当前位置: 首页 > news >正文

(长期更新)《零基础入门 ArcGIS(ArcMap) 》实验三----学校选址与路径规划(超超超详细!!!)

目录

实验三  学校选址与道路规划

3.1  实验内容及目的

3.1.1 实验内容

3.1.2 实验目的

3.2 实验方案

3.3 操作流程

3.3.1 环境设置

3.3.2 地势分析

(1)提取坡度:

(2)重分类:

3.3.3 学校点分析

(1)欧氏距离:

(2)重分类:

3.3.4 娱乐场所点分析

(1)欧氏距离:

(2)重分类:

3.3.5土地利用类型分析

3.3.6 叠加分析

(1)加权叠加:

(2)提取权重最大区域:

(3)适宜区处理:

(4)转矢量:

(5)提取面积大于5英亩的区域:

(6)输出数据:

3.3.7 绘制专题地图

3.3.8地形起伏度分析

(1)栅格邻域计算:

(2)栅格邻域计算:

(3)栅格计算器:

(4)重分类地形起伏:

3.3.9 成本计算

3.3.10 成本距离分析

3.3.11 成本路径分析

(1)利用距离分析中的成本路径计算最小距离

(2)转换数据格式:

看到这里,说明您对arcgis已经有了一定的了解了,下面进行arcgis更高级的玩法---叠加分析

实验三  学校选址与道路规划


        随着城市化的快速发展与城市人口的不断增长,城市的各种资源出现严重短缺,例如城市的教育资源、医疗卫生资源、公共服务设施资源等。为满足城市人口日常生活的需求,要适当增加各类紧峡资源的数量。以教育资源为例,一个城市需要扩大教育资源,就要新增学校,这就涉及学校选址问题,包括如何选址、选址需要考虑哪些因素等问题。一般来讲应该考虑学校建设成本(土地利用类型、建设场地的平整度等)、可以利用的资源、避开已有的学校、学校服务功能最大化等因素。本实验以学校选址为例,在充分考虑土地利用分类数据、数字高程模型数据、已有学校分布和学生娱乐场所配套数据的基础上,介绍学校选址流程,以确定出适宜性比较好的学校选址区域。然后以选择一条从新选址学校到某目的地的道路为例,介绍采用距离分析中的成本路径进行道路规划的方法。

3.1  实验内容及目的


3.1.1 实验内容


        根据给出的学校数据、高程数据、娱乐场所数据和土地利用分类数据进行新学校选址及道路规划。根据以下条件进行新学校选址:

①结合现有的土地利用类型,选择合适的土地利用类型(要求成本不高);

②与现有的娱乐设施配套,学校距离娱乐设施越近越好;

③避开现有学校合理分布;

④地势平坦;

⑤面积要求大于5英亩(选用英制单位的目的是让学生学会如何换算);

⑥对新学校适合区做专题图分析。
修建一条从新学校通往目的地,花费成本最低的道路。要求新建路径成本较少、路径较短。新建路径的成本因素将同时考虑土地利用数据、地形起伏度数据和坡度数据,按照0.3:0.3:0.4的权重进行合并,公式描述为
成本=重分类土地利用x重分类起伏度X重分类坡度

3.1.2 实验目的


(1)掌握欧氏距离和重分类工具的使用。
(2)熟悉对所需图层的选择和提取。
(3)掌握对栅格数据的块统计方法。
(4)掌握成本距离和成本路径的分析

3.2 实验方案


        基于高程数据进行表面分析,提取坡度。对娱乐场所数据和学校数据做欧氏距离分析、提取每个栅格与最近源之间的欧氏距离。最后对坡度、娱乐场所欧氏距离、学校欧氏距离和土地利用类型进行重分类,提取出学校选址的四个合适因子,对四个合适因子按权重进行加权叠加分析及面积筛选,最终得到学校选址区域。
        基于高程数据进行地形起伏度计算,对坡度、地形起伏度、土地利用类型进行重分类基于栅格计算器加权叠加计算成本费用,提取成本距离和成本路径。。

3.3 操作流程


3.3.1 环境设置


        在ArcMap主菜单中点击【地理处理】--【环境设置】。设置好工作空间,输出坐标系的设置与土地利用类型(landuse)一致,处理范围的设置与土地利用类型(|anduse)一致,空间分析栅格像元大小与高程数据(elevation)一致,环境设置如下图所示。

        通过观察发现高程数据与其余数据坐标系不一致,因此对高程数据的坐标系进行修改。

依次点击【地理处理】--【ArcToolbox工具】--【数据管理工具】--【投影和变换】--【栅格】--【投影栅格】。

        调整为下图所示设置,点击确定。

3.3.2 地势分析


        基于高程数据进行表面分析,提取坡度。对坡度重分类,得到地势平缓的区域.

(1)提取坡度:

        点击ArcToolbox中的【空间分析】--【表面分析】【坡度】。

        输入棚格:高程数据~eievation!”,其他设置保持默认,点击【确定】。

        输出坡度结果:

(2)重分类:

        点击ArcToolbox中的【空间分析】-【重分类】-【重分类】。

        

        输入栅格选择坡度结果,点击“重分类”,输入栅格文件为刚提取的坡度文件Slope_elevation1.tif,设置重分类字段为value,点击对话框中的【分类】按钮。

        弹出“分类”对话框。在“分类”对话框中设置如下参数:分类“类别”选择“10”,“方法”选择“相等间隔”,根据实验要求坡度超过30°以上的就取不考虑,在重分类时将中断值29.694746设为30,点击【确定】,设置如下图所示。

        在“重分类”对话框中点击【对新值取反】,点击【确定】,设置如下图所示。

        重分类结果如下图所示。

3.3.3 学校点分析


对学校数据做欧氏距离分析,提取每个栅格与最近源之间的欧氏距离,并进行重分类,提取合适的区域。


(1)欧氏距离:

        点击ArcToolbox中的【空间分析】-【距离分析】-【欧氏距离】。

        输人栅格选择学校数据,默认输出位置为Result/EucDist_schools1a.tif,设置像元大小为30,结果如下图所示。

        点击确定.

(2)重分类:

        点击ArcToolbox中的【空间分析】-【重分类】--【重分类】。输人栅格选择学校歐氏距离结果,点击“重分类”对话框中的【分类】,弹出“分类”对话框。在“分类”对话框中设置如下参数:“分类”类别选择“10”,“方法”选择“相等间隔”,点击【确定】。


        返回“重分类”对话框,勾选"将缺失值更改为NoData(可选)”,完成重分类设置。

        重分类结果如下图所示。

3.3.4 娱乐场所点分析


(1)欧氏距离:

        点击 ArcToolbox中的【空间分析】--【距离分析】-【欧氏距离】。“输入栅格数据或要素源数据”选择娱乐场所的数据.

        点击确定,输出欧氏距离结果,如下图所示。

(2)重分类:

        点击 ArcToolbox中的【空间分析】--【重分类】-【重分类】,“输入栅格"选择娱乐场所欧氏距离的结果,点击“重分类"对话框中的【分类】,弹出”分类”时话框。在“分类”对话框中设置如下参数:“分类"类别选择“10”,方法“选择"相等间距”,点击【确定】。返回“重分类"对话框,点击【对新值取反】,勾选“将缺失值更改为NoData(可选)”.点击【确定】。重分类结果如下图所示。

3.3.5土地利用类型分析


        重分类:点击ArcToolbox中的【空间分析】-【重分类】→【重分类】。“输入栅格”为“landuse.img”,“重分类字段”为“LANDUSE”,将“Water”“Wetlands”设置为“NoData”。按照要求,给“Brush/transitional”赋值为5,“Barren land”赋值为9,“Built up”赋值为 3,“Agriculture”赋值为8,“Forest"赋值为4,勾选“将缺失值更改为NoData(可选)”,设置如下图所示,点击【确定】。

        得到处理后的土地利用图层

3.3.6 叠加分析


        对提取出的三个因子和土地利用类型,按权重进行加权叠加,选择出所需地区并制作专题图。


(1)加权叠加:

        点击ArcToolbox中的【空间分析】-【叠加分析】-【加权叠加】.

        选择土地利用栅格数据,输入重分类字段为"LANDUSE"。

        将以上重分类结果进行加权叠加,点击右上方加号。

        添加土地利用栅格图,输入字段为LANDUSE。

        依次导入剩余数据,剩余栅格数据默认字段为Value,对剩余各数据层权重比为:靠近娱乐场所50%,远离现有学校25%,地势平坦13%,合适的土地利用类型12%。

        对“加权叠加表”对话框中不选择坡度大于30°的结果,即将1-6设置成Restricted。


        确认影响总和为100,设置评估等级为"1至10 增量为1",确定输出路径,点击确定。

        加权叠加结果如下图:

(2)提取权重最大区域:

        点击ArcToolbox中的【空间分析】-【地图代数】-【栅格计算器】。

        在“栅格计算器”对话框中,点击【条件分析】中的Con函数,点击【图层与变量】中的Weighte_Reclass3.tif,确保输入地图代数表达式为“Con("Weighte_Reclass3.tif"==9,1)",此公式的意思是,如果栅格Weighte_Reclass3.tif中的像元值等于9,则输出像元值为1;否则,不输出任何值(默认情况下,不满足条件的地方将被赋予NoData值)。选择输出地址,点击确定。

        输出提取权重最大区域结果如下图所示。

(3)适宜区处理:

        利用众数滤波工具对得到的适宜区进行处理,处理掉细碎的像元,点AreToolbox 中的【空间分析】--【栅格综合】-【众数滤波】,如下图所示。

        输入rastercalc1文件,设置替换函数为【HALF】,点击确定:

        结果如图,图中黑点区域即为适宜区:

(4)转矢量:

        将提取的权重最大区域转换成矢量,点击ArcToolbox中的【转换工具】-【由栅格转出】-【栅格转面】。


        “输人栅格”选择提取的权重最大区域,选择【简化面】。

        输出结果如下图所示。

(5)提取面积大于5英亩的区域:

        在内容列表中右键点击上一步生成的矢量数据-【打开属性表】,右键点击【表选项】--【添加字段】,将字段命名为面积,类型为双精度,点击【确定】,完成字段添加。

        右键点击【面积】-【计算几何】。

        属性选择面积,单位选择英亩,点击【确定】。

        完成面积计算如下图:

        点击主菜单中的【选择】-【按属性选择】。

        输入表达式:"面积">=3.82(书上是要大于等于5,但我这边最大只要3.82948,选择面积最大那个就行)

保证此时那个最大面积区域已选中。

(6)输出数据:

        在图层中右键点击矢量化的权重最大区域,点击【数据】-【导出数据】,选择所选要素,将数据保存为.shp格式。

        加载到图层中,再次确认是否为最大的那块地

3.3.7 绘制专题地图


        点击主菜单中的【视图】-【布局视图】,将页面切换到布局视图界面。

        在图框中添加学校适宜性分析结果图、点击主菜单中的【插入】,添加图名、图例、比例尺、指北针、坐标格网等数绘制专题图。绘制结果如下图所示(大家也可以玩玩其他的)。

3.3.8地形起伏度分析


        由于高程数据反映了地形的连续起伏变化,基于DEM数据进行邻域分析块统计,得到起变化,重分类地形起伏度。

(1)栅格邻域计算:

        点击ArcToolbox中的【空间分析】--【邻域分析】--【块统计】。输入“elevationl.tif”数据,“领域分析(可选)”和“领域设置”为默认,“统计类型(可选)”选择“MAXIMUM”,点击【确定】,完成块统计设置如下图。

(2)栅格邻域计算:

        点击ArcToolbox中的【空间分析】-【邻域分析】->【块统计】。输入“elevation1.tif”数据,“领域分析(可选)”和“领域设置”为默认,“统计类型(可选)”选择“MINIMUM”,点击【确定】,完成块统计设置如下图。

(3)栅格计算器:

        点击ArcToolbox中的【空间分析】--【地图代数】--【栅格计算器】。


        输入地图代数表达式,即用统计类型为最大值块统计结果减去统计类型为最小值块统计结果,设置如下图所示,点击【确定】。

        输出结果如下图所示。

(4)重分类地形起伏:

        点击ArcToolbox中的【空间分析】-【重分类】-【重分类】。“输人栅格”选择起伏度结果,点击【分类】按钮,弹出“分类”对话框。在“分类”对话框中设置如下参数:“分类”类别选择“10”,“方法”选择“相等间隔”,点击【确定】。

        返回“重分类”对话框,点击【对新值取反】点击【确定】,设置如下图所示。

        点击确定,重分类结果如图。

3.3.9 成本计算


        点击 ArcToolbox中的【空间分析】【地图代数】--【栅格计算器】。输人地图代数表达式:"Reclass_land"*0.3+"Reclass_QFD"*0.3+"Reclass_Slope"* 0.4。设置如下图所示。

        点击【确定】成本计算结果如下图所示。

3.3.10 成本距离分析

        点击ArcToolbox中的【空间分析】-【距离分析】-【成本距离】。

        “输人栅格数据或要素源数据”选择目的地“destination”,“输入成本栅格数据”为“cost”,如下图所示.

        输出成本距离计算结果如下图所示。

        输出成本回溯链接结果如下图所示。

3.3.11 成本路径分析


        根据学校的最佳选址地点与成本距离棚格和成本回溯链接数据进行成本路径分析。


(1)利用距离分析中的成本路径计算最小距离

        点击ArcToolbox中的【空间分析】--【距商分析】--【成本路径】。

        “输入栅格数据或要素目标数据"选择适宜的学校选址数据,“输入成本距离栅格数据”与“输入成本回溯链接栅格数据”的设置如下图所示,

        点击【确定】,输出结果如下图所示。

(2)转换数据格式:

        将成本路径结果转换为天量数据,点击ArcToolbox中的【转换】--【由栅格转出】--【栅格转面】。

        “输入栅格”选择成本路径结果,设置如下图所示。

        点击【确定】,输出结果如下图所示。

        至此,实验三完结,给个三连,饿会继续更的,这篇博客五千多字,后面实验只会越来越多,大家要熬得住寂寞。

相关文章:

(长期更新)《零基础入门 ArcGIS(ArcMap) 》实验三----学校选址与路径规划(超超超详细!!!)

目录 实验三 学校选址与道路规划 3.1 实验内容及目的 3.1.1 实验内容 3.1.2 实验目的 3.2 实验方案 3.3 操作流程 3.3.1 环境设置 3.3.2 地势分析 (1)提取坡度: (2)重分类: 3.3.3 学校点分析 (1)欧氏距离: (2)重分类: 3.3.4 娱乐场所点分析 (1)欧氏距离…...

ip_done

文章目录 路由结论 IP分片 数据链路层重谈Mac地址MAC帧报头局域网的通信原理MSS,以及MAC帧对上层的影响ARP协议 1.公司是不是这样呢? 类似的要给运营商交钱,构建公司的子网,具有公司级别的入口路由器 2.为什么要这样呢?? IP地…...

Mysql体系架构剖析——岁月云实战笔记

1 体系架构 理论内容阅读了mysql体系架构剖析,其他的根据岁月云的实战进行记录。 1.1 连接层 mysql最上层为连接服务,引入线程池,允许多台客户端连接,主要工作:连接处理、授权认证、安全防护、管理连接等。 连接处理&a…...

【卷积神经网络】AlexNet实践

构建模型 模版搭建 # 定义一个AlexNet模型类def __init__(self):# 调用父类的构造函数(如果继承自nn.Module的话)super(AlexNet, self).__init__()# ReLU激活函数self.ReLU nn.ReLU()# 卷积层1:输入1个通道(灰度图)&a…...

LF CRLF

这个提示的含义是:Git 检测到你当前的 file3.txt 文件中使用了 LF(换行符,Line Feed,\n) 作为换行符,但在你系统的 Git 配置中,指定要将其转换为 CRLF(回车换行,Carriage…...

Python学习(二)—— 基础语法(上)

目录 一,表达式和常量和变量 1.1 表达式 1.2 变量 1.3 动态类型特性 1.4 输入 二,运算符 2.1 算术运算符 2.2 关系运算符 2.3 逻辑运算符 2.4 赋值运算符 2.5 练习 三,语句 3.1 条件语句 3.2 while循环 3.3 for循环 四&#…...

科研绘图系列:R语言绘制网络图和密度分布图(network density plot)

禁止商业或二改转载,仅供自学使用,侵权必究,如需截取部分内容请后台联系作者! 文章目录 介绍加载R包数据下载图1图2图3图4图5图6图7图8系统信息参考介绍 R语言绘制网络图和密度分布图(network & density plot) 加载R包 library(magrittr) library(dplyr) library(…...

python解题之寻找最大的葫芦

问题描述 问题描述 在一场经典的德州扑克游戏中,有一种牌型叫做“葫芦”。“葫芦”由五张牌组成,其中包括三张相同牌面值的牌 �a 和另外两张相同牌面值的牌 �b。如果两个人同时拥有“葫芦”,我们会优先比较牌 &#…...

openwrt安装tailscale

1. 下载 进入tailscale的github仓库复制最新版本的链接:点击跳转 wget https://github.com/adyanth/openwrt-tailscale-enabler/releases/download/v1.36.1-fb2f6cf-autoupdate/openwrt-tailscale-enabler-v1.36.1-fb2f6cf-autoupdate.tgz2.解压缩 tar x -zvC / …...

基于物联网的智能插座云平台 WIFI云平台MQTT协议

功能介绍 功能描述: STM32单片机为控制核心 LCD1602液晶显示当前时间温度 开启时间 关闭时间 按键设置开启时间/关闭时间,温度报警上限 到开启时间,继电器自动打开,到关闭时间,自动关闭 通过DS18B20温度传感器获…...

MySQL 事务

概念介绍 事务就是一组DML语句组成,这些语句在逻辑上存在相关性,这一组 DML 语句要么全部成功,要么全部失败,是一个整体。MySQL 提供一种机制,保证我们达到这样的效果。 事务就是要做的或所做的事情,主要用…...

消息中间件面试题-参考回答

消息中间件面试题-参考回答 面试官:RabbitMQ-如何保证消息不丢失 候选人: 嗯!我们当时MYSQL和Redis的数据双写一致性就是采用RabbitMQ实现同步的,这里面就要求了消息的高可用性,我们要保证消息的不丢失。主要从三个层面…...

解决 MyBatis 中空字符串与数字比较引发的条件判断错误

问题复现 假设你在 MyBatis 的 XML 配置中使用了如下代码&#xff1a; <if test"isCollect ! null"><choose><when test"isCollect 1">AND exists(select 1 from file_table imgfile2 where task.IMAGE_SEQimgfile2.IMAGE_SEQ and im…...

【ETCD】【源码阅读】深入解析 etcd 的 `EtcdServer.Start` 函数

深入解析 etcd 的 EtcdServer.Start 函数 在 etcd 的代码中&#xff0c;EtcdServer.Start 是一个关键方法&#xff0c;用于初始化并启动服务器以便处理请求。本文将从源码的角度逐步分析此函数的每一步操作。 函数签名及注释 // Start performs any initialization of the Se…...

嵌入式驱动开发详解16(音频驱动开发)

文章目录 前言WM8960简介I2S协议接口说明 SAI音频接口简介驱动框架简介设备树配置内核使能声卡设置与测试 后续参考文献 前言 该专栏主要是讲解嵌入式相关的驱动开发&#xff0c;但是由于ALSA驱动框架过于复杂&#xff0c;实现音频编解码芯片的驱动不是一个人能完成的&#xf…...

【数据结构——查找】二分查找(头歌实践教学平台习题)【合集】

目录&#x1f60b; 任务描述 相关知识 测试说明 我的通关代码: 测试结果&#xff1a; 任务描述 本关任务&#xff1a;实现二分查找的算法。 相关知识 为了完成本关任务&#xff0c;你需要掌握&#xff1a;1.根据键盘输入的一组有序数据建立顺序表&#xff0c;2.顺序表的输…...

探索云原生数据库 PolarDB

引言 在云计算时代,数据库的重要性不言而喻。随着企业数字化转型的加速,对数据库的性能、可靠性和灵活性的要求也越来越高。阿里云推出的云原生数据库 PolarDB,正是为了满足这些需求而设计的一款高性能、兼容性强、弹性灵活的关系型数据库产品。本文将详细介绍 PolarDB 的特…...

OGG FOR MYSQL同步DDL

以下实验测试OGG FOR mysql 同步DDL&#xff0c; OGG 21.3 MYSQL 8.0.27 --创建测试数据 create table oggddl_20241201 (oid int primary key ,oname varchar(10)); create table oggddl_20241202 (oid int primary key ,oname varchar(10)); create table oggddl_20241203…...

【CAN】asc报文格式文件合并(python版)

目录 一、简介二、合并asc格式报文1、准备多个asc文件2、根据时间合并asc文件3、结果 三、总结四、参考 一、简介 CAN通信&#xff1a;CAN&#xff08;Controller Area Network&#xff09;是一种多主方式的串行通讯总线。基本设计规范要求有高位速率、高抗电磁干扰性&#xf…...

C++之STL的map容器

map map的实现方式 set是一个有序的关联容器&#xff0c;是基于平衡二叉搜索树(红黑树)实现的&#xff0c;元素是有序的 map的用法 #include <iostream> #include <map> using namespace std;const int ADDSIZE 20; int main() {map<int, int> m;cout &…...

基于卷积神经网络的图像二分类检测模型训练与推理实现教程 | 幽络源

前言 对于本教程&#xff0c;说白了&#xff0c;就是期望能通过一个程序判断一张图片是否为某个物体&#xff0c;或者说判断一张图片是否为某个缺陷。因为本教程是针对二分类问题&#xff0c;因此主要处理 是 与 不是 的问题&#xff0c;比如我的模型是判断一张图片是否为苹果…...

react-dnd 拖拽事件与输入框的文本选中冲突

问题描述 当我们使用拖拽库的时候&#xff0c;往往会遇到拖拽的一个元素他的子孙元素有输入框类型的dom节点&#xff0c;当拖拽的事件绑定在该元素身上时候&#xff0c;发现子孙的输入框不能进行文本选中了&#xff0c;会按住鼠标去选中文本的时候会触发拖拽 实际的效果&…...

‘Close Project‘ is not available while IDEA is updating indexes的解决

XXX is not available while IDEA is updating indexes IDEA 1.Remove from Recent Projects 2.重新 Open工程即可...

如何解决samba服务器共享文件夹不能粘贴文件

sudo vim /etc/samba/smb.conf在samba的配置文件中增加一个选项 writable yes重启Samba服务以使更改生效&#xff1a; sudo service smbd restart...

Three.js入门-材质详解,构建视觉真实感的核心

Three.js 材质详解&#xff1a;构建视觉真实感的核心 Three.js 是一个强大的 3D JavaScript 库&#xff0c;它为开发者提供了丰富的工具来创建和渲染逼真的三维场景。在这些工具中&#xff0c;材质是一个非常重要的组成部分。材质定义了物体表面的外观特性&#xff0c;例如颜色…...

GitHub、Google等镜像加速地址收集

GitHub、Google等镜像加速地址收集 摘要 本文用于收集GitHub、Google等镜像/加速地址。 GitHub GitHub加速地址一览 fastgithub Https://www.fastgithub.com/&#xff08;推荐&#xff09; 站源地址缓存github.comwww.fastgithub.com无raw.githubusercontent.com无github.gi…...

五、网络层:控制平面,《计算机网络(自顶向下方法 第7版,James F.Kurose,Keith W.Ross)》

目录 一、导论 二、路由选择算法 2.1 路由&#xff08;route&#xff09;的概念 2.2 网络的图抽象 2.2.1 边和路由的代价 2.2.2 最优化原则 2.3 路由的原则 2.4 路由选择算法的分类 2.5 link state 算法 2.5.1 LS路由工作过程 2.5.2 链路状态路由选择&#xff08;lin…...

Fix the “The repository no longer has a Release file” error on Ubuntu 23.04

背景信息 在Ubuntu 23.04操作系统上执行apt-get update命令更新操作系统时&#xff0c;得到以下错误 登录后复制 # apt-get update Ign:1 http://mirrors.aliyun.com/ubuntu lunar InRelease Ign:2 http://mirrors.aliyun.com/ubuntu lunar-updates InRelease Ign:3 http://mir…...

开源 AI 智能名片 S2B2C 商城小程序对私域流量运营的全方位助力

在当今竞争激烈的商业环境中&#xff0c;私域流量运营已成为企业实现可持续发展和提升竞争力的关键策略之一。开源 AI 智能名片 S2B2C 商城小程序凭借其独特的功能与特性&#xff0c;从多个维度为私域流量运营提供了强有力的支持与推动&#xff0c;以下将详细阐述其在各个方面的…...

Java Exception解决方法

Java中的Exception是所有异常的基类&#xff0c;它指的是程序在执行过程中发生的非严重错误&#xff0c;比如空指针异常、数组越界异常等。 为了解决Java中的Exception&#xff0c;从以下步骤进行排查解决&#xff1a; 阅读错误信息&#xff1a;查看异常的完整堆栈跟踪信息&a…...

HCIA-Access V2.5_2_2_2网络通信基础_IP编址与路由

网络层数据封装 首先IP地址封装在网络层&#xff0c;它用于标识一台网络设备&#xff0c;其中IP地址分为两个部分&#xff0c;网络地址和主机地址&#xff0c;通过我们采用点分十进制的形式进行表示。 IP地址分类 对IP地址而言&#xff0c;它细分为五类&#xff0c;A,B,C,D,E,…...

JeecgBoot passwordChange 任意用户密码重置漏洞复现

0x01 产品简介 Jeecg Boot是一个企业级低代码开发平台,基于前后端分离的架构,融合了SpringBoot、SpringCloud、Ant Design、Vue、Mybatis-plus、Shiro、JWT等多种主流技术,旨在帮助企业快速构建各种应用系统,提高开发效率,降低开发成本。采用最新主流的前后分离框架,使得…...

7-8 整型关键字的散列映射

给定一系列整型关键字和素数 p&#xff0c;用除留余数法定义的散列函数 H(key)key%p 将关键字映射到长度为 p 的散列表中。用线性探测法解决冲突。 输入格式: 输入第一行首先给出两个正整数 n&#xff08;≤1000&#xff09;和 p&#xff08;≥n 的最小素数&#xff09;&…...

谷粒商城—分布式高级①.md

1. ELASTICSEARCH 1、安装elastic search dokcer中安装elastic search (1)下载ealastic search和kibana docker pull elasticsearch:7.6.2 docker pull kibana:7.6.2(2)配置 mkdir -p /mydata/elasticsearch/config mkdir -p /mydata/elasticsearch/data echo "h…...

MySQL SQL语句性能优化

MySQL SQL语句性能优化指南 一、查询设计优化1. 避免 SELECT *2. 使用 WHERE 进行条件过滤3. 避免在索引列上使用函数和表达式4. 使用 LIMIT 限制返回行数5. 避免使用子查询6. 优化 JOIN 操作7. 避免全表扫描 二、索引优化1. 使用合适的索引2. 覆盖索引3. 索引选择性4. 多列索引…...

【潜意识Java】期末考试可能考的选择题(附带答案解析)

目录 选择题一&#xff1a;Java 数据类型 选择题二&#xff1a;Java 控制结构 选择题三&#xff1a;面向对象编程 选择题四&#xff1a;Java 集合框架 选择题五&#xff1a;Java 异常处理 选择题六&#xff1a;Java 方法 选择题七&#xff1a;Java 流程控制 选择题八&a…...

修炼之道 --- 其一

序言 大家对面试中的面经八股文是怎样的看法呢&#xff0c;从他的名字 八股文 就可以看出来大家可能并不喜欢他&#xff0c;八股文一般是 死板、浮于表面、不重实际 的特点。但是&#xff0c;我们需要通过辩证的角度来看待一个事情&#xff0c;不能单方面来定性&#xff01;  …...

【前端】HTML

目录 一、HTML结构 1.1 HTML标签1.2 HTML文件基本结构1.3 快速生成框架 二、HTML常见标签 2.1 注释标签 !-- –2.2 标题标签 h1到h62.3 段落标签 p2.4 换行标签 br2.5 格式化标签2.6 图片标签 img2.7 超链接标签 a 三、表格标签 3.1 常用标签3.2 合并单元格 四、列表标签五、表…...

LabVIEW实现GPS通信

目录 1、GPS通信原理 2、硬件环境部署 3、程序架构 4、前面板设计 5、程序框图设计 6、测试验证 本专栏以LabVIEW为开发平台,讲解物联网通信组网原理与开发方法,覆盖RS232、TCP、MQTT、蓝牙、Wi-Fi、NB-IoT等协议。 结合实际案例,展示如何利用LabVIEW和常用模块实现物联网系…...

【Python 小课堂】第 2 课 Python 基础知识:语句、常量、变量和注释

第 2 课 基础知识&#xff1a;语句、常量/变量和注释 By Yichen Li 2024/12/14 一、内容简介 在本次课中&#xff0c;介绍Python语句、常量/变量以及代码注释的基本概念&#xff0c;一些详细的概念、扩展及用法等细节&#xff0c;留至后续介绍。 二、Python语句 一般来说&…...

基于STM32设计的工地扬尘与噪音实时监测系统(网页)

一、前言 当前项目使用的相关软件工具、传感器源代码工程已经上传到网盘&#xff08;实时更新项目内容&#xff09;&#xff1a;https://ccnr8sukk85n.feishu.cn/wiki/QjY8weDYHibqRYkFP2qcA9aGnvb?fromfrom_copylink 1.1 项目开发背景 近年来&#xff0c;随着城市化进程的…...

LLM之RAG实战(五十)| FastAPI:构建基于LLM的WEB接口界面

FastAPI是WEB UI接口&#xff0c;随着LLM的蓬勃发展&#xff0c;FastAPI的生态也迎来了新的机遇。本文将围绕FastAPI、OpenAI的API以及FastCRUD&#xff0c;来创建一个个性化的电子邮件写作助手&#xff0c;以展示如何结合这些技术来构建强大的应用程序。 下面我们开始分步骤操…...

JavaScript 中的 Map方法

JavaScript 中的 Map方法 在 JavaScript 中&#xff0c;Map 是一种用于存储键值对的数据结构&#xff0c;相较于传统的对象&#xff08;Object&#xff09;&#xff0c;Map 提供了更高效的键值对操作方式适合处理需要频繁操作键值对的场景。 1. 创建 Map const map new Map…...

img引入svg如何修改颜色

方法1&#xff1a;通过css中filter:drop-shadow 首先需要一个容纳图标的父盒子(下方实例中的.svg-img)&#xff0c;通过css造一个图标的‘影子’&#xff08;.svg-color中的drop-shadow&#xff09;&#xff0c;然后设置‘影子’的颜色&#xff0c;再把图标本体移出父盒子&…...

自然语言处理基础及应用场景

自然语言处理定义 让计算机理解人所说的文本 语音 Imitation Game 图灵测试 行为主义 鸭子理论 自然语言处理的基本任务 词性标注&#xff1a;区分每个词名词、动词、形容词等词性命名实体的识别&#xff1a;名词的具体指代是哪一类事物共指消解&#xff1a;代词指代的是前面…...

构建centos docker基础镜像

1、介绍 比较老的版本docker镜像&#xff0c;不太好找&#xff0c;可以尝试自己构建 各版本构建基础镜像方法不太一样&#xff0c;方式也不同&#xff0c;自己尝试&#xff0c;本文只介绍了我自己的尝试 2、构建centos5.11 docker镜像 准备iso文件 &#xff08;1&#xff09;安…...

etcd命令大全

默认安装自带etcdctl 命令行客户端&#xff0c;分两个版本ETCDCTL_API2和ETCDCTL_API3&#xff0c;两个版本不一样&#xff0c;操作的数据也不相容。 本文以v3 为例。 使用之前需要先设置&#xff1a;export ETCDCTL_API3。 1 etcd查询集群节点列表及状态 标准输出&#xff1…...

Go有限状态机实现和实战

Go有限状态机实现和实战 有限状态机 什么是状态机 有限状态机&#xff08;Finite State Machine, FSM&#xff09;是一种用于建模系统行为的计算模型&#xff0c;它包含有限数量的状态&#xff0c;并通过事件或条件实现状态之间的转换。FSM的状态数量是有限的&#xff0c;因此称…...

使用torch模拟 BMM int8量化计算。

使用torch模型BMM int8计算。 模拟&#xff1a;BMM->softmax->BMM 计算流程 import torch import numpy as np torch.manual_seed(777) def int8_quantize_per_token(x: torch.Tensor, axis: int -1, attnsFalse):if x.dtype ! torch.float32:x x.type(torch.float32)…...

vue3的watch一次性监听多个值用法

vue3的watch一次性监听多个值 1、监听单个值 watch(() > route.params.keyword, (newValue, oldValue) > {console.log(监听值变化, newVal, oldVal)state.a newValue});2、监听多个值 watch(() > [route.params.id, route.params.keyword], (newValue, oldValue) &g…...