B-TREE详解
-
B - tree 的详细结构特点
- 节点结构细节
- 关键字存储方式:B - tree 节点中的关键字是按照一定顺序排列的,这个顺序可以是升序或者降序。例如,在一个以数字为关键字的 B - tree 中,关键字从左到右依次增大。每个关键字都有一个分隔作用,它将节点所管理的数据范围划分为更小的区间。例如,一个节点中有关键字 3、7、10,那么它就将数据范围划分为小于 3、3 到 7 之间、7 到 10 之间、大于 10 这几个区间,每个区间对应着一个分支,分支指向子节点或者存储数据的叶子节点。
- 指针结构:除了关键字,节点还包含指向子节点的指针。指针的数量比关键字数量多 1。例如,一个有 3 个关键字的节点会有 4 个指针。这些指针和关键字相互配合,构成了数据的索引结构。当进行数据检索时,通过比较关键字的值来确定沿着哪个指针所指向的子节点继续搜索。
- 根节点的特殊性:根节点在某些情况下是可以不满足最少关键字数量要求的。例如,在 B - tree 初始化时,根节点可能只有一个关键字和两个分支。这是为了方便树的构建和数据的插入操作。随着数据的不断插入,根节点会逐渐满足 B - tree 的结构要求。
- 树的平衡机制
- 平衡的重要性:B - tree 的平衡特性是其高效检索的关键。平衡意味着从根节点到任意叶子节点的路径长度都相同或者相差不超过 1。这种平衡是通过节点分裂和合并操作来维护的。例如,当插入一个新的数据导致某个叶子节点的关键字数量超过允许的最大值时,就会触发节点分裂操作,将这个节点分裂为两个节点,并调整其父节点的关键字和指针,以保持树的平衡。
- 节点分裂操作细节:假设一个节点已满,需要进行分裂。通常是将节点中的关键字和指针分成两部分,中间的一个关键字会上移到父节点(如果没有父节点,则会创建一个新的根节点)。例如,一个节点有 5 个关键字(t = 3,允许最大关键字数量为 2t - 1 = 5),分裂时,左边 2 个关键字和对应的指针形成一个新节点,右边 2 个关键字和对应的指针形成另一个新节点,中间的关键字上移到父节点,这样就保持了树的平衡和 B - tree 的结构特性。
- 节点合并操作细节:当删除一个关键字导致节点中的关键字数量小于最小要求(t - 1)时,可能需要进行节点合并操作。合并操作通常是将相邻的两个节点合并为一个节点,并调整其父节点的关键字和指针。例如,在一个节点的关键字数量为 1(t = 3,最小关键字数量为 2)时,如果相邻节点的关键字数量也较少,就可以将这两个节点合并为一个节点,同时更新父节点的相关信息,以保持树的平衡。
- 节点结构细节
-
B - tree 的数据存储与检索详细过程
- 数据存储过程深入
- 插入起始位置:数据插入总是从根节点开始。根节点作为搜索的起点,根据插入数据的关键字值与根节点中关键字的比较,确定沿着哪个分支向下寻找插入位置。例如,在一个以字母为关键字的 B - tree 中,如果要插入关键字为 “M” 的数据,根节点中有关键字 “A”、“G”,那么由于 “M” 大于 “G”,就会沿着根节点中关键字 “G” 右侧的指针所指向的子节点继续搜索。
- 中间节点的搜索与决策:在沿着树的分支向下搜索的过程中,每经过一个内部节点,都要进行关键字比较。如果插入的数据关键字小于当前节点的某个关键字,就沿着该关键字左侧的指针继续搜索;如果大于某个关键字,就沿着右侧的指针搜索。这个过程不断重复,直到找到合适的叶子节点。例如,在上述例子中,在后续的内部节点中,如果遇到关键字 “J”、“N”,由于 “M” 小于 “N” 且大于 “J”,就会沿着关键字 “J” 右侧、关键字 “N” 左侧的指针继续搜索。
- 叶子节点插入操作:当找到合适的叶子节点后,将数据插入到叶子节点中。如果叶子节点还有空间(关键字数量未达到最大值),直接插入即可;如果叶子节点已满,就需要进行节点分裂操作,如前面所述,将节点分裂后再插入数据,并调整树的结构。
- 数据检索详细步骤
- 根节点检索起始:检索数据时,首先访问根节点。将目标关键字与根节点中的关键字进行比较。例如,在一个存储学生学号的 B - tree 中,要查找学号为 1002 的学生记录,先将 1002 与根节点中的学号关键字进行比较。
- 分支选择与向下搜索:根据比较结果选择分支。如果目标关键字等于根节点中的某个关键字,可能已经找到目标数据(如果数据存储在非叶子节点)或者需要沿着该关键字对应的指针继续向下搜索到叶子节点获取数据。如果目标关键字小于某个关键字,就沿着该关键字左侧的指针搜索;如果大于某个关键字,就沿着右侧的指针搜索。这个过程在每一层节点都要重复,不断缩小搜索范围。例如,根节点中有学号关键字 1000、1005,由于 1002 小于 1005 且大于 1000,就沿着 1000 右侧、1005 左侧的指针所指向的下一层节点继续搜索。
- 叶子节点数据获取:最终会搜索到叶子节点。如果目标关键字在叶子节点的关键字之中,就可以获取对应的数据记录或者指向数据记录的指针。如果叶子节点中没有目标关键字,就说明数据不存在于树中。
- 数据存储过程深入
-
B - tree 与其他数据结构的深度比较优势
- 与二叉查找树的磁盘 I/O 和存储利用率详细对比
- 磁盘 I/O 效率深入对比:二叉查找树在最坏情况下(如数据已经有序插入)可能退化为链表,树的高度为数据节点数量减 1。例如,对于 1000 个数据节点,树高可能达到 999,这意味着在磁盘存储中,最坏情况下需要进行 999 次磁盘 I/O 操作才能找到目标数据。而 B - tree 通过多路分支,能够将树的高度控制在较低水平。假设 B - tree 的最小度数 t 为 100,存储 1000 个数据节点,树高可能只需要 2 - 3 层,大大减少了磁盘 I/O 操作次数。
- 节点存储利用率对比细节:二叉查找树每个节点只存储一个关键字和两个指针,存储利用率相对较低。而 B - tree 的节点可以存储多个关键字和多个指针,能够更充分地利用磁盘块的存储空间。例如,一个磁盘块大小为 4KB,假设一个关键字和两个指针占用 8 字节,二叉查找树一个节点占用 16 字节,那么一个磁盘块最多只能存储 256 个节点相关信息。而 B - tree 一个节点假设可以存储 10 个关键字和 11 个指针,总共占用(10 + 11)×4 = 84 字节(假设关键字和指针各占 4 字节),一个磁盘块可以存储约 47 个节点相关信息,存储利用率更高。
- 与哈希表在范围查询和数据顺序性方面的详细对比
- 范围查询能力深入对比:哈希表是基于哈希函数实现的数据存储结构,它将关键字通过哈希函数映射到存储位置。在精确查找时效率很高,时间复杂度接近常数级别。但是对于范围查询,哈希表没有内在的顺序关系,很难实现高效的范围查询。例如,要查找学号在 100 - 200 之间的学生记录,哈希表需要逐个检查存储位置,没有像 B - tree 那样利用叶子节点顺序的优势。而 B - tree 的叶子节点是顺序排列的,对于范围查询,可以从第一个符合范围的叶子节点开始,顺序读取后续的叶子节点,直到超出范围,能够高效地获取范围内的所有数据。
- 数据存储顺序性对比细节:B - tree 中的数据是按照关键字顺序存储的,这使得它在需要数据排序输出或者按照顺序访问数据的应用场景中非常方便。例如,在一个数据库查询中,如果需要按照某个列的值进行排序输出,且该列有 B - tree 索引,就可以直接利用 B - tree 叶子节点的顺序来获取排序后的结果。而哈希表的数据存储位置是由哈希函数决定的,没有自然的顺序关系,要获取排序后的结果,可能需要额外的排序操作。
- 与二叉查找树的磁盘 I/O 和存储利用率详细对比
-
B - tree 应用场景的详细说明
- 数据库索引详细应用
- 单表索引应用:在数据库的单表中,B - tree 索引可以加速对表中数据的查询。例如,在一个用户信息表中,对用户名列建立 B - tree 索引。当执行查询语句 “SELECT * FROM users WHERE username = 'John'” 时,数据库系统会利用 B - tree 索引快速定位到用户名是 “John” 的用户记录。通过在索引中比较用户名关键字,能够快速地沿着树的分支找到对应的叶子节点,从而获取记录,大大提高了查询速度。
- 联合索引应用:对于涉及多个列的联合查询,B - tree 联合索引也非常有用。例如,在一个订单表中,对用户 ID 和订单日期建立联合 B - tree 索引。当执行查询语句 “SELECT * FROM orders WHERE user_id = 100 AND order_date BETWEEN '2024 - 01 - 01' AND '2024 - 02 - 01'” 时,数据库系统可以利用联合索引先根据用户 ID 找到对应的索引分支,然后在这个分支中根据订单日期的范围进一步缩小搜索范围,快速获取符合条件的订单记录。
- 文件系统索引详细应用
- 文件目录索引:在文件系统中,B - tree 用于存储文件目录的索引信息。例如,在一个大型的文件服务器中,文件系统使用 B - tree 索引来记录文件的名称、路径和存储位置等信息。文件名称作为关键字,当用户查找某个文件时,通过 B - tree 索引可以快速地在磁盘中找到文件。假设文件系统中有大量的文件,通过 B - tree 索引的多层分支结构,可以快速地将搜索范围缩小到具体的文件存储位置,提高文件访问速度。
- 文件属性索引(如文件大小、创建日期等):除了文件名称,文件系统还可以对文件的其他属性(如文件大小、创建日期等)建立 B - tree 索引。例如,当用户想要查找文件大小在一定范围内的文件时,就可以利用文件大小列的 B - tree 索引,通过比较文件大小关键字,快速定位到符合条件的文件记录,然后获取文件的存储位置,方便用户对文件进行管理和访问。
- 数据库索引详细应用
相关文章:
B-TREE详解
B - tree 的详细结构特点 节点结构细节 关键字存储方式:B - tree 节点中的关键字是按照一定顺序排列的,这个顺序可以是升序或者降序。例如,在一个以数字为关键字的 B - tree 中,关键字从左到右依次增大。每个关键字都有一个分隔作…...
Kotlin复习
一、Kotlin类型 1.整数 2.浮点 显示转换: 所有数字类型都支持转换为其他类型,但是转换前会检测长度。 toByte(): Byte toShort(): Short toInt(): Int toLong(): Long toFloat(): Float toDouble(): Double 不同进制的数字表示方法(为了提高…...
批处理文件的创建与编辑方法
批处理命令保存在以BAT为扩展名地文本文件中,因此可以使用任何字处理软件创建、编辑批处理文件,如Word、WinHex、Editpuls等。 案例一 使用copy con命令创建批处理文件 ”copy con“是一个功能简单、易于使用的创建文本文件命令,命令中”con…...
Spring Boot集成Kafka:最佳实践与详细指南
文章目录 一、生产者1.引入库2.配置文件3.配置类PublicConfig.javaMessageProducer.java 4.业务处理类 三、消费者1.引入库2.配置类PublicConfig.javaMessageConsumer.java 3.业务类 一、生产者 1.引入库 引入需要依赖的jar包,引入POM文件: <depend…...
maven 中 有历史模块缓存 怎么清
Maven 在运行时会将一些数据保存在本地仓库中,以加快构建过程。其中一部分是项目的依赖项,还有就是“历史模块缓存”。这些缓存信息保存在本地仓库的 _remote.repositories 文件中。 解决方案: 手动删除缓存文件: 进入你的Maven本…...
云计算HCIP-OpenStack04
书接上回: 云计算HCIP-OpenStack03-CSDN博客 12.Nova计算管理 Nova作为OpenStack的核心服务,最重要的功能就是提供对于计算资源的管理。 计算资源的管理就包含了已封装的资源和未封装的资源。已封装的资源就包含了虚拟机、容器。未封装的资源就是物理机提…...
【信息系统项目管理师-论文真题】2015下半年论文详解
更多内容请见: 备考信息系统项目管理师-专栏介绍和目录 文章目录 论题一:大项目或多项目的成本管理解题思路写作要点论题二:项目的采购管理解题思路写作要点论题一:大项目或多项目的成本管理 随着移动互联网、物联网、云计算、大数据等新一代信息技术的广泛应用,我国目前…...
C# 面试中常见递归算法
前言 今天我们主要总结一下C#面试中常见递归算法。 C#经典十大排序算法(完结) C#递归算法计算阶乘的方法 一个正整数的阶乘(factorial)是所有小于及等于该数的正整数的积,并且0的阶乘为1。自然数n的阶乘写作n!。180…...
qemu源码解析【02】qom基本概念
目录 qemu源码解析【02】qom基本概念参考资料基本数据结构TypeImplObjectClassObjectTypeInfo qemu源码解析【02】qom基本概念 参考资料 https://blog.csdn.net/u011364612/article/details/53485856qemu中为了模拟各种虚拟设备和总线,采用了面向对象的思想&#…...
C++算法第八天
本篇文章我们继续学习c算法 目录 第一题 题目链接 题目展示 代码原理 代码编写 第二题 题目链接 题目展示 代码原理 代码编写 第三题 题目链接 题目展示 代码原理 代码编写 第一题 题目链接 69. x 的平方根 - 力扣(LeetCode) 题目展示…...
大语言模型的常用微调方法
文章目录 数据构造与清洗数据构造方法1.基于 Self-Instruct 方法的数据构造2.面向结构化知识的数据构造 数据清洗方法1.IFD 指标法2. MoDS 方法 2.2 分词器构造2.2.1 分词器概述BPE 分词器WordPiece 分词器Unigram 分词器 2.3 大型语言模型的微调方法前缀调优提示调优P-Tuning …...
安卓获取所有可用摄像头并指定预览
在Android设备中,做预览拍照的需求的时候,我们会指定 CameraSelector DEFAULT_FRONT_CAMERA前置 或者后置CameraSelector DEFAULT_BACK_CAMERA 如果你使用的是平板或者工业平板,那么就会遇到多摄像头以及外置摄像头问题,简单的指…...
Jwt和Session的区别和优缺点
目录 一、Authentication和Authorization的区别 二、用户认证的两种主流方法 ① 、基于session认证流程如下: ②、基于token(令牌)用户认证如下: 三、区别和优缺点 JWT的优点: JWT的缺点: 安全性 …...
如何使用 Python 读取和写入 CSV 文件?
在Python中,处理CSV文件是一项常见的任务,通常用于数据交换和数据存储。 Python的标准库csv模块提供了一种方便的方式来读取和写入CSV文件。 下面我将详细介绍如何使用Python的csv模块来读取和写入CSV文件,并提供一些实际开发中的建议和注意…...
FR2012富芮坤PMU:设置PMU GPIO为输入读取状态;在睡眠功能中读取IO;PMU GPIO设置唤醒源中断
从事嵌入式单片机的工作算是符合我个人兴趣爱好的,当面对一个新的芯片我即想把芯片尽快搞懂完成项目赚钱,也想着能够把自己遇到的坑和注意事项记录下来,即方便自己后面查阅也可以分享给大家,这是一种冲动,但是这个或许并不是原厂希望的,尽管这样有可能会牺牲一些时间也有哪天原…...
私有云dbPaaS为何被Gartner技术成熟度曲线标记为“废弃”?
当云计算席卷而来,基于云基础设施的数据库部署也改变了数据库。在传统的私有化部署(On-premises)和公有云部署(Public Cloud)之间,不断融合的混合IT(Mixed IT)形式成为最常见的企业级…...
RabbitMQ 高级特性——延迟队列
文章目录 前言延迟队列延迟队列的概念TTL 死信队列模拟延迟队列设置队列的 TTL设置消息的 TTL 延迟队列插件安装并且启动插件服务使用插件实现延迟功能 前言 前面我们学习了 TTL 和死信队列,当队列中的消息达到了过期时间之后,那么这个消息就会被死信交…...
Perl 引用
Perl 引用 Perl,作为一种灵活而强大的编程语言,广泛用于系统管理、网络编程、GUI开发等领域。在Perl编程中,引用(References)是一个核心概念,它允许变量引用其他数据,从而创建复杂的数据结构&a…...
llama2——微调lora,第一次参考教程实践完成包括训练和模型
前言:磕磕绊绊,不过收获很多,最大的收获就是解决报错error的分析方法和解决思路 1、首先,我参考的是这篇博客:怎样训练一个自己的大语言模型?全网最简单易懂的教程!_开源模型训练出一个语言模型…...
【人工智能数学基础篇】——深入详解矩阵分解:奇异值分解(SVD)与主成分分析(PCA)在数据降维与特征提取中的应用
目录 1. 引言 2. 矩阵分解概述 2.1 矩阵分解的意义 3. 奇异值分解(SVD) 3.1 定义与数学基础 3.2 SVD 的性质 3.3 SVD 在数据降维中的应用 3.4 示例代码:使用 SVD 进行图像压缩 3.5 结果分析 4. 主成分分析(PCA࿰…...
C++常见面试题-初级2
1. C和C有什么区别? C是面向对象的语言,而C是面向过程的语言;C引入new/delete运算符,取代了C中的malloc/free库函数;C引入引用的概念,而C中没有;C引入类的概念,而C中没有࿱…...
R square 的计算方法和一点思考
模型的性能评价指标有几种方案:RMSE(平方根误差)、MAE(平均绝对误差)、MSE(平均平方误差)、R2_score 其中,当量纲不同时,RMSE、MAE、MSE难以衡量模型效果好坏。这就需要用到R2_score࿱…...
梳理你的思路(从OOP到架构设计)_简介EIT造形
目录 1、 复习<基类 /子类>的扩充(extends)结构 典型的<基类/子类>代码结构 <基类/子类>代码结构的变形 2、 从<基类/子类>结构到EIT造形 3、 EIT造形的基本形与变形 1、 复习<基类 /子类>的扩充(extends)结构 典型的<基类/子类>代码…...
梳理你的思路(从OOP到架构设计)_认识EIT造形与内涵
目录 1、 认识类(Class)与内涵 2、 认识EIT造形与内涵 EIT造形: 类造形的组合编辑 复习EIT的基本形与变形编辑 不同内涵 EIT造形 1、 认识类(Class)与内涵 回顾 类(Class)是比较小的造形 各种不同内涵,可以透过类(Class)的形式(Form)来呈现出…...
【FTP】FTP基础知识点
文章目录 一、概述二、 工作原理2.1 两个连接2.2 安全性 三、代码实现:1. 选择合适的库2. 连接配置和初始化3. 连接状态检查4. 重连机制5. 文件操作6. 安全性7. 资源管理 参考: 一、概述 将某台计算机中的文件通过网络传送到可能相距很远的另一台计算机…...
排序算法(7):堆排序
问题 排序 [30, 24, 5, 58, 18, 36, 12, 42, 39] 堆排序 堆排序是一种基于堆数据结构的排序算法。堆是一个近似完全二叉树的结构,即除了最后一层外,每一层都必须填满,且最后一层从左往右填充。 堆可以分为大根堆和小根堆。在大根堆中&…...
BERT模型入门(6)语言建模
文章目录 自回归语言建模自编码语言建模 BERT模型在以下两个任务上进行预训练: (1)掩蔽语言建模 (2)下一句预测 让我们逐一了解这两种预训练策略是如何工作的。在介绍掩蔽语言模型任务之前,首先让我们了…...
RNN LSTM Seq2Seq Attention
非端到端: data -》 cleaning -》 feature Engining (70%-80%工作 设计特征)-》 分类器 -》预测 端到端 End-to-End: data -》 cleaning -》Deep learning(表示学习,从数据中学习特征) -》…...
go语言使用websocket发送一条消息A,持续接收返回的消息
在Go语言中实现一个WebSocket客户端,可以使用gorilla/websocket这个非常流行的库来处理WebSocket连接。下面是一个简单的示例,展示了如何创建一个WebSocket客户端,向服务器发送消息"A",并持续接收来自服务器的响应。 首…...
音频进阶学习八——傅里叶变换的介绍
文章目录 前言一、傅里叶变换1.傅里叶变换的发展2.常见的傅里叶变换3.频域 二、欧拉公式1.实数、虚数、复数2.对虚数和复数的理解3.复平面4.复数和三角函数5.复数的运算6.欧拉公式 三、积分运算1.定积分2.不定积分3.基本的积分公式4.积分规则线性替换法分部积分法 5.定积分计算…...
沟通的艺术,学会转移矛盾
我的一位好友,资深项目经理,同时也是我公益课程的热心志愿者,最近向我倾诉了他在团队沟通上的挑战。 他发现,尽管辅导学员时感到轻松愉快,但与自己团队成员的沟通却充满挫折。 我询问了他的沟通方式,他解释…...
测评|携程集团25年社招在线测评北森题库、真题分析、考试攻略
携程集团社招入职测评北森题库主要考察以下几个方面: 1. **言语理解**:这部分主要测试应聘者运用语言文字进行思考和交流、迅速准确地理解和把握文段要旨的能力。 2. **资料分析**:包括文字题和图表题,考察应聘者快速找出关键信息…...
C++(进阶) 第4章 map和set的使⽤
C(进阶) 第4章 map和set的使⽤ 文章目录 前言一、序列式容器和关联式容器二、set1. insert2.迭代器遍历3.范围for4.erase5.count6.lower_bound和upper_bound 三、multiset总结 前言 上一篇博客写了二叉搜索树,这一篇博客会在上一篇博客原来的上在深入介…...
数独游戏app制作拆解(之三)——数字候选区实现
所谓的数据候选区就是这个: 数字候选区功能及实现: 说明:这部分其实也是textview. 本区功能: 一、实现数字显示到显示区。点击显示区选定某个格子后,再点击这里的数字,会在格子内显示相应的数字。在编辑…...
数据结构——排序
*排序属于数据的运算 1、定义:将一组杂乱无章的数据按一定规律顺次排列一起,即将无序序列排成一个有序序列的运算。 (如果参加排序的数据结构包含多个数据域,那么排序往往是针对其中某个域而言) 2、排序的应用十分广泛:程序中间接应用(二分查找、最短路径、最小生成树…...
制造业4.0:AI与机器人如何重塑生产线
引言:从传统到未来的转型 在轰鸣的生产线上,传统制造业曾以规模化生产和成本效益为核心竞争力,推动了全球工业化进程。然而,面对现代市场的多样化需求和激烈竞争,这种模式正暴露出越来越多的局限性:产能过剩…...
Fastdfs V6.12.1集群部署(arm/x86均可用)
文章目录 一、 Fastdfs 介绍二、部署 信息三、步骤tracker/storage 机器的 compose 内容storage 机器的 composetracker 与 storage 启动目录层级与配置文件测试测试集群扩容与缩减注意事项 一、 Fastdfs 介绍 FastDFS 是一款高性能的分布式文件系统,特别适合用于存…...
【学习笔记】深入浅出详解Pytorch中的View, reshape, unfold,flatten等方法。
文章目录 一、写在前面二、Reshape(一)用法(二)代码展示 三、Unfold(一)torch.unfold 的基本概念(二)torch.unfold 的工作原理(三) 示例代码(四&a…...
解决Presto dirver timestamp时区问题
#bigdata/metabase 一、背景介绍 1、Presto版本 使用阿里云集群的版本 EMR-5.4.2,Presto的版本为338; Facebook后续不再维护,Trino 351为首个版本 2、Metabase版本 历史版本为0.38.4,新版本为0.51.5 3、0.38.4 cast to time…...
【优选算法】Prefix-Kage:前缀和的算法影(上)
文章目录 1.概念解析2.代码实现2.1【模版】前缀和(一维)2.1.1 原理2.1.2 代码实现 2.2【模版】前缀和(二维)2.2.1 原理2.2.2 代码实现 希望读者们多多三连支持小编会继续更新你们的鼓励就是我前进的动力! 本篇是优选算…...
中阳科技:量化交易模型的技术革新与实践应用
在金融市场日益复杂化的今天,量化交易作为数据驱动的现代化交易方式,已成为金融领域发展的关键方向。中阳科技凭借深厚的技术积累与创新能力,积极探索量化交易模型的优化与应用,开辟了智能金融新局面。 量化交易的优势与市场前景…...
golang 判断一个点是否在一个多边形内
我有一需求为:判断一个点(经纬度范围)是否在一个多边形范围内(多个经纬度点) 这里我借助几何库( github.com/paulmach/orb)来处理地理空间数据 可以通过在线获取经纬度来确认代码正确性 packa…...
图论笔记1
1.1邻接矩阵储存法 //创建:二维数组vector<vector<int>> graph(n,vector<int>(n,0));//储存for(int i0;i<m;i){int x1,x2;cin>>x1>>x2;graph[x1-1][x2-1]1;}1.2邻接表储存法 补充:c中的list是链表 链接 //创建:数组…...
大模型QLoRA微调——基于Qwen2-7B的自动化病历摘要生成系统
01 项目简介 (1)项目背景 医疗文档中包含大量的诊疗信息,例如疾病诊断、手术名称、解剖部位、药物使用以及影像和实验室检查结果。这些信息是医疗数据分析的核心,但由于医疗文本内容复杂、格式多样,提取这些关键内容…...
CTFHub-ssrf
技能树--Web--SSRF 内网访问 开启题目 尝试访问位于127.0.0.1的flag.php吧 进入环境 根据提示输入即可 127.0.0.1/flag.php 伪协议读取文件 开启题目 尝试去读取一下Web目录下的flag.php吧 进入环境,根据提示输入 file:///var/www/html/flag.php 鼠标右键查看…...
使用ElasticSearch实现全文检索
文章目录 全文检索任务描述技术难点任务目标实现过程1. java读取Json文件,并导入MySQL数据库中2. 利用Logstah完成MySQL到ES的数据同步3. 开始编写功能接口3.1 全文检索接口3.2 查询详情 4. 前端调用 全文检索 任务描述 在获取到数据之后如何在ES中进行数据建模&a…...
【docker】容器编排之docker swarm
Docker Swarm容器编排详细讲解 Docker Swarm是Docker的原生容器编排工具,它通过将多个Docker引擎组合成一个集群来实现高效的容器部署和管理。 Swarm提供了服务发现、负载均衡、扩展、自动恢复等功能,能够让开发者和运维人员以更简便的方式管理容器化应…...
微信小程序苹果手机自带的数字键盘老是弹出收起,影响用户体验,100%解决
文章目录 1、index.wxml2、index.js3、index.wxss1、index.wxml <!--index.wxml--> <view class="container"><view class="code-input-container"><view class="code-input-boxes"><!-- <block wx:for="{{…...
SCAU期末笔记 - Linux系统应用与开发教程样卷解析(2024版)
我真的不理解奥,为什么会有给样卷不自带解析的,对答案都没得对,故整理一篇 样卷1 一、选择题 1、为了遍历shell脚本调用时传入的参数,需要在shell脚本中使用_____。 A.$#表示参数的个数B.S表示所有参数C.$0表示脚本名D.$1表示…...
2024 年贵州技能大赛暨全省第二届数字技术应用职业技能竞赛“信息通信网络运行管理员”赛项--linux安全题
Linux操作系统渗透测试 Nmap -sS -p- ip 扫描 这题有俩种做法,一种用3306端口,另一种用48119端口 用48119端口是最简单的做法 nc 连接这个端口如何修改root密码 ssh连接 这样我们就成功的拿到root权限 1.通过本地PC中渗透测试平台Kali对服务器场景进…...