利用java语言，怎样开发和利用各种开源库和内部/自定义框架，实现“提取-转换-加载”（ETL）流程的自动化
一、ETL 架构设计的核心要素
在企业级数据处理场景中，ETL（Extract-Transform-Load）流程自动化是数据仓库、数据湖建设的核心环节。基于 Java 生态的技术栈，我们可以构建分层解耦的 ETL 架构，主要包含以下四层结构：
- 数据源适配层（Extractor Layer）
负责对接多样化数据源，支持关系型数据库（MySQL/Oracle）、NoSQL（MongoDB/Cassandra）、文件系统（HDFS/S3）、消息队列（Kafka/RabbitMQ）等。通过 Java SPI 机制实现数据源插件化，允许动态扩展新数据源。 - 数据转换层（Transformer Layer）
实现数据清洗（空值处理、格式校验）、转换（数据类型映射、维度建模）、 enrichment（外部数据关联）等逻辑。采用策略模式定义不同转换策略，支持通过配置文件或 DSL 动态编排转换规则。 - 数据加载层（Loader Layer）
支持批量加载（Bulk Load）和增量加载（CDC，Change Data Capture），提供事务管理、重试机制和幂等性保证。针对大数据场景，集成 Hadoop MapReduce、Spark Core 等分布式计算框架。 - 控制管理层（Control Layer）
负责流程调度（定时任务 / 事件触发）、状态监控（指标采集 / 日志追踪）、异常处理（容错恢复 / 断点续传）。通常集成工作流引擎（Apache Airflow/Netflix Conductor）或自研调度系统。
二、核心开源库的选型与应用 - 数据提取层技术实现
1.1 关系型数据库提取
JDBC 标准接口：使用java.sql.Connection配合PreparedStatement实现通用查询，推荐封装自定义JdbcExtractor工具类，支持参数化查询和连接池管理（Apache Commons DBCP/HikariCP）
MyBatis 增强：通过 Mapper 接口实现复杂 SQL 映射，利用ResultMap处理多表关联结果集转换，示例配置：
SELECT o.*, u.username
FROM orders o
LEFT JOIN users u ON o.user_id = u.id
WHERE o.create_time >= #{startTime}
1.2 非结构化数据提取
Apache Tika：处理文档解析（PDF/Word/Excel），支持提取文本内容及元数据：
TikaConfig config = TikaConfig.getDefaultConfig();
AutoDetectParser parser = new AutoDetectParser(config);
Metadata metadata = new Metadata();
ContentHandler handler = new BodyContentHandler(-1);
parser.parse(inputStream, handler, metadata);
String content = handler.toString();
JSON/XML 解析：使用 Jackson（ObjectMapper）或 XStream 实现结构化转换，支持动态 Schema 映射。 - 数据转换层最佳实践
2.1 通用转换工具集
Apache Commons Lang：提供字符串处理（StringUtils）、类型转换（ConvertUtils）等基础工具
MapStruct：通过注解生成类型安全的对象映射代码，减少手动转换样板代码：
@Mapper(componentModel = “spring”)
public interface OrderMapper {
OrderMapper INSTANCE = Mappers.getMapper(OrderMapper.class);
@Mapping(source = “orderId”, target = “id”)
@Mapping(source = “user.email”, target = “userEmail”)
DataWarehouseOrder toDwOrder(SourceOrder order);
}
2.2 复杂转换逻辑实现
Spring Batch ItemProcessor：实现ItemProcessor接口处理批量数据转换，支持事务性处理和错误隔离：
public class DataValidationProcessor implements ItemProcessor<RawData, CleanData> {
@Override
public CleanData process(RawData item) throws Exception {
// 数据校验、格式转换、业务规则应用
if (StringUtils.isBlank(item.getEmail())) {
throw new ValidationException(“Email cannot be empty”);
}
return new CleanData(item.getId(), item.getEmail().toLowerCase());
}
}
规则引擎集成：引入 Drools 或 Aviator 表达式引擎，支持通过规则文件动态配置转换逻辑，实现业务规则与代码分离。 - 数据加载层优化策略
3.1 批量加载技术
JDBC Batch Insert：使用addBatch()和executeBatch()提升写入效率，配合rewriteBatchedStatements=true参数（MySQL 优化）：
conn.setAutoCommit(false);
String sql = “INSERT INTO dw_table (col1, col2) VALUES (?, ?)”;
try (PreparedStatement pstmt = conn.prepareStatement(sql)) {
for (DataRow row : dataBatch) {
pstmt.setObject(1, row.getCol1());
pstmt.setObject(2, row.getCol2());
pstmt.addBatch();
}
pstmt.executeBatch();
conn.commit();
}
大数据平台对接：通过 Hadoop API 实现 HDFS 文件写入，或使用 Spark DataFrame 的write.mode(“append”).saveAsTable()实现数据湖加载。
3.2 增量加载实现
基于时间戳：记录上次加载时间，通过WHERE update_time > ?过滤增量数据
数据库日志解析：使用 Debezium 监控数据库 CDC 日志，支持 MySQL Binlog、PostgreSQL WAL 解析，实现准实时数据捕获。
三、自定义框架设计关键技术 - 元数据管理模块
设计MetadataRepository接口，支持存储数据源连接信息、转换规则、ETL 任务配置等元数据，通常基于 Spring Data JPA 实现数据库持久化：
@Entity
public class EtlJob {
@Id
@GeneratedValue(strategy = GenerationType.IDENTITY)
private Long id;
private String jobName;
private String extractorClass;
private String transformerClass;
private String loaderClass;
// 任务调度配置、监控指标等字段
}
- 流程编排引擎
实现轻量级工作流引擎，支持定义 ETL 任务的依赖关系和执行顺序，核心组件包括：
JobExecutor：负责任务实例化和线程管理
StepProcessor：处理单个 ETL 步骤的执行上下文（输入输出数据、错误处理策略）
Listener机制：提供BeforeStepListener、AfterStepListener用于日志记录和指标上报 - 监控与报警体系
Metrics 采集：集成 Micrometer 监控框架，记录吞吐量（TPS）、延迟（Latency）、错误率等指标
异常处理：实现RetryTemplate重试机制，配合CircuitBreaker熔断策略防止数据源过载
报警通知：通过 Email/Slack/Webhook 发送任务失败通知，支持自定义报警阈值和通知模板
四、自动化实现的最佳实践 - 配置化驱动开发
通过 YAML/JSON 配置文件定义 ETL 流程，减少硬编码，示例配置：
etl-job:
name: order_etl
extractor:
type: jdbc
datasource: mysql_order_db
query: "SELECT * FROM orders WHERE create_time >= ?"
params: [“2023-01-01 00:00:00”]
transformer:- type: data-cleaner
rules: [“email=toLowerCase”, “status=map(1=VALID, 2=EXPIRED)”] - type: dimension-lookup
table: dim_users
key: user_id
loader:
type: hdfs
path: /datawarehouse/orders
format: parquet
partition-by: [“year”, “month”]
- type: data-cleaner
- 测试驱动开发（TDD）
单元测试：使用 Mockito 模拟数据源，测试转换逻辑的正确性
集成测试：通过 Testcontainers 启动真实数据库实例，验证完整 ETL 流程
性能测试：使用 JMeter 压测批量加载性能，优化批处理大小（Batch Size）和线程池配置 - 持续集成与部署
CI 流水线：通过 Jenkins/GitHub Actions 自动构建、测试、打包 ETL 作业
容器化部署：使用 Docker 封装 ETL 应用，支持 Kubernetes 集群调度，实现弹性扩展
五、典型应用场景 - 传统数据仓库 ETL
场景：从多个业务系统（ERP/CRM）抽取数据，清洗转换后加载到 Oracle Data Warehouse
技术栈：Spring Batch + MyBatis + Apache Commons DBCP
关键优化：采用分区并行处理（Parallel Chunk Processing）提升大表处理效率 - 数据湖实时入湖
场景：将 Kafka 中的用户行为日志实时清洗，转换为 Parquet 格式存入 AWS S3
技术栈：Apache Flink + Jackson + Hadoop S3 Client
关键技术：使用 Flink 的 Event Time 和 Watermark 处理乱序事件，保证数据一致性 - 主数据管理（MDM）
场景：整合多源异构主数据（客户 / 产品数据），清洗后加载到 MDM 系统
技术栈：Apache Camel + Drools + Spring Data JPA
关键技术：通过 Camel 路由定义数据流转，利用 Drools 实现复杂业务规则校验
六、未来发展方向 - 云原生 ETL
基于 Spring Cloud Stream 实现事件驱动架构，支持 Kafka、AWS Kinesis 等云消息服务
利用 FaaS（Function as a Service）架构拆分 ETL 步骤，通过 AWS Lambda / 阿里云函数计算实现 Serverless 化 - 低代码开发平台
开发可视化 ETL 配置界面，支持通过拖拽方式编排数据源、转换规则、加载目标
实现元数据自动发现（通过 JDBC Metadata API 扫描数据库表结构） - 智能 ETL 优化
引入机器学习预测数据流量，动态调整批处理大小和并发线程数
利用自然语言处理解析业务需求，自动生成 ETL 配置文件
通过合理组合 Java 生态的开源工具（Spring Batch、Apache Camel、Flink）与自定义框架（元数据管理、流程引擎），企业能够构建高效可靠的 ETL 自动化平台。关键在于实现三个分离：数据源与业务逻辑分离、转换规则与代码实现分离、控制流与数据流分离，最终达成 “一次配置，多次运行” 的自动化目标。在实践中需根据数据规模（GB 到 PB 级）、实时性要求（批处理到流处理）、技术栈现状选择合适的技术组合，同时注重可观测性建设和异常处理机制，确保 ETL 流程的健壮性和可维护性
相关文章：
利用java语言，怎样开发和利用各种开源库和内部/自定义框架，实现“提取-转换-加载”（ETL）流程的自动化
一、ETL 架构设计的核心要素 在企业级数据处理场景中，ETL（Extract-Transform-Load）流程自动化是数据仓库、数据湖建设的核心环节。基于 Java 生态的技术栈，我们可以构建分层解耦的 ETL 架构，主要包含以下四层结构&am…...
人工智能在PET-CT中的应用方向探析
人工智能（AI）在正电子发射断层扫描-计算机断层扫描（PET-CT）中的应用正逐步改变医学影像诊断的格局，其核心价值体现在提升诊断效率、优化成像质量、促进精准医疗等方面。近年来，随着深度学习、计算机视觉以及多模态数据融合技术的迅猛发展，AI技术在PET-CT全流程中的渗透愈…...
pod 创建私有库指南
步骤 参考：iOS Pod 私有库创建指南-百度开发者中心 下面主要是对参考链接里面的解释： 创建两个仓库： 一个叫podframe.git，用来存放自定义的framework，比如TestPodFrame.framework一个叫podspec.git，用来…...
操作系统之shell实现（下）
🌟 各位看官好，我是maomi_9526！ 🌍 种一棵树最好是十年前，其次是现在！ 🚀 今天来学习C语言的相关知识。 👍 如果觉得这篇文章有帮助，欢迎您一键三连，分享给更…...
【设计模式】深入解析代理模式（委托模式）：代理模式思想、静态模式和动态模式定义与区别、静态代理模式代码实现
代理模式 代理模式，也叫委托模式。 Spring AOP 是基于动态代理来实现 AOP 的 定义 为其他对象提供一种代理 以控制对这个对象的访问。它的作用就是通过提供一个代理类，让我们在调用目标方法的时候，不再是直接对目标方法进行调用，而…...
Element Plus表格组件深度解析：构建高性能企业级数据视图
一、架构设计与核心能力 Element Plus的表格组件（el-table）基于Vue 3的响应式系统构建，通过声明式配置实现复杂数据渲染。其核心设计理念体现在三个层级： 数据驱动：通过data属性绑定数据源，支持动态更新与…...
Mongodb分布式文件存储数据库
文章目录 一、MongoDB 简介基本信息特点内部组件 二、MongoDB 部署1. 安装依赖2. 解压部署并配置环境变量3. 修改配置文件以及启动服务4.数据库权限管理 三、MongoDB 管理1. 角色权限2. 操作命令用户管理命令常用命令（Mongo4.2.8）数据库相关用户相关集合…...
UML 通信图对象协作：共享汽车系统交互脉络
目录 一、通信图的定义与特点 二、通信图的构成要素 三、通信图的优势 四、通信图的实践应用 五、以共享汽车系统通信图为例 （一）参与者及交互起点 （二）预订环节交互 （三）支付流程交互 ࿰…...
安宝特分享｜AR智能装备赋能企业效率跃升
AR装备开启智能培训新时代 在智能制造与数字化转型浪潮下，传统培训体系正面临深度重构。安宝特基于工业级AR智能终端打造的培训系统，可助力企业构建智慧培训新生态。 AR技术在不同领域的助力 01远程指导方面 相较于传统视频教学的单向输出模式&#x…...
中间系统-基础
OSI七层模型，TCP/IP四层模型。 在OSI模型中我们将具有报文转发的网络节点叫做IS，即中间系统的意思，类似于TCP/IP模型中的路由器。 在OSI模型中我们将没有路由能力或者转发能力的设备叫做ES，即端系统的意思，类似于TCP/I…...
【Linux】用户权限
shell命令 1. Linux本质上是一个操作系统，但是一般的用户不能直接使用它，而是需要通过外壳程序shell，来与Linux内核进行沟通。 2. shell的简单定义：命令行解释器。主要包含以下作用： 将使用者的命令翻译给核心处理。将…...
晶振详解：原理、作用、种类、应用与选型要点
一、晶振的基本定义 晶振（Crystal Oscillator） 是利用石英晶体的压电效应产生稳定频率的电子元件，其核心功能是为数字系统提供高精度时钟信号。 核心公式： 串联谐振频率（fs） 1 / (2π√(L1C1)) ÿ…...
【数字图像处理】立体视觉基础（2）
相机标定 【1】相机标定的概念 相机参数：相机成像的几何模型的参数 相机标定：求解参数的过程 【2】相机标定的作用 （1）求出相机的内、外参数，以及畸变参数 （2）校正镜头畸变影响，…...
智能座舱测试内容与步骤
智能座舱的测试步骤通常包括以下环节： 1.测试环境搭建与准备 • 硬件需求分析：准备测试车辆、服务器与工作站、网络设备以及传感器和执行器模拟器等硬件设备。 • 软件需求分析：选择测试管理软件、自动化测试工具、模拟软件和开发调试工具等。…...
每日算法-250422
每日算法 - 250422 1561. 你可以获得的最大硬币数目 题目 思路 贪心 解题过程 根据题意，我们想要获得最大的硬币数目。每次选择时，有三堆硬币：最大的一堆会被 Alice 拿走，最小的一堆会被 Bob 拿走，剩下的一堆…...
XSS的应用
免责声明，本博客只是用来自身学习记录，不要运用里面的代码去进行违法犯罪行为。 XSS 首先需要知道的是xss误区，就是在不确定是否有XSS的情况下，不应该是直接上攻击payload，例如<script>alert(123)</script&…...
FastAPI WebSocket 聊天应用详细教程
项目简介 这是一个基于 FastAPI 和 WebSocket 实现的实时聊天应用，支持一对一聊天、离线消息存储等功能。 技术栈 后端：FastAPI (Python)前端：HTML、JavaScript、CSS通信：WebSocket认证：简单的 token 认证 项目结构…...
【C语言】动态内存的常见错误
前言： 在上章节中讲解了动态内存的概念和管理的核心函数。 在本章节继续为大家介绍动态内存的常见错误，让大家更好的理解运用。 补充：使用内存函数需要头文件<stdlib.h> 对NULL指针的解引用操作 当使用malloc、calloc或realloc等函…...
Missashe考研日记-day24
Missashe考研日记-day24 1 专业课408 学习时间：2h30min学习内容： 今天把剩下的两个经典同步问题和管程部分的课看了，然后做课后习题。这部分的重点在PV大题，很多很经典，不过第一轮不打算做大题，把选择题做…...
精益数据分析（13/126）：洞察数据关系，灵活调整创业方向
精益数据分析（13/126）：洞察数据关系，灵活调整创业方向 大家好！在创业和数据分析的探索之路上，每一次的学习都是成长的宝贵机会。今天，咱们接着深入学习《精益数据分析》，一起探索相…...
常用python爬虫框架介绍
文章目录 前言1. Scrapy2. BeautifulSoup 与 Requests 组合3. Selenium4. PySpider 前言 Python 有许多优秀的爬虫框架，每个框架都有其独特的特点和适用场景。以下为你详细介绍几个常用的 Python 爬虫框架： Python 3.13.2 安装教程（附安装包…...
HarmonyOS：网络HTTP数据请求
导读 场景介绍接口说明request接口开发步骤requestInStream接口开发步骤证书锁定预置应用级证书预置证书公钥哈希值JSON配置文件示例 场景介绍 通过HTTP发起一个数据请求，支持常见的GET、POST、OPTIONS、HEAD、PUT、DELETE、TRACE、CONNECT方法 接口说明 HTTP数据…...
CoinNexus Chain 推出泰利风暴，开启 Web3.0 智能金融元宇宙科技新时代
4月25日，CoinNexusChain 区块链正式推出开创性的“泰利风暴”（Terry Storm），再次展现了其前瞻性的视野和非凡的潜力。这标志着 CoinNexusChain 在 Web3.0 创新浪潮中迈出了重要一步。 Terry是一种创新的 RWA 金融激励机制&…...
编译opencv源码使得opencv-python获得gstreamer支持
我个人习惯在miniconda中使用python版本的opencv，使用pip进行安装时，默认的包并不会有gstreamer支持，我尝试过自己编译opencv-python，编出的包有各种各样的问题。最终还是决定自己从opencv仓库源码自行编译。 安装gstreamer apt…...
眼镜眨巴眨巴-一步几个脚印从头设计数字生命2——仙盟创梦IDE
import cv2 import mediapipe as mp import numpy as np import timemp_drawing mp.solutions.drawing_utils mp_face_mesh mp.solutions.face_mesh# 加载图片 image cv2.imread(wlzc.jpg) # image_height, image_width, _ image.shape# 初始化面部网格模型 with mp_face_…...
django之数据的翻页和搜索功能
数据的翻页和搜素功能 目录 1.实现搜素功能 2.实现翻页功能 一、实现搜素功能 我们到bootstrap官网, 点击组件, 然后找到输入框组, 并点击作为额外元素的按钮。 我们需要使用上面红色框里面的组件, 就是搜素组件, 代码部分就是下面红色框框出来的部分。 把这里的代码复制…...
linux复习
1.关于进程 1.1 概念 用户角度：进程是程序的一次执行实例，也就是正在运行的程序 内核角度：操作系统分配内存和cpu资源的实体 操作系统使用内核数据结构 程序的代码及数据 描述进程，Linux中对应的内核数据结构就是task_struct…...
Post-Processing PropertySource instance详解 和 BeanFactoryPostProcessor详解
PropertySourcesBeanFactoryPostProcessor详解 1. 核心概念 BeanFactoryPostProcessor 是 Spring 框架中用于在 BeanFactory 初始化阶段 对 Environment 中的 PropertySource 进行后处理的接口。它允许开发者在 Bean 创建之前 对属性源进行动态修改，例如添加、删除…...
go 编译的 windows 进程（exe）以管理员权限启动（UAC）
引言 windows 系统，在打开某些 exe 的时候，会弹出“用户账户控制(UAC)”的弹窗 “你要允许来自xx发布者的此应用对你的设备进行更改吗？” UAC（User Account Control，用户账户控制）是 Windows 操作系统中的…...
Elasticsearch性能优化实践
一、背景与挑战 基金研报搜索场景中，我们面临以下核心挑战： 数据规模庞大：单索引超500GB原始数据，包含300万份PDF/Word研报文档查询性能瓶颈：复杂查询平均响应时间超过10秒，高峰期CPU负载达95%存储…...
【Web API系列】Web Shared Storage API 深度解析：WindowSharedStorage 接口实战指南
前言 在当今 Web 应用日益复杂的背景下，跨页面数据共享与隐私保护已成为现代浏览器技术演进的重要命题。传统 Web 存储方案（如 Cookies、LocalStorage）在应对多维度用户特征存储、跨上下文数据共享等场景时，逐渐暴露出技术瓶颈与…...
Eureka、LoadBalance和Nacos
Eureka、LoadBalance和Nacos 一.Eureka引入1.注册中心2.CAP理论3.常见的注册中心 二.Eureka介绍1.搭建Eureka Server 注册中心2.搭建服务注册3.服务发现 三.负载均衡LoadBalance1.问题引入2.服务端负载均衡3.客户端负载均衡4.Spring Cloud LoadBalancer1).快速上手2)负载均衡策…...
智能体MCP 实现数据可视化分析
参考： 在线体验 https://www.doubao.com/chat/ 下载安装离线体验 WPS软件上的表格分析 云上创建 阿里mcp：https://developer.aliyun.com/article/1661198 （搜索加可视化） 案例 用cline 或者cherry studio实现 mcp server：excel-mcp-server、quickchart-mcp-server...
3小时速通Python-Python学习总部署、总预览（一）
目录 Python的关键字有哪些： 编辑 代码：1-5： 代码：6-10： 代码：11-15： 代码：16-20： 代码：21-25： 代码：26-27： Pyt…...
机器学习基础 - 分类模型之决策树
决策树 文章目录 决策树简介决策树三要素1. 特征的选择1. ID32. C4.53. CART2. 剪枝处理0. 剪枝的作用1. 预剪枝2. 后剪枝QA1. ID3, C4.5, CART 这三种决策树的区别2. 树形结构为何不需要归一化？3. 分类决策树与回归决策树的区别4. 为何信息增益会偏向多取值特征？4. 为何信息…...
Java面向对象的三大特性
## 1. 封装（Encapsulation） 封装是将数据和操作数据的方法绑定在一起，对外部隐藏对象的具体实现细节。通过访问修饰符来实现封装。 示例代码： java public class Student { // 私有属性 private String name; private int age; …...
【Pandas】pandas DataFrame truediv
Pandas2.2 DataFrame Binary operator functions 方法描述DataFrame.add(other)用于执行 DataFrame 与另一个对象（如 DataFrame、Series 或标量）的逐元素加法操作DataFrame.add(other[, axis, level, fill_value])用于执行 DataFrame 与另一个对象&…...
GTS-400 系列运动控制器板（六）----修改编码器计数方向
运动控制器函数库的使用 运动控制器驱动程序、 dll 文件、例程、 Demo 等相关文件请通过固高科技官网下载，网 址为： www.googoltech.com.cn/pro_view-3.html 1 Windows 系统下动态链接库的使用 在 Windows 系统下使用运动控制器，首先要安装驱动程序。在安装前需要提…...
卷积神经网络迁移学习：原理与实践指南
引言 在深度学习领域，卷积神经网络(CNN)已经在计算机视觉任务中取得了巨大成功。然而，从头开始训练一个高性能的CNN模型需要大量标注数据和计算资源。迁移学习(Transfer Learning)技术为我们提供了一种高效解决方案，它能够将预训练模型的知识…...
Django 入门实战：从环境搭建到构建你的第一个 Web 应用
Django 入门实战：从环境搭建到构建你的第一个 Web 应用 恭喜你选择 Django 作为你学习 Python Web 开发的起点！Django 是一个强大、成熟且功能齐全的框架，非常适合构建中大型的 Web 应用程序。本篇将通过一个简单的例子，带你走完…...
【后端】构建简洁的音频转写系统：基于火山引擎ASR实现
在当今数字化时代，语音识别技术已经成为许多应用不可或缺的一部分。无论是会议记录、语音助手还是内容字幕，将语音转化为文本的能力对提升用户体验和工作效率至关重要。本文将介绍如何构建一个简洁的音频转写系统，专注于文件上传、云存储以及…...
http通信之axios vs fecth该如何选择？
在HTTP通信中，axios和fetch都是常用的库或原生API用于发起网络请求。两者各有特点，适用于不同的场景。下面详细介绍它们的差异和各自的优势： fetch 特点： 原生支持：fetch是现代浏览器内置的API，不需要额外…...
iostat指令介绍
文章目录 1. 功能介绍2. 语法介绍3. 应用场景4. 示例分析 1. 功能介绍 iostat (input/output statistics)，是 Linux/Unix 系统中用于监控 CPU 使用率和 磁盘 I/O 性能的核心工具，可实时展示设备负载、吞吐量、队列状态等关键指标。 可以使用 man iostat查…...
NLP高频面试题（五十）——大模型（LLMs）分词（Tokenizer）详解
在自然语言处理（NLP）任务中，将文本转换为模型可处理的数字序列是必不可少的一步。这一步通常称为分词（tokenization），即把原始文本拆分成一个个词元（token）。对于**大型语言模型（LLM，Large Language Model，大型语言模型）**而言，选择合适的分词方案至关重要：分词的…...
桌面我的电脑图标不见了怎么恢复 恢复方法指南
在Windows操作系统中，“我的电脑”或在较新版本中称为“此电脑”的图标，是访问硬盘驱动器、外部存储设备和系统文件的重要入口。然而，有些用户可能会发现桌面上缺少了这个图标，这可能是由于误操作、系统设置更改或是不小心删除造成…...
【Qt】控件的理解 和 基础控件 QWidget 属性详解（通俗易懂+附源码+思维导图框架）
每日激励：“不设限和自我肯定的心态：I can do all things。 — Stephen Curry” 绪论： 通过上一章对信号槽的理解相信你对Qt的认识肯定有了很大的进步，下面将通过本篇文章带你深入的认识Widget控件（主窗口࿰…...
oracle将表字段逗号分隔的值进行拆分,并替换值
需求背景：需要源数据变动，需要对历史表已存的字段值根据源数据进行更新。如果是单字段存值，直接根据映射表关联修改即可。但字段里面若存的值是以逗号分割，比如旧值：‘old1,old2,old3’，要根据映射关系调整…...
用c语言实现——一个带头节点的链队列，支持用户输入交互界面、初始化、入队、出队、查找、判空判满、显示队列、遍历计算长度等功能
一、知识介绍 带头节点的链队列是一种基于链表实现的队列结构，它在链表的头部添加了一个特殊的节点，称为头节点。头节点不存储实际的数据元素，主要作用是作为链表的起点，简化队列的操作和边界条件处理。 1.节点结构 链队列的每…...
webpack基础使用了解（入口、出口、插件、加载器、优化、别名、打包模式、环境变量、代码分割等）
目录 1、webpack简介2、简单示例3、入口(entry)和输出(output)4、自动生成html文件5、打包css代码6、优化（单独提取css代码）7、优化（压缩过程）8、打包less代码9、打包图片10、搭建开发环境（webpack-dev-server…...
【项目】基于MCP+Tabelstore架构实现知识库答疑系统
基于MCPTabelstore架构实现知识库答疑系统 整体流程设计（一）Agent 架构（二）知识库存储（1）向量数据库Tablestore（2）MCP Server （三）知识库构建（1&a…...