当前位置: 首页 > news >正文

Elastic Security 8.18 和 9.0 中的新功能

作者:来自  Elastic Mark Settle, Tamarian Del Conte, James Spiteri, Tinsae Erkailo, Charles Davison, Raquel Tabuyo, Kseniia Ignatovych, Paul Ewing, Smriti

检测规则的自动迁移、用于 ES|QL 的 Lookup Join、AI 功能增强,以及更多功能。

Elastic Security 8.18 和 9.0 带来了帮助安全运营团队更高效工作、快速响应威胁的更新。此版本包括为 Splunk SIEM 用户提供的迁移支持、新的 ES|QL Lookup Join 功能,简化数据丰富和分析,以及多个可用性改进。攻击发现和自动导入现在已正式发布(GA),并且对 Elastic AI Assistant 的改进以及对自定义检测规则的支持也已加入。

Elastic Security 端点功能现在包括与 Microsoft Defender 和 CrowdStrike 的自动化响应集成,以及通过机器学习进行主机流量异常检测。这些新增功能有助于减少手动工作量,加速调查,并增强端点可见性和响应能力。

简化从传统 SIEM 迁移到 Elastic Security

迁移到新的 SIEM 可能会使一些团队陷入使用过时解决方案的困境,从而减缓检测、调查和响应的速度。Elastic Security 8.18 和 9.0 中的新功能自动迁移,加速了你向现代 SIEM 的过渡。

我们首次发布的自动迁移,目前在技术预览阶段,提供了一个 AI 驱动的工作流程,用于将传统 SIEM 检测规则迁移到 Elastic Security。我们首次支持 Splunk,包括多租户环境,并计划尽快扩展到其他传统 SIEM。还计划支持其他类型的 SIEM 内容,如仪表盘和可视化。

Elastic security

自动迁移加速了将传统 SIEM 内容迁移到 Elastic Security 的过程,从现有的检测规则开始。它将某些规则映射到 Elastic Security Labs 主动维护的预构建检测,并将许多其他规则(包括相关的查找和宏)转换为在 Elastic 中运行。

该 AI 驱动的功能验证转换后的规则,确保它们按预期运行,并在缺少所需数据源时推荐相关集成。为了高效审查,它将原始规则和转换后的规则并排呈现。当需要进一步更新时,Elastic AI Assistant 引导实践者采取最佳后续行动。

通过 ES|QL 中的连接功能进行临时数据丰富

此版本引入了 Elasticsearch 查询语言(ES|QL)中的 Lookup Join 支持 —— 这是一个备受需求的功能,显著增强了 Elastic Security 中的数据关联工作流。凭借这一新功能,实践者现在可以在查询中动态增强分析,使用 Lookup Join 功能。

与需要预配置策略和策略执行的数据丰富工作流不同,ES|QL Lookup Join 允许用户动态地跨数据集进行关联。无论是匹配资产元数据、用户属性、威胁情报,还是业务上下文,现在都更容易将相关上下文纳入调查。

让我们看看一个实际的安全用例。在警报甄别过程中,分析人员经常会问:“这个警报是否包含威胁源中标记的 IOCs?关于主机或用户实体是否有更多信息?我是否能通过组织特定的数据了解更多关于这个警报的内容?”所有这些问题通常意味着分析人员在另一个索引中寻找更多信息,这是一个经典的 Join 用例。现在,你可以做到这一点!

在下面的视频中,你可以看到用户如何查询警报中的属性(例如文件名),然后与其他数据存储(如威胁源)进行比较,并将这些信息返回到最终结果中!

Elastic security join

Elastic Security 继续引领 AI 和 SIEM 的发展

攻击发现和自动导入现在已正式发布(GA),并且在 Elastic Security 的 AI 功能上进行了增强:

  • 攻击发现(Attack Discovery)全面评估传入的警报,揭示正在发展的攻击并指导分析人员阻止它们。通过对警报过滤和自定义日期范围的支持,你可以完全控制分析的内容,帮助 Elastic 提取出重要的信息。
  • 自动导入(Automatic Import)可以在几分钟内构建自定义数据集成 —— 现在它还可以构建从任何 REST API 获取数据所需的配置。只需上传 OpenAPI 规范,让自动导入处理其余部分,确保数据以最小的努力实现无缝导入。
  • Elastic AI Assistant现在会在其响应中引用来源,因此你可以看到信息的来源。它还引入了一个 API 来管理知识来源,并改进了审计日志记录。这些更新反映了我们对可解释 AI 的持续关注,确保助手既有帮助又具可追溯性。

在不丢失自定义更改的情况下更新 Elastic 构建的规则

Elastic 包括了由 Elastic Security Labs 构建和维护的 1,300 多条检测规则。组织有时会根据特定需求调整这些规则(例如,调整条件、添加标签)。从 8.18 版本开始,你可以应用规则更新而不覆盖自定义更改。

仅去年,Elastic Security Labs 就改进了现有规则超过 2,400 次。通过这种规则管理增强功能,已经进行过修改的组织可以继续受益于这些更新,而无需手动重新应用自定义内容。这使得随着时间推移,定制和维护预构建检测规则变得更加容易,简化了检测工程工作流,并帮助团队用更少的努力扩展到更多的用例。

Customization - Update Elastic-built rules

通过自动故障排除消除冲突

在已有杀毒软件或 EDR 工具的环境中部署端点保护可能会导致软件冲突。一个新的 AI 驱动的故障排除工作流程(从 Elastic Agent 开始)有助于避免这些问题,确保 Defend 集成不会干扰主机上的其他软件。

由生成式 AI 驱动的自动故障排除功能可以检测已安装的安全工具,并指导你将其添加为受信应用程序。这个任务过去需要通过系统数据进行深入挖掘并手动配置所有内容。现在,它变得更快、更容易、更可靠,让你可以放心地部署,并保持保护运行而不会中断。

从 Elastic Security 执行第三方端点响应操作

Elastic 继续发展成为一个统一的、供应商无关的平台,用于端点分析 —— 为分析人员提供一个集成的解决方案,以便在任何环境中进行检测、调查和响应。基于在 Elastic Defend 中采取响应操作的能力,分析人员现在可以直接对由 CrowdStrike Falcon、Microsoft Defender for Endpoint 和 SentinelOne 保护的主机采取行动 —— 无需离开 Elastic 界面。

这包括隔离或释放主机、收集文件、运行脚本(CrowdStrike)、列出或终止进程(SentinelOne),所有操作都在平台之间进行实时同步。这些双向集成简化了响应工作流,减少了上下文切换,使得跨不同端点部署执行一致的、经过充分考虑的操作变得更加容易 —— 一切都可以在单一的集中工作区中完成。

Microsoft Defender for Endpoint

无需安装的集成

Elastic 在 8.16 版本中首次推出了无需安装的数据集成,简化了云安全态势管理。在此版本中,我们将无代理支持(公开测试版)扩展到 15 种广泛使用的集成,包括 CrowdStrike、Google Workspace、Microsoft 365 Defender、Okta、Qualys VMDR、SentinelOne 等。

这些集成使得将有价值的安全和 IT 数据导入 Elastic 变得更加容易,无需安装代理或管理数据导入基础设施。在集成设置过程中,只需选择无代理选项(agentless option)即可开始流式传输数据。这种更广泛的支持帮助团队加速各种分析用例——从身份和端点可见性到资产清单和基于风险的警报 —— 无需额外的操作开销。

尝试一下

请阅读 Elastic Security 发布说明,了解更多这些功能。

体验 Elastic Security 的最快、最简单方式是在 Elastic Cloud Serverless 上。立即尝试。

本文中所描述的任何功能或功能的发布和时机完全由 Elastic 自行决定。任何当前不可用的功能、支持计划或功能可能无法按时或完全交付,提及这些计划或想法仅反映我们的战略目标和方向。这些计划可能会更新、取消或推迟。

在本文中,我们可能使用或提到第三方生成式 AI 工具,这些工具由各自的所有者拥有和运营。Elastic 无法控制这些第三方工具,我们对其内容、操作或使用不承担任何责任,也不对因使用这些工具而产生的任何损失或损害负责。在使用 AI 工具处理个人、敏感或机密信息时,请谨慎行事。您提交的任何数据可能会用于 AI 训练或其他目的。我们不能保证您提供的信息会被安全或保密地存储。使用任何生成式 AI 工具之前,您应熟悉其隐私政策和使用条款。

Elastic、Elasticsearch 和相关标志是 Elasticsearch N.V. 在美国和其他国家的商标、标识或注册商标。Splunk 和其他相关标志是 Splunk Inc. 在美国和其他国家的商标或注册商标。Microsoft 和其他相关标志是 Microsoft 集团公司 的商标。Crowdstrike 是 Crowdstrike, Inc. 的商标。SentinelOne 是 SentinelOne, Inc. 的注册商标。所有其他公司和产品名称均为各自所有者的商标、标识或注册商标。

原文:New in Elastic Security 8.18 and 9.0: Automatic Migration, ES|QL Lookup Join | Elastic Blog

相关文章:

Elastic Security 8.18 和 9.0 中的新功能

作者:来自 Elastic Mark Settle, Tamarian Del Conte, James Spiteri, Tinsae Erkailo, Charles Davison, Raquel Tabuyo, Kseniia Ignatovych, Paul Ewing, Smriti 检测规则的自动迁移、用于 ES|QL 的 Lookup Join、AI 功能增强,以及更多功能。 Elasti…...

使用 Vue 开发 VS Code 插件前端页面(上)

本文的方案主要参考了这篇博客: Vscode 的 extension webview 开发示例: Vue 和 React 实现 https://juejin.cn/post/7325132202970136585样例项目地址: github | vscode-webview-with-vuehttps://github.com/HiMeditator/vscode-webview-w…...

Vue Router路由原理

Vue Router 是 Vue.js 官方的路由管理器,它与 Vue.js 核心深度集成,使得构建单页应用(SPA)变得非常容易。Vue Router 的主要功能包括动态路由匹配、嵌套路由、编程式导航、命名路由、路由守卫等 Vue Router 原理 单页应用&#x…...

Tauri v1 与 v2 配置对比

本文档对比 Tauri v1 和 v2 版本的配置结构和内容差异,帮助开发者了解版本变更并进行迁移。 配置结构变化 v1 配置结构 {"package": { ... },"tauri": { "allowlist": { ... },"bundle": { ... },"security":…...

详解 MyBatis-Plus 框架中 QueryWrapper 类

QueryWrapper 一、 QueryWrapper 的概念为什么需要 QueryWrapper? 二、 QueryWrapper 的基本使用1. 创建 QueryWrapper 实例2. 添加查询条件3. 执行查询 三、 QueryWrapper 的常见方法1. 基本条件方法1.1 eq - 等于1.2 ne - 不等于1.3 gt - 大于1.4 ge - 大于等于1.…...

小米MiMo-7B大模型:解锁推理潜力的新传奇!

在大语言模型(LLMs)蓬勃发展的时代,推理能力成为衡量模型优劣的关键指标。今天为大家解读的这篇论文,介绍了小米的MiMo-7B模型,它通过独特的预训练和后训练优化,展现出强大的推理实力,快来一探究…...

联邦学习的收敛性分析(全设备参与,不同本地训练轮次)

联邦学习的收敛性分析 在联邦学习中,我们的目标是分析全局模型的收敛性,考虑设备异构性(不同用户的本地训练轮次不同)和数据异质性(用户数据分布不均匀)。以下推导从全局模型更新开始,逐步引入假设并推导期望损失的递减关系,最终给出收敛性结论。 1. 全局模型更新与泰…...

硬件工程师面试常见问题(10)

第四十六问:锁存器,触发器,寄存器三者的区别 触发器:能够存储一位二值信号的基本单元电路统称为 "触发器"。(单位) 锁存器:一位触发器只能传送或存储一位数据,而在实际工…...

1295. 统计位数为偶数的数字

题目 解法一 遍历数组挨个判断元素位数并统计&#xff08;我的第一想法&#xff09; class Solution { public:int findNumbers(vector<int>& nums) {int result 0;for(int n: nums){if(judge(n)) result;}return result;}bool judge(int a){int sum 1;a a / 10…...

3.1/Q1,Charls最新文章解读

文章题目&#xff1a;Social participation patterns and associations with subsequent cognitive function in older adults with cognitive impairment: a latent class analysis DOI&#xff1a;10.3389/fmed.2025.1493359 中文标题&#xff1a;认知障碍老年人的社会参与模…...

楼宇智能化四章【期末复习】

四、火灾自动报警系统 结构组成:火灾探测器、区域报警器、集中报警器 形式:1. 多线制系统 2.总线制系统 3.集中智能系统 4.分布智能系统 5.网络通信系统 工作原理: 以下是关于火灾自动报警系统及相关灭火系统的详细解答: 1. 火灾自动报警系统有哪几种形式? 区…...

Splunk 使用Role 实现数据隔离

很多人知道 Splunk 有很多自带的Role, 今天我就要说说定制化的Role: 1: 在创建新role 的界面: 2: 在如下的界面,可以定制allow index name: 3: 创建好新Role 后,在SAML 添加新的group 的时候,就可以看到Role 给某个group: 4: 这样一个特定组的人来申请Splunk 权限,就可…...

Learning vtkjs之ImplicitBoolean

隐式函数布尔操作 介绍 vtkImplicitBoolean 允许对隐式函数&#xff08;如平面、球体、圆柱体和盒子&#xff09;进行布尔组合。操作包括并集、交集和差集。可以指定多个隐式函数&#xff08;所有函数都使用相同的操作进行组合&#xff09;。 支持的操作&#xff1a;‘UNION…...

LabelVision - yolo可视化标注工具

LabelVision是一款可视化图像标注工具,主要用于计算机视觉研究中的各种标注任务。 支持多边形、矩形、圆形等多种标注方式&#xff0c;并且可以输出JSON、COCO等多种数据格式&#xff0c;方便与其他软件和框架进行集成和互操作。 ‌ 通过它可以很轻易的对图像进行标注,适合Y…...

系统分析师-第十五章

学习目标 通过参加考试&#xff0c;训练学习能力&#xff0c;而非单纯以拿证为目的。 1.在复习过程中&#xff0c;训练快速阅读能力、掌握三遍读书法、运用番茄工作法。 2.从底层逻辑角度理解知识点&#xff0c;避免死记硬背。 3.通过考试验证学习效果。 学习阶段 快速阅读 …...

大连理工大学选修课——机器学习笔记(3):KNN原理及应用

KNN原理及应用 机器学习方法的分类 基于概率统计的方法 K-近邻&#xff08;KNN&#xff09;贝叶斯模型最小均值距离最大熵模型条件随机场&#xff08;CRF&#xff09;隐马尔可夫模型&#xff08;HMM&#xff09; 基于判别式的方法 决策树&#xff08;DT&#xff09;感知机…...

09 Python字典揭秘:数据的高效存储

文章目录 一.字典是什么1.字典的特点 二.字典的创建和使用三.字典的操作1.访问元素2.修改元素3.删除元素4.遍历字典5.成员运算 四.字典方法1.获取字典中的指定元素2.获取字典中的元素3.字典合并4.删除元素 一.字典是什么 在 Python 中&#xff0c;字典&#xff08;dict&#x…...

20250430在ubuntu14.04.6系统上完成编译NanoPi NEO开发板的FriendlyCore系统【严重不推荐,属于没苦硬吃】

【开始编译SDK之前需要更新源】 rootrootubuntu:~/friendlywrt-h3$ sudo apt update 【这两个目录你在ubuntu14.04.6系统上貌似git clone异常了】 Y:\friendlywrt-h3\out\wireguard Y:\friendlywrt-h3\kernel\exfat-nofuse 【需要单线程编译文件系统&#xff0c;原因不明】 Y:…...

第五部分:进阶项目实战

在前面的学习中&#xff0c;我们已经掌握了图像和视频的基础操作、增强滤波、特征提取以及一些基础的目标检测方法。现在&#xff0c;我们将综合运用这些知识来构建一些更复杂、更实用的应用项目。 这一部分的项目将结合前面学到的技术&#xff0c;并介绍一些新的概念和工具&a…...

【Linux】记录一个有用PS1

PS1 是用来定义shell提示符的环境变量 下面是一个带有颜色和丰富信息的 Linux PS1 配置示例&#xff0c;包含用户名、主机名、路径、时间、Git 分支和退出状态提示&#xff1a; # 添加到 ~/.bashrc 文件末尾 PS1\[\e[1;32m\]\u\[\e[m\] # 绿色粗体用户名 PS…...

【SpringBoot】基于mybatisPlus的博客管理系统(2)

目录 1.实现用户登录 Jwt令牌 1.引入依赖 2.生成令牌&#xff08;token&#xff09; Controller Service Mapper 2.实现强制登录 定义拦截器&#xff1a; 配置拦截器&#xff1a; 1.实现用户登录 在之前的项目登录中&#xff0c;我使用的是Session传递用户信息实现校验…...

免费在Colab运行Qwen3-0.6B——轻量高性能实战

Qwen一直在默默地接连推出新模型。 每个模型都配备了如此强大的功能和高度量化的规模,让人无法忽视。 继今年的QvQ、Qwen2.5-VL和Qwen2.5-Omni之后,Qwen团队现在发布了他们最新的模型系列——Qwen3。 这次他们不是发布一个而是发布了八个不同的模型——参数范围从6亿到235…...

精益数据分析(35/26):SaaS商业模式关键指标解析

精益数据分析&#xff08;35/26&#xff09;&#xff1a;SaaS商业模式关键指标解析 在创业与数据分析的征程中&#xff0c;我们持续探索不同商业模式的运营奥秘。今天&#xff0c;我们带着共同进步的期望&#xff0c;深入研读《精益数据分析》&#xff0c;聚焦SaaS商业模式&am…...

【论文速读】《Scaling Scaling Laws with Board Games》

论文链接&#xff1a;https://arxiv.org/pdf/2104.03113 《Scaling Scaling Laws with Board Games》&#xff1a;探索棋盘游戏中的扩展规律 摘要 如今&#xff0c;机器学习领域中规模最大的实验所需的资源&#xff0c;超出了仅有几家机构的预算。幸运的是&#xff0c;最近的…...

C++ 与多技术融合的深度实践:从 AI 到硬件的全栈协同

在数字化技术高速发展的今天&#xff0c;C 凭借其卓越的性能优势和底层控制能力&#xff0c;成为连接上层应用与底层硬件的核心纽带。这种独特定位使其在与 AI 深度学习、Python 生态及硬件加速技术的融合中展现出不可替代的价值&#xff0c;构建起从算法实现到硬件优化的全栈技…...

AdaBoost算法的原理及Python实现

一、概述 AdaBoost&#xff08;Adaptive Boosting&#xff0c;自适应提升&#xff09;是一种迭代式的集成学习算法&#xff0c;通过不断调整样本权重&#xff0c;提升弱学习器性能&#xff0c;最终集成为一个强学习器。它继承了 Boosting 的基本思想和关键机制&#xff0c;但在…...

无刷马达驱动芯片算法逐步革新着风扇灯行业--其利天下

风扇灯市场热度持续攀升&#xff0c;根据行业数据&#xff0c;风扇灯市场规模从2010年的100亿元增长至2019年的200亿元&#xff0c;年均复合增长率超10%&#xff0c;预计2025年将达30%&#xff0c;借此其利天下有限公司进一步提升了无刷风扇灯驱动方案。 一、性能参数 电压&a…...

数据库系统综合应用与深度实践指南

前言 在当今数据驱动的时代&#xff0c;数据库技术已成为信息系统的核心支柱。从简单的数据存储到复杂的企业级应用&#xff0c;数据库系统支撑着现代社会的方方面面。本文作为一篇综合性的数据库科普文章&#xff0c;旨在为读者提供从基础到进阶的完整知识体系&#xff0c;涵…...

「Unity3D」TextMeshPro使用TMP_InputField实现,输入框高度自动扩展与收缩

先看实现效果&#xff1a; 要实现这个效果&#xff0c;有三个方面的问题需要解决&#xff1a; 第一&#xff0c;输入框的高度扩展&#xff0c;内部子元素会随着锚点&#xff0c;拉伸变形——要解决这个问题&#xff0c;需要将内部元素改变父类&#xff0c;然后增加父类高度&am…...

SAP-ABAP:在SAP系统中,COEP表(成本控制对象行项目表)详解

在SAP系统中&#xff0c;**COEP表&#xff08;成本控制对象行项目表&#xff09;**是成本控制&#xff08;CO&#xff09;模块的核心数据表之一&#xff0c;主要用于存储与成本核算相关的详细行项目数据。以下是对其作用的详细解析&#xff1a; 一、 COEP表的核心作用 存储成本…...

crashpad 编译

一环境配置 1.1设置系统UTF8编码 1.2vs2017语言环境设置英文包 二.获取depot_tools&#xff08;此步骤可以跳过 最新工具包已上传下载使用即可&#xff09; windows下载压缩包&#xff0c;然后放到系统PATH中 下载完以后&#xff0c;基本就是靠depot_tools这个工具集合了&am…...

Windows系统安装Docker(Win10系统升级,然后安装)

有时需要在自己笔记本跑下代码&#xff0c;所以安装Dockers&#xff0c;步骤如下&#xff1a; 1. 升级系统&#xff08;Windows10专业版或者Windows11&#xff09; Windows10家庭版装Docker较麻烦&#xff0c;所以我将Win10升级为Win11了&#xff08;免费&#xff09;&#x…...

【Fifty Project - D21】

今日完成记录 TimePlan完成情况9&#xff1a;00 - 10&#xff1a;00爬楼梯√12&#xff1a;00 - 14&#xff1a;00Leetcode√14&#xff1a;00 - 15&#xff1a;00《挪威的森林》√ Leetcode 每日一题 今天的每日一题是个easy&#xff1a;给定一个数组&#xff0c;要求统计…...

中央网信办部署开展“清朗·整治AI技术滥用”专项行动

为规范AI服务和应用&#xff0c;促进行业健康有序发展&#xff0c;保障公民合法权益&#xff0c;近日&#xff0c;中央网信办印发通知&#xff0c;在全国范围内部署开展为期3个月的“清朗整治AI技术滥用”专项行动。 中央网信办有关负责人表示&#xff0c;本次专项行动分两个阶…...

《Python实战进阶》 No46:CPython的GIL与多线程优化

Python实战进阶 No46&#xff1a;CPython的GIL与多线程优化 摘要 全局解释器锁&#xff08;GIL&#xff09;是CPython的核心机制&#xff0c;它保证了线程安全却限制了多核性能。本节通过concurrent.futures、C扩展优化和多进程架构&#xff0c;实战演示如何突破GIL限制&#…...

BOTA新六维力传感器PixONE:用12维度力矩与运动感测,驱动人形机器人力控未来

在机器人技术日益发展的今天&#xff0c;六维力传感器对于提升机器人感知环境、增强操作精度发挥着重要作用。瑞士BOTA Systems是一家专注于机器人传感器技术的公司&#xff0c;致力于为原始设备制造商提供高性能的传感器解决方案。 PixONE是BOTA推出的一款创新的高精度传感器&…...

《PyTorch documentation》(PyTorch 文档)

PyTorch documentation(PyTorch 文档) PyTorch is an optimized tensor library for deep learning using GPUs and CPUs. (PyTorch是一个优化的张量库,用于使用GPU和CPU进行深度学习。) Features described in this documentation are classified by release status: (此…...

数据库的死锁相关(一)

目录 前言 一、什么死锁 二、产生死锁的必要条件 三、死锁发生的具体位置和场景 1. 数据行级别死锁&#xff08;最常见&#xff09; 2. 表级别死锁 3. 索引间隙锁死锁&#xff08;InnoDB特有&#xff09; 4. 外键约束死锁 5. 元数据锁死锁 6. 内存中的锁结构死锁 7.…...

数据编码(Encoding)

对数据做编码可以减少存储和 I/O开销,常见的技术比如 Dictionary Encoding,Run-Length Encoding,Bitpacking,Delta Encoding,Frame-of-Reference等。 本篇文章对这些编码方案进行介绍,举例说明,最后总结各种encoding的适用场景。 一、Dictionary Encoding(字典编码)…...

Wartales 战争传说 [DLC 解锁] [Steam] [Windows SteamOS]

Wartales 战争传说 [DLC 解锁] [Steam] [Windows & SteamOS] DLC 版本 至最新全部 DLC 后续可能无法及时更新文章&#xff0c;具体最新版本见下载文件说明 DLC 解锁列表&#xff08;仅供参考&#xff09; 《战争传说》 - Pirates of Belerion 《战争传说》 - The Tavern …...

决策树在电信客户流失分析中的实战应用

在当今数据驱动的时代&#xff0c;数据分析和机器学习技术在各行业的应用愈发广泛。电信行业面临着激烈的竞争&#xff0c;客户流失问题成为影响企业发展的关键因素之一。如何准确预测客户是否会流失&#xff0c;并采取相应措施挽留客户&#xff0c;是电信企业关注的重点。决策…...

滚珠丝杆怎么选型?

滚珠丝杆的选型需要考虑多个因素&#xff0c;包括应用需求、性能参数、环境因素等&#xff0c;以确保选型的准确性和合理性。 1、负载&#xff1a;确定设备运行时滚珠丝杆需要承受的静载荷和动载荷&#xff0c;包括轴向载荷和径向载荷&#xff0c;根据实际工作情况计算出最大负…...

HTN77A0原理图提供聚能芯半导体禾润一级代理技术支持免费送样

在电源管理需求日益严苛的当下&#xff0c;禾润 HTN77A0 以卓越性能脱颖而出。它不仅适配多种应用场景&#xff0c;还兼具高效节能与稳定输出&#xff0c;为设备供能带来革新体验。 禾润 HTN77A0 同步降压变换器&#xff0c;凭借5V~130V 超宽输入电压范围&#xff0c;打破传统供…...

linux中sigint和sigterm的区别

SIGINT 和 SIGTERM 是在 Unix 及类 Unix 系统&#xff08;包括 Linux&#xff09;中用于进程间通信的信号&#xff0c;它们都可以用于请求进程终止&#xff0c;区别如下&#xff1a; 1、信号编号与定义 在信号机制里&#xff0c;每个信号都有对应的编号&#xff0c;这便于系统…...

errorno 和WSAGetlasterror的区别

errno 和 WSAGetLastError 是用于获取错误代码的机制&#xff0c;但它们应用于不同的编程场景&#xff0c;下面为你详细介绍二者的区别&#xff1a; 应用场景 errno&#xff1a;它是 C 和 C 等编程语言里用于表示系统调用和库函数错误的全局变量。在 Unix、Linux 等类 Unix 系…...

《操作系统真象还原》第十一章——用户进程

文章目录 前言为什么要有TSSTSS简介TSS描述符和TSS结构现代操作系统采用的任务切换方式 定义并初始化TSS修改global.h编写tss.c测试 实现用户进程实现用户进程的原理维护虚拟地址空间&#xff0c;修改thread.h为进程创建页表和3特权级栈&#xff0c;修改memory.c进入特权级3用户…...

第 11 届蓝桥杯 C++ 青少组中 / 高级组省赛 2020 年真题答和案解析

一、选择题 第 1 题 单选题 题目:表达式 ‘6’ - ‘1’ 的值是 ( ) A. 整数 5 B. 字符 5 C. 表达式不合法 D. 字符 6 答案:A 解析:在 C++ 中,字符常量以 ASCII 码形式存储。6 的 ASCII 码为 54,1 的 ASCII 码为 49,二者相减结果为 5,是整数类型,因此选 A。 第 2 题 …...

ES搜索知识

GET /categories/1/10?name手机 // 按名称过滤 GET /categories/1/10?type电子产品 // 按类型过滤 GET /categories/1/10?name手机&type电子产品 // 组合过滤 查询参数 ApiOperation(value "获取商品分类分页列表")GetMapping("{page}/{limit}")…...

Java高阶程序员学习计划(详细到天,需有一定Java基础)

🤟致敬读者 🟩感谢阅读🟦笑口常开🟪生日快乐⬛早点睡觉📘博主相关 🟧博主信息🟨博客首页🟫专栏推荐🟥活动信息文章目录 Java高阶程序员学习计划(详细到天,需有一定Java基础)第一阶段(30天)Java基础:Java生态工具链:设计模式与编码规范:第二阶段(15天…...

SALOME源码分析: SMESH模块

本文分析SALOME GEOM模块。 注1&#xff1a;限于研究水平&#xff0c;分析难免不当&#xff0c;欢迎批评指正。 注2&#xff1a;文章内容会不定期更新。 一、核心组件 1.1 SMESHGUI 二、关键流程 网络资料 SALOME: Introduction to MESH Modulehttps://docs.salome-platform…...