Milvus 存储设计揭秘：从数据写入到 Segment 管理的全链路解析
作为一款云原生向量数据库，Milvus 的高效查询性能有赖于其独特的存储架构设计。然而，在实际使用过程中，许多社区用户常常会遇到以下问题：
为什么频繁调用 flush 后，查询速度会变慢？
数据删除后，磁盘空间为何依旧无法及时释放？
查询延迟有时为何忽高忽低？
这些现象的背后，通常都与 Milvus 的核心存储单元——Segment 的处理机制密切相关。Segment 是 Milvus 数据持久化的最小单位，其生命周期管理直接影响系统性能和资源利用率。本文将深入剖析 Milvus 从数据写入到 Segment 落盘、合并以及建立索引的完整流程，帮助开发者更好地理解系统行为并有效规避常见误区。
01
数据写入：Insert 请求如何拆解为 Segment？
当 Milvus 服务启动后，会在消息队列（Pulsar/Kafka）中创建若干用于接收数据的 “管道”，其数量根据 milvus.yaml 中 rootCoord.dmlChannelNum 进行配置。对于 Pulsar 或 Kafka，每个“管道”即对应一个 topic。
(1)Insert 请求与数据分片
a. insert 请求由 proxy 接收。proxy 会根据每条数据的 primary key 值计算出 hash，并将该 hash 对 collection 的 shards_num 取模。根据这个结果，数据被划分到相应的 shard 中。
b. 当 shards_num 大于 1 时，insert 数据最多会被分为 shards_num 份，分配到不同的 shard。
(2)数据传输
a. 每个 shard 产生的数据通过某个管道进行传输，多个 shard 也可共享同一条管道，以实现负载均衡。
b. data node 订阅各自对应的 shard 数据，并尽量将不同的 shard 分配到多个 data node 上。如果集群中只有一个 data node，则会由该节点订阅所有 shard 的数据。
(3)Growing Segment
a. 在 data node 端，每个partition中的每个 shard 都会对应一个 growing segment。data node 为每个 growing segment 维护一个缓存，用于存放尚未落盘的数据。
简而言之，proxy 会按照 shards_num 对数据进行分片，并将其发送到消息管道 ，然后data node从消息管道中异步接收数据。
下图展示了在 shards_num=2 的情况下，数据经由管道传输至 data node 的流程示意图：
02
数据落盘：Growing Segment 如何持久化？
在 data node 中，来自各个 shard 的数据会被累积在对应 growing segment 的缓存里。该缓存的最大容量由 milvus.yaml 中 dataNode.segment.insertBufSize 控制，默认值为 16MB。一旦缓存中数据超过此阈值，data node 就会将这部分数据写入 S3/MinIO，形成一个 Chunk。Chunk 指的是 segment 中的一小段数据，并且每个字段的数据也会被分别写入独立的文件。因此，每个 Chunk 通常包含多个文件。
此外，dataNode.segment.syncPeriod（默认 600 秒）定义了数据在缓存中允许停留的最长时间。如果在 10 分钟内缓存数据尚未达到 insertBufSize 的上限，data node 同样会将缓存写入 S3/MinIO。
将 segment 数据拆分为多个 Chunk 进行持久化，主要是为了：
(1)减少 data node 内存占用，避免growing segment数据在内存中堆积过多；
(2)当系统发生故障后重启时，无需从消息队列重新拉取growing segment的全部数据，已持久化的数据只需从S3/MinIO读取。
当某个 growing segment 累计写入量达到一定阈值后，data node 会将其转换为 sealed segment，并新建一个新的 growing segment 来继续接收 shard 数据。这个阈值由 dataCoord.segment.maxSize（默认 1024MB）和 dataCoord.segment.sealProportion（默认 0.12）共同决定，也就是说，当 growing segment 大小达到 1024MB × 0.12（约 122MB）时，就会被转为 sealed segment。
在此过程中，如果用户通过 Milvus SDK 调用 flush 接口，则会强制将指定 Collection 的所有 growing segment 缓存落盘并转为 sealed segment，无论它们已写入多少数据。因此，频繁调用 flush() 容易产生大量体量较小的 sealed segment，进而影响查询性能。
下图展示了 growing segment 落盘和转换为 sealed segment 的示意流程：
如果 Collection 存在多个 partition，则每个 partition 的数据也会被相同数量的 shard 分割。下图示例展示了多个 Collection 共用 2 条管道，其中某个 Collection 有 2 个 partition 时的数据分发过程：
数据在 S3/MinIO 中的存储路径由 milvus.yaml 中 minio.bucketName（默认值 a-bucket）以及 minio.rootPath（默认值 files）共同决定。segment 数据的完整路径格式为：
[minio.bucketName]/[minio.rootPath]/insert_log/[collection ID]/[partition ID]/[segment ID]在 segment 路径下，Milvus 还会根据每个字段的 ID 创建对应子目录来存放该字段的各个 Chunk 文件。下面是某个 segment 在 MinIO 中的存储结构示例，可见 455457303288873052 表示 collection ID，455457303288873053 表示 partition ID，455457303289273082 表示 segment ID，而 0/1/100/101/102 则分别代表该 Collection 的各个字段 ID。该 segment 仅包含一个 Chunk，因此每个字段目录下只有一个数据文件：
03
Segment 合并优化：Compaction 的三种场景
在持续执行 insert 请求时，新数据不断流入，sealed segment 的数量也会随之增加。如果同样规模的数据被拆分成过多小尺寸（如小于 100MB）的 segment，系统的元数据管理和查询都会受到影响。为了优化这一点，data node 会通过 compaction 将若干较小的 sealed segment 合并成更大的 sealed segment。理想状态下，合并后形成的 segment 大小会尽量接近 dataCoord.segment.maxSize（默认 1GB）。
不过，小文件合并仅仅是 compaction 任务的一部分。compaction 还包括其他需求场景，主要分为以下三种：
(1)小文件合并（系统自动）
a.触发条件：存在多个体积较小的 sealed segment，其总大小接近 1GB。
b.优化效果：减少元数据开销，提升批量查询的性能。
(2)删除数据清理（系统自动）
a.触发条件：segment 中的被删除数据占比 ≥ dataCoord.compaction.single.ratio.threshold（默认 20%）。
b.优化效果：释放存储空间，并减少无效数据的重复扫描。
3.按聚类键（Clustering Key）重组（手动触发）
a.使用场景：面向特定查询模式（例如地域或时间范围检索）优化数据分布。
b.调用方式：通过 SDK 调用 compact()，并按照指定的 Clustering Key 对 Segment 进行重组。
04
索引构建：临时索引 vs 持久化索引
对于每个 growing segment，query node 会在内存中为其建立临时索引，这些临时索引并不会持久化。同理，当 query node 加载未建立索引的 sealed segment 时，也会创建临时索引。关于临时索引的相关配置，可在 milvus.yaml 中通过 queryNode.segcore.interimIndex 进行调整。
当 data coordinator 监测到新的 sealed segment 生成后，会指示 index node 为其构建并持久化索引。然而，如果该 sealed segment 的数据量小于 indexCoord.segment.minSegmentNumRowsToEnableIndex（默认 1024 行），index node 将不会为其创建索引。
所有索引数据都被保存在以下路径：
[minio.bucketName]/[minio.rootPath]/index_files下图展示了在 MinIO 中某个 sealed segment 的索引存储结构。路径中的 455457303289273598 代表了 index node 的任务 ID，用于唯一标识该索引文件；其中的 1 则是索引版本号（index version）。还可见 partition ID（455457303288873053）和 segment ID（455457303289273082）的信息，这有助于排障和定位。而最底层名为 IVF_FLAT 的目录中，才是真正的索引文件：
05
Segment 加载：Query Node 如何管理数据？
当用户调用 load_collection 时：
(1)Query node 会从 S3/MinIO 加载该 Collection 的所有 sealed segment，并订阅相应的 shard 流数据。
(2)系统力求将多个 shard 分配给不同的 query node 以实现负载均衡；如果只有一个 query node，则该节点订阅全部 shard。
(3)对于每个 shard，query node 会同样在内存中维护一个对应的 growing segment，保证与 data node 上的数据保持一致。如果growing segment的部分数据已经以chunk的形式持久化在S3/MinIO中，query node会从S3/MinIO读取这些chunk，未持久化的数据则从Pulsar/Kafka中订阅，从而在内存中组成完整的growing segment。由于query node从Pulsar/Kafka中订阅growing segment的数据是异步行为，当有新的数据插入时，这些新数据对于查询请求不是即时可见，因此用户可在查询请求中设置 consistency level 以控制新数据的可见性。
(4)对于已构建好持久化索引的 sealed segment，query node 会从 S3/MinIO 中加载其索引文件。若某个 sealed segment 尚无索引或是 growing segment，query node 则会在内存中创建临时索引（详见第四节）。
当 compaction 任务将多个 sealed segment 合并为新的 sealed segment 后，query node 只有在新 segment 的索引构建完成后，才会加载其索引，并将旧 segment 的索引与数据从内存中清理掉，这个过程被称为 hand-off。
06
常见问题和 Tips
基于以上对 Milvus 存储与 Segment 处理原理的介绍，以下列出一些常见的注意事项与实用建议，帮助大家更好地使用 Milvus 提升系统性能：
(1)避免频繁调用 flush()
a.每次调用 flush() ，有可能会在每个 partition 的每个 shard 上都产生一个 sealed segment，频繁调用极易产生大量碎片化的小 segment。
b.建议：优先依赖自动落盘机制，只有当用户在插入全量数据后想确认数据全部落盘时（主要用于性能测试时避免用到 temp index），才有必要手动调用一次 flush 操作。
(2)监控 Segment 数量
a.可通过 Milvus 的 GUI 工具 attu 查看各 Segment 的分布状况，小 segment 较多时可能会影响查询性能，无需做额外操作，系统的compaction 机制会在必要时进行合并。
b.如果将 segment_size（默认 1GB）调大，可减少 segment 数量，提升索引查询效率，但同时要注意对系统负载均衡和内存的影响。
c.shards_num 的值直接影响 growing segment 数量，可根据数据量设置合理的 shards_num 来打散写入热点。一般来说，百万行级别数据量建议设置 shards_num=1，千万行级别数据量建议设置 shards_num=2，亿级别以上数据量建议设置 shards_num=4 或 8。
d.partition 的数量也直接影响 growing segment 的数量，此外大量的 partition 也会消耗系统资源导致系统性能下降，因此需要根据业务需求设置合理的 partition 数量。
(3)合理规划 Clustering Key
针对常见的范围查询、批量数据删除等业务场景设计合适的 Clustering Key，可进一步提升 compaction 效率并优化查询表现。
通过理解 Segment 的生命周期管理，开发者可以更高效地设计数据写入策略、调优系统参数，让 Milvus 在复杂场景下依然保持稳定的高性能表现。
如对以上案例感兴趣，或有更多实战经验或疑问，想对Milvus做进一步了解，欢迎扫描文末二维码交流进步。
作者介绍
张粲宇
Zilliz 高级产品经理
推荐阅读
相关文章：
Milvus 存储设计揭秘：从数据写入到 Segment 管理的全链路解析
作为一款云原生向量数据库，Milvus 的高效查询性能有赖于其独特的存储架构设计。然而，在实际使用过程中，许多社区用户常常会遇到以下问题： 为什么频繁调用 flush 后，查询速度会变慢？ 数据删除后，…...
单片机通讯中的时序图：初学者的入门指南
一、什么是时序图？ 在单片机的世界里，时序图是一种非常重要的工具，它用于描述信号在时间上的变化规律。简单来说，时序图就像是信号的“时间线”，它展示了各个信号线在不同时间点上的电平状态。通过时序图，我…...
ASP.NET Core JWT
目录 Session的缺点 JWT（Json Web Token） 优点： 登录流程 JWT的基本使用 生成JWT 解码JWT 用JwtSecurityTokenHandler对JWT解码 注意 Session的缺点 对于分布式集群环境，Session数据保存在服务器内存中就不合适了&#…...
)
Linux基础命令之Nginx中的rewrite功能(重新)
一、什么是Rewrite Rewrite也称URL Rewrite，即URL重写，就是把传入Web的请求重定向到其他URL的过程。 1. URL Rewrite最常见的应用是URL伪静态化，是将动态页面显示为静态页面方式的一种技术。比如http://www.123.com/news/index.php?id123 使…...
4 前端前置技术（上）：AJAX技术、Axios技术（前端发送请求）
文章目录 前言一、Ajax技术（从服务端获取数据，发送各种请求）0 接口文档管理：使用apipost等接口测试软件创建接口便于前端后端分离测试1 基本概念2 原生Ajax使用示例（几年前的早期用法） 二、 Axios技术(对原…...
三星手机为何不大力扩展中国市场？
三星在中国市场的手机销量长期低迷，主要原因可以归结为以下几点，这也解释了为什么三星可能没有大力扩展中国市场的计划： 1. 市场竞争激烈 中国市场已经被华为、OPPO、vivo、小米和苹果等品牌牢牢占据，这些品牌在产品设计、本地化…...
Linux在x86环境下制作ARM镜像包
在x86环境下制作ARM镜像包（如qemu.docker），可以通过QEMU和Docker的结合来实现。以下是详细的步骤： 安装QEMU-user-static QEMU-user-static是一个静态编译的QEMU二进制文件，用于在非目标架构上运行目标架构的二进制文…...
【算法篇】贪心算法
目录 贪心算法 贪心算法实际应用 一，零钱找回问题 二，活动选择问题 三，分数背包问题 将数组和减半的最小操作次数 最大数 贪心算法 贪心算法，是一种在每一步选择中都采取当前状态下的最优策略，期望得到全局最优…...
硬件电路基础
目录 1. 电学基础 1.1 原子 1.2 电压 1.3 电流 1.电流方向： 正极->负极,正电荷定向移动方向为电流方向，与电子定向移动方向相反。 2.电荷（这里表示负电荷）运动方向： 与电流方向相反 1.4 测电压的时候 2. 地线…...
iOS 音频录制、播放与格式转换
iOS 音频录制、播放与格式转换：基于 AVFoundation 和 FFmpegKit 的实现 在 iOS 开发中，音频处理是一个非常常见的需求，比如录音、播放音频、音频格式转换等。本文将详细解读一段基于 AVFoundation 和 FFmpegKit 的代码，展示如何实现音频录制、播放以及 PCM 和 AAC 格式之间…...
探索前端框架的未来：Svelte 的崛起
引言 在前端开发的世界里，框架更新换代的速度仿佛光速。从 jQuery 到 Angular，再到如今大热的 React 和 Vue，开发者们不断追逐更轻量、更快、更易于维护的框架。如今，Svelte 正悄然崛起，并引发了关于前端框架未来的热烈…...
Gitea+Gridea 创建个人博客
历史文档存档，该方法目前已经无法使用，部署方法可供参考 Gitea部分 1.关于Gitea Gitea 是一个面向开源及私有软件项目的托管平台，是全球最大的代码托管平台之一。它采用 Git 分布式版本控制系统，为开发者提供了代码托管、版本控…...
DeepSeek-V3：开源多模态大模型的突破与未来
目录 引言 一、DeepSeek-V3 的概述 1.1 什么是 DeepSeek-V3？ 1.2 DeepSeek-V3 的定位 二、DeepSeek-V3 的核心特性 2.1 多模态能力 2.2 开源与可扩展性 2.3 高性能与高效训练 2.4 多语言支持 2.5 安全与伦理 三、DeepSeek-V3 的技术架构 3.1 模型架构 3…...
通过制作docker镜像的方式在阿里云部署前端后台服务
前端Dockerfile文件的内容： FROM nginx:版本，如果不指定，默认是latest COPY dist/ /usr/share/nginx/html/dist COPY nginx.conf /etc/nginx/nginx.conf EXPOSE 端口 前端sh脚本文件内容： appName项目名 tar -xvf dist.tar …...
无界构建微前端？NO！NO！NO！多系统融合思路！
文章目录 微前端理解1、微前端概念2、微前端特性3、微前端方案a、iframeb、qiankun --> 使用比较复杂 --> 自己写对vite的插件c、micro-app --> 京东开发 --> 对vite支持更拉跨d、EMP 方案--> 必须使用 webpack5 --> 很多人感觉不是微前端 --> 去中心化方…...
Linux（CentOS）安装 Nginx
CentOS版本：CentOS 7 Nginx版本：1.24.0 两种安装方式： 一、通过 yum 安装，最简单，一键安装，全程无忧。 二、通过编译源码包安装，需具备配置相关操作。 最后附：设置 Nginx 服务开…...
【提示词工程】探索大语言模型的参数设置：优化提示词交互的技巧
在与大语言模型（Large Language Model, LLM）进行交互时，提示词的设计和参数设置直接影响生成内容的质量和效果。无论是通过 API 调用还是直接使用模型，掌握模型的参数配置方法都至关重要。本文将为您详细解析常见的参数设置及其应用场景，帮助您更高效地利用大语言模型。 …...
GNN多任务预测模型实现（二）：将EXCEL数据转换为图数据
目录 一. 引言 二. 加载和检查数据 三. 提取特征和标签 四. 标准化特征 五. 构建节点索引 六. 构建边及其特征 七. 总结 八. 结语 一. 引言 在图神经网络（Graph Neural Networks, GNNs）的多任务学习场景中，数据预处理是至关重要的一…...
.net的一些知识点6
1.写个Lazy<T>的单例模式 public class SingleInstance{private static readonly Lazy<SingleInstance> instance new Lazy<SingleInstance>(() > new SingleInstance());private SingleInstance(){}public static SingleInstance Instace > instance…...
Java 线程池：7参数配置、4拒绝策略与执行流程详解
1. 为什么需要线程池？ 在 Java 并发编程中，线程的创建和销毁是一项昂贵的操作。频繁地创建和销毁线程会带来较高的系统开销，甚至可能因线程数过多而导致 OOM（OutOfMemoryError） 或 CPU 过载。 线程池（Thre…...
SQL带外注入
SQL 带外注入（Out-of-Band SQL Injection, OOB SQLi） 是 SQL 注入的一种特殊类型，主要用于以下情况： 数据库没有直接返回错误信息（比如被防火墙拦截了）。无法使用常规注入手法（如 UNION、错误信…...
MySQL知识点总结（一）
1.SQL分类 数据定义（DDL）:创/改/删/名/清（cadrt） 数据库对象：表/视图/存储/函数/触发器/事件 数据操作（DML）：增/删/改/查（idus） 操作数据库对象 数据控制&…...
【报错解决】MySQL报错：sql_mode=only_full_group_by
文章目录 报错信息 DataGrip 报错还原Navicat 报错还原 报错原因解决方案 查看当前 sql mode方案一：临时解决方案二：永久解决方案三：使用 any_value() 或 group_concat()方案四：调整实现思路，避开 GROUP BY 使用 我…...
--AI处理器组合)
【华为OD机考】华为OD笔试真题解析(1)--AI处理器组合
一、题目描述 某公司研发了一款高性能AI处理器，每台物理设备具备8颗AI处理器，编号分别为0、1、2、3、4、5、6、7。 编号0~3的处理器处于同一链路中，编号4~7的处理器处于另外一个链路中，不同链路中的处理器不能通信，如…...
【redis】缓存设计规范
本文是 Redis 键值设计的 14 个核心规范与最佳实践，按重要程度分层说明： 一、通用数据类型选择 这里我们先给出常规的选择路径图。 以下是对每个步骤的分析： 是否需要排序？： zset（有序集合）用…...
Node.js 实现简单爬虫
介绍 爬虫是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。 本文将使用 Nodejs 编写一个简单的爬虫脚本，爬取一个美食网站，获取菜品的标题和图片链接，并以表格的形式输出。 准备工作 1、初始化项目 首先࿰…...
一次奇怪的空指针问题分析：事务、死锁与隐式回滚
最近我们在排查一个诡异的 空指针异常，整个分析过程可以说是跌宕起伏，最终的结论也颇具隐蔽性。今天就把这个问题分享出来，希望对大家有所帮助。 问题现象 在系统中，我们有 单据 B，它通过一个 关联 ID 字段与 上级单…...
数据结构-基础
1、概念： 程序 数据结构 算法 2、程序的好坏 可读性，稳定性，扩展性，时间复杂度，空间复杂度。 3、数据结构 是指存储、组织数据的方式，以便高效地进行访问和修改。通过选择适当的数据结构， 能…...
问题大集04-浏览器阻止从 本地 发起的跨域请求，因为服务器的响应头 Access-Control-Allow-Origin 设置为通配符 *
1、问题 localhost/:1 Access to XMLHttpRequest at xxx（请求） from origin http://localhost:xxx（本地） has been blocked by CORS policy: The value of the Access-Control-Allow-Origin header in the response must not be t…...
音频进阶学习十二——Z变换一（Z变换、收敛域、性质与定理）
文章目录 前言一、Z变换1.Z变换的作用2.Z变换公式3.Z的状态表示1） r 1 r1 r12） 0 < r < 1 0<r<1 0<r<13） r > 1 r>1 r>1 4.关于Z的解释 二、收敛域1.收敛域的定义2.收敛域的表示方式3.ROC的分析1）当 …...
leetcode——组合总和（回溯算法详细讲解）
在面试或刷题过程中，回溯算法是一个绕不开的核心算法之一。今天，我们来详细解析 LeetCode 39「组合总和」 问题，并用 Java 回溯 剪枝优化 来高效解决它！这篇文章不仅适合初学者，也适合希望提高回溯算法的朋友们。 给你…...
说一下JVM管理的常见参数
Java虚拟机（JVM）有许多常见参数，用于控制其行为和性能。以下是一些常见的JVM参数及其说明： 1. 内存管理参数 -Xms<size> START 设置初始堆内存大小。例如，-Xms512m表示初始堆大小为512MB。 -Xmx<size>…...
leetcode_47全排列II
1. 题意 给一个含有重复数字的数组，求不重复的排列。 2. 题解 将数组进行排序，当回溯发生的时候，找到下个不重复的元素即可。 class Solution { public:void genPerm(std::vector<std::vector<int>> &ans, std::vector&l…...
pytest-xdist 进行多进程并发测试！
在软件开发过程中，测试是确保代码质量和可靠性的关键步骤。随着项目规模的扩大和复杂性的增加，测试用例的执行效率变得尤为重要。为了加速测试过程，特别是对于一些可以并行执行的测试用 例，pytest-xdist 提供了一种强大的工具&…...
【CPP】CPP经典面试题
文章目录 引言1. C 基础1.1 C 中的 const 关键字1.2 C 中的 static 关键字 2. 内存管理2.1 C 中的 new 和 delete2.2 内存泄漏 3. 面向对象编程3.1 继承和多态3.2 多重继承 4. 模板和泛型编程4.1 函数模板4.2 类模板 5. STL 和标准库5.1 容器5.2 迭代器 6. 高级特性6.1 移动语义…...
---定时器脉冲计数)
STM32的HAL库开发---通用定时器（TIMER)---定时器脉冲计数
一、脉冲计数实验原理 1、 外部时钟模式1：核心为蓝色部分的时基单元，时基单元的时钟源可以来自四种，分别是内部时钟PCLK、外部时钟模式1，外部时钟模式2、内部定时器触发（级联）。而脉冲计数就是使用外部时钟…...
在C#中,Array,List,ArrayList,Dictionary,Hashtable,SortList,Stack的区别
Array Array你可以理解为是所有数组的大哥 普通数组 : 特点是长度固定, 只能存储相同类型的数据 static void Main(string[] args){//声明int[] ints;string[] strings;People[] peoples;//默认值 //int 类型是 0//string 类型是 nullint[] ints1 { 1, 2, 3 };string[] …...
Ollama 部署本地大语言模型
一、下载安装ollama 1.百度 ollama Ollama 2.点击下载 可以复制下载链接，使用下载器下载。 3.双击安装 默认安装目录：C:\Users\用户名\AppData\Local\Programs\Ollama 二、更改模型下载目录 0.默认下载目录 (跳过) 之前没下载过模型，不…...
sql批量更新和删除语句
1.更新一条数据 update om_sellorder set SOSTATUS2 where id 283d3eb87b134e1c993b70b018406285 2.更新多个数据为某一个特点值 string ID context.Request["ID"]; //需要替换‘,’逗号，不然识别不出ID数据这里注意 ‘ID’ 是一个逗号（&a…...
探索从传统检索增强生成（RAG）到缓存增强生成（CAG）的转变
在人工智能快速发展的当下，大型语言模型（LLMs）已成为众多应用的核心技术。检索增强生成（RAG）（RAG 系统从 POC 到生产应用：全面解析与实践指南）和缓存增强生成（CAG&#x…...
基于ArcGIS的SWAT模型+CENTURY模型模拟流域生态系统水-碳-氮耦合过程研究
流域是一个相对独立的自然地理单元，它是以水系为纽带，将系统内各自然地理要素连结成一个不可分割的整体。碳和氮是陆地生态系统中最重要的两种化学元素，而在流域系统内，水-碳-氮是相互联动、不可分割的耦合体。随着流域内人类活动…...
深入浅出：机器学习的全面解析
深入浅出：机器学习的全面解析 引言 机器学习（Machine Learning, ML）作为人工智能的一个重要分支，近年来取得了显著进展，并在多个领域中得到了广泛应用。本文将从基础概念、核心算法、应用场景以及未来发展趋势等方面…...
go运算符
内置运算符 算术运算符关系运算符逻辑运算符位运算符赋值运算符 算术运算符 注意： （自增）和–（自减）在 Go 语言中是单独的语句，并不是运算符 package mainimport "fmt"func main() {fmt.Printl…...
w196Spring Boot高校教师科研管理系统设计与实现
🙊作者简介：多年一线开发工作经验，原创团队，分享技术代码帮助学生学习，独立完成自己的网站项目。 代码可以查看文章末尾⬇️联系方式获取，记得注明来意哦~🌹赠送计算机毕业设计600个选题excel文…...
SQL Server 数据库迁移到 MySQL 的完整指南
文章目录 引言一、迁移前的准备工作1.1 确定迁移范围1.2 评估兼容性1.3 备份数据 二、迁移工具的选择2.1 使用 MySQL Workbench2.2 使用第三方工具2.3 手动迁移 三、迁移步骤3.1 导出 SQL Server 数据库结构3.2 转换数据类型和语法3.3 导入 MySQL 数据库3.4 迁移数据3.5 迁移存…...
安卓7以上抓包证书安装
安卓7以上抓包证书安装 fiddler 用户可以直接试试这个文件 前提是要root过了，如果是模拟器就很容易开启 前提：要有openssl工具，在linux一个指令就可以下载了：sudo apt-get install openssl,windons则是在https://www.openssl.org/…...
)
C基础寒假练习(8)
一、终端输入10个学生成绩，使用冒泡排序对学生成绩从低到高排序 #include <stdio.h> int main(int argc, const char *argv[]) {int arr[10]; // 定义一个长度为10的整型数组，用于存储学生成绩int len sizeof(arr) / sizeof(arr[0]); // 计算数组…...
10. k8s二进制集群之Kube Scheduler部署
在开始之前需要准备什么？创建kube-scheduler证书请求文件【即证书的生成⓵】根据上面证书配置文件生成kube-scheduler证书【即证书的生成⓶】创建与关联kube-scheduler配置文件（为后面生成系统服务做准备）创建kube-scheduler服务配置文件【准备系统服务⓵】创建kube-schedul…...
低代码开发与传统开发：未来的技术路线选择
在科技飞速发展的当下，软件开发技术日新月异，低代码开发与传统开发作为两种重要的开发模式，正站在未来技术路线选择的十字路口，引发了众多企业和开发者的关注。它们各自有着独特的优势和适用场景，究竟该如何抉择&#…...
HIVE如何注册UDF函数
如果注册UDF函数的时候报了上面的错误，说明hdfs上传的路径不正确， 一定要用下面的命令 hadoop fs -put /tmp/hive/111.jar /user/hive/warehouse 一定要上传到上面路径，这样在创建函数时，引用下面的地址就可以创建成功...