汽车行驶工况特征参数:从“速度曲线”到“驾驶DNA”的硬核解码
作为新能源汽车行业的从业者,你是否曾困惑于这些问题:
- 为什么同一款电动车,不同用户的实际续航差异高达30%?
- 如何精准量化驾驶行为对电池寿命的影响?
- 车企标定的“NEDC续航”与真实路况差距的根源是什么?
这些问题的答案,都藏在汽车行驶工况的核心特征参数中——它们不仅是车辆能耗的“基因密码”,更是连接虚拟仿真与真实场景的“数据桥梁”。本文将从工程实战视角,为你揭开这些参数背后的科学逻辑与行业应用。
一、汽车行驶工况:新能源车的“心电图”
如果把车辆比作人体,行驶工况曲线就是它的“心电图”——速度的每一次波动,都对应着电机、电池、电控系统的“生命体征”。在新能源汽车领域,这张“心电图”的价值远超传统燃油车:
- 电池管理:急加速时电池瞬间放电功率可达200kW以上,直接影响电池温升与寿命。
- 能耗预测:城市拥堵工况(平均速度15km/h)的能耗可能比高速匀速工况(80km/h)高40%。
- 算法优化:自动驾驶决策模块需要预判速度-加速度分布,规划最低能耗路径。
而这一切,都依赖于对七大核心特征参数的深度解析。
二、参数背后的工程密码:从实验室到真实世界
1. 平均速度:能耗模型的“基准线”
- 行业误区:多数人认为平均速度越高能耗越大,但在电动车中,中速区间(40-60km/h)反而可能最优。
- 实战案例:某车企通过分析10万条用户数据发现,当平均速度从30km/h提升至50km/h时,续航增加12%(得益于减少了频繁启停的能量损耗)。
2. 速度-加速度联合分布:驾驶风格的“指纹”
- 数据洞察:激进驾驶(加速度标准差>0.8m/s²)会导致电池峰值温度升高8℃,循环寿命下降15%。
- 技术应用:某BMS系统通过实时监测联合分布,动态调整SOC(电池荷电状态)估算策略,将续航预测误差从7%压缩至2%。
3. 减速段平均减速度:能量回收的“金矿”
- 量化价值:在WLTC工况下,制动能量回收可贡献高达25%的续航提升。
- 算法突破:某车型通过优化减速段识别算法(窗口长度从5秒缩短至0.5秒),能量回收效率提升18%。
三、行业级应用:数据驱动的新能源革命
1. 测试场景库构建
- 国际标准:联合国ECE R137法规要求,自动驾驶测试场景库必须包含速度标准差>15km/h的激进驾驶片段。
- 车企实践:某造车新势力基于20个城市的联合分布数据,构建了全球首个“中国式加塞工况”测试模块。
2. 用户画像与个性化服务
- 数据变现:某车企通过分析用户驾驶参数,推出“续航保险”服务——激进型用户支付更高保费,但可获得免费电池健康检测。
- 生态延伸:充电桩运营商利用平均速度数据,预测用户到达充电站时的剩余电量,动态调整充电价格。
3. 虚拟仿真与数字孪生
- 降本增效:某厂商通过将真实用户的速度标准差(σ=12.3km/h)注入仿真模型,将实车测试里程从100万公里减少至30万公里。
- 技术前沿:特斯拉“影子模式”持续采集全球车主的联合分布数据,用于训练下一代能耗预测神经网络。
四、给从业者的三个行动指南
-
建立数据思维
- 不要只盯着“平均速度”,速度-加速度的协方差矩阵可能隐藏着续航突变的关键信号。
- 推荐工具:Python的Seaborn库可快速绘制联合分布热力图(见示例代码)。
-
拥抱场景化工程
- 将NEDC/WLTC等标准工况与用户真实参数分布对比,找到优化“缺口”。
- 案例参考:某车型在σ_v>20km/h的工况下电机效率骤降,针对性升级后投诉率下降60%。
-
关注参数链式反应
- 速度波动(σ_v)→ 电池充放电频次 → 温度梯度 → 寿命衰减,这是一个需要跨部门协同的系统工程。
五、未来趋势:参数维度的升维战争
当行业还在争论平均速度的计算方法时,头部企业已开始探索:
- 高阶参数:速度分形维度(驾驶波动复杂性)、加速度功率谱密度(能量频域特征)
- 融合参数:速度-坡度-温度联合分布(山地工况建模)
- 动态参数:基于实时交通流的工况参数自适应预测
谁掌握了参数解析的深度,谁就握住了新能源时代的钥匙。
结语
在新能源汽车行业,没有“普通”的数据,只有“尚未挖掘”的金矿。从一条速度曲线中,我们可以解码电池寿命、重塑驾驶体验、甚至重构商业模式。本文仅揭示了冰山一角,后续将带来更多硬核专题:
- 《如何用联合分布破解冬季续航缩水之谜》
- 《基于行驶参数的电池健康度无损检测》
点击关注,开启你的新能源数据进化之旅。
配套资源
以下是汽车行驶工况核心特征参数的硬核解析,包括计算思路、公式及技术要点:
1. 平均速度(Average Speed)
计算思路
- 定义:车辆在测试周期内的总行驶距离与总时间的比值。
- 关键点:需排除停车时间(速度=0的时间段),仅统计车辆实际移动的时间。
公式
符号说明:
- v_i:第i个时间点的瞬时速度(单位:km/h 或 m/s)
- Delta t_i:第i个时间点的时间间隔(单位:s)
2. 行驶速度分布(Speed Profile)
计算思路
- 定义:速度随时间变化的序列(时间-速度曲线)。
- 关键点:需按固定采样频率(如1Hz)采集速度数据,构建离散时间序列。
公式
技术要点:
- 数据清洗:剔除异常值(如负速度或超物理极限速度)。
- 插值处理:对缺失数据采用线性插值或样条插值。
3. 最大速度与最小速度(Max/Min Speed)
计算思路
- 定义:测试周期内速度的全局最大值和最小值。
- 关键点:需排除瞬态噪声(如传感器误差导致的异常峰值)。
公式
4. 速度标准偏差(Speed Standard Deviation)
计算思路
- 定义:速度序列的离散程度,反映驾驶激烈程度。
- 关键点:使用无偏估计(样本标准差)。
公式
5. 加速度标准偏差(Acceleration Standard Deviation)
计算思路
- 定义:加速度序列的波动性,表征驾驶平稳性。
- 关键点:加速度通过速度差分计算,需平滑处理以减少噪声。
公式
技术要点:
- 加速度计算需采用中心差分法或低通滤波(如Savitzky-Golay滤波器)抑制高频噪声。
6. 减速段平均减速度(Mean Deceleration in Braking Phases)
计算思路
- 定义:所有减速阶段((a < 0))的减速度绝对值均值。
- 关键点:需识别连续减速区间(如加速度连续负值超过阈值)。
公式
技术要点:
- 减速段识别算法:滑动窗口检测连续负加速度区间(如窗口长度≥3秒)。
7. 速度-加速度联合分布(Speed-Acceleration Joint Distribution)
计算思路
- 定义:速度与加速度的二维概率密度分布,反映驾驶工况的动力学特征。
- 关键点:分箱统计或核密度估计(KDE)。
公式
分箱统计法:
- N_k,l:速度落在第k个区间且加速度落在第l个区间的样本数。
- 区间划分:速度按10 km/h间隔分箱,加速度按0.1 m/s²间隔分箱。
核密度估计(KDE):
- K:高斯核函数
- h_v, h_a:带宽参数(通过Silverman法则优化)。
关键计算流程总结
- 数据预处理:
- 剔除异常值,插值补全缺失数据。
- 对速度序列进行平滑滤波(如移动平均)。
- 基础参数计算:
- 平均速度、极值、标准差。
- 加速度计算:
- 差分法或滤波法生成加速度序列。
- 减速段提取:
- 滑动窗口识别连续负加速度区间。
- 联合分布建模:
- 分箱统计或核密度估计生成二维分布矩阵。
示例代码(Python)
import numpy as np
import pandas as pd
from scipy import stats# 1. 加载速度时间序列数据(示例)
time = np.arange(0, 3600, 1) # 1小时数据,1Hz采样
speed = np.random.uniform(0, 120, 3600) # 模拟速度数据(0-120 km/h)# 2. 计算平均速度(排除停车时间)
moving_mask = speed > 0 # 排除速度为0的时间
avg_speed = np.mean(speed[moving_mask])# 3. 计算加速度(中心差分法)
dt = 1 # 1秒间隔
accel = np.gradient(speed[moving_mask], dt)# 4. 减速段平均减速度
decel_mask = accel < 0
mean_decel = np.mean(np.abs(accel[decel_mask])) if np.any(decel_mask) else 0# 5. 速度-加速度联合分布(分箱统计)
v_bins = np.arange(0, 130, 10) # 速度分箱(0-120 km/h,10 km/h间隔)
a_bins = np.arange(-3, 3.1, 0.1) # 加速度分箱(-3~3 m/s²,0.1间隔)
joint_dist, v_edges, a_edges = np.histogram2d(speed[moving_mask], accel, bins=[v_bins, a_bins], density=True
)
应用场景
- 能耗建模:联合分布用于构建车辆能耗MAP图。
- 驾驶风格分析:标准差参数量化驾驶激进程度。
- 测试工况设计:基于统计特征复现实路驾驶循环(如WLTC、NEDC)。
通过上述方法,可全面量化汽车行驶工况的动力学特征,支撑新能源汽车的算法开发与性能验证。
相关文章:
汽车行驶工况特征参数:从“速度曲线”到“驾驶DNA”的硬核解码
作为新能源汽车行业的从业者,你是否曾困惑于这些问题: 为什么同一款电动车,不同用户的实际续航差异高达30%?如何精准量化驾驶行为对电池寿命的影响?车企标定的“NEDC续航”与真实路况差距的根源是什么? 这…...
dify本地部署,docker-plugin_daemon-1启动不了,一直报错
解决办法,修改这两个配置,然后重启 进入源代码目录,docker文件夹下 docker compose down docker compose up -d https://github.com/langgenius/dify/issues/17677...
2025 年第十五届 MathorCup 数学应用挑战赛 A 题:汽车风阻预测
A 题:汽车风阻预测 在空气动力学领域,空气阻力对汽车以及航空航天工业中载具的 性能和效率有着至关重要的影响。以往的研究表明,预测这种阻力需 要借助先进的工业仿真软件进行大规模流体力学模拟仿真,而该模拟 过程不仅算法复杂…...
AI Agents系列之AI代理架构体系
1. 引言 智能体架构是定义智能体组件如何组织和交互的蓝图,使智能体能够感知其环境、推理并采取行动。本质上,它就像是智能体的数字大脑——集成了“眼睛”(传感器)、“大脑”(决策逻辑)和“手”(执行器),用于处理信息并采取行动。 选择正确的架构对于构建有效的智能…...
使用Java动态数据生成PDF报告:简化您的报告导出流程
在当今的数据驱动世界中,能够快速且有效地将数据转化为可视化的报告是一项宝贵的技能。无论是商业分析、项目管理还是学术研究,PDF报告都是分享和存档信息的理想格式。在这篇博客中,我们将探讨如何使用Java编程语言结合iText库来动态生成包含…...
Sqlite3交叉编译全过程
Sqlite3交叉编译全过程 一、概述二、下载三、解压四、配置五、编译六、安装七、验证文件类型八、移植8.1、头文件sqlite3.h8.2、动态链接库移植8.3、静态态链接库移植 九、验证使用9.1. 关键函数说明 十、触发器使用十一、sqlite表清空且恢复id值十二、全文总结 一、概述 SQLi…...
Qt QThread 两种线程管理方法
在 Qt 中,QThread 有两种常见的用法,分别对应不同的线程管理模型。这两种方法各有优缺点,适用于不同的场景: 1. 子类化 QThread(继承 QThread,重写 run() 方法) 这是传统的线程用法,类似于 Java 或 C++ 标准库中的线程模型。通过继承 QThread 并重写 run() 方法,将需…...
React 中如何获取 DOM:用 useRef 操作非受控组件
📌 场景说明 在写 React 的时候,通常我们是通过“受控组件”来管理表单元素,比如用 useState 控制 <input> 的值。 但有些时候,控制的需求只是临时性的,或者完全不需要重新渲染组件,这时候直接访问…...
GoogleCodeUtil.java
Google动态验证码实现 GoogleCodeUtil.java package zwf;import java.io.UnsupportedEncodingException; import java.net.URLEncoder; import java.nio.charset.StandardCharsets; import java.security.SecureRandom;/** https://mvnrepository.com/artifact/commons-codec/…...
Hutool之DateUtil:让Java日期处理变得更加简单
前言 在Java开发中,日期和时间的处理是一个常见问题。为了简化这个过程,许多开发者会使用第三方工具包,如Hutool。Hutool是一个Java工具包,提供了许多实用的功能,其中之一就是日期处理。日期时间工具类是Hutool的核心包…...
解锁古籍中的气候密码,探索GPT/BERT在历史灾害研究中的前沿应用;气候史 文本挖掘 防灾减灾;台风案例、干旱案例、暴雨案例
历史灾害文献分析方法论的研究,是连接过去与未来的关键桥梁。通过对古籍、方志、档案等非结构化文本的系统性挖掘与量化分析,不仅能够重建千年尺度的灾害事件序列(如台风、洪旱等),弥补仪器观测数据的时空局限性&#…...
DeepSeek-R3、GPT-4o 与 Claude-3.5-Sonnet 全面对比:性能、应用场景与技术解析
随着大模型技术的迅猛发展,国产模型正逐渐崭露头角,尤其是DeepSeek-R3的发布,更是在AI技术社区中引起广泛关注。而与此同时,国际领先的GPT-4o和Claude-3.5-Sonnet也在不断迭代升级,持续刷新业界对AI能力的认知。下文将…...
智能翻译播放器,让无字幕视频不再难懂
打工人们你们好!这里是摸鱼 特供版~ 今天给大家带来一款超牛的黑科技——Splayer,完全免费的智能翻译播放器,让你轻松看懂无字幕视频! 推荐指数:★★★★★ 软件简介 Splayer 是一款完全免费的智能翻译播放器&#…...
快手本地生活2024年GMV同增200%,“新线城市+AI”将成增长引擎
4月17日,“新线大市场,AI新机遇”快手本地生活2025聚力大会在沈阳召开。 会上,快手高级副总裁、本地生活事业部负责人笑古在聚力大会上表示,“新线城市AI”将成为快手本地生活的增长引擎。 据「TMT星球」了解,2024年…...
第七篇:系统分析师第三遍——1、2章
目录 一、目标二、计划三、完成情况四、意外之喜(最少2点)1.计划内的明确认知和思想的提升标志2.计划外的具体事情提升内容和标志 五、总结 一、目标 通过参加考试,训练学习能力,而非单纯以拿证为目的。 1.在复习过程中,训练快速阅读能力、掌…...
2025妈妈杯数学建模D题完整分析论文(共42页)(含模型建立、代码)
2025 年第十五届 MathorCup 数学建模D题完整分析论文 目录 摘要 一、问题分析 二、问题重述 三、模型假设 四、 模型建立与求解 4.1问题1 4.1.1问题1思路分析 4.1.2问题1模型建立 4.1.3问题1样例代码(MATLAB和Python) 4.1.4问题1结果…...
软考高级-系统架构设计师 论文范文参考(一)
文章目录 论SOA技术的应用论SOA在企业信息化中的应用论UP(统一过程方法)的应用论分布式数据库的设计与实现论改进Web服务器性能的有关技术论基于UML的需求分析论基于构件的软件开发论基于构件的软件开发(二) 论SOA技术的应用 摘要: 本人于…...
江湖路远,唯PUT可稳:Express 路由更新招式全解
前言 江湖传闻,后端开发如同修炼绝世武功:有人精通 POST 掌,横扫千军;有人修习 GET 指法,探查万象。而真正踏入高阶境界的高手,常常默默修炼一门冷门却威力极强的秘技,PUT 神功。 今日时机正好,你我相逢于码海江湖,不如来一场技术切磋,也许能悟出更新之道,功力再上…...
【k8s系列1】一主两从结构的环境准备
环境准备 虚拟机软件准备及安装,这里就不详细展开了,可以看文章:【一、虚拟机vmware安装】 linux环境准备及下载,下载镜像centOS7.9,以前也有写过这个步骤的文章,可以看:【二、安装centOS】 开始进入正题…...
通过特定协议拉起 electron 应用
在 Android 通过 sheme 协议可以拉起其他应用。 electron 应用也可以通过类似特定协议被拉起。 在同时有 web、客户端的应用里,可以通过这种方式在 web 拉起客户端。 支持拉起客户端 const PROTOCOL xxxif (process.defaultApp) {// 这里是开发环境,有…...
IDEA MyBatisCodeHelper Pro插件高版本解密
声明,该方法仅仅作为个人研究学习使用,请勿传播 版本说明 系统:macOS(Windows同理)IDE:IntelliJ IDEA 2024.4MyBatisCodeHelper Pro 3.4 环境准备 从插件市场下载MyBatisCodeHelper Pro 找到MyBatisCo…...
网站制作公司哪家好?如何选择靠谱的网站设计公司
在当今数字化时代,企业想要在互联网上立足,一个专业、美观且功能强大的网站是必不可少的。然而,面对众多的网站建设公司,如何选择一家真正适合自己需求的合作伙伴,成为了许多企业主和创业者面临的难题。毕竟࿰…...
Linux之基础命令
Linux作为开源操作系统的代表,以其高效、灵活和强大的命令行工具闻名。无论是系统管理、开发调试还是日常使用,掌握基础命令都是与Linux系统交互的必备技能。本文整理了20个最常用的Linux基础命令,帮助新手快速入门。 目录 目录与文件导航文…...
使用手机归属地查询API,使效率事半功倍
手机归属地查询API通过查询手机号码的归属地信息,为企业提供了一个高效、便捷的解决方案,帮助企业在竞争激烈的市场中脱颖而出。 代码示例 请求参数说明: 名称必填类型说明key是string个人中心查看phone是int手机号 返回参数说明: 名称类型说明phon…...
基于FPGA的AES加解密系统verilog实现,包含testbench和开发板硬件测试
目录 1.课题概述 2.系统测试效果 3.核心程序与模型 4.系统原理简介 4.1 字节替换(SubBytes) 4.2 行移位(ShiftRows) 4.3 列混合(MixColumns) 4.4 轮密钥加(AddRoundKey) 4.…...
【AI部署】腾讯云GPU -—SadTalker的AI数字人访问web服务—未来之窗超算中心
访问部署在Cloud Studio上的web服务 当你把该项目部署在本地时,访问该服务的请求地址为http://localhost:8080/hello;当你把该项目部署在Cloud Studio工作台启动时,要想访问到该服务,需要先在工作台右侧打开访问链接面板ÿ…...
Linux:命令行参数、环境变量
命令行参数 执行程序时,可以从命令行传值给 C 程序。这些值被称为命令行参数,它们对程序很重要,特别是当我们想从外部控制程序,而不是在代码内对这些值进行硬编码时,就显得尤为重要了。 在 C 语言中,命令…...
Linux CentOS 更改MySQL数据库目录位置
在 CentOS 系统上更改 MySQL(或 MariaDB)数据库目录位置(datadir)需要谨慎操作,以避免数据丢失或服务启动失败。以下是详细步骤: 1. 停止 MySQL/MariaDB 服务 bash 复制 sudo systemctl stop mysqld …...
Unity-微信截图功能简单复刻-03绘制空心矩形
思路-绘制空心矩形 拓展UGUI的Graphic类,实现拖拽接口。 开始拖拽时记录鼠标位置, 使用拖拽中的鼠标位置和记录的位置,计算矩形顶点,绘制矩形。 两个三角形合并为一个矩形,作为空心矩形的一条边,四个边合并为空心矩形…...
Flutter与FastAPI的OSS系统实现
作者:孙嘉成 目录 一、对象存储 二、FastAPI与对象存储 2.1 缤纷云S4服务API对接与鉴权实现 2.2 RESTful接口设计与异步路由优化 三、Flutter界面与数据交互开发 3.1 应用的创建 3.2页面的搭建 3.3 文件的上传 关键词:对象存储、FastAPI、Flutte…...
环境搭建与入门:Flutter SDK安装与配置
环境搭建与入门:Flutter SDK安装与配置 一、Flutter开发环境概述 1.1 Flutter开发环境组成 Flutter开发环境主要包含以下几个关键组件: Flutter SDK:Flutter的核心开发工具包Dart SDK:Flutter使用的编程语言环境IDE/编辑器&am…...
MATLAB 控制系统设计与仿真 - 35
MATLAB鲁棒控制器分析 所谓鲁棒性是指控制系统在一定(结构,大小)的参数扰动下,维持某些性能的特征。 根据对性能的不同定义,可分为稳定鲁棒性(Robust stability)和性能鲁棒性(Robust performance)。 以闭环系统的鲁棒性作为目标设计得到的…...
多模态记忆融合:基于LSTM的连续场景生成——突破AI视频生成长度限制
一、技术背景与核心挑战 2025年视频生成领域面临的关键难题是长时程连贯性——传统方法在生成超过5分钟视频时会出现场景跳变、物理规则不一致等问题。本研究提出时空记忆融合架构(ST-MFA),通过LSTM记忆门控与多模态对齐技术,在R…...
架构师面试(三十二):注册中心数据结构
问题 提到【注册中心】,我们对它的基本功能,肯定可以顺手拈来,比如:【服务注册】【服务发现】【健康检查】【变更通知】等。 透过这些基本功能,一个普适的注册中心的数据结构应该如何设计呢? 可以结合着…...
Oracle 19c新特性:OCP认证考试与职业跃迁的关键?
在数字化转型的浪潮中,Oracle 19c作为数据库领域的旗舰版本,不仅承载着技术革新的使命,更成为IT从业者职业进阶的“黄金跳板”。无论是企业级应用的高可用性需求,还是云原生架构的快速迭代,Oracle 19c的智能化与多模型…...
360蜘蛛IP完整版,360搜索引擎蜘蛛IP列表.pdf
360搜索的蜘蛛在访问网站时,都会带上带有360spider签名信息的UA,其形态为: Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102 Safari/537.36; 360Spider 为满足站长朋友们的需求&a…...
C++_设计模式\_观察者模式(Observer Pattern)
👋 Hi, I’m liubo👀 I’m interested in harmony🌱 I’m currently learning harmony💞️ I’m looking to collaborate on …📫 How to reach me …📇 sssssdsdsdsdsdsdasd🎃 dsdsdsdsdsddfsg…...
23种设计模式全面解析
设计模式是解决软件设计中常见问题的经典方案。根据《设计模式:可复用面向对象软件的基础》(GoF),23种设计模式分为以下三类: 一、创建型模式(5种) 目标:解耦对象的创建过程&#x…...
学术AI工具推荐
一、基础信息对比 维度知网研学AI(研学智得AI)秘塔AIWOS AI开发公司同方知网(CNKI)上海秘塔网络科技Clarivate Analytics是否接入DeepSeek✅ 深度集成(全功能接入DeepSeek-R1推理服务)✅ 通过API接入DeepS…...
Agent的九种设计模式 介绍
Agent的九种设计模式 介绍 一、ReAct模式 原理:将推理(Reasoning)和行动(Acting)相结合,使Agent能够在推理的指导下采取行动,并根据行动的结果进一步推理,形成一个循环。Agent通过生成一系列的思维链(Thought Chains)来明确推理步骤,并根据推理结果执行相应的动作,…...
Python如何助力区块链网络安全?从攻击防范到智能合约审计
Python如何助力区块链网络安全?从攻击防范到智能合约审计 引言:区块链安全,真的安全吗? 区块链作为去中心化技术的代表,被誉为“不可篡改”的分布式账本。但事实真的如此吗?现实世界中,智能合约漏洞、私钥泄露、交易欺诈等安全问题层出不穷,让区块链网络安全成为一个关…...
磁流变式汽车减振器创新设计与关键技术研究
摘要 本文针对智能悬架系统的发展需求,深入探讨磁流变减振器(MR Damper)的核心设计原理与工程实现路径。通过建立磁场-流场耦合模型,优化磁路结构与控制策略,提出具有快速响应特性的新型磁流变减振器设计方案…...
Kafka 时间轮
Kafka存在大量的延迟操作,比如延迟删除、延迟拉取等。Kafka基于时间轮概念自定义了一个用于延迟操作的定时器。 JDK自带的Timer和DelayQueue缺陷 Timer和DelayQueue都可以插入多个定时任务,它们都使用一个优先级队列来管理任务,复杂度为O(l…...
加锁注意事项
结论: 1:加锁前不能有可能异常的代码结构,原因:没加锁,直接因为上边的异常走finall解锁,导致不必要的问题 2:加锁后,try之前。有异常代码,导致无法走到try进行解锁.后果&…...
Vue3+Vite+TypeScript+Element Plus开发-22.客制Table组件
系列文档目录 Vue3ViteTypeScript安装 Element Plus安装与配置 主页设计与router配置 静态菜单设计 Pinia引入 Header响应式菜单缩展 Mockjs引用与Axios封装 登录设计 登录成功跳转主页 多用户动态加载菜单 Pinia持久化 动态路由 -动态增加路由 动态路由-动态删除…...
hive的基础配置优化与数仓流程
1.HDFS副本数 dfs.replication(HDFS) 文件副本数,通常设为3,不推荐修改。 如果测试环境只有二台虚拟机(2个datanode节点),此值要修改为2。 2.Yarn基础配置 2.1NodeManager配置 2.1.1CPU配置 …...
制作一个简单的操作系统3
打印一个 hello 在 INT 10H 中断中的作用 INT 10H 是 BIOS 提供的中断, 当 AH 寄存器的值被设置为 0x0e 时,INT 10H 中断就会以 TTY 模式工作。 mov ah, 0x0e ;tty模式 mov al, H int 0x10 mov al, e int 0x10 mov al, l int 0x10 int 0x10 ; l is stil…...
linux ptrace 图文详解(六) gdb单步调试
目录 一、gdb单步调试介绍 二、单步调试原理 三、MDSCR_EL1对单步调试的支持、及起作用时机 四、代码实现 五、总结 (代码:linux 6.3.1,架构:arm64) One look is worth a thousand words. —— Tess Flanders …...
51、项⽬中的权限管理怎么实现的
答:权限管理有三个很重要的模块; (1)⽤⼾模块:可以给⽤⼾分配不同的⻆⾊ (2)⻆⾊模块:可以授于⽤⼾不同的⻆⾊,不同的⻆⾊有不同权限 (3)权限模块:⽤于管理系统中的权限接⼝,为⻆⾊提供对…...
第五章 SQLite数据库:4、SQLite 进阶用法:常见的约束、PRAGMA 配置、数据操作
SQLite PRAGMA PRAGMA 命令用于查询和设置 SQLite 数据库的环境配置,可以帮助管理数据库的行为和性能。 语法 查询 PRAGMA 值: PRAGMA pragma_name;设置 PRAGMA 值: PRAGMA pragma_name value;常见 PRAGMA 示例 1. auto_vacuum Pragma…...