当前位置：首页 > news >正文

milvus+flask山寨复刻《从零构建向量数据库》第7章

news 来源：原创 2025/8/2 3:55:10

常规练手，图片搜索山寨版。拜读罗云大佬著作，结果只有操作层的东西可以上上手。

书中是自己写的向量数据库，这边直接用python拼个现成的milvus向量数据库。

1. 创建一个向量数据库以及对应的相应数据表：

# Milvus Setup Arguments
COLLECTION_NAME = 'animal_search'
DIMENSION = 2048
MILVUS_HOST = "localhost"
MILVUS_PORT = "19530"# Inference Arguments
BATCH_SIZE = 128from pymilvus import connections# Connect to the instance
connections.connect(host=MILVUS_HOST,port=MILVUS_PORT)from pymilvus import utility# Remove any previous collection with the same name
if utility.has_collection(COLLECTION_NAME):utility.drop_collection(COLLECTION_NAME)#创建保存ID、图片文件路径及Embeddings的Collection。
from pymilvus import FieldSchema, CollectionSchema, DataType, Collectionfields = [FieldSchema(name='id',dtype=DataType.INT64, is_primary=True, auto_id=True),FieldSchema(name='filepath', dtype=DataType.VARCHAR,max_length=200),FieldSchema(name='image_embedding',dtype=DataType.FLOAT_VECTOR,dim=DIMENSION)]
schema = CollectionSchema(fields=fields)
collection = Collection(name=COLLECTION_NAME, schema=schema)index_params = {'metric_type':'L2','index_type': "IVF_FLAT",'params':{'nlist':16384}
}
collection.create_index(field_name="image_embedding",index_params=index_params)
collection.load()

2. 写一堆图片进去存着，向量其实就是各种像素间的维度特征，

# Milvus Setup Arguments
COLLECTION_NAME = 'animal_search'
DIMENSION = 2048
MILVUS_HOST = "localhost"
MILVUS_PORT = "19530"# Inference Arguments
BATCH_SIZE = 128from pymilvus import connections# Connect to the instance
connections.connect(host=MILVUS_HOST, port=MILVUS_PORT)import globpaths = glob.glob('/mcm/vectorDB_training/animals_db/*',recursive=True)#分批预处理数据
import torch
# Load the embedding model with the last layer removed
model = torch.hub.load('pytorch/vision:v0.10.0', 'resnet50', pretrained=True)
model = torch.nn.Sequential(*(list(model.children())[:-1]))
model.eval()from torchvision import transforms
# Preprocessing for images
preprocess = transforms.Compose([transforms.Resize(256),transforms.CenterCrop(224),transforms.ToTensor(),transforms.Normalize(mean=[0.485,0.456,0.406],std=[0.229,0.224,0.225])
])#插入数据
from PIL import Image
from tqdm import tqdm# Embed function that embeds the batch and inserts it
def embed(data):from pymilvus import FieldSchema, CollectionSchema, DataType, Collectionfields = [FieldSchema(name='id',dtype=DataType.INT64, is_primary=True, auto_id=True),FieldSchema(name='filepath', dtype=DataType.VARCHAR,max_length=200),FieldSchema(name='image_embedding',dtype=DataType.FLOAT_VECTOR,dim=DIMENSION)]schema = CollectionSchema(fields=fields)collection = Collection(name=COLLECTION_NAME, schema=schema)with torch.no_grad():output = model(torch.stack(data[0])).squeeze()collection.insert([data[1],output.tolist()])collection.flush()data_batch = [[],[]]# Read the images into batches for embedding and insertion
for path in tqdm(paths):im = Image.open(path).convert('RGB')data_batch[0].append(preprocess(im))data_batch[1].append(path)if len(data_batch[0]) % BATCH_SIZE == 0:embed(data_batch)data_batch = [[],[]]# Embed and insert the remainder
if len(data_batch[0]) != 0:embed(data_batch)

3. 向量化图片的函数要单独拎出来，做搜索功能的时候用它。

import torch
import torchvision.transforms as transforms
from torchvision.models import resnet50
from PIL import Imagedef extract_features(image_path):# 加载预训练的 ResNet-50 模型model = resnet50(pretrained=True)model = torch.nn.Sequential(*list(model.children())[:-1])  #移除fc层，不移除，向量最后就是1000层，而不是2048model.eval()# 图像预处理preprocess = transforms.Compose([transforms.Resize(256),transforms.CenterCrop(224),transforms.ToTensor(),transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),])# 读取图像img = Image.open(image_path)img_t = preprocess(img)batch_t = torch.unsqueeze(img_t, 0)# 提取特征with torch.no_grad():out = model(batch_t)# 将特征向量转换为一维数组并返回return out.flatten().numpy()

4. 用flask做的界面

from flask import Flask,request,jsonify
from flask import render_template
from image_eb import extract_features
#from pymilvus import connections
from pymilvus import MilvusClientimport logging
import os
import shutilMILVUS_HOST = "localhost"
MILVUS_PORT = "19530"
COLLECTION_NAME = 'animal_search'
TOP_K = 3app = Flask(__name__)
milvus_client = MilvusClient(uri="http://localhost:19530")@app.route("/")
def index():return render_template("index.html")@app.route("/upload",methods=["POST"])
def upload_image():image_file = request.files["image"]image_id_str = request.form.get("image_id")data = []#检查image_id是否存在。if not image_id_str:return jsonify({"message": "Image ID is required"}),400#image id转化为整型try:image_id = int(image_id_str)data.append(image_id)except ValueError:return jsonify({"message": "Invalid image ID. It must be an integer"}),400filename = image_file.filenameimage_path = os.path.join("static/images",image_id_str)image_file.save(image_path)image_features = extract_features(image_path)data.append(image_features)data_dict = dict(filepath=image_path,image_embedding=data[1])#更新数据库中记录milvus_client.insert(collection_name=COLLECTION_NAME,data=[data_dict])return jsonify({"message": "Image uploaded successfully", "id": image_id})@app.route("/search",methods=["POST"])
def search_image():image_file = request.files["image"]image_path = os.path.join("static/images","temp_image.jpg")image_file.save(image_path)image_features = extract_features(image_path)data_li = [extract_features(image_path).tolist()]search_result = milvus_client.search(collection_name=COLLECTION_NAME,data=data_li,output_fields=["filepath"],limit=TOP_K,search_params={'metric_type': 'L2', 'params': {}},)dict_search_result = search_result[0]arr_search_result = []destination_folder = '/mcm/vectorDB_training/static/images'for index,value in enumerate(dict_search_result):source_file = value["entity"]["filepath"]base_file_name = os.path.basename(source_file)destination_file = os.path.join(destination_folder, base_file_name)shutil.copy(source_file, destination_file)key_file_name = os.path.join("/static/images",base_file_name)arr_search_result.append(key_file_name)        image_urls = [f"{filepath}" for filepath in arr_search_result]return jsonify({"image_urls":image_urls})if __name__=="__main__":app.run(host='0.0.0.0',port=5020,debug=True)

小网站结构，以及其他杂代码，可以查看以及直接下载：https://www.ituring.com.cn/book/3305

milvus+flask山寨复刻《从零构建向量数据库》第7章

常规练手，图片搜索山寨版。拜读罗云大佬著作，结果只有操作层的东西可以上上手。书中是自己写的向量数据库，这边直接用python拼个现成的milvus向量数据库。 1. 创建一个向量数据库以及对应的相应数据表： # Milvus Setup Argume…...

编程日记 2025/8/2 3:55:10

【大数据技术-HBase-关于Hmaster、RegionServer、Region等组件功能和读写流程总结】

Hmaster的作用负责命名空间、表的创建和删除等一些DDL操作、region分配和负载均衡，并不参与数据读写，相比与其他大数据组件，如hdfs的namenode，在hbase中，Hmaster的作用是比较弱化的，即使挂掉，也暂时不影响现有表的读写。 RegionServer的作用一个机器上一个regionse…...

编程日记 2025/8/1 8:24:09

用c语言实现——一个交互式的中序线索二叉树系统，支持用户动态构建、线索化、遍历和查询功能

知识补充：什么是中序线索化中序遍历是什么一、代码解释 1.结构体定义 Node 结构体： 成员说明： int data：存储节点的数据值。 struct Node* lchild：该节点的左孩子 struct Node* rchild：该节点的右孩子…...

编程日记 2025/7/31 1:22:56

Pale Moon：速度优化的Firefox定制浏览器

Pale Moon是一款基于Firefox浏览器的定制版浏览器，专为追求速度和性能的用户设计。它使用开放源代码创建，经过高度优化，适用于现代处理器，提供了更快的页面加载速度和更高效的脚本处理能力。Pale Moon不仅继承了Firefox的安全性和…...

编程日记 2025/7/29 22:27:03

广东省省考备考（第七天5.10）—言语：逻辑填空（每日一练）

错题解析第一空，搭配“各个环节”，根据“我国已经形成了相对完善的中药质量标准控制体系”可知，横线处应体现“包含”之意，C项“涵盖”指包括、覆盖，D项“囊括”指把全部包罗在内，均与“各个环节”搭配得…...

编程日记 2025/8/1 4:48:50

Gartner《Container发布与生命周期管理最佳实践》学习心得

近日，Gartner发布了《Best Practices for Container Release and Life Cycle Management》， 报告为技术专业人士提供了关于容器发布和生命周期管理的深入指导。这份报告强调了容器在现代应用开发和部署中的核心地位，并提供了一系列最佳实践&…...

编程日记 2025/8/2 3:43:34

内存、磁盘、CPU区别，Hadoop/Spark与哪个联系密切

1. 内存、磁盘、CPU的区别和作用 1.1 内存（Memory） 作用： 内存是计算机的短期存储器，用于存储正在运行的程序和数据。它的访问速度非常快，比磁盘快几个数量级。在分布式计算中，内存用于缓存中间结果、存储…...

编程日记 2025/7/29 19:48:36

SpringCloud之Eureka基础认识-服务注册中心

0、认识Eureka Eureka 是 Netflix 开源的服务发现组件，后来被集成到 Spring Cloud 生态中，成为 Spring Cloud Netflix 的核心模块之一。它主要用于解决分布式系统中服务注册与发现的问题。 Eureka Server 有必要的话，也可以做成集群…...

编程日记 2025/8/1 11:48:56

MySQL 中如何进行 SQL 调优？

在MySQL中进行SQL调优是一个系统性工程，需结合索引优化、查询改写、性能分析工具、数据库设计及硬件配置等多方面策略。以下是具体优化方法及案例说明： 一、索引优化：精准提速的关键索引类型选择普通索引：加速频繁查询的列&…...

编程日记 2025/7/29 13:14:37

Linux平台下SSH 协议克隆Github远程仓库并配置密钥

目录注意：先提前配置好SSH密钥，然后再git clone 1. 检查现有 SSH 密钥 2. 生成新的 SSH 密钥 3. 将 SSH 密钥添加到 ssh-agent 4. 将公钥添加到 GitHub 5. 测试 SSH 连接 6. 配置 Git 使用 SSH 注意：先提前配置好SSH密钥，然…...

编程日记 2025/7/31 19:32:06

Android平台FFmpeg音视频开发深度指南

一、FFmpeg在Android开发中的核心价值 FFmpeg作为业界领先的多媒体处理框架，在Android音视频开发中扮演着至关重要的角色。它提供了： 跨平台支持：统一的API处理各种音视频格式完整功能链：从解码、编码到滤镜处理的全套解决方案灵…...

编程日记 2025/8/1 1:35:26

QSFP+、QSFP28、QSFP-DD接口分别实现40G、100G、200G/400G以太网接口

常用的光模块结构形式： 1）QSFP等效于4个SFP，支持410Gbit/s通道传输，可通过4个通道实现40Gbps传输速率。与SFP相比，QSFP光模块的传输速率可达SFP光模块的四倍，在部署40G网络时可直接使用QSFP光模块&#xf…...

编程日记 2025/7/29 13:14:30

MySQL事务和JDBC中的事务操作

一、什么是事务事务是数据库操作的最小逻辑单元，具有"全有或全无"的特性。以银行转账为例： 典型场景： 从A账户扣除1000元向B账户增加1000元这两个操作必须作为一个整体执行，要么全部成功，要么全部失败…...

编程日记 2025/7/31 15:47:18

Linux系统下安装mongodb

1. 配置MongoDB的yum仓库创建仓库文件 sudo vi /etc/yum.repos.d/mongodb-org.repo添加仓库配置根据系统版本选择配置（以下示例为CentOS 7和CentOS 9的配置）： CentOS 7（安装MongoDB 5.0/4.2等旧版本）： In…...

编程日记 2025/8/1 12:23:59

JavaScript篇：async/await 错误处理指南：优雅捕获异常，告别失控的 Promise！

大家好，我是江城开朗的豌豆，一名拥有6年以上前端开发经验的工程师。我精通HTML、CSS、JavaScript等基础前端技术，并深入掌握Vue、React、Uniapp、Flutter等主流框架，能够高效解决各类前端开发问题。在我的技术栈中，除了…...

编程日记 2025/7/30 23:10:09

智能时代下，水利安全员证如何引领行业变革？

当 5G、AI、物联网等技术深度融入水利工程，传统安全管理模式正经历颠覆性变革。在这场智能化浪潮中，水利安全员证扮演着怎样的角色？又将如何重塑行业人才需求格局？ 水利工程智能化转型对安全管理提出新挑战。无人机巡检、智能监测…...

编程日记 2025/7/29 13:14:22

使用FastAPI和React以及MongoDB构建全栈Web应用03 全栈开发快速入门

一、什么是全栈开发 A full-stack web application is a complete software application that encompasses both the frontend and backend components. It’s designed to interact with users through a web browser and perform actions that involve data processing and …...

编程日记 2025/8/2 1:30:52

NHANES稀有指标推荐：HALP score

文章题目：Associations of HALP score with serum prostate-specific antigen and mortality in middle-aged and elderly individuals without prostate cancer DOI：10.3389/fonc.2024.1419310 中文标题：HALP 评分与无前列腺癌的中老年人血清…...

编程日记 2025/7/29 3:55:42

软考错题集

一个有向图具有拓扑排序序列，则该图的邻接矩阵必定为（）矩阵。 A.三角 B.一般 C.对称 D.稀疏矩阵的下三角或上三角部分包含非零元素，而其余部分为零。一般矩阵这个术语太过宽泛，不具体指向任何特定性质的矩阵。对称矩阵…...

编程日记 2025/7/29 13:14:16

llama.cpp无法使用gpu的问题

使用cuda编译llama.cpp后，仍然无法使用gpu。 ./llama-server -m ../../../../../model/hf_models/qwen/qwen3-4b-q8_0.gguf -ngl 40 报错如下 ggml_cuda_init: failed to initialize CUDA: forward compatibility was attempted on non supported HW warning: n…...

编程日记 2025/7/29 13:14:14

[面试]SoC验证工程师面试常见问题（五）TLM通信篇

SoC验证工程师面试常见问题（五）摘要：UVM (Universal Verification Methodology) 中的 TLM (Transaction Level Modeling) 通信是一种用于在验证组件之间传递事务（Transaction）的高层次抽象机制。它通过端口（Port）和导出（Export）实现组件间的解耦通信，避免了信…...

编程日记 2025/7/29 13:14:11

Spring循环依赖问题

个人理解，有问题欢迎指正。 Spring 生命周期中，首先使用构造方法对 bean 实例化，实例化完成之后才将不完全的 bean放入三级缓存中提前暴露出 bean，然后进行属性赋值，此时容易出现循环依赖问题。由此可见，…...

编程日记 2025/8/1 20:49:39

AtCoder Beginner Contest 405（CD）

C - Sum of Product 翻译： 给你一个长为N的序列。计算的值。思路： 可使用前缀和快速得到区间和，在遍历 i 即可。（前缀和） 实现： #include<bits/stdc.h> using namespace std; using ll long lon…...

编程日记 2025/7/29 13:14:07

MindSpore框架学习项目-ResNet药物分类-模型优化

目录 5.模型优化 5.1模型优化 6.结语参考内容： 昇思MindSpore | 全场景AI框架 | 昇思MindSpore社区官网华为自研的国产AI框架，训推一体，支持动态图、静态图，全场景适用，有着不错的生态本项目可以在华为云modelar…...

编程日记 2025/7/29 5:50:19

C. scanf 函数基础

scanf 函数 1. scanf 函数基础1.1 函数原型与头文件1.2 格式化输入的基本概念2.1 常见格式说明符整数格式说明符浮点数格式说明符字符和字符串格式说明符其他格式说明符2.2 格式说明符的高级用法宽度修饰符精度修饰符跳过输入字段宽度组合修饰符对齐修饰符实际应用示例3.2 精度…...

编程日记 2025/8/1 2:02:43

《C++探幽：模板从初阶到进阶》

文章目录 :red_circle:一、模板基础：开启泛型编程之门（一）泛型编程的必要性（二）函数模板1. 函数模板概念2. 函数模板定义格式3. 函数模板原理4. 函数模板实例化5. 模板参数匹配原则 （三）类模板1…...

编程日记 2025/7/29 13:14:00

画立方体软件开发笔记 js three 投影参数建模旋转相机 @tarikjabiri/dxf导出dxf

gitee： njsgcs/njsgcs_3d mainwindow.js:4 Uncaught SyntaxError: The requested module /3dviewport.js does not provide an export named default一定要default吗 2025-05-10 14-27-58 专门写了个代码画立方体 import{ scene,camera,renderer} from ./3dviewp…...

编程日记 2025/7/31 20:34:27

LVGL图像导入和解码

LVGL版本：8.1 概述在LVGL中，可以导入多种不同类型的图像： 经转换器生成的C语言数组，适用于页面中不常改变的固定图像。存储系统中的外部图像，比较灵活，可以通过插卡或从网络中获取，但需要配置…...

编程日记 2025/7/29 13:13:56

Win10无法上网：Windows 无法访问指定设备、路径或文件。你可能没有适当的权限访问该项目找不到域 TEST 的域控制器DNS 解析存在问题

目录一.先看问题二.解决问题三.补充备用一.先看问题 Win08有网且已经加入域 Win10无网并且找不到域（说明：Win10我之前已经加入过域的，并且能够上网，但每次在宿舍和教室切换校园网，就会导致只有Win10无网&#…...

编程日记 2025/8/1 3:56:55

开疆智能Canopen转Profinet网关连接工博士GBS20机器人配置案例

本案例是介绍将支持canopen通信协议的机器人机器人接入到西门子Profinet网络中，由于两种协议不能直接通讯，故选择了canopen转Profinet网关进行通讯协议转换。配置过程： 首先打开Profinet主站配置软件，新建项目并导入网关GSD文件…...

编程日记 2025/7/29 13:13:51

物业企业绩效考核制度与考核体系

物业企业绩效考核制度旨在通过建立科学、公正的绩效管理体系，提升员工的工作效率、激发团队的潜力，并通过对绩效结果的合理运用来推动公司可持续发展。该制度覆盖了公司全体员工，并明确规定了不同岗位、不同部门的考核内容、周期以及绩效考核的标准操作流程。通过月度、季度…...

编程日记 2025/7/29 13:13:49

expo多网络请求设定。

在使用 npx expo start 启动 Expo 开发服务器时，你可以通过设置网络模式来控制你的应用如何连接到开发服务器。Expo 提供了几种网络模式供你选择： LAN (Default): 这是默认模式。在这种模式下，你的应用会通过本地局域网 (LAN) 连接到你的开发…...

编程日记 2025/7/31 15:22:23

M0基础篇之ADC

本节课使用到的例程一、例程基本配置的解释在例程中我们只使用到了PA25这一个通道，因此我们使用的是Single这个模式，也就是我们在配置模式的时候使用的是单一转换。进行多个通道的测量我们可以使用Sequence这个模式。二、例程基本代码讲解 DL_ADC12_…...

编程日记 2025/7/29 13:13:46

Cadence 高速系统设计流程及工具使用三

5.8 约束规则的应用 5.8.1 层次化约束关系在应用约束规则之前，我们首先要了解这些约束规则是如何作用在 Cadence 设计对象上的。Cadence 中对设计对象的划分和概念，如表 5-11 所示。在 Cadence 系统中，把设计对象按层次进行了划分&#…...

编程日记 2025/7/28 13:34:19

gitkraken 使用教程

一、安装教程安装6.5.3，之后是收费的，Windows版免安装二、使用教程 0. 软件说明 gitkraken是一个git本地仓库管理软件，可以管理多个仓库，并且仓库可以属于多个网站多个账户。 1. 克隆仓库选择要克隆到什么位置&#xff0…...

编程日记 2025/8/1 0:19:27

抖音视频上传功能测试全维度拆解——从基础功能到隐藏缺陷的深度挖掘

一、核心功能测试（Happy Path） 文件基础验证支持格式：MP4/MOV/AVI等（含H.264/H.265编码组合验证） 分辨率兼容性：720p→8K的渐进式测试（重点验证竖屏9:16适配） 时长边界&#xff1…...

编程日记 2025/7/31 13:53:34

基于PE环境搭建及调试S32K312

0、简介本文基于S32K312 介绍PE的使用流程，主要是记录开发流程： MCU：NXP S32k312-100pin 编辑器：S32 Design Studio for S32 Platform 3.5 仿真器：PE USB Multilink Universal REV-E PE和jlink不一样&#xff0c…...

编程日记 2025/7/29 13:13:41

Autoware播放提示音

播放提示音 1、修改sound_player.yaml src/autoware/utilities/sound_player/scripts/sound_player.yaml start : ~/Autoware/install/sound_player/share/sound_player/start.wav stop : ~/Autoware/install/sound_player/share/sound_player/stop.wav red …...

编程日记 2025/7/31 11:24:55

学习黑客5 分钟深入浅出理解cron [特殊字符]

5 分钟深入浅出理解cron 🕒 大家好！今天我们将探索Linux系统中的cron——这个强大的定时任务调度工具，它允许用户自动执行周期性任务。在网络安全领域，尤其是在TryHackMe平台上的CTF挑战中，理解cron不仅是系统管理的基…...

编程日记 2025/7/29 13:13:37

Qt解决自定义窗口样式不生效问题

方法一： this->setAttribute(Qt::WA_StyledBackground, true); 方法二： 将类继承QWidget 改成继承 QFrame class MyWidget : public QFrame {} 方法三：重新实现QWidget的paintEvent函数时，使用QStylePainter绘制。 void p…...

编程日记 2025/7/31 8:11:13

redis未授权访问

redis是高速缓存型数据库，主要用户缓存一些频繁使用的数据来缓解数据库的访问压力。而redis未授权访问漏洞是因为redis数据库使用的过程中没有设定密码，任何人都可以直接连接数据库，这既是未授权访问，这是个通用漏洞，部…...

编程日记 2025/8/1 5:41:54

.Net HttpClient 使用准则

HttpClient 使用准则 System.Net.Http.HttpClient 类用于发送 HTTP 请求以及从 URI 所标识的资源接收 HTTP 响应。 HttpClient 实例是应用于该实例执行的所有请求的设置集合，每个实例使用自身的连接池，该池将其请求与其他请求隔离开来。从 .NET Core …...

编程日记 2025/8/1 23:02:22

Eclipse 插件开发 6 右键菜单

Eclipse 插件开发 6 右键菜单 1 plugin.xml2 SampleHandler.java3 Activator.java 1 plugin.xml <?xml version"1.0" encoding"UTF-8"?> <?eclipse version"3.4"?> <plugin><extension point&…...

编程日记 2025/7/31 2:22:17

MGP-STR：用于场景文本识别的多粒度预测

摘要场景文本识别（Scene Text Recognition，简称STR）多年来一直是计算机视觉领域的研究热点。为了解决这一具有挑战性的问题，研究者们陆续提出了许多创新方法，近期将语言知识引入STR模型已成为一项重要趋势。在本研究…...

编程日记 2025/8/1 9:53:32

DAMA语境关系图汇总及考前须知

写在前面 1.考前须知 2.梳理彩色详细的语境关系图，方便理解与深化 1.考前须知单选题10道题，每题1分，满分10分， 多选题15道题，每题2分，满分30分， 解答题6道，每题10分&#xff…...

编程日记 2025/8/1 7:59:25

Vue.js框架的优缺点

别再让才华被埋没，别再让github 项目蒙尘！github star 请点击 GitHub 在线专业服务直通车GitHub赋能精灵 - 艾米莉，立即加入这场席卷全球开发者的星光革命！若你有快速提升github Star github 加星数的需求，访问taimili…...

编程日记 2025/7/30 19:33:18

【Pandas】pandas DataFrame corr

Pandas2.2 DataFrame Computations descriptive stats 方法描述DataFrame.abs()用于返回 DataFrame 中每个元素的绝对值DataFrame.all([axis, bool_only, skipna])用于判断 DataFrame 中是否所有元素在指定轴上都为 TrueDataFrame.any(*[, axis, bool_only, skipna])用于判断…...

编程日记 2025/7/29 12:17:55

【金仓数据库征文】金融行业中的国产化数据库替代应用实践

【引言】随着国内技术的进步，越来越多的金融机构开始尝试将传统的商业数据库替换为国产化数据库。金仓数据库（KingbaseES，简称KES）凭借其高性能、稳定性和灵活的架构，逐步成为金融行业数据库替代的首选方案。本文将探…...

编程日记 2025/8/1 21:33:39

《基于人工智能的智能客服系统：技术与实践》

一、引言在数字化时代，客户服务已成为企业竞争的关键领域之一。随着人工智能（AI）技术的飞速发展，智能客服系统逐渐成为企业提升服务质量和效率的重要工具。智能客服不仅能够快速响应客户咨询，还能通过自然语言处理&am…...

编程日记 2025/8/1 20:25:53

关于汇编语言与程序设计——单总线温度采集与显示的应用

一、实验要求 (1)握码管的使用方式 (2)掌握DS18B20温度传感器的工作原理 (3)掌握单总线通信方式实现 MCU与DS18B20数据传输二、设计思路 1.整体思路通过编写数码管显示程序和单总线温度采集程序，结合温度传感报警，利用手指触碰传感器，当…...

编程日记 2025/7/29 12:17:49

相关文章：