当前位置: 首页 > news >正文

大数据技术与应用——数据可视化(山东省大数据职称考试)

  大数据分析应用-初级

第一部分 基础知识

       一、大数据法律法规、政策文件、相关标准

       二、计算机基础知识

       三、信息化基础知识

       四、密码学

       五、大数据安全

       六、数据库系统

       七、数据仓库.

第二部分 专业知识

       一、大数据技术与应用

       二、大数据分析模型

       三、数据科学


数据可视化

  • 大数据分析应用-初级
  • 前言
  • 一、BI(Business Intelligence)的概念及应用
  • 二、常见可视化图形的概念
  • 练习题目


前言

数据可视化

1、了解BI(Business Intelligence)的概念及应用。

2、了解常见可视化图形(散点图、折线图、饼图、环图、柱状图)的概念,具有初步的可视化图形展示数据的能力。


一、BI(Business Intelligence)的概念及应用

一、概念

定义

  • 商业智能(Business Intelligence,简称 BI)是一套完整的解决方案,用于将企业中现有的数据进行有效的整合、提取、分析和展示。它帮助企业的管理者和决策者通过数据洞察企业的运营状况、发现问题、识别机会,从而做出更明智的业务决策。
  • 从技术角度讲,BI 涵盖了数据仓库(Data Warehouse)、联机分析处理(OLAP - On - Line Analytical Processing)、数据挖掘(Data Mining)和报表工具(Reporting Tools)等多种技术。数据仓库是存储大量结构化数据的系统,为后续的分析提供数据基础。OLAP 允许用户从多个维度对数据进行快速分析,例如按时间、地域、产品类别等维度分析销售数据。数据挖掘则侧重于发现数据中的潜在模式和关系,如通过关联规则挖掘发现购买某种产品的客户同时也可能购买其他相关产品。报表工具用于以直观的图表和表格形式展示分析结果。

数据处理流程

  • 数据收集:从各种数据源(如企业资源规划系统 ERP、客户关系管理系统 CRM、数据库、文件系统等)获取数据。这些数据源可能包含结构化数据(如数据库中的表格数据)、半结构化数据(如 XML 或 JSON 格式的数据)和非结构化数据(如文本文件、图像等,不过在传统 BI 中主要关注结构化数据)。
  • 数据清洗:对收集到的数据进行预处理,包括处理缺失值(如用均值、中位数或其他合适的方法填充缺失的数值)、纠正错误数据(如将错误的日期格式更正)、去除重复数据等操作,以提高数据质量。
  • 数据转换:将数据转换为适合分析的形式。例如,将数据标准化,使不同范围的数值能够在同一尺度上进行比较;或者对数据进行编码,将分类数据转换为数字形式以便于计算机处理。
  • 数据分析:这是核心步骤,运用统计分析、数据挖掘等方法对数据进行处理。例如,计算销售数据的平均值、中位数、标准差等统计指标,或者通过聚类分析将客户分为不同的群体,以便进行针对性的营销。
  • 数据可视化与报告:将分析结果以直观的图表(如柱状图、折线图、饼图等)、图形(如地图、流程图等)和报告的形式展示出来,使决策者能够快速理解数据含义。

二、BI的应用

BI可以应用于各个行业和领域,包括但不限于:

  • 金融行业:客户行为分析、风险管理等。通过BI,金融机构可以更好地了解客户需求,优化产品和服务,同时降低风险。
  • 零售业:销售数据分析、库存管理等。BI可以帮助零售商追踪销售数据,分析市场趋势,优化库存管理,降低成本。
  • 医疗保健:患者数据分析、资源配置等。通过BI,医疗机构可以更好地了解患者需求,优化资源配置,提高服务质量。
  • 制造业:生产流程优化、质量控制等。BI可以帮助制造商优化生产流程,提高产品质量,降低成本。
  • 销售和市场营销:BI可以追踪销售数据、分析市场趋势、评估市场份额和竞争对手活动,帮助企业制定有效的销售策略。
  • 供应链管理:BI可以监控供应链运作情况,优化库存管理,降低成本并提高效率。
  • 客户关系管理:BI可以帮助企业了解顾客需求、分析顾客行为和偏好,提供个性化的产品和服务。
  • 财务管理:BI可以对企业财务数据进行分析和预测,帮助企业管理风险、优化财务决策。
  • 人力资源管理:BI可以分析员工数据、评估绩效和满意度,帮助企业招聘、培训和留住人才。

二、常见可视化图形的概念

散点图(Scatter Plot)

  • 概念:散点图是一种用笛卡尔坐标系展示两个变量之间关系的图形。它将数据集中的每个数据点以坐标(x,y)的形式绘制在平面上,其中 x 轴和 y 轴分别代表两个不同的变量。通过观察这些点的分布情况,可以直观地发现变量之间是否存在某种关联,如正相关(点的分布呈现从左下角到右上角的趋势)、负相关(从左上角到右下角的趋势)或者没有明显的相关性(点的分布比较杂乱)。
  • 应用场景示例:假设研究学生的学习时间和考试成绩之间的关系。将学习时间作为 x 轴变量,考试成绩作为 y 轴变量,每个学生的数据点(学习时间,考试成绩)就构成了散点图。如果大部分点呈现从左下角到右上角的趋势,就可以初步判断学习时间和考试成绩可能存在正相关关系,即学习时间越长,考试成绩越高。
  • 制作要点
    • 确定 x 轴和 y 轴所代表的变量,要确保变量的选择有实际意义,能够体现出想要探究的关系。
    • 适当调整坐标轴的刻度范围,以完整地展示数据点的分布情况,避免数据点过于集中在某个区域或者超出坐标轴范围。

折线图(Line Chart)

  • 概念:折线图主要用于展示数据随时间或其他连续变量的变化趋势。它通过将一系列数据点按照顺序用直线连接起来,清晰地反映出数据的增减变化情况。折线图中的横轴通常代表时间或其他连续的序列,纵轴代表相应的数据值。
  • 应用场景示例:在股票市场中,用折线图来展示某只股票在一段时间内(如一个月、一年)的价格走势。横轴是日期,纵轴是股票价格。通过折线的上升和下降,可以很直观地看到股票价格的波动情况,投资者可以据此分析股票的走势,如上涨趋势、下跌趋势或者盘整阶段。
  • 制作要点
    • 数据点的顺序要按照时间或连续变量的顺序排列,这样连接起来的折线才能正确地反映变化趋势。
    • 为了更清晰地展示趋势,可以添加趋势线(如线性趋势线、多项式趋势线等),并且标注出关键的数据点(如最大值、最小值、转折点等)。

饼图(Pie Chart)

  • 概念:饼图是用于展示各部分占总体比例关系的圆形统计图表。整个圆代表总体,各个扇形的大小表示相应部分占总体的百分比。饼图能够直观地呈现出各部分之间的相对大小关系。
  • 应用场景示例:分析一家公司的业务收入来源结构。假设公司有产品 A、产品 B 和服务 C 三种主要业务,将公司的总收入看作一个整体(即 100%),分别计算产品 A、产品 B 和服务 C 的收入占总收入的百分比,然后用饼图展示。通过扇形的大小,可以快速看出哪种业务收入占比最大,哪种业务占比最小。
  • 制作要点
    • 一般情况下,饼图的部分数量不宜过多,否则会导致图形过于复杂,难以区分各部分。通常建议不超过 6 - 7 个部分。
    • 要按照一定的顺序(如从大到小等)排列扇形,并且标注出每个扇形所代表的类别名称和占比数值,最好还能加上不同的颜色或图案来增强区分度。

环图(Doughnut Chart)

  • 概念:环图可以看作是中间有一个空洞的饼图。它和饼图类似,也是用于展示各部分占总体的比例关系。不过,环图可以在中间的空洞部分添加其他信息,如总数值、另一个相关的指标等,并且可以通过嵌套环来展示更复杂的层次结构。
  • 应用场景示例:在市场调研中,调查消费者对不同品牌手机的偏好情况。用外环表示不同品牌手机的市场占有率,在内环的空洞部分可以显示总的调查人数或者手机市场的总规模。如果要进一步细分品牌手机的不同型号的市场占有率,还可以通过嵌套的内层环来展示。
  • 制作要点
    • 与饼图类似,部分数量过多会使图形复杂。对于嵌套环图,要注意合理安排各层环所代表的内容,并且确保每层环的比例计算正确,颜色搭配要清晰,便于区分不同的层次。

柱状图(Bar Chart)

  • 概念:柱状图是一种以长方形的长度为变量来展示数据的统计图。它通常用于比较不同类别之间的数据大小。柱状图的横轴代表不同的类别,纵轴代表数据的数值大小,每个类别对应的数值用一个垂直的柱子来表示,柱子的高度与该类别数据的大小成正比。
  • 应用场景示例:比较不同城市的人口数量。将城市名称作为横轴的类别,人口数量作为纵轴的数据。每个城市对应的柱子高度就反映了该城市的人口数量,通过柱子的高低对比,可以很容易地看出哪个城市人口最多,哪个城市人口最少。
  • 制作要点
    • 柱子之间要保持适当的间隔,以便区分不同的类别。间隔过窄会使图形显得拥挤,间隔过宽可能会影响视觉上的比较效果。
    • 可以添加数据标签在柱子上,直接显示每个类别对应的数值,并且根据需要可以对柱子进行颜色填充或图案装饰,增强视觉吸引力。同时,要注意纵轴刻度的起始值,避免因为刻度设置不当而造成数据对比的误导。


练习题目

单选题

(1)以下哪项不是 BI 的核心技术?( )

A. 数据仓库

B. 机器学习算法(如深度学习)

C. 联机分析处理(OLAP)

D. 报表工具

答案:B

解析:BI 主要涵盖数据仓库、联机分析处理(OLAP)和报表工具等技术。数据仓库用于存储数据,OLAP 用于多角度分析数据,报表工具用于展示结果。机器学习算法(如深度学习)虽然在数据分析中有应用,但不是 BI 的核心技术,BI 更侧重于传统的数据处理和分析方式来支持商业决策。

(2)BI 在企业中的主要作用是( )

A. 代替人工进行数据分析

B. 存储海量数据

C. 帮助管理者做出更明智的决策

D. 进行数据加密

答案:C

解析:BI 的主要目的是整合、分析企业数据,通过数据洞察来帮助企业的管理者和决策者发现问题、识别机会,从而做出更明智的业务决策。它不是完全代替人工分析,数据存储主要是数据仓库的功能,数据加密不是其主要作用。

(3)要展示一个班级学生的身高分布情况,最合适的图形是( )

A. 折线图

B. 饼图

C. 柱状图

D. 散点图

答案:C

解析:柱状图适合用于比较不同类别(这里是不同身高区间)之间的数据大小。可以将身高区间作为横轴,每个区间内的学生人数作为纵轴,通过柱子的高度直观地比较各身高区间的人数多少。折线图主要用于展示变化趋势,饼图用于展示比例关系,散点图用于展示两个变量之间的关系,都不适合展示身高分布情况。

(4)如果想观察某产品的市场份额随时间的变化情况,应该选择( )

A. 环图

B. 折线图

C. 散点图

D. 柱状图

答案:B

解析:折线图用于展示数据随时间或其他连续变量的变化趋势。在这里,将时间作为横轴,产品的市场份额作为纵轴,通过折线的变化可以清晰地看到市场份额随时间的增减情况。环图主要用于展示比例关系,散点图用于展示两个变量的关系,柱状图主要用于比较不同类别之间的数据大小,不符合要求。

多选题

(1)BI 的数据处理流程包括以下哪些步骤?( )

A. 数据收集

B. 数据清洗

C. 数据转换

D. 数据分析

E. 数据可视化与报告

答案:ABCDE

解析:BI 的数据处理流程是一个完整的体系。首先要从各种数据源收集数据,然后对收集的数据进行清洗,去除错误和不完整的数据。接着进行数据转换,使其适合分析。之后进行数据分析,挖掘有价值的信息。最后通过数据可视化与报告的方式将分析结果展示出来。

(2)BI 可以应用于以下哪些企业领域?( )

A. 销售与市场营销

B. 财务管理

C. 供应链管理

D. 人力资源管理

答案:ABCD

解析:在销售与市场营销领域,可用于销售分析、客户分析和营销活动评估等;在财务管理领域,可用于财务报表分析、预算与成本控制、财务风险管理;在供应链管理领域,用于库存管理、供应商管理和物流配送管理等;在人力资源管理领域,可用于员工绩效分析、人力资源规划等。

(3)以下哪些图形可以用于展示数据的比例关系?( )

A. 饼图

B. 环图

C. 柱状图

D. 散点图

答案:AB

解析:饼图是专门用于展示各部分占总体比例关系的图形,整个圆代表总体,各个扇形表示各部分占比。环图和饼图类似,也用于展示各部分占总体的比例关系,还可以在中间添加其他信息。柱状图主要用于比较不同类别之间的数据大小,散点图用于展示两个变量之间的关系,它们一般不用于展示比例关系。

(4)散点图可以帮助我们发现( )

A. 变量之间的正相关关系

B. 变量之间的负相关关系

C. 变量之间的因果关系

D. 变量之间没有明显相关性

答案:ABD

解析:通过观察散点图中点的分布情况,可以直观地发现变量之间是否存在正相关(点从左下角到右上角分布)、负相关(点从左上角到右下角分布)或者没有明显的相关性(点分布杂乱)。但是散点图本身不能确定变量之间的因果关系,因果关系需要通过更深入的实验或分析来确定。

判断题

(1)BI 主要关注非结构化数据。( )

答案:错误

解析:传统的 BI 主要关注结构化数据,如数据库中的表格数据,尽管现在也在逐渐融合半结构化和非结构化数据处理技术,但结构化数据仍然是其重点关注的对象,因为结构化数据更易于按照既定的规则进行处理和分析。

(2)数据仓库是 BI 的一个组成部分。( )

答案:正确

解析:数据仓库是 BI 的重要组成部分,它为后续的数据分析提供了数据存储的基础,将企业中各个数据源的数据整合到一个数据仓库中,方便进行统一的管理和分析。

(3)在制作饼图时,部分数量越多越好。( )

答案:错误

解析:在制作饼图时,一般部分数量不宜过多,否则会导致图形过于复杂,难以区分各部分。通常建议不超过 6 - 7 个部分,这样才能直观地展示各部分占总体的比例关系。

(4)折线图的横轴必须是时间。( )

答案:错误

解析:折线图的横轴通常是时间或其他连续变量。它主要用于展示数据随时间或连续变量的变化趋势,但不局限于时间,例如可以是产品的编号(如果产品编号有顺序意义)等连续的序列。

相关文章:

大数据技术与应用——数据可视化(山东省大数据职称考试)

大数据分析应用-初级 第一部分 基础知识 一、大数据法律法规、政策文件、相关标准 二、计算机基础知识 三、信息化基础知识 四、密码学 五、大数据安全 六、数据库系统 七、数据仓库. 第二部分 专业知识 一、大数据技术与应用 二、大数据分析模型 三、数据科学 数据可视化 大…...

大数据之Hbase环境安装

Hbase软件版本下载地址: http://mirror.bit.edu.cn/apache/hbase/ 1. 集群环境 Master 172.16.11.97 Slave1 172.16.11.98 Slave2 172.16.11.99 2. 下载软件包 #Master wget http://archive.apache.org/dist/hbase/0.98.24/hbase-0.98.24-hadoop1-bin.tar.gz…...

Node.js day-01

01.Node.js 讲解 什么是 Node.js,有什么用,为何能独立执行 JS 代码,演示安装和执行 JS 文件内代码 Node.js 是一个独立的 JavaScript 运行环境,能独立执行 JS 代码,因为这个特点,它可以用来编写服务器后端…...

OpenCV相机标定与3D重建(25)计算两个三维点集之间的最优仿射变换矩阵(3x4)函数estimateAffine3D()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 计算两个3D点集之间的最优仿射变换。 它计算 [ x y z ] [ a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 ] [ X Y Z ] [ b 1 b 2 b 3 ] \beg…...

SQL 中 INNER JOIN 和 LEFT JOIN 的区别和用法

在数据库语言 SQL 中,连接 (也称进行表结合操作)是一种常见的操作,用于将多个数据表格核实关联进行查询。常见的连接类型中, INNER JOIN 和 LEFT JOIN 是最基本且最常用的。下面将给出完整的区别和用法说明。 1. 基本概念 INNER JOIN (内连…...

【计算机网络】lab2 Ethernet(链路层Ethernet frame结构细节)

🌈 个人主页:十二月的猫-CSDN博客 🔥 系列专栏: 🏀各种软件安装与配置_十二月的猫的博客-CSDN博客 💪🏻 十二月的寒冬阻挡不了春天的脚步,十二点的黑夜遮蔽不住黎明的曙光 目录 1. …...

2024 年 MySQL 8.0.40 安装配置、Workbench汉化教程最简易(保姆级)

首先到官网上下载安装包:http://www.mysql.com 点击下载,拉到最下面,点击社区版下载 windows用户点击下面适用于windows的安装程序 点击下载,网络条件好可以点第一个,怕下着下着断了点第二个离线下载 双击下载好的安装…...

提升PHP技能:18个实用高级特性

掌握PHP基础知识只是第一步。 深入了解这18个强大的PHP特性,将显著提升您的开发效率和代码质量。 1、超越 __construct() 的魔法方法 虽然 __construct() 为大多数开发者所熟知,PHP 却提供了更多强大的魔术方法,例如: class Da…...

QT数据库(三):QSqlQuery使用

QSqlQuery 简介 QSqlQuery 是能运行任何 SQL 语句的类,如 SELECT、INSERT、UPDATE、DELETE 等 SQL 语句。所以使用 QSqlQuery 几乎能进行任何操作,例如创建数据表、修改数据表的字段定义、进行数据统计等。如果运行的是 SELECT 语句,它查询…...

【机器学习】在向量的流光中,揽数理星河为衣,以线性代数为钥,轻启机器学习黎明的瑰丽诗章

文章目录 线性代数入门:机器学习零基础小白指南前言一、向量:数据的基本单元1.1 什么是向量?1.1.1 举个例子: 1.2 向量的表示与维度1.2.1 向量的维度1.2.2 向量的表示方法 1.3 向量的基本运算1.3.1 向量加法1.3.2 向量的数乘1.3.3…...

设计模式详解(十一):模板方法——Template Method

Template Method 设计模式 1. 概述 Template Method 是一种行为设计模式,它定义了一个算法的框架,并允许子类在不改变算法结构的前提下重新定义算法中的某些步骤。 在 Template Method 模式中: 父类(抽象类)定义了…...

使用 DeepSpeed 微调 OPT 基础语言模型

文章目录 OPT 基础语言模型Using OPT with DeepSpeedmain.py 解析1、导入库和模块2、解析命令行参数3、main 函数3.1 设备与分布式初始化3.2 模型与数据准备3.3 定义评估函数3.4 优化器与学习率调度器设置3.5 使用 deepspeed 进行模型等初始化3.6 训练循环3.7 模型保存 4、dsch…...

DPDK用户态协议栈-TCP Posix API 2

tcp posix api send发送 ssize_t nsend(int sockfd, const void *buf, size_t len, __attribute__((unused))int flags) {ssize_t length 0;void* hostinfo get_host_fromfd(sockfd);if (hostinfo NULL) {return -1;}struct ln_tcp_stream* stream (struct ln_tcp_stream…...

打造微信小程序中的视频播放交互体验:videoUI组件库实战

本文还有配套的精品资源&#xff0c;点击获取 简介&#xff1a;本项目介绍如何利用 videoUI 组件库在微信小程序中实现视频切换播放和全屏播放功能。涵盖微信小程序开发基础、 <video> 组件使用、视频切换逻辑、全屏播放实现以及 videoUI 库的应用。为开发者提供…...

Django REST framework(DRF)在处理不同请求方法时的完整流程

文章目录 一、POST 请求创建对象的流程二、GET 请求获取对象列表的流程三、GET 请求获取单个对象的流程四、PUT/PATCH 请求更新对象的流程五、自定义方法的流程自定义 GET 方法自定义 POST 方法 一、POST 请求创建对象的流程 请求到达视图层 方法调用&#xff1a; dispatch说明…...

【Hive】-- hive 3.1.3 伪分布式部署(单节点)

1、环境准备 1.1、版本选择 apache hive 3.1.3 apache hadoop 3.1.0 oracle jdk 1.8 mysql 8.0.15 操作系统:Mac os 10.151.2、软件下载 https://archive.apache.org/dist/hive/ https://archive.apache.org/dist/hadoop/ 1.3、解压 tar -zxvf apache-hive-4.0.0-bin.tar…...

unity 雷达

unity 雷达 首先去商店下载TouchScript插件 导入的时候勾选Enable TUIO 然后把预制体Cursors和TouchManager拖上 最后把TuioInput这个脚本挂上 脚本上的端口号尽量不改...

Visual Studio 2022 安装和管理 GitHub Copilot

&#x1f380;&#x1f380;&#x1f380;【AI辅助编程系列】&#x1f380;&#x1f380;&#x1f380; Visual Studio 使用 GitHub Copilot 与 IntelliCode 辅助编码Visual Studio 安装和管理 GitHub CopilotVisual Studio 使用 GitHub Copilot 扩展Visual Studio 使用 GitHu…...

Python从0到100(七十三):Python OpenCV-OpenCV实现手势虚拟拖拽

前言: 零基础学Python:Python从0到100最新最全教程。 想做这件事情很久了,这次我更新了自己所写过的所有博客,汇集成了Python从0到100,共一百节课,帮助大家一个月时间里从零基础到学习Python基础语法、Python爬虫、Web开发、 计算机视觉、机器学习、神经网络以及人工智能…...

利用notepad++删除特定关键字所在的行

1、按组合键Ctrl H&#xff0c;查找模式选择 ‘正则表达式’&#xff0c;不选 ‘.匹配新行’ 2、查找目标输入 &#xff1a; ^.*关键字.*\r\n (不保留空行) ^.*关键字.*$ (保留空行)3、替换为&#xff1a;&#xff08;空&#xff09; 配置界面参考下图&#xff1a; ​​…...

Alan Chhabra:MongoDB AI应用程序计划(MAAP) 为客户提供价值

MongoDB全球合作伙伴执行副总裁 Alan Chhabra 每当有人向我问询MongoDB&#xff0c;我都会说他们很可能在不觉之间已经与MongoDB有过交集。事实上&#xff0c;包括70%财富百强在内的许多世界领先企业公司都在使用MongoDB。我们在MongoDB所做的一切都是为了服务客户&#xff0c…...

FFmpeg 实战解复用与复用

FFmpeg FFmpeg 是一个功能强大、广泛使用的多媒体处理工具,可以处理音频、视频、字幕以及多种容器格式的操作。它支持解码、编码、复用、解复用、流式传输、过滤等功能。以下是关于 FFmpeg 的一些核心信息和操作说明: 核心组件 FFmpeg 是由以下几个主要库组成的: libavcode…...

数据结构(顺序表)JAVA方法的介绍

前言 在 Java 中&#xff0c;集合类&#xff08;Collections&#xff09;是构建高效程序的核心组件之一&#xff0c;而 List 接口作为集合框架中的重要一员&#xff0c;是一个有序、可重复的元素集合。与 Set 接口不同&#xff0c;List 保证了元素的顺序性&#xff0c;并允许存…...

电商商品详情API接口(item get)数据分析上货

电商商品详情API接口&#xff08;item get&#xff09;在数据分析与商品上货方面发挥着重要作用。以下是对这两个方面的详细探讨&#xff1a; 一、数据分析 数据源获取&#xff1a; 商品详情API接口提供了丰富的数据源&#xff0c;包括商品的标题、价格、库存、描述、图片、用…...

supervisor使用详解

0、介绍 supervisor 是一个用 Python 编写的客户端/服务器系统&#xff0c;它允许用户在类 UNIX 操作系统&#xff08;如 Linux&#xff09;上监控和控制进程。supervisor 并不是一个分布式调度框架&#xff0c;而是一个进程管理工具&#xff0c;它可以用来启动、停止和重启程…...

结合开源低代码-microi吾码 阿里云建桶,以及minio文件转移阿里云oss

前言 最近在工作中&#xff0c;碰到一开始一个小程序的照片和视频都放在公司的minio服务器上存储。但日积月累的&#xff0c;而且这个客户的访问量也大&#xff0c;照片和视频每天的存储空间也很大&#xff0c;这每天也是比不菲的费用&#xff0c;而且也会加慢后台的访问速度。…...

如何为IntelliJ IDEA配置JVM参数

在使用IntelliJ IDEA进行Java开发时&#xff0c;合理配置JVM参数对于优化项目性能和资源管理至关重要。IntelliJ IDEA提供了两种方便的方式来设置JVM参数&#xff0c;以确保你的应用程序能够在最佳状态下运行。本文将详细介绍这两种方法&#xff1a;通过工具栏编辑配置和通过服…...

关于SQL注入的面试题及经验分享

Q&#xff1a;简述数据库的存储引擎 A&#xff1a;数据库存储引擎是数据库底层软件组织&#xff0c;数据库管理系统&#xff08;DBMS&#xff09;使用数据引擎进行创建、查询、更新和删除数据。不同的存储引擎提供不同的存储机制、索引技巧、锁定水平等功能&#xff0c;使用不…...

ISP(Image Signal Processor)——HDR技术总结

传统多帧融合技术 拍摄一系列不同曝光时长的图像帧&#xff08;LDR&#xff09;&#xff0c;然后使用融合算法进行融合成HDR图像。 融合算法可以分为两种 基于照度图估计的融合 基于照度估计需要拟合相机响应函数&#xff0c;详细可以参考如下论文&#xff1a; Recovering H…...

Python字符串及正则表达式(十):字符串常用操作、字符串编码转换

前言&#xff1a;在编程的世界里&#xff0c;字符串无处不在。它们是构建用户界面、存储数据、进行通信的基础元素。无论是财务系统的总账报表、电子游戏的比赛结果&#xff0c;还是火车站的列车时刻表&#xff0c;这些信息最终都需要以文本的形式呈现给用户。这些文本的背后&a…...

测试工程师八股文04|计算机网络 和 其他

一、计算机网络 1、http和https的区别 HTTP和HTTPS是用于在互联网上传输数据的协议。它们都是应用层协议&#xff0c;建立在TCP/IP协议栈之上&#xff0c;用于客户端&#xff08;如浏览器&#xff09;和服务器之间的通信。 ①http和https的主要区别在于安全性。http是一种明…...

Codeforces Global Round 27的C题

题目大意 给定一个n,n>5 ans0 ans&a1|a2&a3|a4&a5...an,数组a是一个排列 下标是奇数让ans对其进行&操作,否则进行|操作,求ans能达到的最大值. 分奇偶来讨论,在n为奇数的情况下,最后一次操作是|,在n为偶数的情况下,最后一次操作是&. n二进制最高位的计算…...

【Linux】Nginx一个域名https一个地址配置多个项目【项目实战】

&#x1f468;‍&#x1f393;博主简介 &#x1f3c5;CSDN博客专家   &#x1f3c5;云计算领域优质创作者   &#x1f3c5;华为云开发者社区专家博主   &#x1f3c5;阿里云开发者社区专家博主 &#x1f48a;交流社区&#xff1a;运维交流社区 欢迎大家的加入&#xff01…...

第36次CCF计算机软件能力认证 梦境巡查

梦境巡查 刷新 时间限制&#xff1a; 1.0 秒 空间限制&#xff1a; 512 MiB 相关文件&#xff1a; 题目目录 题目背景 传说每当月光遍布西西艾弗岛&#xff0c;总有一道身影默默守护着居民们的美梦。 题目描述 梦境中的西西艾弗岛由 &#xfffd;1n1 个区域组成。梦境…...

[机器学习]AdaBoost(数学原理 + 例子解释 + 代码实战)

AdaBoost AdaBoost&#xff08;Adaptive Boosting&#xff09;是一种Boosting算法&#xff0c;它通过迭代地训练弱分类器并将它们组合成一个强分类器来提高分类性能。 AdaBoost算法的特点是它能够自适应地调整样本的权重&#xff0c;使那些被错误分类的样本在后续的训练中得到…...

传统零售商商业升级的核心动机及与互联网业务融合的探索——以 AI 智能名片 S2B2C 商城小程序源码为例

摘要&#xff1a;本文旨在探讨传统零售商尝试商业升级的核心动机&#xff0c;并以 AI 智能名片 S2B2C 商城小程序源码为典型案例&#xff0c;分析互联网业务模式如何助力传统零售商转型。通过剖析传统零售增长模式的局限以及互联网业务在增长速度、迭代试错和用户需求洞察方面的…...

飞牛 fnos docker镜像部署OpenSpeedtest宽带网速测试教程

penSpeedTest是一个跨平台的网络测速应用&#xff0c;支持不同操作系统的浏览器&#xff0c;无需安装额外软件或插件。您可以在iPhone、iPad、Android设备、Windows和Linux系统的电脑、手机和平板上直接测试设备与NAS之间的宽带速度。 通过这个可以排查出设备与NAS之间的传输速…...

【C++】list

OK&#xff0c;最近浅浅学习了STL的list&#xff0c;有兴趣不妨垂阅&#xff01; 目录 1.constructor 2.assign 3.insert 4.erase 5. reverse 6.swap 7.merge 8.unique 9.splice 10.小知识 同样的&#xff0c;使用list 需要包含一个头文件<list>。<list&g…...

keepalive的高可用集群

一、keepalived概述 1.keepalive的工作原理 keepalive是专门为了lvs集群开发出来的&#xff0c;但是适用场景不仅仅局限于lvs。而且keepalive为后台的真实服务器做了一个健康检查&#xff0c;当服务不可用时&#xff0c;会自动的移除ipvs的转发策略&#xff0c;服务恢复时&…...

HTTP 协议报文结构 | 返回状态码详解

注&#xff1a;本文为 “HTTP 历史 | 协议报文结构 | 返回状态码” 相关文章合辑。 未整理去重。 HTTP 历史 wangjunliang 最后更新: 2024/3/16 上午10:29 超文本传输协议(英语:HyperTextTransferProtocol,缩写:HTTP)是 万维网(World Wide Web)的基础协议&#xff61;自 蒂姆…...

如何保证开源AI呼入机器人和AI呼出机器人的服务质量?

如何保证开源AI呼入机器人和AI呼出机器人的服务质量&#xff1f; 确保开源AI呼入机器人和AI呼出机器人的服务质量是企业成功部署这些智能系统的关键。高质量的服务不仅能够提高客户满意度&#xff0c;还能增强企业的市场竞争力。以下是实现这一目标的几个关键策略和技术措施&a…...

C++day7

#include <iostream>using namespace std; template <class T> class mylist{ public:struct Link{T val;Link* next;Link* front;};//增void insert(T val);//删void remove(T val);//改mylist& operator[](int index);//排序void Sort();//遍历void show();/…...

docker搭建Redis集群及哨兵(windows10环境,OSS Cluster)

一、基本概念 Redis:即 "Remote DIctionary Server" &#xff0c;翻译为“远程字典服务器”。从字面意义上讲&#xff0c;它指的是一个远程的字典服务&#xff0c;意味着它是一个可以远程访问的服务&#xff0c;主要用于存储键值对&#xff08;key-value pairs&…...

第8章 搬移特性

8.1 搬移函数 模块化是优秀软件设计的核心所在&#xff0c;好的模块化能够让我在修改程序时只需理解程序的一小部分。为了设计出高度模块化的程序&#xff0c;我得保证互相关联的软件要素都能集中到一块&#xff0c;并确保块与块之间的联系易于查找、直观易懂。同时&#xff0c…...

[IT项目管理]项目时间管理(本章节3w字爆肝)

七.项目时间管理 7.1 项目进度的重要性 为什么要重视项目进度&#xff1a;在项目进行的过程之中会遇到变故。但是不论项目中发生了什么&#xff0c;时间总是在流逝&#xff0c;就可能会导致项目不可以在规定的时间完成。 7.2可能影响项目进度的因素 有员工离职个人的工作方…...

k8s中设置annotation的方法总结

k8s中设置annotation的方法总结 annotation是什么 在 Kubernetes 中&#xff0c;Annotations 是一种用于向 Kubernetes 对象附加非标识性元数据的机制。 annotation有什么用 annotation与 Labels 类似&#xff0c;但有一些关键区别和特定用途。 常用于存储与对象相关的配置…...

第19天:信息收集-Web应用源码获取闭源备份开发泄漏WebPack打包资源搜索ICO定位

#知识点 1、信息收集-Web应用-源码获取-已知指纹&未知指纹 2、信息收集-Web应用-源码获取-泄漏问题&发现指纹 一、参考文章&#xff1a; https://www.secpulse.com/archives/124398.html https://mp.weixin.qq.com/s/QgLDdaefXlZtvlSiFQShZw 二、源码泄漏原因&#xff…...

uniapp小程序的锚点定位(将页面滚动到目标位置)

小程序中&#xff0c;a页面跳转到b页面&#xff0c;跳转后滚动定位到b页面的特定位置。 1.uni.pageScrollTo传递一个scrollTop参数可以滚动到特定位置。2.可以通过 uni.createSelectorQuery()等获取定位元素的位置信息。3.uni.getSystemInfoSync()获取设备的导航栏和状态栏高度…...

py脚本部署到服务器定时启动

py脚本部署到服务器定时启动 一、准备好你的脚本二、把脚本放到服务器三、在服务器创建脚本所需要的环境1、安装 Miniconda&#xff08;如果不想安装 Anaconda 或 Miniconda&#xff0c;可以直接使用 Python 的venv模块创建虚拟环境&#xff0c;但安装 Conda 会更方便管理不同版…...

相机不动,机构动作----Hands Eyes

最近在研究 手眼标定&#xff0c;发现大家都需付费&#xff0c;搞啥子&#xff0c;说好的开源。。。 以相机在上固定不动&#xff0c;机械手为 EPSON_Robot 为例&#xff0c;详细的一步一步实例操作指引 EPSON_Robot 的192.168.0.1 2004 Server 详细操作步骤 1. 启动程序 运…...