Lansonli
Lansonli

女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术

女朋友问阿里双十一实时大屏如何实现，不懂技术的她居然好奇问这个，身为程序员的我只能用毕生所学开始跟她讲大数据技术。

全网最详细的大数据文章系列，强烈建议收藏加关注！

目录

历史文章

前言

阿里双十一实时大屏 背后的大数据技术

一、大数据相关概念剖析

1、什么是大数据？

2、数据分析基础概念

3、人工智能基础概念

4、人工智能+大数据分析场景案例

5、相亲场景用户画像分析场景案例

二、双十一面临的技术挑战

双11---世界级互联网技术超级工程！

三、阿里双11大数据技术解决方案

1、Flink流批一体护驾双11

2、Flink简单介绍

3、Flink官网介绍：https://flink.apache.org/

四、Flink实现双十一实时大屏 

实现代码 

五、Flink实现超时订单自动好评

实现代码

六、大数据行业趋势分析

1、新基建和数字化转型助力大数据+AI多场景落地

2、多行业场景大数据应用占比 

3、从传统物流到智慧物流演变之旅 

4、智慧物流大数据行业级解决方案

5、大数据行业趋势分析 

6、大数据技术框架应用

7、大数据开发岗位

七、大数据技术知识体系

历史文章

2021年大数据Hadoop（十七）：MapReduce编程规范及示例编写

2021年大数据Hadoop（十六）：MapReduce计算模型介绍

2021年大数据Hadoop（十五）：Hadoop的联邦机制 Federation

2021年大数据Hadoop（十四）：HDFS的高可用机制

2021年大数据Hadoop（十三）：HDFS意想不到的其他功能

 

前言

2021年全网最详细的大数据笔记，轻松带你从入门到精通，该栏目每天更新，汇总知识分享

女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第1张图片

阿里双十一实时大屏 背后的大数据技术

 

一、大数据相关概念剖析

1、什么是大数据？

女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第2张图片

2、数据分析基础概念

女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第3张图片

3、人工智能基础概念

女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第4张图片

4、人工智能+大数据分析场景案例

女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第5张图片

5、相亲场景用户画像分析场景案例

女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第6张图片

 

二、双十一面临的技术挑战

双11---世界级互联网技术超级工程！

阿里双11实时业务量和数据量每年都在大幅增长，去年双11的实时计算峰值达到了创纪录的每秒 40 亿条记录，数据体量也达到了惊人的7 TB 每秒，相当于一秒钟需要读完 500 万本《新华字典》。

可以实事求是的说：阿里的双 11 是一次全球商业、科技、数据、智能的大协同，是一个商业社会的大协同，更是一个技术的大协同，是名副其实的世界级互联网技术的超级工程！

女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第7张图片

女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第8张图片

短时间内处理这么大的数据量如何解决：高并发、高吞吐、低延迟、稳定性、安全性等问题？

当然，问题很多，解决方案很复杂，今天主要探讨大数据相关的技术解决方案 其他技术方案，可以参考提供的扩展资料！

女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第9张图片

 

三、阿里双11大数据技术解决方案

1、Flink流批一体护驾双11

去年的双11，阿里的GMV成交总金额 达到了 4982 亿，实时计算处理的流量洪峰创纪录地达到了每秒40亿条的记录，数据体量也达到了惊人的每秒7TB，基于Flink的流批一体数据应用开始在阿里巴巴最核心的数据业务场景崭露头角，并在稳定性、性能和效率方面都经受住了严苛的生产考验。---丝般顺滑        

基于 Flink 的阿里巴巴实时计算平台也圆满完成了去年双 11 整体经济体的实时数据任务保障，再次平稳度过全年大考。

女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第10张图片

 

女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第11张图片

2、Flink简单介绍

2009年Flink 诞生于柏林工业大学的一个大数据研究项目 StratoSphere。

2014 年孵化出 Flink捐献给Apache，并成为 Apache 顶级项目，同时 Flink 的主流方向被定位为流式计算并大数据行业内崭露头角。

2015 年阿里巴巴开始使用 Flink 并持续贡献社区(阿里内部还基于Flink做了一套Blink)

2019年1月8日，阿里巴巴以 9000 万欧元(7亿元人民币)收购了创业公司 Data Artisans。 从此Flink开始了新一轮的乘风破浪！在国内流行的一发不可收拾！

女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第12张图片

3、Flink官网介绍：https://flink.apache.org/

女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第13张图片

 

四、Flink实现双十一实时大屏 

在大数据的实时处理中，实时的大屏展示已经成了一个很重要的展示项，比如最有名的双十一大屏实时销售总价展示。  

今天就做一个最简单的模拟电商统计大屏的小例子，需求如下：

1.实时计算出当天零点截止到当前时间的销售总额

2.计算出各个分类的销售top3

3.每秒钟更新一次统计结果

女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第14张图片

实现代码 

package cn.lanson.action;

import lombok.AllArgsConstructor;
import lombok.Data;
import lombok.NoArgsConstructor;
import org.apache.commons.lang3.StringUtils;
import org.apache.flink.api.common.functions.AggregateFunction;
import org.apache.flink.api.java.tuple.Tuple;
import org.apache.flink.api.java.tuple.Tuple1;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.source.SourceFunction;
import org.apache.flink.streaming.api.functions.windowing.ProcessWindowFunction;
import org.apache.flink.streaming.api.functions.windowing.WindowFunction;
import org.apache.flink.streaming.api.windowing.assigners.TumblingProcessingTimeWindows;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.streaming.api.windowing.triggers.ContinuousProcessingTimeTrigger;
import org.apache.flink.streaming.api.windowing.windows.TimeWindow;
import org.apache.flink.util.Collector;

import java.math.BigDecimal;
import java.math.RoundingMode;
import java.text.SimpleDateFormat;
import java.util.*;
import java.util.stream.Collectors;

/**
 * Author Lansonli
 * Desc 模拟双十一电商实时大屏显示:
 * 1.实时计算出当天零点截止到当前时间的销售总额
 * 2.计算出各个分类的销售top3
 * 3.每秒钟更新一次统计结果
 */
public class DoubleElevenBigScreem {
    public static void main(String[] args) throws Exception {
        //1.env
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        //2.source
        DataStream> dataStream = env.addSource(new MySource());

        //3.transformation
        DataStream result = dataStream
                .keyBy(0)
                .window(
                        //定义大小为一天的窗口,第二个参数表示中国使用的UTC+08:00时区比UTC时间早8小时
                        TumblingProcessingTimeWindows.of(Time.days(1), Time.hours(-8))
                )
                .trigger(
                        ContinuousProcessingTimeTrigger.of(Time.seconds(1))//定义一个1s的触发器
                )
                .aggregate(new PriceAggregate(), new WindowResult());

        //看一下聚合结果
        //result.print("初步聚合结果");

        //4.使用上面聚合的结果,实现业务需求:
        // * 1.实时计算出当天零点截止到当前时间的销售总额
        // * 2.计算出各个分类的销售top3
        // * 3.每秒钟更新一次统计结果
        result.keyBy("dateTime")
                .window(TumblingProcessingTimeWindows.of(Time.seconds(1)))//每秒钟更新一次统计结果
                .process(new WindowResultProcess());//在ProcessWindowFunction中实现该复杂业务逻辑

        env.execute();
    }

    /**
     * 自定义价格聚合函数,其实就是对price的简单sum操作
     */
    private static class PriceAggregate implements AggregateFunction, Double, Double> {
        @Override
        public Double createAccumulator() {
            return 0D;
        }

        @Override
        public Double add(Tuple2 value, Double accumulator) {
            return accumulator + value.f1;
        }

        @Override
        public Double getResult(Double accumulator) {
            return accumulator;
        }

        @Override
        public Double merge(Double a, Double b) {
            return a + b;
        }
    }

    /**
     * 自定义WindowFunction,实现如何收集窗口结果数据
     */
    private static class WindowResult implements WindowFunction {
        SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");

        @Override
        public void apply(Tuple key, TimeWindow window, Iterable input, Collector out) throws Exception {
            BigDecimal bg = new BigDecimal(input.iterator().next());
            double p = bg.setScale(2, BigDecimal.ROUND_HALF_UP).doubleValue();//四舍五入

            CategoryPojo categoryPojo = new CategoryPojo();
            categoryPojo.setCategory(((Tuple1) key).f0);
            categoryPojo.setTotalPrice(p);
            categoryPojo.setDateTime(simpleDateFormat.format(new Date()));

            out.collect(categoryPojo);
        }
    }

    /**
     * 实现ProcessWindowFunction
     * 在这里我们做最后的结果统计，
     * 把各个分类的总价加起来，就是全站的总销量金额，
     * 然后我们同时使用优先级队列计算出分类销售的Top3，
     * 最后打印出结果，在实际中我们可以把这个结果数据存储到hbase或者redis中，以供前端的实时页面展示。
     */
    private static class WindowResultProcess extends ProcessWindowFunction {
        @Override
        public void process(Tuple tuple, Context context, Iterable elements, Collector out) throws Exception {
            String date = ((Tuple1) tuple).f0;
            //优先级队列
            //实际开发中常使用PriorityQueue实现大小顶堆来解决topK问题
            //求最大k个元素的问题：使用小顶堆
            //求最小k个元素的问题：使用大顶堆
            //https://blog.csdn.net/hefenglian/article/details/81807527
            Queue queue = new PriorityQueue<>(3,
                    (c1, c2) -> c1.getTotalPrice() >= c2.getTotalPrice() ? 1 : -1);//小顶堆

            double price = 0D;
            Iterator iterator = elements.iterator();
            int s = 0;
            while (iterator.hasNext()) {
                CategoryPojo categoryPojo = iterator.next();
                //使用优先级队列计算出top3
                if (queue.size() < 3) {
                    queue.add(categoryPojo);
                } else {
                    //计算topN的时候需要小顶堆,也就是要去掉堆顶比较小的元素
                    CategoryPojo tmp = queue.peek();//取出堆顶元素
                    if (categoryPojo.getTotalPrice() > tmp.getTotalPrice()) {
                        queue.poll();//移除
                        queue.add(categoryPojo);
                    }
                }
                price += categoryPojo.getTotalPrice();
            }

            //按照TotalPrice逆序
            List list = queue.stream().sorted((c1, c2) -> c1.getTotalPrice() <= c2.getTotalPrice() ? 1 : -1)//逆序
                    .map(c -> "(分类：" + c.getCategory() + " 销售额：" + c.getTotalPrice() + ")")
                    .collect(Collectors.toList());
            System.out.println("时间 ：" + date);
            System.out.println("总价 : " + new BigDecimal(price).setScale(2, RoundingMode.HALF_UP));
            System.out.println("Top3 : \n" + StringUtils.join(list, ",\n"));
            System.out.println("-------------");
        }
    }

    /**
     * 用于存储聚合的结果
     */
    @Data
    @AllArgsConstructor
    @NoArgsConstructor
    public static class CategoryPojo {
        private String category;//分类名称
        private double totalPrice;//该分类总销售额
        private String dateTime;// 截止到当前时间的时间
    }

    /**
     * 模拟生成某一个分类下的订单
     */
    public static class MySource implements SourceFunction> {
        private volatile boolean isRunning = true;
        private Random random = new Random();
        String category[] = {
                "女装", "男装",
                "图书", "家电",
                "洗护", "美妆",
                "运动", "游戏",
                "户外", "家具",
                "乐器", "办公"
        };

        @Override
        public void run(SourceContext> ctx) throws Exception {
            while (isRunning) {
                Thread.sleep(10);
                //随机生成一个分类
                String c = category[(int) (Math.random() * (category.length - 1))];
                //随机生成一个该分类下的随机金额的成交订单
                double price = random.nextDouble() * 100;
                ctx.collect(Tuple2.of(c, price));
            }
        }

        @Override
        public void cancel() {
            isRunning = false;
        }
    }
}
 
  
 
 
  
五、Flink实现超时订单自动好评
 
  
在电商领域会有这么一个场景，如果用户买了商品，在订单完成之后一定时间之内没有做出评价，系统自动给与五星好评， 接下来我使用Flink的定时器来实现这一功能。
 
  
女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第15张图片
 
  
实现代码
 
  
package cn.lanson.action;

import org.apache.flink.api.common.state.MapState;
import org.apache.flink.api.common.state.MapStateDescriptor;
import org.apache.flink.api.java.tuple.Tuple;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.KeyedProcessFunction;
import org.apache.flink.streaming.api.functions.source.SourceFunction;
import org.apache.flink.util.Collector;

import java.util.Iterator;
import java.util.Map;
import java.util.Random;
import java.util.UUID;

/**
 * Author Lansonli
 * Desc 在电商领域会有这么一个场景，如果用户买了商品，在订单完成之后，一定时间之内没有做出评价，系统自动给与五星好评，
 * 今天我们使用Flink的定时器来实现这一功能。
 */
public class OrderAutomaticFavorableComments {
    public static void main(String[] args) throws Exception {
        //env
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment().setParallelism(1);
        env.enableCheckpointing(5000);

        //source
        DataStream> dataStream = env.addSource(new MySource());

        //经过interval毫秒用户未对订单做出评价，自动给与好评.为了演示方便，设置了5s的时间
        long interval = 5000L;
        //分组后使用自定义KeyedProcessFunction完成定时判断超时订单并自动好评
        dataStream.keyBy(0).process(new TimerProcessFuntion(interval));

        env.execute();
    }

    /**
     * 定时处理逻辑
     * 1.首先我们定义一个MapState类型的状态，key是订单号，value是订单完成时间
     * 2.在processElement处理数据的时候，把每个订单的信息存入状态中，这个时候不做任何处理，
     * 并且注册一个定时器(在订单完成时间+间隔时间(interval)时触发).
     * 3.注册的时器到达了订单完成时间+间隔时间(interval)时就会触发onTimer方法，我们主要在这个里面进行处理。
     * 我们调用外部的接口来判断用户是否做过评价，
     * 如果没做评价，调用接口给与五星好评，如果做过评价，则什么也不处理,最后记得把相应的订单从MapState删除
     */
    public static class TimerProcessFuntion extends KeyedProcessFunction, Object> {
        //定义MapState类型的状态，key是订单号，value是订单完成时间
        private MapState mapState;
        //超过多长时间(interval,单位：毫秒) 没有评价，则自动五星好评
        private long interval = 0L;

        public TimerProcessFuntion(long interval) {
            this.interval = interval;
        }

        //创建MapState
        @Override
        public void open(Configuration parameters) {
            MapStateDescriptor mapStateDesc =
                    new MapStateDescriptor<>("mapStateDesc", String.class, Long.class);
            mapState = getRuntimeContext().getMapState(mapStateDesc);
        }

        //注册定时器
        @Override
        public void processElement(Tuple2 value, Context ctx, Collector out) throws Exception {
            mapState.put(value.f0, value.f1);
            ctx.timerService().registerProcessingTimeTimer(value.f1 + interval);
        }

        //定时器被触发时执行
        @Override
        public void onTimer(long timestamp, OnTimerContext ctx, Collector out) throws Exception {
            Iterator iterator = mapState.iterator();
            while (iterator.hasNext()) {
                Map.Entry entry = (Map.Entry) iterator.next();
                String orderid = entry.getKey();
                boolean evaluated = isEvaluation(entry.getKey()); //调用方法判断订单是否已评价?
                mapState.remove(orderid);
                if (evaluated) {
                    System.out.println("订单(orderid: "+orderid+")在"+interval+"毫秒时间内已经评价，不做处理");
                }
                if (evaluated) {
                    //如果用户没有做评价，在调用相关的接口给与默认的五星评价
                    System.out.println("订单(orderid: "+orderid+")超过"+interval+"毫秒未评价，调用接口自动给与五星好评");
                }
            }
        }

        //自定义方法实现查询用户是否对该订单进行了评价，我们这里只是随便做了一个判断
        //在生产环境下，可以去查询相关的订单系统.
        private boolean isEvaluation(String key) {
            return key.hashCode() % 2 == 0;
        }
    }

    /**
     * 自定义source模拟生成一些订单数据.
     * 在这里，我们生了一个最简单的二元组Tuple2,包含订单id和订单完成时间两个字段.
     */
    public static class MySource implements SourceFunction> {
        private volatile boolean isRunning = true;

        @Override
        public void run(SourceContext> ctx) throws Exception {
            Random random = new Random();
            while (isRunning) {
                Thread.sleep(1000);
                //订单id
                String orderid = UUID.randomUUID().toString();
                //订单完成时间
                long orderFinishTime = System.currentTimeMillis();
                ctx.collect(Tuple2.of(orderid, orderFinishTime));
            }
        }

        @Override
        public void cancel() {
            isRunning = false;
        }
    }
}
 
  
 
 
  
六、大数据行业趋势分析
 
  
1、新基建和数字化转型助力大数据+AI多场景落地
 
  
     
   
  • 新型基础建设场景分析
    •  
  
 
  
女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第16张图片
 
  
     
   
  • 各行业数字化转型场景分析
    •  
  
 
  
 
 
  
女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第17张图片
 
  
     
   
  • 发展新机遇，产业新高度 
    •  
  
 
  
女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第18张图片
 
  
2、多行业场景大数据应用占比 
 
  
女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第19张图片
 
  
3、从传统物流到智慧物流演变之旅 
 
  
女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第20张图片
 
  
     
   
  • 赋能新零售：这种收集物流数据、利用物流数据的手段普及到整个零售行业。
    •  
   
  • 加持传统物流：物流不等同于快递，与传统物流联手，一定是未来智慧物流的必经之路。 
    •  
  
 
  
4、智慧物流大数据行业级解决方案
 
  
     
   
  • 基于大型物流公司研发的智慧物流大数据平台，日订单上千万
    •  
   
  • 围绕订单、运输、仓储、搬运装卸、包装以及流通加工等物流环节中涉及的数据信息等
    •  
   
  • 提高运输以及配送效率、减少物流成本、更有效地满足客户服务要求，并针对数据分析结果，提出具有中观指导意义的解决方案
    •  
  
 
  
女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第21张图片
 
  
5、大数据行业趋势分析 
 
  
女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第22张图片
 
  
6、大数据技术框架应用
 
  
女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第23张图片
 
  
7、大数据开发岗位
 
  
女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第24张图片
 
  
 
 
  
七、大数据技术知识体系
 
  
女朋友问阿里双十一实时大屏如何实现，我惊呆一会，马上手把手教她背后的大数据技术_第25张图片
 
  
 
 
  
 
 
  

                            
                        
                    
                    
                    

                    
                    
                    

                
                

                    
                

            
        
    
    

        
你可能感兴趣的:(大数据,大数据技术)

        

            

                
    
                    
  • 6个大数据应用案例
                        雪兽软件
科技前沿大数据
                        
    根据市场数据预测报告，到2026年，全球大数据市场可能达到2684亿美元。随着大数据市场的快速增长，组织正在利用大数据来获得洞察力，帮助他们做出更好的决策，改善运营，最终推动最佳增长。从医疗保健到金融，从零售到电信，大数据正被用于改变行业的运作方式，使企业能够创造新的收入来源，增强客户体验，提高运营效率。这个全面的博客将探索令人兴奋的大数据用例领域，探索商业组织如何利用数据获得洞察力，推动创新，并
    
                    
    • 
                    
  • Java 大视界 -- Java 大数据在智能体育中的应用与赛事分析（80）
                        青云交
大数据新视界Java大视界java大数据智能体育数据采集运动员训练赛事分析赛事预测
                        
    亲爱的朋友们，热烈欢迎来到青云交的博客！能与诸位在此相逢，我倍感荣幸。在这飞速更迭的时代，我们都渴望一方心灵净土，而我的博客正是这样温暖的所在。这里为你呈上趣味与实用兼具的知识，也期待你毫无保留地分享独特见解，愿我们于此携手成长，共赴新程！一、欢迎加入【福利社群】点击快速加入：青云交灵犀技韵交响盛汇福利社群点击快速加入2：2024CSDN博客之星创作交流营（NEW)二、本博客的精华专栏：大数据新视
    
                    
    • 
                    
  • Java 大视界 -- Java 大数据在智能供应链中的应用与优化（76）
                        青云交
大数据新视界Java大视界大数据智能供应链数据采集整合数据存储管理需求预测物流调度风险管理
                        
    亲爱的朋友们，热烈欢迎来到青云交的博客！能与诸位在此相逢，我倍感荣幸。在这飞速更迭的时代，我们都渴望一方心灵净土，而我的博客正是这样温暖的所在。这里为你呈上趣味与实用兼具的知识，也期待你毫无保留地分享独特见解，愿我们于此携手成长，共赴新程！一、欢迎加入【福利社群】点击快速加入：青云交灵犀技韵交响盛汇福利社群点击快速加入2：2024CSDN博客之星创作交流营（NEW)二、本博客的精华专栏：大数据新视
    
                    
    • 
                    
  • 基于 GBase 数据库的海量数据处理与性能优化
                        big crab
数据库oracle
                        
    一、引言随着大数据时代的到来，海量数据的存储和高效处理成为各行业的核心需求。GBase系列数据库（包括GBase8a、GBase8s和GBase8c）以其强大的性能、灵活的存储架构以及高效的查询优化功能，成为处理大规模数据的理想选择。本文将从GBase数据库的特性出发，探讨如何在实际应用中进行海量数据的高效处理，同时提供相关代码示例，帮助开发者更好地理解和应用GBase数据库。二、GBase数据库
    
                    
    • 
                    
  • GBase 8a慢SQL优化案例-2 通过分析函数改写不等值关联排序取值
                        dudulang8088
sql数据库数据仓库
                        
    某气象现场一条查询语句，大数据场景下，单个机构查询耗时5分钟以上，需要分析，SQL语句如下：SELECTt.station_no,t.collect_time_stamp,t.r2020,t.topFROM(SELECTt1.station_no,t1.collect_time_stamp,t1.r2020,(SELECTCOUNT(*)+1FROM(SELECTstation_no,--站点编号
    
                    
    • 
                    
  • 数据驱动业务增长，E-MapReduce 真实案例解析
                        Anna_Tong
mapreduce大数据云计算数据分析阿里云实时计算数据驱动
                        
    在大数据时代，数据已经成为企业核心竞争力的关键因素之一。无论是电商、金融、物流还是制造业，企业都在探索如何更高效地处理、分析和利用海量数据，以实现精准决策、优化运营并提升业务增长。然而，面对PB级甚至EB级的数据规模，传统的本地大数据计算架构往往难以满足性能和成本的要求。如何在保证计算效率的同时降低运维成本，成为企业数据战略中的关键挑战。阿里云E-MapReduce（EMR）作为一款云原生的大数据
    
                    
    • 
                    
  • GBase 数据库的高性能架构与优化实践
                        big crab
数据库架构
                        
    引言随着信息技术的快速发展，数据库作为支撑各行各业数据存储和处理的核心技术之一，承担着越来越重要的角色。在现代企业中，大数据量、复杂查询和高并发处理已成为普遍需求。GBase数据库作为国内领先的数据库产品之一，提供了卓越的性能和灵活的架构设计，能够高效处理复杂的事务、分析查询和海量数据。本文将探讨GBase数据库的高性能架构，并结合实际案例展示其优化实践。一、GBase数据库架构概述GBase数据
    
                    
    • 
                    
  • 大数据知识图谱之深度学习——基于BERT+LSTM+CRF深度学习识别模型医疗知识图谱问答可视化系统_bert+lstm
                        2301_76348014
程序员深度学习大数据知识图谱
                        
    文章目录大数据知识图谱之深度学习——基于BERT+LSTM+CRF深度学习识别模型医疗知识图谱问答可视化系统一、项目概述二、系统实现基本流程三、项目工具所用的版本号四、所需要软件的安装和使用五、开发技术简介Django技术介绍Neo4j数据库Bootstrap4框架Echarts简介NavicatPremium15简介Layui简介Python语言介绍MySQL数据库深度学习六、核心理论贪心算法A
    
                    
    • 
                    
  • 大数据专业毕业设计选题118例：数据挖掘 数据分析 可视化
                        HaiLang_IT
毕设选题教程毕业设计大数据数据挖掘
                        
    目录前言毕设选题开题指导建议更多精选选题选题帮助最后前言大家好,这里是海浪学长毕设专题!大四是整个大学期间最忙碌的时光，一边要忙着准备考研、考公、考教资或者实习为毕业后面临的升学就业做准备,一边要为毕业设计耗费大量精力。学长给大家整理了大数据专业最新精选选题，如遇选题困难或选题有任何疑问，都可以问学长哦(见文末)!对毕设有任何疑问都可以问学长哦!更多选题指导:最新最全计算机专业毕设选题精选推荐汇总
    
                    
    • 
                    
  • 大数据之-hdfs+hive+hbase+kudu+presto集群(6节点)
                        管哥的运维私房菜
大数据hdfshivekuduprestohbase
                        
    几个主要软件的下载地址：prestohttps://prestosql.io/docs/current/index.htmlkudurpm包地址https://github.com/MartinWeindel/kudu-rpm/releaseshivehttp://mirror.bit.edu.cn/apache/hive/hdfshttp://archive.apache.org/dist/ha
    
                    
    • 
                    
  • 使用Docker搭建Flink集群
                        O_1CxH
Flink大数据Kafka大数据dockerflink容器
                        
    目录使用Docker搭建Flink集群docker-compose一键搭建步骤附录参考资料使用Docker搭建Flink集群在学习大数据框架的时候，需要一个真实的环境。我们知道，像spark、flink这些计算框架都有多种运行模式：在本地使用多线程模拟集群真正的分布式集群如果直接在IDE（Intellj）里面编译和运行写好的程序，实际上是用的前一种运行模式；如果想尝试真正的生产环境中任务的提交和管
    
                    
    • 
                    
  • 国家网络安全宣传周 | 2024年网络安全领域重大政策法规一览
                        网安加社区
安全网络安全政策法规
                        
    随着我国网络安全政策法规不断健全，网络安全工作机制也日渐成熟，各项工作已稳步步入法治化的轨道，与此同时，网络安全标准体系逐步清晰，安全防线日益坚固，为国家的网络安全建设提供了坚实的基础。网安加社区特为大家整理了2024年国内发布的网络安全领域相关政策法规，希望能为广大从业者与关注者提供相关参考，共同促进网络安全生态的健康发展。2024年网络安全重大政策法规一览◉1.《旅游大数据安全与隐私保护要求（
    
                    
    • 
                    
  • 【计算机毕设选题】2025计算机毕业设计选题推荐-高通过率选题指南（二）
                        计算机YiDian
计算机毕设实战案例毕业设计选题/开题源码计算机毕业设计选题毕业设计选题计算机毕设选题计算机毕业设计
                        
    计算机毕业设计作为大学生涯的收官之作，承载着对学生专业技能、创新思维及实践能力的全面考验。随着信息技术的飞速发展，计算机毕业设计的形式也日益多样化，从传统的网站（Web）开发到新兴的小程序、APP构建，再到大数据分析与处理，每一种形式都代表着不同的技术挑战与实现路径。本文旨在探讨这些多样化的毕业设计形式及其背后的技术支撑，为即将踏上毕业设计征程的学子们提供一份详实的参考指南，对毕设开发需要帮助，以
    
                    
    • 
                    
  • Mongodb主从模式最佳方案
                        Christian Bai
mongodb数据库
                        
    我整理的一些关于【Java】的项目学习资料（附讲解～～）和大家一起分享、学习一下：https://d.51cto.com/bLN8S1MongoDB主从模式最佳方案MongoDB是一款开源的文档型数据库，被广泛应用于许多现代应用中。其强大的性能和灵活的数据结构使得它特别适合处理大数据和高并发访问。本文将介绍MongoDB的主从模式，并提供最佳方案和示例代码，帮助你更好地理解这种模式的运作原理。什么
    
                    
    • 
                    
  • DeepSeek推荐未来好就业的十大专业
                        东锋1.3
人工智能deepseek推荐就业
                        
    一、人工智能与数据科学专业聚焦人工智能、大数据技术、计算机科学与技术、机器学习、数据科学与大数据技术等专业，构成了这一前沿领域的核心。这些专业旨在培养学生掌握从数据收集、处理到模型构建、算法优化的全流程能力。就业前景洞察人工智能已广泛渗透到医疗、金融、制造、交通等众多领域。在医疗领域，AI辅助诊断系统帮助医生更精准地识别疾病；金融行业里，智能风控模型有效防范风险。未来，算法工程师负责开发和优化各种
    
                    
    • 
                    
  • 云桌面主流架构解析与应用场景分析
                        一休哥助手
架构
                        
    引言随着云计算、大数据和虚拟化技术的快速发展，云桌面作为一种高效、安全、便捷的办公方式，逐渐被企业、教育和政府等多个领域广泛采用。云桌面通过虚拟化技术将计算资源集中管理，并将桌面操作系统、应用程序和数据存储在云端。用户通过终端设备访问云桌面，从而实现随时随地的灵活办公。云桌面架构的设计是其性能、安全性和用户体验的关键因素。目前主流的云桌面架构有多种类型，包括集中式架构、分布式架构、混合式架构等。本
    
                    
    • 
                    
  • 微信视频号中的“多位朋友看过”是真的有朋友看过，还是系统分析过大数据后推荐的？
                        cda2024
微信大数据
                        
    不知道你有没有注意到，在微信视频号里，经常会出现“多位朋友看过”的提示。这一行小字往往能勾起人们的好奇心，让人不由自主地想要点击观看。那么，这究竟是不是真的意味着我们的朋友确确实实地浏览过这些视频呢？今天，我们就来聊聊这个话题。一、社交网络背后的算法在探讨这个问题之前，我们首先得了解一下社交网络平台背后的算法原理。社交网络平台的推荐机制主要依赖于大数据分析技术，通过用户的行为习惯、兴趣偏好等多维度
    
                    
    • 
                    
  • 云计算、大数据、人工智能、物联网、虚拟现实技术、区块链技术
                        2301_79098963
程序员云计算大数据人工智能
                        
    物联网一、物联网的基本概念二、物联网的特征(一)物体感知(二)信息传输(三)智能处理三、物联网关键技术(一)射频识别技术(二)产品电子编码(三)短距离通信技术(四)互联网(五)感知控制技术(六)无线网络技术(七)中间件技术(八)智能处理技术四、物联网的应用领域虚拟现实技术一、VR的基本概念二、VR的特征(一)沉浸性(二)人交互性(三)多感知性(四)想象性(五)自主性三、VR的技术应用(一)在影视娱
    
                    
    • 
                    
  • 阿里云MWC 2019发布7款重磅产品，助力全球企业迈向智能化
                        数据库技术分享者
大数据数据库人工智能
                        
    当地时间2月25日，在巴塞罗那举行的MWC2019上，阿里云面向全球发布了7款重磅产品，涵盖无服务器计算、高性能存储、全球网络、企业级数据库、大数据计算等主要云产品，可满足电子商务、物流、金融科技以及制造等各行业企业的数字化转型需求，助力全球企业迈向智能化。在大会期间，阿里云还携手德勤、RedHat以及VMware等合作伙伴展示了从基础设施到企业级应用的智能化解决方案。阿里云在MWC2019上展示
    
                    
    • 
                    
  • Spark 和 Flink
                        信徒_
sparkflink大数据
                        
    Spark和Flink都是目前流行的大数据处理引擎，但它们在架构设计、应用场景、性能和生态方面有较大区别。以下是详细对比：1.架构与核心概念方面ApacheSparkApacheFlink计算模型微批（Micro-Batch）为主，但支持结构化流（StructuredStreaming）原生流（TrueStreaming），基于事件驱动处理方式以RDD、DataFrame/Dataset作为核心抽
    
                    
    • 
                    
  • 尚硅谷课程【笔记】——大数据之Zookeeper【一】
                        赶紧写完去睡觉
大数据生态圈大数据zookeeperlinux
                        
    课程视频：【尚硅谷Zookeeper教程】一、Zookeeper入门概述Zookeeper是一个开源的分布式的，为分布式应用提供协调服务的Apache项目。Zookeeper从设计模式角度理解：是一个基于观察者模式设计的分布式服务管理框架，它负责存储和管理大家都关心的数据，然后接受观察者的注册，一旦这些数据的状态发生变化，Zookeeper就将负责同志已经在Zookeeper上注册的哪些观察者做出
    
                    
    • 
                    
  • 集群与分片：深入理解及应用实践
                        一休哥助手
架构系统架构
                        
    目录引言什么是集群？集群的定义集群的类型什么是分片？分片的定义分片的类型集群与分片的关系集群的应用场景负载均衡高可用性分片的应用场景大数据处理数据库分片集群与分片的架构设计系统架构设计数据存储设计案例分析Hadoop集群Elasticsearch分片性能优化策略集群性能优化分片性能优化挑战和解决方案总结参考资料引言在现代计算系统中，处理大规模数据和提高系统的可靠性已经成为了基础需求。集群和分片是两
    
                    
    • 
                    
  • 如何学习Elasticsearch（ES）：从入门到精通的完整指南
                        狮歌~资深攻城狮
jenkins运维elasticsearch大数据
                        
    如何学习Elasticsearch（ES）：从入门到精通的完整指南嘿，小伙伴们！如果你对大数据搜索和分析感兴趣，并且想要掌握Elasticsearch这一强大的分布式搜索引擎，那么你来对地方了！本文将为你提供一个系统的学习路径，帮助你从零开始逐步深入理解Elasticsearch。1.基础知识准备1.1理解全文搜索在开始学习Elasticsearch之前，建议先了解一下全文搜索的基本概念。全文搜索
    
                    
    • 
                    
  • 如何学习HBase：从入门到精通的完整指南
                        狮歌~资深攻城狮
hbase大数据
                        
    如何学习HBase：从入门到精通的完整指南嘿，小伙伴们！如果你对大数据存储感兴趣，并且想要掌握HBase这一强大的分布式数据库，那么你来对地方了！本文将为你提供一个系统的学习路径，帮助你从零开始逐步深入理解HBase。1.基础知识准备1.1理解NoSQL数据库在开始学习HBase之前，建议先了解一下NoSQL数据库的基本概念和分类。NoSQL数据库与传统的关系型数据库（如MySQL）有很大的不同，
    
                    
    • 
                    
  • Go 语言的优势和学习路线图
                        weixin_jie401214
golang学习java
                        
    简介Go语言又称Golang，由Google公司于2009年发布，近几年伴随着云计算、微服务、分布式的发展而迅速崛起，跻身主流编程语言之列，和Java类似，它是一门静态的、强类型的、编译型编程语言，为并发而生，所以天生适用于并发编程（网络编程）。目前Go语言支持Windows、Linux等多个平台，也可以直接在Android和iOS等移动端执行，从业务角度来看，Go语言在云计算、微服务、大数据、区
    
                    
    • 
                    
  • 架构师技术图谱
                        modouwu
系统架构
                        
    分布式漫谈分布式系统大数据存储微服务可落地的DDD(6)-工程结构推荐系统框架消息队列编程语言设计模式重构集群
    
                    
    • 
                    
  • python 读取各类文件格式的文本信息:doc,html,mht,excel
                        北房有佳人
手写功能python读取doc文档python读取mhtpython读取excelpython读取html
                        
    引言众所周知,python最强大的地方在于，python社区汇总拥有丰富的第三方库，开源的特性，使得有越来越多的技术开发者来完善python的完美性。未来人工智能，大数据方向，区块链的识别和进阶都将以python为中心来展开。咳咳咳！好像有点打广告的嫌疑了。当前互联网信息共享时代，最重要的是什么?是数据。最有价值的是什么？是数据。最能直观体现技术水平的是什么?还是数据。所以，今天我们要分享的是：如
    
                    
    • 
                    
  • python中常见的生成器内容
                        哈哈哈哈q
pythonpython
                        
    在Python中，生成器（Generator）是一种特殊的迭代器，可以通过函数中的yield关键字轻松创建。生成器的主要特点有：惰性计算：生成器不会一次性计算出所有的值，而是在需要时逐个生成值。节省内存：因为不会一次性存储所有值，所以在处理大数据时效率很高。访问的形式
    
                    
    • 
                    
  • 大数据java篇——复制
                        sp_ur
笔记java文件夹复制大数据java
                        
    1.文件夹复制packageCopy;importjava.io.File;importjava.io.FileInputStream;importjava.io.FileNotFoundException;importjava.io.FileOutputStream;publicclassDirCopyDemo{publicstaticStringsrcRoot;publicstaticvoid
    
                    
    • 
                    
  • 【大数据安全分析】网络异常相关安全分析场景
                        扫地僧009
大数据安全分析网络安全大数据web安全
                        
    引言在当今数字化时代，网络安全面临着前所未有的挑战。随着信息技术的飞速发展，网络环境变得日益复杂，各种网络攻击手段层出不穷。在大数据安全分析领域，威胁情报关联和账号异常分析已经取得了较好的效果，而网络异常分析同样具有重要的价值。网络异常相关安全分析场景丰富多样，通过对这些场景的深入研究和分析，可以及时发现潜在的网络安全威胁，采取有效的防范措施，保障网络系统的安全稳定运行。本文将详细介绍网络异常相关
    
                    
    • 
                                
  • java短路运算符和逻辑运算符的区别
                                    3213213333332132
java基础
                                    
    
/*
		 * 逻辑运算符——不论是什么条件都要执行左右两边代码
		 * 短路运算符——我认为在底层就是利用物理电路的“并联”和“串联”实现的
		 * 原理很简单，并联电路代表短路或（||），串联电路代表短路与（&&）。
		 * 
		 * 并联电路两个开关只要有一个开关闭合，电路就会通。
		 * 类似于短路或（||），只要有其中一个为true（开关闭合）是
    
                                
    • 
                                
  • Java异常那些不得不说的事
                                    白糖_
javaexception
                                    
    一、在finally块中做数据回收操作 
比如数据库连接都是很宝贵的，所以最好在finally中关闭连接。 
JDBCAgent jdbc = new JDBCAgent();
try{
jdbc.excute("select * from ctp_log");
}catch(SQLException e){
...
}finally{
jdbc.close();

    
                                
    • 
                                
  • utf-8与utf-8(无BOM)的区别
                                    dcj3sjt126com
PHP
                                    
    BOM——Byte Order Mark，就是字节序标记       在UCS 编码中有一个叫做"ZERO WIDTH NO-BREAK SPACE"的字符，它的编码是FEFF。而FFFE在UCS中是不存在的字符，所以不应该出现在实际传输中。UCS规范建议我们在传输字节流前，先传输 字符"ZERO WIDTH NO-BREAK SPACE"。这样如
    
                                
    • 
                                
  • JAVA Annotation之定义篇
                                    周凡杨
java注解annotation入门注释
                                    
        Annotation: 译为注释或注解 
An annotation, in the Java computer programming language, is a form of syntactic metadata that can be added to Java source code. Classes, methods, variables, pa
    
                                
    • 
                                
  • tomcat的多域名、虚拟主机配置
                                    g21121
tomcat
                                    
    众所周知apache可以配置多域名和虚拟主机，而且配置起来比较简单，但是项目用到的是tomcat，配来配去总是不成功。查了些资料才总算可以，下面就跟大家分享下经验。 
很多朋友搜索的内容基本是告诉我们这么配置： 
在Engine标签下增面积Host标签，如下： 
<Host name="www.site1.com"  appBase="webapps"
    
                                
    • 
                                
  • Linux SSH 错误解析（Capistrano 的cap 访问错误 Permission ）
                                    510888780
linuxcapistrano
                                    
     
1.ssh -v [email protected] 出现 
Permission denied (publickey,gssapi-keyex,gssapi-with-mic,password). 
错误 
 
运行状况如下： 
 
 
OpenSSH_5.3p1, OpenSSL 1.0.1e-fips 11 Feb 2013
debug1: Reading configuratio
    
                                
    • 
                                
  • log4j的用法
                                    Harry642
javalog4j
                                    
    一、前言：     log4j 是一个开放源码项目，是广泛使用的以Java编写的日志记录包。由于log4j出色的表现，     当时在log4j完成时，log4j开发组织曾建议sun在jdk1.4中用log4j取代jdk1.4 的日志工具类，但当时jdk1.4已接近完成，所以sun拒绝使用log4j，当在java开发中
    
                                
    • 
                                
  • mysql、sqlserver、oracle分页，java分页统一接口实现
                                    aijuans
oraclejave
                                    
      
定义：pageStart 起始页，pageEnd 终止页,pageSize页面容量 
oracle分页： 
　　　　select * from ( select mytable.*,rownum num from (实际传的SQL) where rownum<=pageEnd) where num>=pageStart 
sqlServer分页： 
 
    
                                
    • 
                                
  • Hessian 简单例子
                                    antlove
javaWebservicehessian
                                    
    hello.hessian.MyCar.java 
package hessian.pojo;

import java.io.Serializable;


public class MyCar implements Serializable {

    private static final long serialVersionUID = 473690540190845543
    
                                
    • 
                                
  • 数据库对象的同义词和序列
                                    百合不是茶
sql序列同义词ORACLE权限
                                    
    回顾简单的数据库权限等命令; 
解锁用户和锁定用户
alter user scott account lock/unlock;
//system下查看系统中的用户
select * dba_users;

//创建用户名和密码
create user wj identified by wj;
identified by 
//授予连接权和建表权
grant connect to 
    
                                
    • 
                                
  • 使用Powermock和mockito测试静态方法
                                    bijian1013
持续集成单元测试mockitoPowermock
                                    
            实例： 
package com.bijian.study;

import static org.junit.Assert.assertEquals;

import java.io.IOException;

import org.junit.Before;
import org.junit.Test;
import or
    
                                
    • 
                                
  • 精通Oracle10编程SQL(6)访问ORACLE
                                    bijian1013
oracle数据库plsql
                                    
    /*
 *访问ORACLE
*/

--检索单行数据
--使用标量变量接收数据
DECLARE
  v_ename emp.ename%TYPE;
  v_sal emp.sal%TYPE;
BEGIN
  select ename,sal into v_ename,v_sal
  from emp where empno=&no;
  dbms_output.pu
    
                                
    • 
                                
  • 【Nginx四】Nginx作为HTTP负载均衡服务器
                                    bit1129
nginx
                                    
     Nginx的另一个常用的功能是作为负载均衡服务器。一个典型的web应用系统，通过负载均衡服务器，可以使得应用有多台后端服务器来响应客户端的请求。一个应用配置多台后端服务器，可以带来很多好处： 
  负载均衡的好处 
 
 增加可用资源 
 增加吞吐量 
 加快响应速度，降低延时 
 出错的重试验机制 
 Nginx主要支持三种均衡算法： 
 
 round-robin 
 l
    
                                
    • 
                                
  • jquery-validation备忘
                                    白糖_
jquerycssF#Firebug
                                    
    留点学习jquery validation总结的代码： 
  
function checkForm(){
	validator = $("#commentForm").validate({// #formId为需要进行验证的表单ID
		errorElement :"span",// 使用"div"标签标记错误， 默认:&
    
                                
    • 
                                
  • solr限制admin界面访问（端口限制和http授权限制）
                                    ronin47
限定Ip访问
                                    
    solr的管理界面可以帮助我们做很多事情，但是把solr程序放到公网之后就要限制对admin的访问了。 
可以通过tomcat的http基本授权来做限制，也可以通过iptables防火墙来限制。 
我们先看如何通过tomcat配置http授权限制。 
第一步： 在tomcat的conf/tomcat-users.xml文件中添加管理用户，比如： 
<userusername="ad
    
                                
    • 
                                
  • 多线程-用JAVA写一个多线程程序，写四个线程，其中二个对一个变量加1，另外二个对一个变量减1
                                    bylijinnan
java多线程
                                    
    

public class IncDecThread {

	private int j=10;
	
	/*
	 * 题目:用JAVA写一个多线程程序，写四个线程，其中二个对一个变量加1，另外二个对一个变量减1
	 * 两个问题：
	 * 1、线程同步--synchronized
	 * 2、线程之间如何共享同一个j变量--内部类
	 */
	public static 
    
                                
    • 
                                
  • 买房历程
                                    cfyme

                                    
      
  
2015-06-21: 万科未来城，看房子 
  
2015-06-26: 办理贷款手续，贷款73万，贷款利率5.65=5.3675 
  
2015-06-27: 房子首付,签完合同 
  
2015-06-28，央行宣布降息 0.25，就2天的时间差啊，没赶上。 
  
首付，老婆找他的小姐妹接了5万，另外几个朋友借了1-
    
                                
    • 
                                
  • [军事与科技]制造大型太空战舰的前奏
                                    comsci
制造
                                    
     
 
       天气热了........空调和电扇要准备好.......... 
 
       最近,世界形势日趋复杂化,战争的阴影开始覆盖全世界.......... 
 
 
       所以,我们不得不关
    
                                
    • 
                                
  • dateformat
                                    dai_lm
DateFormat
                                    
    
"Symbol  Meaning             Presentation   Ex."
"------  -------             ------------   ----"
"G       era designator      (Text)         AD"
"y       year
    
                                
    • 
                                
  • Hadoop如何实现关联计算
                                    datamachine
mapreducehadoop关联计算
                                    
        选择Hadoop，低成本和高扩展性是主要原因，但但它的开发效率实在无法让人满意。 
    以关联计算为例。 
    假设：HDFS上有2个文件，分别是客户信息和订单信息，customerID是它们之间的关联字段。如何进行关联计算，以便将客户名称添加到订单列表中？ 
  &nbs
    
                                
    • 
                                
  • 用户模型中修改用户信息时，密码是如何处理的
                                    dcj3sjt126com
yii
                                    
    当我添加或修改用户记录的时候对于处理确认密码我遇到了一些麻烦，所有我想分享一下我是怎么处理的。 
场景是使用的基本的那些(系统自带)，你需要有一个数据表(user)并且表中有一个密码字段(password),它使用 sha1、md5或其他加密方式加密用户密码。 
面是它的工作流程: 当创建用户的时候密码需要加密并且保存，但当修改用户记录时如果使用同样的场景我们最终就会把用户加密过的密码再次加密，这
    
                                
    • 
                                
  • 中文 iOS/Mac 开发博客列表
                                    dcj3sjt126com
Blog
                                    
      
本博客列表会不断更新维护，如果有推荐的博客，请到此处提交博客信息。 
本博客列表涉及的文章内容支持 定制化Google搜索，特别感谢 JeOam 提供并帮助更新。 
本博客列表也提供同步更新的OPML文件（下载OPML文件），可供导入到例如feedly等第三方定阅工具中，特别感谢 lcepy 提供自动转换脚本。这里有导入教程。   
    
                                
    • 
                                
  • js去除空格，去除左右两端的空格
                                    蕃薯耀
去除左右两端的空格js去掉所有空格js去除空格
                                    
    js去除空格，去除左右两端的空格 
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>&g
    
                                
    • 
                                
  • SpringMVC4零配置--web.xml
                                    hanqunfeng
springmvc4
                                    
    servlet3.0+规范后，允许servlet，filter，listener不必声明在web.xml中，而是以硬编码的方式存在，实现容器的零配置。 
ServletContainerInitializer：启动容器时负责加载相关配置 
package javax.servlet;
import java.util.Set;
public interface ServletContainer
    
                                
    • 
                                
  • 《开源框架那些事儿21》：巧借力与借巧力
                                    j2eetop
框架UI
                                    
    同样做前端UI，为什么有人花了一点力气，就可以做好？而有的人费尽全力，仍然错误百出？我们可以先看看几个故事。 
故事1：巧借力，乌鸦也可以吃核桃 
有一个盛产核桃的村子，每年秋末冬初，成群的乌鸦总会来到这里，到果园里捡拾那些被果农们遗落的核桃。 
核桃仁虽然美味，但是外壳那么坚硬，乌鸦怎么才能吃到呢？原来乌鸦先把核桃叼起，然后飞到高高的树枝上，再将核桃摔下去，核桃落到坚硬的地面上，被撞破了，于是，
    
                                
    • 
                                
  • JQuery EasyUI 验证扩展
                                    可怜的猫
jqueryeasyui验证
                                    
      最近项目中用到了前端框架-- EasyUI，在做校验的时候会涉及到很多需要自定义的内容，现把常用的验证方式总结出来，留待后用。 
  以下内容只需要在公用js中添加即可。 
  使用类似于如下： 
 <input class="easyui-textbox" name="mobile" id="mobile&
    
                                
    • 
                                
  • 架构师之httpurlconnection----------读取和发送(流读取效率通用类)
                                    nannan408

                                    
    1.前言. 
   如题. 
2.代码. 
 

/* 
 * Copyright (c) 2015, S.F. Express Inc. All rights reserved.
 */
package com.test.test.test.send;

import java.io.IOException;
import java.io.InputStream
    
                                
    • 
                                
  • Jquery性能优化
                                    r361251
JavaScriptjquery
                                    
    一、注意定义jQuery变量的时候添加var关键字 
这个不仅仅是jQuery，所有javascript开发过程中，都需要注意，请一定不要定义成如下： 
$loading = $('#loading'); //这个是全局定义，不知道哪里位置倒霉引用了相同的变量名，就会郁闷至死的 
二、请使用一个var来定义变量 
如果你使用多个变量的话，请如下方式定义： 
. 代码如下: 
 
var page 
    
                                
    • 
                                
  • 在eclipse项目中使用maven管理依赖
                                    tjj006
eclipsemaven
                                    
    概览: 
 
 如何导入maven项目至eclipse中 
 
 
 建立自有Maven  Java类库服务器 
 
 
 建立符合maven代码库标准的自定义类库 
 
Maven在管理Java类库方面有巨大的优势，像白衣所说就是非常“环保”。 
我们平时用IDE开发都是把所需要的类库一股脑的全丢到项目目录下，然后全部添加到ide的构建路径中，如果用了SVN/CVS，这样会很容易就 把
    
                                
    • 
                                
  • 中国天气网省市级联页面
                                    x125858805
级联
                                    
    1、页面及级联js 
<%@ page language="java" import="java.util.*" pageEncoding="UTF-8"%>
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN">
&l
    
                                
    •