亿额度只用了1/3。额度本来就够用。走势看，昨天缩量横盘，走的还算中规中矩，近期一直弱势的次新股走势较强，前期强势股京威股份、光大嘉宝等跌停，由此判断市场还是存量博弈的市场，震荡是市场的主基调。维持短期可以操作到下周二左右的判断。下周后半段震荡回调的概率较高。思路：短期重个股轻指数行业和个股：物联网行业有利好，关注下
jQuery 跨域访问的三种方式 No 'Access-Control-Allow-Origin' header is present on the reque qiaolevip 每天进步一点点学习永无止境跨域众观千象
XMLHttpRequest cannot load http://v.xxx.com. No 'Access-Control-Allow-Origin' header is present on the requested resource. Origin 'http://localhost:63342' is therefore not allowed access. test.html:1
mysql 分区查询优化 annan211 java 分区优化 mysql
分区查询优化引入分区可以给查询带来一定的优势，但同时也会引入一些bug. 分区最大的优点就是优化器可以根据分区函数来过滤掉一些分区，通过分区过滤可以让查询扫描更少的数据。所以，对于访问分区表来说，很重要的一点是要在where 条件中带入分区，让优化器过滤掉无需访问的分区。可以通过查看explain执行计划，是否携带 partitions
MYSQL存储过程中使用游标 chicony Mysql存储过程
DELIMITER $$ DROP PROCEDURE IF EXISTS getUserInfo $$ CREATE PROCEDURE getUserInfo(in date_day datetime)-- -- 实例-- 存储过程名为：getUserInfo-- 参数为：date_day日期格式:2008-03-08-- BEGINdecla
mysql 和 sqlite 区别 Array_06 sqlite
转载： http://www.cnblogs.com/ygm900/p/3460663.html mysql 和 sqlite 区别 SQLITE是单机数据库。功能简约，小型化，追求最大磁盘效率 MYSQL是完善的服务器数据库。功能全面，综合化，追求最大并发效率 MYSQL、Sybase、Oracle等这些都是试用于服务器数据量大功能多需要安装，例如网站访问量比较大的。而sq
pinyin4j使用 oloz pinyin4j
首先需要pinyin4j的jar包支持；jar包已上传至附件内方法一:把汉字转换为拼音；例如：编程转换后则为biancheng /** * 将汉字转换为全拼 * @param src 你的需要转换的汉字 * @param isUPPERCASE 是否转换为大写的拼音； true:转换为大写；fal
微博发送私信随意而生微博
在前面文章中说了如和获取登陆时候所需要的cookie，现在只要拿到最后登陆所需要的cookie，然后抓包分析一下微博私信发送界面 http://weibo.com/message/history?uid=****&name=**** 可以发现其发送提交的Post请求和其中的数据，让后用程序模拟发送POST请求中的数据，带着cookie发送到私信的接入口，就可以实现发私信的功能了。
jsp 香水浓 jsp
JSP初始化容器载入JSP文件后，它会在为请求提供任何服务前调用jspInit()方法。如果您需要执行自定义的JSP初始化任务，复写jspInit()方法就行了 JSP执行这一阶段描述了JSP生命周期中一切与请求相关的交互行为，直到被销毁。当JSP网页完成初始化后
在 Windows 上安装 SVN Subversion 服务端 AdyZhang SVN
在 Windows 上安装 SVN Subversion 服务端2009-09-16高宏伟哈尔滨市道里区通达街291号最佳阅读效果请访问原地址：http://blog.donews.com/dukejoe/archive/2009/09/16/1560917.aspx 现在的Subversion已经足够稳定，而且已经进入了它的黄金时段。我们看到大量的项目都在使
android开发中如何使用 alertDialog从listView中删除数据？ aijuans android
我现在使用listView展示了很多的配置信息，我现在想在点击其中一条的时候填出 alertDialog,点击确认后就删除该条数据，（ ArrayAdapter ，ArrayList，listView 全部删除），我知道在下面的onItemLongClick 方法中参数 arg2 是选中的序号，但是我不知道如何继续处理下去 1 2 3
jdk-6u26-linux-x64.bin 安装 baalwolf linux
1.上传安装文件(jdk-6u26-linux-x64.bin) 2.修改权限 [root@localhost ~]# ls -l /usr/local/jdk-6u26-linux-x64.bin 3.执行安装文件 [root@localhost ~]# cd /usr/local [root@localhost local]# ./jdk-6u26-linux-x64.bin&nbs
MongoDB经典面试题集锦 BigBird2012 mongodb
1.什么是NoSQL数据库？NoSQL和RDBMS有什么区别？在哪些情况下使用和不使用NoSQL数据库？ NoSQL是非关系型数据库，NoSQL = Not Only SQL。关系型数据库采用的结构化的数据，NoSQL采用的是键值对的方式存储数据。在处理非结构化/半结构化的大数据时；在水平方向上进行扩展时；随时应对动态增加的数据项时可以优先考虑使用NoSQL数据库。在考虑数据库的成熟
JavaScript异步编程Promise模式的6个特性 bijian1013 JavaScript Promise
Promise是一个非常有价值的构造器，能够帮助你避免使用镶套匿名方法，而使用更具有可读性的方式组装异步代码。这里我们将介绍6个最简单的特性。在我们开始正式介绍之前，我们想看看Javascript Promise的样子： var p = new Promise(function(r
[Zookeeper学习笔记之八]Zookeeper源代码分析之Zookeeper.ZKWatchManager bit1129 zookeeper
ClientWatchManager接口 //接口的唯一方法materialize用于确定那些Watcher需要被通知 //确定Watcher需要三方面的因素1.事件状态 2.事件类型 3.znode的path public interface ClientWatchManager { /** * Return a set of watchers that should
【Scala十五】Scala核心九：隐式转换之二 bit1129 scala
隐式转换存在的必要性，在Java Swing中，按钮点击事件的处理，转换为Scala的的写法如下： val button = new JButton button.addActionListener( new ActionListener { def actionPerformed(event: ActionEvent) {
Android JSON数据的解析与封装小Demo ronin47
转自：http://www.open-open.com/lib/view/open1420529336406.html package com.example.jsondemo; import org.json.JSONArray; import org.json.JSONException; import org.json.JSONObject; impor
[设计]字体创意设计方法谈 brotherlamp UI ui自学 ui视频 ui教程 ui资料
从古至今，文字在我们的生活中是必不可少的事物，我们不能想象没有文字的世界将会是怎样。在平面设计中，UI设计师在文字上所花的心思和功夫最多，因为文字能直观地表达UI设计师所的意念。在文字上的创造设计，直接反映出平面作品的主题。如设计一幅戴尔笔记本电脑的广告海报，假设海报上没有出现“戴尔”两个文字，即使放上所有戴尔笔记本电脑的图片都不能让人们得知这些电脑是什么品牌。只要写上“戴尔笔
单调队列-用一个长度为k的窗在整数数列上移动，求窗里面所包含的数的最大值 bylijinnan java 算法面试题
import java.util.LinkedList; /* 单调队列滑动窗口单调队列是这样的一个队列：队列里面的元素是有序的，是递增或者递减题目：给定一个长度为N的整数数列a(i),i=0,1,...,N-1和窗长度k. 要求：f(i) = max{a(i-k+1),a(i-k+2),..., a(i)},i = 0,1,...,N-1 问题的另一种描述就
struts2处理一个form多个submit chiangfai struts2
web应用中，为完成不同工作，一个jsp的form标签可能有多个submit。如下代码： <s:form action="submit" method="post" namespace="/my"> <s:textfield name="msg" label="叙述：">
shell查找上个月，陷阱及野路子 chenchao051 shell
date -d "-1 month" +%F 以上这段代码，假如在2012/10/31执行，结果并不会出现你预计的9月份，而是会出现八月份，原因是10月份有31天，9月份30天，所以-1 month在10月份看来要减去31天，所以直接到了8月31日这天，这不靠谱。野路子解决：假设当天日期大于15号
mysql导出数据中文乱码问题 daizj mysql 中文乱码导数据
解决mysql导入导出数据乱码问题方法：１、进入mysql，通过如下命令查看数据库编码方式： mysql> show variables like 'character_set_%'; +--------------------------+----------------------------------------+ | Variable_name&nbs
SAE部署Smarty出现：Uncaught exception 'SmartyException' with message 'unable to write dcj3sjt126com PHP smarty sae
对于SAE出现的问题：Uncaught exception 'SmartyException' with message 'unable to write file...。官方给出了详细的FAQ：http://sae.sina.com.cn/?m=faqs&catId=11#show_213 解决方案为： 01 $path
《教父》系列台词 dcj3sjt126com
Your love is also your weak point. 你的所爱同时也是你的弱点。 If anything in this life is certain, if history has taught us anything, it is that you can kill anyone. 不顾家的人永远不可能成为一个真正的男人。 &
mongodb安装与使用 dyy_gusi mongo
一.MongoDB安装和启动,widndows和linux基本相同 1.下载数据库, linux:mongodb-linux-x86_64-ubuntu1404-3.0.3.tgz 2.解压文件,并且放置到合适的位置 tar -vxf mongodb-linux-x86_64-ubun
Git排除目录 geeksun git
在Git的版本控制中，可能有些文件是不需要加入控制的，那我们在提交代码时就需要忽略这些文件，下面讲讲应该怎么给Git配置一些忽略规则。有三种方法可以忽略掉这些文件，这三种方法都能达到目的，只不过适用情景不一样。 1. 针对单一工程排除文件这种方式会让这个工程的所有修改者在克隆代码的同时，也能克隆到过滤规则，而不用自己再写一份，这就能保证所有修改者应用的都是同一
Ubuntu 创建开机自启动脚本的方法 hongtoushizi ubuntu
转载自： http://rongjih.blog.163.com/blog/static/33574461201111504843245/ Ubuntu 创建开机自启动脚本的步骤如下： 1) 将你的启动脚本复制到 /etc/init.d目录下以下假设你的脚本文件名为 test。 2) 设置脚本文件的权限 $ sudo chmod 755
第八章流量复制/AB测试/协程 jinnianshilongnian nginx lua coroutine
流量复制在实际开发中经常涉及到项目的升级，而该升级不能简单的上线就完事了，需要验证该升级是否兼容老的上线，因此可能需要并行运行两个项目一段时间进行数据比对和校验，待没问题后再进行上线。这其实就需要进行流量复制，把流量复制到其他服务器上，一种方式是使用如tcpcopy引流；另外我们还可以使用nginx的HttpLuaModule模块中的ngx.location.capture_multi进行并发
电商系统商品表设计 lkl
DROP TABLE IF EXISTS `category`; -- 类目表 /*!40101 SET @saved_cs_client = @@character_set_client */; /*!40101 SET character_set_client = utf8 */; CREATE TABLE `category` ( `id` int(11) NOT NUL
修改phpMyAdmin导入SQL文件的大小限制 pda158 sql mysql
　用phpMyAdmin导入mysql数据库时，我的10M的数据库不能导入，提示mysql数据库最大只能导入2M。　　 phpMyAdmin数据库导入出错：　　You probably tried to upload too large file. Please refer to documentation for ways to workaround this limit.
Tomcat性能调优方案 Sobfist apache jvm tomcat 应用服务器
一、操作系统调优对于操作系统优化来说，是尽可能的增大可使用的内存容量、提高CPU的频率，保证文件系统的读写速率等。经过压力测试验证，在并发连接很多的情况下，CPU的处理能力越强，系统运行速度越快。。【适用场景】任何项目。二、Java虚拟机调优应该选择SUN的JVM，在满足项目需要的前提下，尽量选用版本较高的JVM，一般来说高版本产品在速度和效率上比低版本会有改进。 J
SQLServer学习笔记 vipbooks 数据结构 xml
1、create database school 创建数据库school 2、drop database school 删除数据库school 3、use school 连接到school数据库，使其成为当前数据库 4、create table class(classID int primary key identity not null) 创建一个名为class的表，其有一