Milvus向量数据库05-常见问题整理
Milvus向量数据库05-常见问题整理
1-什么是PipeLine
这张图展示了一个文档处理和搜索系统的架构,主要分为两个部分:Ingestion Pipeline(摄取管道)和 Search Pipeline(搜索管道)。下面是对图中各部分的详细解释:
-
文档和元数据:
- 图的左侧显示了各种类型的文档(如.txt, .pdf, .doc等)和其他元数据(如摘要、日期等)。
-
Ingestion Pipeline(摄取管道):
- 文档和其他元数据通过摄取管道进入系统。
- 这些文档被处理并存储到一个向量数据库的集合(Collection)中。
-
向量数据库 Collection:
- 文档被切片成多个部分(文档切片1、文档切片2、文档切片3、文档切片4)。
- 每个切片文本(切片文本1等)和其他元数据被转换成Embedding向量,这些向量是文档内容的数值表示,用于后续的搜索和匹配。
-
Embedding 向量:
- 每个文档切片和相关元数据都被转换成Embedding向量,这些向量是高维空间中的点,用于表示文档内容的语义信息。
-
Search Pipeline(搜索管道):
- 用户通过搜索管道输入查询文本(Q)。
- 查询文本同样被转换成Embedding向量。
- 系统通过比较查询文本的Embedding向量与数据库中存储的Embedding向量,来找到最相关的文档切片。
-
搜索和匹配:
- 系统使用Embedding向量来进行相似性搜索,找到与查询文本最匹配的文档切片。
- 这些匹配的文档切片随后可以被检索出来,提供给用户。
总的来说,这个系统通过将文档内容转换成Embedding向量,实现了高效的文本搜索和信息检索。这种方法特别适用于处理大量文本数据,并且能够理解文本的语义内容,从而提供更准确的搜索结果。
2-如何选择entry的属性作为向量字段
选择entry的属性作为向量字段是向量数据库中的一个重要步骤,这通常取决于数据的特性和应用场景。以下是一些关键因素和策略,用于指导如何选择和优化向量字段:
-
数据相关性:选择与查询意图高度相关的属性作为向量字段。这些属性应该能够捕捉数据的核心特征,从而提高搜索的准确性和召回率。
-
维度和大小:向量的维度和大小会影响存储需求和搜索性能。选择适当的维度可以平衡搜索质量和系统性能。例如,Elasticsearch的dense_vector字段类型存储数值的密集向量,主要用于k最近邻(kNN)搜索,并且dense_vector类型不支持聚合或排序。
-
索引类型:根据应用需求选择合适的索引类型。不同的索引类型(如KD-Tree、LSH、HNSW)有不同的性能特点,适用于不同的查询场景。
-
量化和压缩:为了提高搜索速度和减少存储空间,可以考虑对向量进行量化和压缩。量化可以减少向量的精度,而压缩可以进一步减少存储需求。
-
数据分布:考虑数据在向量空间中的分布。如果数据分布不均匀,可能需要使用特定的索引或搜索策略来优化性能。
-
查询类型:根据常见的查询类型来选择向量字段。例如,如果查询主要基于文本内容,那么文本相关的属性应该是向量字段的首选。
-
性能测试:在实际部署前,对不同的向量字段选择进行性能测试。这可以帮助你了解不同选择对搜索性能的影响,并据此做出优化。
-
可扩展性:考虑系统的可扩展性。随着数据量的增长,向量数据库需要能够处理更多的数据和更复杂的查询。
-
维护和更新:选择易于维护和更新的向量字段。这包括考虑数据的更新频率和向量字段的更新成本。
-
多模态数据:如果系统需要处理多模态数据(如文本、图像、音频),则需要选择能够统一表示这些数据类型的向量字段。
通过综合考虑这些因素,你可以选择最适合你应用场景的向量字段,从而优化向量数据库的性能。
3-向量数据库架构
4-如何优化向量数据库的召回率?
优化向量数据库的召回率是一个多方面的挑战,涉及到数据预处理、模型选择、索引优化等多个环节。以下是一些有效的优化策略:
-
选择合适的索引类型和参数:索引的选择对于向量召回的性能至关重要。例如,Milvus支持多种索引类型,用户可以根据对延迟、内存使用和召回率的需求进行选择。对于查询Recall要求较高,QPS不高的场景,可以选择DiskANN索引,它依赖高性能的磁盘索引,借助NVMe磁盘缓存全量数据,在内存中只存储量化后的数据。
-
优化分词器:通过去除停顿词、单复数标准化等策略,可以提高召回率。例如,使用IK分词器可以提升BM召回率约1%。
-
替换embedding模型:测试不同的embedding模型,选择效果最好的模型以提升向量召回率。例如,测试了xiaobu,bge,gte模型,其中一些模型能够提升向量召回率约15%。
-
丰富数据:定义有层级的数据结构,可以有效地解决一些和标题相关的问题的case,从而提升召回率。
-
意图识别:通过判别是否走知识库检索,解决非检索问题,提升召回率。
-
为问题生成假设性答案(HyDE):通过假设性问答,解决场景问题,提升长尾的query整体召回率约3%。
-
query蒸馏:去除query中的不相关的关键词,提升召回排名。
-
query问题拆解 CoT思维链:解决复杂问题的问答,复杂难问题拆解后回答效果好。
-
排序策略rerank:提高相关文档的排名,效果明显好。
-
ELSER稀疏向量模型:在英文场景下,稀疏向量的召回率相比较BM25,提升明显,topK召回率有很大提升,top1提升了31%,top5提升了28.5%,top10提升了22%。
-
合理选择流式插入和批量导入:在有大量离线写入的场景,建议使用BulkInsert,因为它不会对查询性能造成太大的影响,并且也大大减少了流式写入对消息队列产生的压力。
通过这些策略的综合运用,可以显著提升向量数据库的召回率,从而提高搜索结果的质量和相关性。
5-如何评估一个向量数据库的性能
评估向量数据库性能时,需要考虑多个关键指标和测试方法:
-
性能指标:主要性能指标包括数据插入能力和速度、查询延迟(Latency)、最大吞吐量(QPS)。对于向量数据库,还需要关注索引构建时间和召回率(recall),后者衡量检索准确性。召回率越高,表示返回的查询结果中包含更多正确的匹配项。
-
查询性能评估:查询性能通常包括Latency、QPS和Recall三个关键指标。Latency测试用于测量单一查询所需的时间,常用的是P99 Latency,表示99%的查询在该时间内完成。QPS表示数据库在高并发条件下的查询处理能力。Recall评估系统在近似查询时的效果。
-
数据集影响:不同向量数据库在面对多样化数据集时表现出显著的性能差异。较大的数据集对分布式架构构成挑战,可能导致性能降低。测试数据集的维度和分布同样影响测试结果。使用具有不同数据大小、维度和分布的测试数据集来评估向量数据库,可以获得更精确和全面的测试结果。
-
性能测试工具:在评估向量数据库的过程中,ANN Benchmark和VectorDBBench是两个常用的性能测试工具。ANN Benchmark用于评估不同的向量索引算法在真实数据集上的性能,而VectorDBBench专为向量数据库全面评估而设计,关注资源消耗、数据加载能力和系统稳定性等因素。
-
性能评估技巧:准确评估数据插入性能需要检查最大插入容量和插入时间。插入时间应覆盖从开始插入数据集到可以进行有效查询的整个过程。评估查询性能时,需要考虑Latency、QPS和Recall的结合。
-
系统稳定性:在高负载下,向量数据库的稳定性也是一个重要的评估指标。这包括系统在长时间运行后的性能一致性以及在面对突发流量时的响应能力。
-
资源消耗:评估向量数据库时,还需要考虑其资源消耗情况,包括CPU使用率、内存消耗、磁盘IO及网络情况。这些因素直接影响到数据库的运行成本和可扩展性。
-
扩展性:衡量数据库能否处理快速增长数据量的指标。数据库的扩展性决定了其在数据量增长时的性能表现和维护成本。
-
功能支持:评价数据库是否支持关键功能,如多租户、灾难恢复和多索引等企业级功能的能力。
通过综合这些指标和方法,可以全面评估向量数据库的性能,为选择合适的数据库产品提供依据。
6-向量数据库 Collection的工作原理
向量数据库Collection的工作原理主要涉及以下几个关键步骤:
-
数据存储:向量数据库通过向量化技术将各种对象(如商品、文档或数据点)映射为多维空间中的向量,每个对象都对应一个向量,该向量捕捉了对象的多样特征或属性。这些嵌入被用来存储和组织对象。
-
索引构建:为了提高向量查询的效率,向量数据库会构建相应的索引结构。常用的索引结构包括KD-Tree、LSH(局部敏感哈希)、B树等。索引的构建过程涉及将向量映射到一个特定的数据结构上,以便能够快速进行相似度计算和数据查询。
-
相似度计算:当需要查询与给定向量最相似的向量时,向量数据库会使用事先构建好的索引结构进行相似度计算。相似度计算的方法根据索引结构的不同而不同,例如在KD-Tree中使用欧氏距离或曼哈顿距离,在LSH中使用哈希函数计算相似度。
-
查询处理:向量数据库接收到用户查询后,会通过索引结构快速定位与查询向量最相似的向量,并返回相应的结果。根据具体的应用场景,查询结果可能包含相似向量的ID、相似度值,或者其它附加信息。
-
持续更新:向量数据库通常需要支持数据的持续更新和删除操作。因为实际应用中,向量数据可能会不断增加和变化,所以数据库需要支持高效的数据插入和删除操作,同时保持索引结构的一致性。
-
工作流程:用户查询通过应用程序转换为向量嵌入,然后与数据库中存储的向量嵌入进行比较。通过计算相似性,系统能够识别出与查询内容最相关的嵌入,并据此生成响应,将包含与这些嵌入相关联的相关信息的响应发送回给用户。
-
相似性度量:向量数据库采用多种数学技术来衡量向量之间的相似度,其中一种常见方法是余弦相似性。
-
实现技术:向量数据库的实现技术涉及多种算法和工具,通过优化数据存储、索引构建和查询处理,实现高效的高维向量数据管理和检索。例如,HNSW(Hierarchical Navigable Small World)算法是一种基于小世界图理论的近似最近邻搜索(ANN)算法,通过构建一个分层的导航图结构,实现高效的高维向量相似性检索。
-
应用领域:向量数据库在许多领域都有广泛的应用,如人脸识别、推荐系统、图像检索等,它能够快速找到与给定向量相似的数据,为许多应用提供了便利。
通过这些步骤,向量数据库Collection能够有效地存储、索引和检索向量数据,为用户提供快速准确的相似性搜索服务。
相关文章:
Milvus向量数据库05-常见问题整理
Milvus向量数据库05-常见问题整理 1-什么是PipeLine 这张图展示了一个文档处理和搜索系统的架构,主要分为两个部分:Ingestion Pipeline(摄取管道)和 Search Pipeline(搜索管道)。下面是对图中各部分的详细…...
strncpy在复制含有多个\0的字符串时遇到的问题
strncpy在复制含有多个\0的字符串的时候,会产生截断,因为strncpy在读取源字符串的时候,遇到了\0,函数会认为该字符串已经结束了,然后会向目标字符串内填充\0。 char buffer[100] "ak\0jl";for (int i 0; i…...
C++作业3
作业1: 1.定义一个矩形类Rec,包含私有属性length、width,包含公有成员方法: void set_length(int l);//设置长度 Void set_width(int w);//设置宽度 Int get_length();//获取长度,将长度的值返回给调用处 Int get_widt…...
重生之我在学Vue--第1天 Vue 3 基础与开发环境搭建
重生之我在学Vue–第1天 Vue 3 基础与开发环境搭建 文章目录 重生之我在学Vue--第1天 Vue 3 基础与开发环境搭建前言一、Vue 3 的特点与核心概念二、搭建开发环境1. 安装 Node.js2. 使用 Vite 创建 Vue 3 项目创建项目进入项目目录并安装依赖启动开发服务器 3. 理解项目结构 三…...
企业经营数据分析系统:提升决策能力的利器
搭建企业经营数据分析系统是当今企业绕不开的话题,企业想要在竞争激烈的市场当中突围而出,需要对于企业内部的各种数据了然于胸,同时对于外部的数据也有敏锐的把握能力,因此企业构建自身的经营性数据分析系统就显得尤其重要。作为…...
Linux笔记9 DNS域名解析服务器
简介 DNS(Domain Name System)是互联网上的一项服务,它作为将域名和IP地址相互映射的一个分 布式数据库,能够使人更方便的访问互联网。 DNS使用的是53端口, 通常DNS是以UDP这个较快速的数据传输协议来查询的&#x…...
鸿蒙高级开发者认证的主观题试题及答案
以下是一份鸿蒙高级开发者认证的主观题试题及答案示例,涵盖了鸿蒙开发中的多个关键技术和应用场景相关内容,希望对你有所帮助: 一、论述题(每题 20 分,共 60 分) 1. 阐述鸿蒙操作系统中分布式软总线的工作原理、核心优势以及在多设备协同应用开发场景下的应用方式,并举…...
leetcode_547 省份数量
该题主要运用了图的连通性 接着使用染色法解决该问题 染色法:标记所有节点为false 访问后 将其标记位true class Solution {int n; // 代表n个数据bool colors[201]; // 标记是否访问到void dfs(vector<vector<int>>& isConnected, int u) { // …...
【开源】一款基于SpringBoot 的全开源充电桩平台
一、下载项目文件 下载源码项目文件口令:动作璆璜量子屏多好/~d1b8356ox2~:/复制口令后,进入夸克网盘app即可保存(如果复制到夸克app没有跳转资源,可以复制粘贴口令到夸克app的搜索框也可以打开(不用点搜索按钮&#…...
react antd tabs router 基础管理后台模版
在构建 React 后台管理系统时,使用标签页的方式展示路由是一种高效且用户友好的设计模式。这种实现方式通常允许用户在多个页面之间快速切换,并保留页面的状态,类似于浏览器的多标签页功能。 需求分析 1.动态标签页:根据用户的导…...
uniapp uni-table最简单固定表头
需求:固定表头数据,在网上找了半天,啥都有,就是一直实现不了,最后更改代码实现 1.效果 2.主要代码讲解完整代码 表格的父级一定要设置高度,不然会错位,我看网上说设置position:fixed…...
从0到1实现项目Docker编排部署
在深入讨论 Docker 编排之前,首先让我们了解一下 Docker 技术本身。Docker 是一个开源平台,旨在帮助开发者自动化应用程序的部署、扩展和管理。自 2013 年推出以来,Docker 迅速发展成为现代软件开发和运维领域不可或缺的重要工具。 Docker 采…...
Mac软件推荐
Mac软件推荐 截图SnipasteXnipBob 快捷启动Raycast 系统检测Stats 解压缩The UnarchiverKeka(付费) 视频播放IINA 视频下载Downie(付费) 屏幕刘海TopNotchMediaMate(付费)NotchDrop(付费&#x…...
No.4 笔记 探索网络安全:揭开Web世界的隐秘防线
在这个数字时代,网络安全无处不在。了解Web安全的基本知识,不仅能保护我们自己,也能帮助我们在技术上更进一步。让我们一起深入探索Web安全的世界,掌握那些必备的安全知识! 1. 客户端与WEB应用安全 前端漏洞࿱…...
Unity-Webview 使用指南
Unity-Webview 使用指南 Unity-Webview 主に gree/unity-webview のリファクタリング。本家を元に改良してく! [这里是图片001] 项目地址: https://gitcode.com/gh_mirrors/uni/Unity-Webview Unity-Webview 是一个专为 Unity 开发的 WebView 插件,使开…...
【Vue】自定义指令、插槽
目录 自定义指令 是什么 作用 使用方法 定义 使用 自定义指令配合绑定数据 语法 自定义指令的简写 语法 使用时机 插槽 什么是插槽 默认(匿名)插槽 编辑插槽的默认值 具名插槽 使用方法 简写 使用示例 作用域插槽 自定义指令 是什…...
AI - RAG中的状态化管理聊天记录
AI - RAG中的状态化管理聊天记录 大家好,今天我们来聊聊LangChain和LLM中一个重要的话题——状态化管理聊天记录。在使用大语言模型(LLM)的时候,聊天记录(History)和状态(State)管理是非常关键的。那我们先…...
微服务网关SpringCloudGateway、Kong比较
网关产品 1. Spring Cloud Gateway 基本信息 Spring Cloud Gateway是Spring Cloud生态系统中的一个组件,基于Spring 5、Project Reactor和Spring Boot 2构建。它旨在为微服务架构提供一种简单而有效的API网关解决方案。 功能特点 路由功能强大:使用Rou…...
MVC基础语法
文章目录 项目地址一、MVC的传值方式1.1 ViewBag和ViewData传值1.1.1 ViewBag1.1.2 ViewData 1.2 视图模型传值(ViewModel) 二、HttpConntext上下文三、中间件 项目地址 教程作者:誉尚学教育教程地址: https://www.bilibili.com…...
Web day09 会话技术 JWT令牌 Filter Interceptor
目录 会话技术: 1.Cookie: 2.Session: 3.令牌技术: JWT令牌: 生成JWT令牌: 校验JWT令牌(解析生成的令牌) 登陆时下发令牌: 过滤器Filter: 拦截器Inte…...
OpenCV相机标定与3D重建(14)用于组合两个旋转和平移(R|T)变换函数composeRT()的使用
操作系统:ubuntu22.04 OpenCV版本:OpenCV4.9 IDE:Visual Studio Code 编程语言:C11 算法描述 cv::composeRT 是 OpenCV 库中的一个函数,用于组合两个旋转和平移(R|T)变换。这个函数可以将两个连续的刚体变…...
leetcode33.搜索旋转排序数组
整数数组 nums 按升序排列,数组中的值 互不相同 。 在传递给函数之前,nums 在预先未知的某个下标 k(0 < k < nums.length)上进行了 旋转,使数组变为 [nums[k], nums[k1], ..., nums[n-1], nums[0], nums[1], ..…...
TMS Software:TMS BIZ产品——TMS XData
TMS XData 用于多层REST/JSON HTTP/HTTPS应用服务器开发和ORM远程处理的Delphi框架。 TMS扩展数据可同时用于以下框架: VCLWEBFMX TMS XData可同时用于以下操作系统/浏览器: TMS XData可同时用于以下IDE: 功能概述 基于REST/JSON架构风格的…...
leecode中的面试100题
isalnum函数用于检查一个字符是否为字母或数字。它的参数是一个int类型 isupper() 是大写 islower() 是小写 toupper() 变成大写 tolower() 变成小写 do while 首先不管怎么 先执行do一次 然后执行完了之后 在判断while如果符合while里面就继续执行do vector容器中insert…...
不同类型的集成技术——Bagging、Boosting、Stacking、Voting、Blending简述
目录 一、说明 二、堆叠 2.1 堆叠的工作原理: 2.2 例子: 2.3 堆叠的优点: 三、投票(简单投票) 3.1 例子: 3.2 投票的优点: 四、装袋和投票之间的区别 五、混合 6.1 混合的主要特征: …...
【从零开始入门unity游戏开发之——C#篇01】理论开篇
文章目录 前言前置条件什么是编程?什么是代码?什么是编程语言?常见的编程语言什么是C#?学习Unity为什么要先学习C#?选择适合自己的IDE集成开发环境VSCode安装和环境配置VSCode调试模式专栏推荐完结 前言 这个系列我想…...
TCP的“可靠性”(上)
目录 TCP的“可靠性”(上)确认应答(可靠性传输的基础)超时重传连接管理(三次握手,四次挥手) TCP的“可靠性”(上) 想必大家都或多或少的听说过TCP的特性:有连…...
Windows平台Unity3D下如何低延迟低资源占用播放RTMP或RTSP流?
技术探讨 自2017年我们发布跨平台的低延迟Unity下的RTSP|RTMP直播播放器后,Unity下的直播体验有了质的提升,特别是RTMP,从大家认知里面的几秒钟,直接缩减到100-300ms,满足了绝大多数场景下低延迟的技术诉求。今天就Un…...
burp的编解码,日志,比较器
声明! 学习视频来自B站up主 **泷羽sec** 有兴趣的师傅可以关注一下,如涉及侵权马上删除文章,笔记只是方便各位师傅的学习和探讨,文章所提到的网站以及内容,只做学习交流,其他均与本人以及泷羽sec团队无关&a…...
Vercel部署前端部署
Vercel 部署 今天要讲的是如何对别人向自己的开源仓库提的PR进行自动代码审核 1. 注册并登录Vercel 访问 Vercel官网点击右上角的"Sign Up"选择使用GitHub、GitLab、Bitbucket或邮箱注册完成注册流程并登录 2. 连接代码仓库 在Vercel仪表板,点击"New Proje…...
Jenkins相关的Api接口调用详解
Jenkins API是Jenkins持续集成和持续部署(CI/CD)平台提供的一组接口,允许外部程序通过HTTP请求与Jenkins进行交互。以下是对Jenkins API使用的简介: 一、Jenkins API的主要功能 作业管理:通过API,可以创建、配置、删除以及查询作业(Job)。构建触发:可以远程触发新的构…...
HBU深度学习实验15-循环神经网络(2)
LSTM的记忆能力实验 飞桨AI Studio星河社区-人工智能学习与实训社区 (baidu.com) 长短期记忆网络(Long Short-Term Memory Network,LSTM)是一种可以有效缓解长程依赖问题的循环神经网络.LSTM 的特点是引入了一个新的内部状态&am…...
洛谷P1364 医院设置(c嘎嘎)
题目链接:P1364 医院设置 - 洛谷 | 计算机科学教育新生态 题目难度:普及/提高 数据规模与约定: 对于 100%100% 的数据,保证 1≤n≤1001≤n≤100,0≤u,v≤n0≤u,v≤n,1≤w≤1051≤w≤105。 解题思路&…...
Java死锁问题如何解决?
大家好,我是锋哥。今天分享关于【Java死锁问题如何解决?】面试题。希望对大家有帮助; Java死锁问题如何解决? 1000道 互联网大厂Java工程师 精选面试题-Java资源分享网 Java中的死锁(Deadlock)是一种并发…...
go锁与chan的性能对比
锁的作用chan 的作用golang的数据并不是并发安全的为什么锁的性能更加优秀?如何选择? 锁的作用 解决并发安全问题,流程控制等 chan 的作用 线程通信(数据传输), 并发安全,流程控制 golang的数据并不是并发安全的 golang的变量并不是并发安全的锁与chan都可以解决并发安全…...
最小二乘法拟合出二阶响应面近似模型
背景:根据样本试验数据拟合出二阶响应面近似模型(正交二次型),并使用决定系数R和调整的决定系数R_adj来判断二阶响应面模型的拟合精度。 1、样本数据(来源:硕士论文《航空发动机用W形金属密封环密封性能分析…...
Scala的隐式转换
package hfdobject Test37 { //复习隐式转换//隐式转换:编译器 偷偷地,自动的帮我们把一种数据类型转换为另外一种类型//列如:int -->double//它有失败的时候(double -->int),有成功的时候//当它转换失败的时候,…...
vue中父组件接收子组件的多个参数的方法:$emit或事件总线
方法一:使用 $emit 方法 原理 子组件通过 $emit 方法向父组件发送事件,同时可以传递多个参数,父组件通过事件监听来接收这些参数。 示例 子组件代码 <template><div><button click"sendData">发送数据</…...
网络安全法-网络安全支持与促进
第二章 网络安全支持与促进 第十五条 国家建立和完善网络安全标准体系。国务院标准化行政主管部门和国务院其他有关部门根据各自的职责,组织制定并适时修订有关网络安全管理以及网络产品、服务和运行安全的国家标准、行业标准。 国家支持企业、研究机构、高等学…...
prometheusgrafana实现监控告警
Prometheus负责集群数据的监控和采集,然后传递给grafana进行可视化,集成睿象云可实现监控报警,为了方便操作,可以通过iframe嵌套grafana到指定的页面。 文章目录 1.Grafana集成Prometheus2.iframe内嵌grafana3.监控告警 1.Grafana…...
php:完整部署Grid++Report到php项目,并实现模板打印
一、下载Grid++Report软件 路径:开发者安装包下载 - 锐浪报表工具 二、 安装软件 1、对下载的压缩包运行内部的exe文件 2、选择语言 3、 完成安装引导 下一步即可 4、接收许可协议 点击“我接受” 5、选择安装路径 “浏览”选择安装路径,点击"安装" 6、完成…...
【数据结构】基数排序的原理及实现
👦个人主页:Weraphael ✍🏻作者简介:目前正在准备26考研 ✈️专栏:数据结构 🐋 希望大家多多支持,咱一起进步!😁 如果文章有啥瑕疵,希望大佬指点一二 如果文章…...
Unix/Linux 命令行重定向操作
2>/dev/null 是一个常见的 Unix/Linux 命令行重定向操作,用于将标准错误(stderr)输出重定向到 /dev/null,即丢弃错误信息而不显示。理解这个表达式需要了解几个概念:文件描述符、重定向和特殊文件 /dev/null。 ###…...
leetcode周赛-3379. 转换数组
给你一个整数数组 nums,它表示一个循环数组。请你遵循以下规则创建一个大小 相同 的新数组 result : 对于每个下标 i(其中 0 < i < nums.length),独立执行以下操作: 如果 nums[i] > 0࿱…...
D89【python 接口自动化学习】- pytest基础用法
day89 pytest的setup,setdown详解 学习日期:20241205 学习目标:pytest基础用法 -- pytest的setup,setdown详解 学习笔记: setup、teardown详解 模块级 setup_module/teardown_module 开始于模块始末,生…...
【Appium】AttributeError: ‘NoneType‘ object has no attribute ‘to_capabilities‘
目录 1、报错内容 2、解决方案 (1)检查 (2)报错原因 (3)解决步骤 3、解决结果 1、报错内容 在PyCharm编写好脚本后,模拟器和appium也是连接成功的,但是运行脚本时报错&…...
【机器人】轨迹规划 之 spline 规划
在轨迹规划中,使用 spline (通常是指通过样条曲线进行轨迹规划)可以实现平滑、连续的路径。以下是使用样条(如B样条、三次样条插值)的具体方法和步骤,结合一个简单的例子说明: 示例场景…...
健康管理系统(Koa+Vue3)
系统界面(源码末尾获取) 系统技术 Vue3 Koa Nodejs Html Css Js ....... 系统介绍 系统比较简单,轻轻松松面对结业课堂作业.采用的是基于nodejs开发的Koa框架作为后端,采用Vue框架作为前端,完成快速开发和界面展示. 系统获取 啊啊啊宝/KoaVue3https://gitee.com/ah-ah-b…...
【MySQL 进阶之路】基础语法及优化技巧
MySQL DML 基础语法及优化技巧 一、DML(数据操作语言)概述 DML 是数据库操作语言的子集,用于数据的增、删、改、查四个基本操作。MySQL 中的 DML 操作通常是指以下四种基本操作: INSERT:插入数据SELECT:…...
2021 年“泰迪杯”数据分析技能赛B 题肥料登记数据分析
2021 年“泰迪杯”数据分析技能赛B 题肥料登记数据分析 完整代码请私聊 博主 一、背景 肥料是农业生产中一种重要的生产资料,其生产销售必须遵循《肥料登记管理办法》,依法在农业行政管理部门进行登记。各省、自治区、直辖市人民政府农业行政主管部门主…...