xinxinyydss

hive高级查询（2）

-- 分组查询
SELECT sex,SUM(mark) sum_mark
FROM score
GROUP BY sex
HAVING sum_mark > 555;

SELECT sex,sum_mark
FROM(
SELECT sex,SUM(mark) sum_mark
FROM score
GROUP BY sex
) t
WHERE sum_mark > 555;

SELECT AVG(gid),SUM(gid)/COUNT(gid) FROM student;
SELECT COUNT(gid),COUNT(DISTINCT gid) FROM student;
SELECT collect_list(gid),collect_set(gid) FROM student;
+------------+--------+--+
| _c0 | _c1 |
+------------+--------+--+
| [1,1,2,2] | [1,2] |
+------------+--------+--+
SELECT collect_list(gid),collect_list(DISTINCT gid) FROM student;结果同上

-- 窗口排名函数
SELECT *,
ROW_NUMBER() OVER(ORDER BY id) rn
FROM score;
+-----------+-------------+------------+-------------+-----+--+
| score.id | score.name | score.sex | score.mark | rn |
+-----------+-------------+------------+-------------+-----+--+
| 1 | a | male | 99.0 | 1 |
| 2 | b | female | 87.0 | 2 |
| 3 | c | male | 68.0 | 3 |
| 4 | d | female | 54.0 | 4 |
| 5 | e | male | 93.0 | 5 |
| 6 | f | female | 46.0 | 6 |
| 7 | g | male | 50.0 | 7 |
| 8 | h | female | 88.0 | 8 |
| 9 | i | male | 75.0 | 9 |
| 10 | j | male | 72.0 | 10 |
| 11 | k | female | 100.0 | 11 |
| 12 | l | female | 88.0 | 12 |
| 13 | m | male | 99.0 | 13 |
| 14 | n | female | NULL | 14 |
| 15 | o | male | NULL | 15 |
| 16 | p | female | 88.0 | 16 |
+-----------+-------------+------------+-------------+-----+--+

SELECT *,
rank() OVER(ORDER BY mark desc) rn
FROM score;
+-----------+-------------+------------+-------------+-----+--+
| score.id | score.name | score.sex | score.mark | rn |
+-----------+-------------+------------+-------------+-----+--+
| 11 | k | female | 100.0 | 1 |
| 1 | a | male | 99.0 | 2 |
| 13 | m | male | 99.0 | 2 |
| 5 | e | male | 93.0 | 4 |
| 16 | p | female | 88.0 | 5 |
| 12 | l | female | 88.0 | 5 |
| 8 | h | female | 88.0 | 5 |
| 2 | b | female | 87.0 | 8 |
| 9 | i | male | 75.0 | 9 |
| 10 | j | male | 72.0 | 10 |
| 3 | c | male | 68.0 | 11 |
| 4 | d | female | 54.0 | 12 |
| 7 | g | male | 50.0 | 13 |
| 6 | f | female | 46.0 | 14 |
| 14 | n | female | NULL | 15 |
| 15 | o | male | NULL | 15 |
+-----------+-------------+------------+-------------+-----+--+

SELECT *,
dense_rank() OVER(ORDER BY mark desc) rn
FROM score;
+-----------+-------------+------------+-------------+-----+--+
| score.id | score.name | score.sex | score.mark | rn |
+-----------+-------------+------------+-------------+-----+--+
| 11 | k | female | 100.0 | 1 |
| 1 | a | male | 99.0 | 2 |
| 13 | m | male | 99.0 | 2 |
| 5 | e | male | 93.0 | 3 |
| 16 | p | female | 88.0 | 4 |
| 12 | l | female | 88.0 | 4 |
| 8 | h | female | 88.0 | 4 |
| 2 | b | female | 87.0 | 5 |
| 9 | i | male | 75.0 | 6 |
| 10 | j | male | 72.0 | 7 |
| 3 | c | male | 68.0 | 8 |
| 4 | d | female | 54.0 | 9 |
| 7 | g | male | 50.0 | 10 |
| 6 | f | female | 46.0 | 11 |
| 14 | n | female | NULL | 12 |
| 15 | o | male | NULL | 12 |
+-----------+-------------+------------+-------------+-----+--+

SELECT *,
ROW_NUMBER() OVER(PARTITION BY sex ORDER BY id) rn
FROM score;
+-----------+-------------+------------+-------------+-----+--+
| score.id | score.name | score.sex | score.mark | rn |
+-----------+-------------+------------+-------------+-----+--+
| 2 | b | female | 87.0 | 1 |
| 4 | d | female | 54.0 | 2 |
| 6 | f | female | 46.0 | 3 |
| 8 | h | female | 88.0 | 4 |
| 11 | k | female | 100.0 | 5 |
| 12 | l | female | 88.0 | 6 |
| 14 | n | female | NULL | 7 |
| 16 | p | female | 88.0 | 8 |
| 1 | a | male | 99.0 | 1 |
| 3 | c | male | 68.0 | 2 |
| 5 | e | male | 93.0 | 3 |
| 7 | g | male | 50.0 | 4 |
| 9 | i | male | 75.0 | 5 |
| 10 | j | male | 72.0 | 6 |
| 13 | m | male | 99.0 | 7 |
| 15 | o | male | NULL | 8 |
+-----------+-------------+------------+-------------+-----+--+

SELECT *,
rank() OVER(PARTITION BY sex ORDER BY mark desc) rn
FROM score;
+-----------+-------------+------------+-------------+-----+--+
| score.id | score.name | score.sex | score.mark | rn |
+-----------+-------------+------------+-------------+-----+--+
| 11 | k | female | 100.0 | 1 |
| 16 | p | female | 88.0 | 2 |
| 12 | l | female | 88.0 | 2 |
| 8 | h | female | 88.0 | 2 |
| 2 | b | female | 87.0 | 5 |
| 4 | d | female | 54.0 | 6 |
| 6 | f | female | 46.0 | 7 |
| 14 | n | female | NULL | 8 |
| 1 | a | male | 99.0 | 1 |
| 13 | m | male | 99.0 | 1 |
| 5 | e | male | 93.0 | 3 |
| 9 | i | male | 75.0 | 4 |
| 10 | j | male | 72.0 | 5 |
| 3 | c | male | 68.0 | 6 |
| 7 | g | male | 50.0 | 7 |
| 15 | o | male | NULL | 8 |
+-----------+-------------+------------+-------------+-----+--+

SELECT *,
dense_rank() OVER(PARTITION BY sex ORDER BY mark desc) rn
FROM score;
+-----------+-------------+------------+-------------+-----+--+
| score.id | score.name | score.sex | score.mark | rn |
+-----------+-------------+------------+-------------+-----+--+
| 11 | k | female | 100.0 | 1 |
| 16 | p | female | 88.0 | 2 |
| 12 | l | female | 88.0 | 2 |
| 8 | h | female | 88.0 | 2 |
| 2 | b | female | 87.0 | 3 |
| 4 | d | female | 54.0 | 4 |
| 6 | f | female | 46.0 | 5 |
| 14 | n | female | NULL | 6 |
| 1 | a | male | 99.0 | 1 |
| 13 | m | male | 99.0 | 1 |
| 5 | e | male | 93.0 | 2 |
| 9 | i | male | 75.0 | 3 |
| 10 | j | male | 72.0 | 4 |
| 3 | c | male | 68.0 | 5 |
| 7 | g | male | 50.0 | 6 |
| 15 | o | male | NULL | 7 |
+-----------+-------------+------------+-------------+-----+--+

-- 总结：
ROW_NUMBER() 按行定序，[1,2,3]
RANK() 按值定序，[1,1,3]
DENSE_RANK() 按值定序，[1,1,2]
-- 用法：
ROW_NUMBER() OVER(PARTITION BY )，仅分区后排名，用得少
ROW_NUMBER() OVER(ORDER BY )，全窗口排序后排名，用得少
ROW_NUMBER() OVER(PARTITION BY ORDER BY )，先分组，再排序，最后排名
【注：以上用法适用于三种排名函数】
partition BY 定义窗口大小为分组大小，否则窗口大小为全表大小

-- 窗口聚合函数
SELECT *,
COUNT(*) OVER(PARTITION BY sex)
FROM score;
+-----------+-------------+------------+-------------+---------+--+
| score.id | score.name | score.sex | score.mark | _wcol0 |
+-----------+-------------+------------+-------------+---------+--+
| 16 | p | female | 88.0 | 8 |
| 14 | n | female | NULL | 8 |
| 12 | l | female | 88.0 | 8 |
| 11 | k | female | 100.0 | 8 |
| 8 | h | female | 88.0 | 8 |
| 6 | f | female | 46.0 | 8 |
| 4 | d | female | 54.0 | 8 |
| 2 | b | female | 87.0 | 8 |
| 1 | a | male | 99.0 | 8 |
| 15 | o | male | NULL | 8 |
| 7 | g | male | 50.0 | 8 |
| 13 | m | male | 99.0 | 8 |
| 3 | c | male | 68.0 | 8 |
| 5 | e | male | 93.0 | 8 |
| 10 | j | male | 72.0 | 8 |
| 9 | i | male | 75.0 | 8 |
+-----------+-------------+------------+-------------+---------+--+

SELECT *,
MAX(mark) OVER(PARTITION BY sex) max_mark,
MIN(mark) OVER(PARTITION BY sex) min_mark
FROM score
WHERE mark IS NOT null;
+-----------+-------------+------------+-------------+-----------+-----------+--+
| score.id | score.name | score.sex | score.mark | max_mark | min_mark |
+-----------+-------------+------------+-------------+-----------+-----------+--+
| 16 | p | female | 88.0 | 100.0 | 46.0 |
| 6 | f | female | 46.0 | 100.0 | 46.0 |
| 12 | l | female | 88.0 | 100.0 | 46.0 |
| 4 | d | female | 54.0 | 100.0 | 46.0 |
| 11 | k | female | 100.0 | 100.0 | 46.0 |
| 2 | b | female | 87.0 | 100.0 | 46.0 |
| 8 | h | female | 88.0 | 100.0 | 46.0 |
| 7 | g | male | 50.0 | 99.0 | 50.0 |
| 13 | m | male | 99.0 | 99.0 | 50.0 |
| 10 | j | male | 72.0 | 99.0 | 50.0 |
| 9 | i | male | 75.0 | 99.0 | 50.0 |
| 5 | e | male | 93.0 | 99.0 | 50.0 |
| 3 | c | male | 68.0 | 99.0 | 50.0 |
| 1 | a | male | 99.0 | 99.0 | 50.0 |
+-----------+-------------+------------+-------------+-----------+-----------+--+

SELECT *,
SUM(mark) OVER(PARTITION BY sex) sum_mark,
AVG(mark) OVER(PARTITION BY sex) avg_mark
FROM score;
+-----------+-------------+------------+-------------+-----------+--------------------+--+
| score.id | score.name | score.sex | score.mark | sum_mark | avg_mark |
+-----------+-------------+------------+-------------+-----------+--------------------+--+
| 16 | p | female | 88.0 | 551.0 | 78.71428571428571 |
| 14 | n | female | NULL | 551.0 | 78.71428571428571 |
| 12 | l | female | 88.0 | 551.0 | 78.71428571428571 |
| 11 | k | female | 100.0 | 551.0 | 78.71428571428571 |
| 8 | h | female | 88.0 | 551.0 | 78.71428571428571 |
| 6 | f | female | 46.0 | 551.0 | 78.71428571428571 |
| 4 | d | female | 54.0 | 551.0 | 78.71428571428571 |
| 2 | b | female | 87.0 | 551.0 | 78.71428571428571 |
| 1 | a | male | 99.0 | 556.0 | 79.42857142857143 |
| 15 | o | male | NULL | 556.0 | 79.42857142857143 |
| 7 | g | male | 50.0 | 556.0 | 79.42857142857143 |
| 13 | m | male | 99.0 | 556.0 | 79.42857142857143 |
| 3 | c | male | 68.0 | 556.0 | 79.42857142857143 |
| 5 | e | male | 93.0 | 556.0 | 79.42857142857143 |
| 10 | j | male | 72.0 | 556.0 | 79.42857142857143 |
| 9 | i | male | 75.0 | 556.0 | 79.42857142857143 |
+-----------+-------------+------------+-------------+-----------+--------------------+--+

SELECT *,
SUM(mark) OVER(ORDER BY mark) sum_mark
FROM score;
-- 窗口自上而下自动变化，遇到相同值时视为一组同时计算，窗口范围从表首行到表末行，计算范围从表首行到当前行
+-----------+-------------+------------+-------------+-----------+--+
| score.id | score.name | score.sex | score.mark | sum_mark |
+-----------+-------------+------------+-------------+-----------+--+
| 15 | o | male | NULL | NULL |
| 14 | n | female | NULL | NULL |
| 6 | f | female | 46.0 | 46.0 |
| 7 | g | male | 50.0 | 96.0 |
| 4 | d | female | 54.0 | 150.0 |
| 3 | c | male | 68.0 | 218.0 |
| 10 | j | male | 72.0 | 290.0 |
| 9 | i | male | 75.0 | 365.0 |
| 2 | b | female | 87.0 | 452.0 |
| 16 | p | female | 88.0 | 716.0 |
| 12 | l | female | 88.0 | 716.0 |
| 8 | h | female | 88.0 | 716.0 |
| 5 | e | male | 93.0 | 809.0 |
| 13 | m | male | 99.0 | 1007.0 |
| 1 | a | male | 99.0 | 1007.0 |
| 11 | k | female | 100.0 | 1107.0 |
+-----------+-------------+------------+-------------+-----------+--+

SELECT *,
SUM(mark) OVER(PARTITION BY sex ORDER BY mark) sum_mark
FROM score;
-- 如果分组则窗口边界是从组的第一行到组的最后一行
-- 如果不分组则窗口边界是从表的第一行到表的最后一行
+-----------+-------------+------------+-------------+-----------+--+
| score.id | score.name | score.sex | score.mark | sum_mark |
+-----------+-------------+------------+-------------+-----------+--+
| 14 | n | female | NULL | NULL |
| 6 | f | female | 46.0 | 46.0 |
| 4 | d | female | 54.0 | 100.0 |
| 2 | b | female | 87.0 | 187.0 |
| 16 | p | female | 88.0 | 451.0 |
| 12 | l | female | 88.0 | 451.0 |
| 8 | h | female | 88.0 | 451.0 |
| 11 | k | female | 100.0 | 551.0 |
| 15 | o | male | NULL | NULL |
| 7 | g | male | 50.0 | 50.0 |
| 3 | c | male | 68.0 | 118.0 |
| 10 | j | male | 72.0 | 190.0 |
| 9 | i | male | 75.0 | 265.0 |
| 5 | e | male | 93.0 | 358.0 |
| 1 | a | male | 99.0 | 556.0 |
| 13 | m | male | 99.0 | 556.0 |
+-----------+-------------+------------+-------------+-----------+--+

-- 窗口分析函数
SELECT *,
LEAD(mark,2,0) OVER(PARTITION BY sex ORDER BY mark) lead,
LAG(mark,2,0) OVER(PARTITION BY sex ORDER BY mark) lag
FROM score;
-- 说明：
-- 第一个参数指定要取哪个字段的值
-- 第二个参数指定向上或向下跳过几行（默认值是1）
-- 第三个参数指定当值为null时替代的默认值（默认值是null）
+-----------+-------------+------------+-------------+--------+-------+--+
| score.id | score.name | score.sex | score.mark | lead | lag |
+-----------+-------------+------------+-------------+--------+-------+--+
| 14 | n | female | NULL | 54.0 | 0.0 |
| 6 | f | female | 46.0 | 87.0 | 0.0 |
| 4 | d | female | 54.0 | 88.0 | NULL |
| 2 | b | female | 87.0 | 88.0 | 46.0 |
| 16 | p | female | 88.0 | 88.0 | 54.0 |
| 12 | l | female | 88.0 | 100.0 | 87.0 |
| 8 | h | female | 88.0 | 0.0 | 88.0 |
| 11 | k | female | 100.0 | 0.0 | 88.0 |
| 15 | o | male | NULL | 68.0 | 0.0 |
| 7 | g | male | 50.0 | 72.0 | 0.0 |
| 3 | c | male | 68.0 | 75.0 | NULL |
| 10 | j | male | 72.0 | 93.0 | 50.0 |
| 9 | i | male | 75.0 | 99.0 | 68.0 |
| 5 | e | male | 93.0 | 99.0 | 72.0 |
| 1 | a | male | 99.0 | 0.0 | 75.0 |
| 13 | m | male | 99.0 | 0.0 | 93.0 |
+-----------+-------------+------------+-------------+--------+-------+--+

SELECT *,
FIRST_VALUE(mark,true) OVER(partition BY sex ORDER BY mark desc) first,
LAST_VALUE(mark,true) OVER(partition BY sex ORDER BY mark desc) last
FROM score;
-- 说明
-- 第一个参数指定要取哪个字段的值
-- 第二个参数指定是否跳过null值（默认值是false）
+-----------+-------------+------------+-------------+--------+--------+--+
| score.id | score.name | score.sex | score.mark | first | last |
+-----------+-------------+------------+-------------+--------+--------+--+
| 11 | k | female | 100.0 | 100.0 | 100.0 |
| 16 | p | female | 88.0 | 100.0 | 88.0 |
| 12 | l | female | 88.0 | 100.0 | 88.0 |
| 8 | h | female | 88.0 | 100.0 | 88.0 |
| 2 | b | female | 87.0 | 100.0 | 87.0 |
| 4 | d | female | 54.0 | 100.0 | 54.0 |
| 6 | f | female | 46.0 | 100.0 | 46.0 |
| 14 | n | female | NULL | 100.0 | 46.0 |
| 1 | a | male | 99.0 | 99.0 | 99.0 |
| 13 | m | male | 99.0 | 99.0 | 99.0 |
| 5 | e | male | 93.0 | 99.0 | 93.0 |
| 9 | i | male | 75.0 | 99.0 | 75.0 |
| 10 | j | male | 72.0 | 99.0 | 72.0 |
| 3 | c | male | 68.0 | 99.0 | 68.0 |
| 7 | g | male | 50.0 | 99.0 | 50.0 |
| 15 | o | male | NULL | 99.0 | 50.0 |
+-----------+-------------+------------+-------------+--------+--------+--+

-- 思路：分组 -> 排序 -> 计算【排名，聚合，分析】
-- 排名 -> row_number(),rank(),dense_rank()
-- 聚合 -> count(),max(),min(),sum(),avg()
-- 分析 -> lead(),lag(),first_value(),last_value()

-- window子句分为两类：行，值范围，不支持使用的函数包括：row_number(),rank(),dense_rank(),lead(),lag()

SELECT *,
MAX(mark) OVER(ORDER BY mark rows BETWEEN unbounded preceding AND CURRENT row)
FROM score;
+-----------+-------------+------------+-------------+---------+--+
| score.id | score.name | score.sex | score.mark | _wcol0 |
+-----------+-------------+------------+-------------+---------+--+
| 15 | o | male | NULL | NULL |
| 14 | n | female | NULL | NULL |
| 6 | f | female | 46.0 | 46.0 |
| 7 | g | male | 50.0 | 50.0 |
| 4 | d | female | 54.0 | 54.0 |
| 3 | c | male | 68.0 | 68.0 |
| 10 | j | male | 72.0 | 72.0 |
| 9 | i | male | 75.0 | 75.0 |
| 2 | b | female | 87.0 | 87.0 |
| 16 | p | female | 88.0 | 88.0 |
| 12 | l | female | 88.0 | 88.0 |
| 8 | h | female | 88.0 | 88.0 |
| 5 | e | male | 93.0 | 93.0 |
| 13 | m | male | 99.0 | 99.0 |
| 1 | a | male | 99.0 | 99.0 |
| 11 | k | female | 100.0 | 100.0 |
+-----------+-------------+------------+-------------+---------+--+

SELECT *,
MAX(mark) OVER(ORDER BY mark rows BETWEEN unbounded preceding AND unbounded following)
FROM score;
+-----------+-------------+------------+-------------+---------+--+
| score.id | score.name | score.sex | score.mark | _wcol0 |
+-----------+-------------+------------+-------------+---------+--+
| 15 | o | male | NULL | 100.0 |
| 14 | n | female | NULL | 100.0 |
| 6 | f | female | 46.0 | 100.0 |
| 7 | g | male | 50.0 | 100.0 |
| 4 | d | female | 54.0 | 100.0 |
| 3 | c | male | 68.0 | 100.0 |
| 10 | j | male | 72.0 | 100.0 |
| 9 | i | male | 75.0 | 100.0 |
| 2 | b | female | 87.0 | 100.0 |
| 16 | p | female | 88.0 | 100.0 |
| 12 | l | female | 88.0 | 100.0 |
| 8 | h | female | 88.0 | 100.0 |
| 5 | e | male | 93.0 | 100.0 |
| 13 | m | male | 99.0 | 100.0 |
| 1 | a | male | 99.0 | 100.0 |
| 11 | k | female | 100.0 | 100.0 |
+-----------+-------------+------------+-------------+---------+--+

SELECT *,
MAX(mark) OVER(ORDER BY mark rows BETWEEN 2 following AND 6 following)
FROM score;
+-----------+-------------+------------+-------------+---------+--+
| score.id | score.name | score.sex | score.mark | _wcol0 |
+-----------+-------------+------------+-------------+---------+--+
| 15 | o | male | NULL | 72.0 |
| 14 | n | female | NULL | 75.0 |
| 6 | f | female | 46.0 | 87.0 |
| 7 | g | male | 50.0 | 88.0 |
| 4 | d | female | 54.0 | 88.0 |
| 3 | c | male | 68.0 | 88.0 |
| 10 | j | male | 72.0 | 93.0 |
| 9 | i | male | 75.0 | 99.0 |
| 2 | b | female | 87.0 | 99.0 |
| 16 | p | female | 88.0 | 100.0 |
| 12 | l | female | 88.0 | 100.0 |
| 8 | h | female | 88.0 | 100.0 |
| 5 | e | male | 93.0 | 100.0 |
| 13 | m | male | 99.0 | 100.0 |
| 1 | a | male | 99.0 | NULL |
| 11 | k | female | 100.0 | NULL |
+-----------+-------------+------------+-------------+---------+--+

SELECT *,
MAX(mark) OVER(ORDER BY mark range BETWEEN 20 preceding AND 20 following)
FROM score;
+-----------+-------------+------------+-------------+---------+--+
| score.id | score.name | score.sex | score.mark | _wcol0 |
+-----------+-------------+------------+-------------+---------+--+
| 15 | o | male | NULL | NULL |
| 14 | n | female | NULL | NULL |
| 6 | f | female | 46.0 | 54.0 |
| 7 | g | male | 50.0 | 68.0 |
| 4 | d | female | 54.0 | 72.0 |
| 3 | c | male | 68.0 | 88.0 |
| 10 | j | male | 72.0 | 88.0 |
| 9 | i | male | 75.0 | 93.0 |
| 2 | b | female | 87.0 | 100.0 |
| 16 | p | female | 88.0 | 100.0 |
| 12 | l | female | 88.0 | 100.0 |
| 8 | h | female | 88.0 | 100.0 |
| 5 | e | male | 93.0 | 100.0 |
| 13 | m | male | 99.0 | 100.0 |
| 1 | a | male | 99.0 | 100.0 |
| 11 | k | female | 100.0 | 100.0 |
+-----------+-------------+------------+-------------+---------+--+

-- 取成绩前3名
WITH t1 AS(
SELECT *,
DENSE_RANK() OVER(ORDER BY mark desc) dk
FROM score
)
SELECT *
FROM t1
WHERE dk <=3;

SELECT *
FROM (
SELECT *,
DENSE_RANK() OVER(ORDER BY mark desc) dk
FROM score
)t1
WHERE dk <=3;

Long类型前后端数据不一致 igotyback 前端
响应给前端的数据浏览器控制台中response中看到的Long类型的数据是正常的到前端数据不一致前后端数据类型不匹配是一个常见问题，尤其是当后端使用Java的Long类型（64位）与前端JavaScript的Number类型（最大安全整数为2^53-1，即16位）进行数据交互时，很容易出现精度丢失的问题。这是因为JavaScript中的Number类型无法安全地表示超过16位的整数。为了解决这个问
LocalDateTime 转 String igotyback java 开发语言
importjava.time.LocalDateTime;importjava.time.format.DateTimeFormatter;publicclassMain{publicstaticvoidmain(String[]args){//获取当前时间LocalDateTimenow=LocalDateTime.now();//定义日期格式化器DateTimeFormatterformat
mysql禁用远程登录 igotyback mysql
去mysql库中的user表里，将host都改成localhost之后刷新权限FLUSHPRIVILEGES;
Linux下QT开发的动态库界面弹出操作（SDL2） 13jjyao QT类 qt 开发语言 sdl2 linux
需求：操作系统为linux，开发框架为qt，做成需带界面的qt动态库，调用方为java等非qt程序难点：调用方为java等非qt程序，也就是说调用方肯定不带QApplication::exec()，缺少了这个，QTimer等事件和QT创建的窗口将不能弹出(包括opencv也是不能弹出)；这与qt调用本身qt库是有本质的区别的思路：1.调用方缺QApplication::exec()，那么我们在接口
Google earth studio 简介陟彼高冈yu 旅游
GoogleEarthStudio是一个基于Web的动画工具，专为创作使用GoogleEarth数据的动画和视频而设计。它利用了GoogleEarth强大的三维地图和卫星影像数据库，使用户能够轻松地创建逼真的地球动画、航拍视频和动态地图可视化。网址为https://www.google.com/earth/studio/。GoogleEarthStudio是一个基于Web的动画工具，专为创作使用G
关于提高复杂业务逻辑代码可读性的思考编程经验分享开发经验 java 数据库开发语言
目录前言需求场景常规写法拆分方法领域对象总结前言实际工作中大部分时间都是在写业务逻辑，一般都是三层架构，表示层（Controller）接收客户端请求，并对入参做检验，业务逻辑层（Service）负责处理业务逻辑，一般开发都是在这一层中写具体的业务逻辑。数据访问层（Dao）是直接和数据库交互的，用于查数据给业务逻辑层，或者是将业务逻辑层处理后的数据写入数据库。简单的增删改查接口不用多说，基本上写好一
SQL Server_查询某一数据库中的所有表的内容 qq_42772833 SQL Server 数据库 sqlserver
1.查看所有表的表名要列出CrabFarmDB数据库中的所有表（名），可以使用以下SQL语句：USECrabFarmDB;--切换到目标数据库GOSELECTTABLE_NAMEFROMINFORMATION_SCHEMA.TABLESWHERETABLE_TYPE='BASETABLE';对这段SQL脚本的解释：SELECTTABLE_NAME：这个语句的作用是从查询结果中选择TABLE_NAM
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
【华为OD机试真题2023B卷 JAVA&JS】We Are A Team 若博豆 java 算法华为 javascript
华为OD2023（B卷）机试题库全覆盖，刷题指南点这里WeAreATeam时间限制：1秒|内存限制：32768K|语言限制：不限题目描述：总共有n个人在机房，每个人有一个标号（1<=标号<=n），他们分成了多个团队，需要你根据收到的m条消息判定指定的两个人是否在一个团队中，具体的：1、消息构成为：abc，整数a、b分别代
深入理解 MultiQueryRetriever：提升向量数据库检索效果的强大工具 nseejrukjhad 数据库 python
深入理解MultiQueryRetriever：提升向量数据库检索效果的强大工具引言在人工智能和自然语言处理领域，高效准确的信息检索一直是一个关键挑战。传统的基于距离的向量数据库检索方法虽然广泛应用，但仍存在一些局限性。本文将介绍一种创新的解决方案：MultiQueryRetriever，它通过自动生成多个查询视角来增强检索效果，提高结果的相关性和多样性。MultiQueryRetriever的工
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 javascript html css 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 html css javascript dreamweaver 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
MYSQL面试系列-04 king01299 面试 mysql 面试
MYSQL面试系列-0417.关于redolog和binlog的刷盘机制、redolog、undolog作用、GTID是做什么的？innodb_flush_log_at_trx_commit及sync_binlog参数意义双117.1innodb_flush_log_at_trx_commit该变量定义了InnoDB在每次事务提交时，如何处理未刷入（flush）的重做日志信息（redolog）。它
MongoDB Oplog 窗口喝醉酒的小白 MongoDB 运维
在MongoDB中，oplog（操作日志）是一个特殊的日志系统，用于记录对数据库的所有写操作。oplog允许副本集成员（通常是从节点）应用主节点上已经执行的操作，从而保持数据的一致性。它是MongoDB副本集实现数据复制的基础。MongoDBOplog窗口oplog窗口是指在MongoDB副本集中，从节点可以用来同步数据的时间范围。这个窗口通常由以下因素决定：Oplog大小：oplog的大小是有限
node.js学习小猿L node.js node.js 学习 vim
node.js学习实操及笔记温故node.js，node.js学习实操过程及笔记~node.js学习视频node.js官网node.js中文网实操笔记githubcsdn笔记为什么学node.js可以让别人访问我们编写的网页为后续的框架学习打下基础，三大框架vuereactangular离不开node.jsnode.js是什么官网：node.js是一个开源的、跨平台的运行JavaScript的运行
python os 环境变量 CV矿工 python 开发语言 numpy
环境变量：环境变量是程序和操作系统之间的通信方式。有些字符不宜明文写进代码里，比如数据库密码，个人账户密码，如果写进自己本机的环境变量里，程序用的时候通过os.environ.get（）取出来就行了。os.environ是一个环境变量的字典。环境变量的相关操作importos"""设置/修改环境变量：os.environ[‘环境变量名称’]=‘环境变量值’#其中key和value均为string类
【PG】常见数据库、表属性设置江无羡数据库
PG的常见属性配置方法数据库复制、备份相关表的复制标识单表操作批量表操作链接数据库复制、备份相关表的复制标识单表操作通过ALTER语句单独更改一张表的复制标识。ALTERTABLE[tablename]REPLICAIDENTITYFULL;批量表操作通过代码块的方式，对某个schema中的所有表一起更新其复制标识。SELECTtablename,CASErelreplidentWHEN'd'TH
nosql数据库技术与应用知识点皆过客，揽星河 NoSQL nosql 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)
SpringBlade dict-biz/list 接口 SQL 注入漏洞文章永久免费只为良心 oracle 数据库
SpringBladedict-biz/list接口SQL注入漏洞POC:构造请求包查看返回包你的网址/api/blade-system/dict-biz/list?updatexml(1,concat(0x7e,md5(1),0x7e),1)=1漏洞概述在SpringBlade框架中，如果dict-biz/list接口的后台处理逻辑没有正确地对用户输入进行过滤或参数化查询（PreparedSta
insert into select 主键自增_mybatis拦截器实现主键自动生成 weixin_39521651 insert into select 主键自增 mybatis delete返回值 mybatis insert返回主键 mybatis insert返回对象 mybatis plus insert返回主键 mybatis plus 插入生成id
前言前阵子和朋友聊天，他说他们项目有个需求，要实现主键自动生成，不想每次新增的时候，都手动设置主键。于是我就问他，那你们数据库表设置主键自动递增不就得了。他的回答是他们项目目前的id都是采用雪花算法来生成，因此为了项目稳定性，不会切换id的生成方式。朋友问我有没有什么实现思路，他们公司的orm框架是mybatis，我就建议他说，不然让你老大把mybatis切换成mybatis-plus。mybat
Java 重写(Override)与重载(Overload) 叨唧唧的
Java重写(Override)与重载(Overload)重写(Override)重写是子类对父类的允许访问的方法的实现过程进行重新编写,返回值和形参都不能改变。即外壳不变，核心重写！重写的好处在于子类可以根据需要，定义特定于自己的行为。也就是说子类能够根据需要实现父类的方法。重写方法不能抛出新的检查异常或者比被重写方法申明更加宽泛的异常。例如：父类的一个方法申明了一个检查异常IOExceptio
简单了解 JVM 记得开心一点啊 jvm
目录♫什么是JVM♫JVM的运行流程♫JVM运行时数据区♪虚拟机栈♪本地方法栈♪堆♪程序计数器♪方法区/元数据区♫类加载的过程♫双亲委派模型♫垃圾回收机制♫什么是JVMJVM是JavaVirtualMachine的简称，意为Java虚拟机。虚拟机是指通过软件模拟的具有完整硬件功能的、运行在一个完全隔离的环境中的完整计算机系统（如：JVM、VMwave、VirtualBox）。JVM和其他两个虚拟机
关于Mysql 中 Row size too large (＞ 8126) 错误的解决和理解秋刀prince mysql mysql 数据库
提示：啰嗦一嘴，数据库的任何操作和验证前，一定要记得先备份！！！不会有错；文章目录问题发现一、问题导致的可能原因1、页大小2、行格式2.1compact格式2.2Redundant格式2.3Dynamic格式2.4Compressed格式3、BLOB和TEXT列二、解决办法1、修改页大小（不推荐）2、修改行格式3、修改数据类型为BLOB和TEXT列4、其他优化方式（可以参考使用）4.1合理设置数据
1分钟解决 -bash: mvn: command not found，在Centos 7中安装Maven Energet!c 开发语言
1分钟解决-bash:mvn:commandnotfound，在Centos7中安装Maven检查Java环境1下载Maven2解压Maven3配置环境变量4验证安装5常见问题与注意事项6总结检查Java环境Maven依赖Java环境，请确保系统已经安装了Java并配置了环境变量。可以通过以下命令检查：java-version如果未安装，请先安装Java。1下载Maven从官网下载：前往Apach
Java企业面试题3 马龙强_ java
1.break和continue的作用(智*图)break：用于完全退出一个循环（如for,while）或一个switch语句。当在循环体内遇到break语句时，程序会立即跳出当前循环体，继续执行循环之后的代码。continue：用于跳过当前循环体中剩余的部分，并开始下一次循环。如果是在for循环中使用continue，则会直接进行条件判断以决定是否执行下一轮循环。2.if分支语句和switch分
JVM、JRE和 JDK：理解Java开发的三大核心组件 Y雨何时停T Java java
Java是一门跨平台的编程语言，它的成功离不开背后强大的运行环境与开发工具的支持。在Java的生态中，JVM（Java虚拟机）、JRE（Java运行时环境）和JDK（Java开发工具包）是三个至关重要的核心组件。本文将探讨JVM、JDK和JRE的区别，帮助你更好地理解Java的运行机制。1.JVM：Java虚拟机（JavaVirtualMachine）什么是JVM？JVM，即Java虚拟机，是Ja
Java面试题精选：消息队列(二) 芒果不是芒 Java面试题精选 java kafka
一、Kafka的特性1.消息持久化：消息存储在磁盘，所以消息不会丢失2.高吞吐量：可以轻松实现单机百万级别的并发3.扩展性：扩展性强，还是动态扩展4.多客户端支持：支持多种语言（Java、C、C++、GO、）5.KafkaStreams（一个天生的流处理）:在双十一或者销售大屏就会用到这种流处理。使用KafkaStreams可以快速的把销售额统计出来6.安全机制：Kafka进行生产或者消费的时候会
白骑士的Java教学基础篇 2.5 控制流语句白骑士所长 Java 教学 java 开发语言
欢迎继续学习Java编程的基础篇！在前面的章节中，我们了解了Java的变量、数据类型和运算符。接下来，我们将探讨Java中的控制流语句。控制流语句用于控制程序的执行顺序，使我们能够根据特定条件执行不同的代码块，或重复执行某段代码。这是编写复杂程序的基础。通过学习这一节内容，你将掌握如何使用条件语句和循环语句来编写更加灵活和高效的代码。条件语句条件语句用于根据条件的真假来执行不同的代码块。if语句‘
python语法——三目运算符 HappyRocking python python 三目运算符
在java中，有三目运算符，如：intc=(a>b)?a:b表示c取两者中的较大值。但是在python，不能直接这样使用，估计是因为冒号在python有分行的关键作用。那么在python中，如何实现类似功能呢？可以使用ifelse语句，也是一行可以完成，格式为：aifbelsec表示如果b为True，则表达式等于a，否则等于c。如：c=(aif(a>b)elseb)同样是完成了取最大值的功能。
ArrayList 源码解析程序猿进阶 Java基础 ArrayList List java 面试性能优化架构设计 idea
ArrayList是Java集合框架中的一个动态数组实现，提供了可变大小的数组功能。它继承自AbstractList并实现了List接口，是顺序容器，即元素存放的数据与放进去的顺序相同，允许放入null元素，底层通过数组实现。除该类未实现同步外，其余跟Vector大致相同。每个ArrayList都有一个容量capacity，表示底层数组的实际大小，容器内存储元素的个数不能多于当前容量。当向容器中添
html页面js获取参数值 0624chenhong html
1.js获取参数值js function GetQueryString(name) { var reg = new RegExp("(^|&)"+ name +"=([^&]*)(&|$)"); var r = windo
MongoDB 在多线程高并发下的问题 BigCat2013 mongodb DB 高并发重复数据
最近项目用到 MongoDB , 主要是一些读取数据及改状态位的操作. 因为是结合了最近流行的 Storm进行大数据的分析处理，并将分析结果插入Vertica数据库，所以在多线程高并发的情境下, 会发现 Vertica 数据库中有部分重复的数据. 这到底是什么原因导致的呢？笔者开始也是一筹莫展，重复去看 MongoDB 的 API , 终于有了新发现： com.mongodb.DB 这个类有
c++ 用类模版实现链表(c++语言程序设计第四版示例代码) CrazyMizzz 数据结构 C++
#include<iostream> #include<cassert> using namespace std; template<class T> class Node { private: Node<T> * next; public: T data;
最近情况麦田的设计者感慨考试生活
在五月黄梅天的岁月里，一年两次的软考又要开始了。到目前为止，我已经考了多达三次的软考，最后的结果就是通过了初级考试（程序员）。人啊，就是不满足，考了初级就希望考中级，于是，这学期我就报考了中级，明天就要考试。感觉机会不大，期待奇迹发生吧。这个学期忙于练车，写项目，反正最后是一团糟。后天还要考试科目二。这个星期真的是很艰难的一周，希望能快点度过。
linux系统中用pkill踢出在线登录用户被触发 linux
由于linux服务器允许多用户登录，公司很多人知道密码，工作造成一定的障碍所以需要有时踢出指定的用户 1/#who 查出当前有那些终端登录（用 w 命令更详细） # who root pts/0 2010-10-28 09:36 (192
仿QQ聊天第二版肆无忌惮_ qq
在第一版之上的改进内容: 第一版链接: http://479001499.iteye.com/admin/blogs/2100893 用map存起来号码对应的聊天窗口对象,解决私聊的时候所有消息发到一个窗口的问题. 增加ViewInfo类,这个是信息预览的窗口,如果是自己的信息,则可以进行编辑. 信息修改后上传至服务器再告诉所有用户,自己的窗口
java读取配置文件知了ing
1，java读取.properties配置文件 InputStream in; try { in = test.class.getClassLoader().getResourceAsStream("config/ipnetOracle.properties");//配置文件的路径 Properties p = new Properties()
__attribute__ 你知多少？矮蛋蛋 C++gcc
原文地址: http://www.cnblogs.com/astwish/p/3460618.html GNU C 的一大特色就是__attribute__ 机制。__attribute__ 可以设置函数属性（Function Attribute ）、变量属性（Variable Attribute ）和类型属性（Type Attribute ）。 __attribute__ 书写特征是：
jsoup使用笔记 alleni123 java 爬虫 JSoup
<dependency> <groupId>org.jsoup</groupId> <artifactId>jsoup</artifactId> <version>1.7.3</version> </dependency> 2014/08/28 今天遇到这种形式，
JAVA中的集合 Collectio 和Map的简单使用及方法百合不是茶 list map set
List ,set ,map的使用方法和区别 java容器类类库的用途是保存对象，并将其分为两个概念： Collection集合：一个独立的序列，这些序列都服从一条或多条规则;List必须按顺序保存元素，set不能重复元素；Queue按照排队规则来确定对象产生的顺序（通常与他们被插入的
杀LINUX的JOB进程 bijian1013 linux unix
今天发现数据库一个JOB一直在执行，都执行了好几个小时还在执行，所以想办法给删除掉系统环境： ORACLE 10G Linux操作系统操作步骤如下：第一步.查询出来那个job在运行，找个对应的SID字段 select * from dba_jobs_running--找到job对应的sid &n
Spring AOP详解 bijian1013 java spring AOP
最近项目中遇到了以下几点需求，仔细思考之后，觉得采用AOP来解决。一方面是为了以更加灵活的方式来解决问题，另一方面是借此机会深入学习Spring AOP相关的内容。例如，以下需求不用AOP肯定也能解决，至于是否牵强附会，仁者见仁智者见智。 1.对部分函数的调用进行日志记录，用于观察特定问题在运行过程中的函数调用
[Gson六]Gson类型适配器(TypeAdapter) bit1129 Adapter
TypeAdapter的使用动机 Gson在序列化和反序列化时，默认情况下，是按照POJO类的字段属性名和JSON串键进行一一映射匹配，然后把JSON串的键对应的值转换成POJO相同字段对应的值，反之亦然，在这个过程中有一个JSON串Key对应的Value和对象之间如何转换(序列化/反序列化)的问题。以Date为例，在序列化和反序列化时，Gson默认使用java.
【spark八十七】给定Driver Program，如何判断哪些代码在Driver运行，哪些代码在Worker上执行 bit1129 driver
Driver Program是用户编写的提交给Spark集群执行的application，它包含两部分作为驱动： Driver与Master、Worker协作完成application进程的启动、DAG划分、计算任务封装、计算任务分发到各个计算节点(Worker)、计算资源的分配等。计算逻辑本身，当计算任务在Worker执行时，执行计算逻辑完成application的计算任务
nginx 经验总结 ronin47 nginx 总结
　　　深感nginx的强大，只学了皮毛，把学下的记录。　　　获取Header 信息，一般是以$http_XX（ＸＸ是小写）获取body,通过接口，再展开，根据Ｋ取Ｖ　　　获取uri,以$arg_XX &n
轩辕互动-1.求三个整数中第二大的数2.整型数组的平衡点 bylijinnan 数组
import java.util.ArrayList; import java.util.Arrays; import java.util.List; public class ExoWeb { public static void main(String[] args) { ExoWeb ew=new ExoWeb(); System.out.pri
Netty源码学习-Java-NIO-Reactor bylijinnan java 多线程 netty
Netty里面采用了NIO-based Reactor Pattern 了解这个模式对学习Netty非常有帮助参考以下两篇文章： http://jeewanthad.blogspot.com/2013/02/reactor-pattern-explained-part-1.html http://gee.cs.oswego.edu/dl/cpjslides/nio.pdf
AOP通俗理解 cngolon spring AOP
1.我所知道的aop 初看aop,上来就是一大堆术语，而且还有个拉风的名字，面向切面编程，都说是OOP的一种有益补充等等。一下子让你不知所措，心想着：怪不得很多人都和我说aop多难多难。当我看进去以后，我才发现：它就是一些java基础上的朴实无华的应用，包括ioc，包括许许多多这样的名词，都是万变不离其宗而已。 2.为什么用aop&nb
cursor variable 实例 ctrain variable
create or replace procedure proc_test01 as type emp_row is record( empno emp.empno%type, ename emp.ename%type, job emp.job%type, mgr emp.mgr%type, hiberdate emp.hiredate%type, sal emp.sal%t
shell报bash: service: command not found解决方法 daizj linux shell service jps
今天在执行一个脚本时，本来是想在脚本中启动hdfs和hive等程序，可以在执行到service hive-server start等启动服务的命令时会报错，最终解决方法记录一下：脚本报错如下： ./olap_quick_intall.sh: line 57: service: command not found ./olap_quick_intall.sh: line 59
40个迹象表明你还是PHP菜鸟 dcj3sjt126com 设计模式 PHP 正则表达式 oop
你是PHP菜鸟，如果你：1. 不会利用如phpDoc 这样的工具来恰当地注释你的代码2. 对优秀的集成开发环境如Zend Studio 或Eclipse PDT 视而不见3. 从未用过任何形式的版本控制系统，如Subclipse4. 不采用某种编码与命名标准，以及通用约定，不能在项目开发周期里贯彻落实5. 不使用统一开发方式6. 不转换（或）也不验证某些输入或SQL查询串（译注：参考PHP相关函
Android逐帧动画的实现 dcj3sjt126com android
一、代码实现： private ImageView iv; private AnimationDrawable ad; @Override protected void onCreate(Bundle savedInstanceState) { super.onCreate(savedInstanceState); setContentView(R.layout
java远程调用linux的命令或者脚本 eksliang linux ganymed-ssh2
转载请出自出处： http://eksliang.iteye.com/blog/2105862 Java通过SSH2协议执行远程Shell脚本(ganymed-ssh2-build210.jar) 使用步骤如下： 1.导包官网下载: http://www.ganymed.ethz.ch/ssh2/ ma
adb端口被占用问题 gqdy365 adb
最近重新安装的电脑，配置了新环境，老是出现： adb server is out of date. killing... ADB server didn't ACK * failed to start daemon * 百度了一下，说是端口被占用，我开个eclipse，然后打开cmd，就提示这个，很烦人。一个比较彻底的解决办法就是修改
ASP.NET使用FileUpload上传文件 hvt .net C#hovertree asp.net webform
前台代码： <asp:FileUpload ID="fuKeleyi" runat="server" /> <asp:Button ID="BtnUp" runat="server" onclick="BtnUp_Click" Text="上传" />
代码之谜（四）- 浮点数（从惊讶到思考） justjavac 浮点数精度代码之谜 IEEE
在『代码之谜』系列的前几篇文章中，很多次出现了浮点数。浮点数在很多编程语言中被称为简单数据类型，其实，浮点数比起那些复杂数据类型（比如字符串）来说，一点都不简单。单单是说明 IEEE浮点数就可以写一本书了，我将用几篇博文来简单的说说我所理解的浮点数，算是抛砖引玉吧。一次面试记得多年前我招聘 Java 程序员时的一次关于浮点数、二分法、编码的面试，多年以后，他已经称为了一名很出色的
数据结构随记_1 lx.asymmetric 数据结构笔记
第一章 1.数据结构包括数据的逻辑结构、数据的物理/存储结构和数据的逻辑关系这三个方面的内容。 2.数据的存储结构可用四种基本的存储方法表示，它们分别是顺序存储、链式存储、索引存储和散列存储。 3.数据运算最常用的有五种，分别是查找/检索、排序、插入、删除、修改。 4.算法主要有以下五个特性：输入、输出、可行性、确定性和有穷性。 5.算法分析的
linux的会话和进程组网络接口 linux
会话：一个或多个进程组。起于用户登录，终止于用户退出。此期间所有进程都属于这个会话期。会话首进程：调用setsid创建会话的进程1.规定组长进程不能调用setsid，因为调用setsid后，调用进程会成为新的进程组的组长进程.如何保证？先调用fork，然后终止父进程，此时由于子进程的进程组ID为父进程的进程组ID，而子进程的ID是重新分配的，所以保证子进程不会是进程组长，从而子进程可以调用se
二维数组元素的连续求解 1140566087 二维数组 ACM
import java.util.HashMap; public class Title { public static void main(String[] args){ f(); } // 二位数组的应用 //12、二维数组中，哪一行或哪一列的连续存放的0的个数最多，是几个0。注意，是“连续”。 public static void f(){
也谈什么时候Java比C++快 windshome java C++
刚打开iteye就看到这个标题“Java什么时候比C++快”，觉得很好笑。你要比，就比同等水平的基础上的相比，笨蛋写得C代码和C++代码，去和高手写的Java代码比效率，有什么意义呢？我是写密码算法的，深刻知道算法C和C++实现和Java实现之间的效率差，甚至也比对过C代码和汇编代码的效率差，计算机是个死的东西，再怎么优化，Java也就是和C

hive高级查询（2）

你可能感兴趣的:(数据库,sql,java)