大数据项目4:基于spark的智慧交通项目设计与实现
-
项目概述
-
项目直达 www.baiyuntu.com
随着交通数据的快速增长,传统的交通管理方式已无法满足现代城市的需求。交通大数据分析系统通过整合各类交通数据,利用大数据技术解决交通瓶颈问题,提升交通管理效率。本项目旨在通过大数据技术,实现对交通数据的实时监控、分析和预警,帮助交通管理部门更好地管理城市交通。
-
项目背景
随着城市化进程的加快,交通数据量呈指数级增长,交通管理部门面临着巨大的挑战。交通大数据分析系统通过整合城市道路交通指数、地铁运行数据、公交车实时数据、出租车行车数据等多种交通数据,利用大数据技术进行实时分析和处理,帮助交通管理部门优化交通流量、减少拥堵、提高道路安全性。
-
项目目标
实时监控:通过摄像头、卡口等设备实时采集交通数据,监控交通流量和车辆行为。
智能分析:利用大数据技术对交通数据进行分析,提供交通流量预测、拥堵分析、事故预警等功能。预警系统:实时监控黑名单车辆,及时发现并预警异常车辆行为。
数据可视化:通过Web页面展示交通数据的分析结果,帮助交通管理部门直观了解交通状况。
-
实现过程过程
-
核心功能模块
-
天网搜车
-
-
卡口监控:通过数据分析找出异常卡口和摄像头。
车牌搜车:通过图像识别技术识别车牌并进行搜索。
车型搜车:通过图像识别技术识别车型并进行搜索。
多维搜车:支持根据多个条件(如车牌颜色、车身颜色等)进行车辆搜索。
-
智能研判
轨迹分析:分析车辆通过卡口的轨迹,并在GIS地图上显示。
跟车分析:通过对比车辆轨迹的相似性和通过卡口的时间,判断是否存在跟车行为。
套牌分析:通过对比车牌信息和车辆登记档案,判断是否存在套牌行为。
-
缉查布控
布控管理:管理黑名单车辆信息。
实时报警:实时监控卡口经过的车辆,发现黑名单车辆时及时报警。
-
统计分析
流量统计:统计各卡口的车流量。
报警统计:统计各卡口的报警信息。
外地车统计:统计外地车辆的数量和行驶轨迹。
-
数据集
-
数据采集
-
在本次数据交通分析系统的构建过程中,我们将从阿里天池平台下载交通采集数据作为分析的基础。这些数据包含了多个字段,日期,监测站的唯一标识符,摄像头的唯一标识符,车牌号码,车辆经过监测点的确切时间戳,车辆通过监测点时的速度,道路的唯一标识符,地区的唯一标识符等关键信息。为了确保数据的准确性和完整性,我们将按照以下步骤进行数据采集:
-
字段介绍
这些字段代表了传感器采集的交通监控数据,每一个字段都提供了关于车辆通过特定监测点时的关键信息。以下是每个字段的具体含义:
todayDate: 数据记录的日期。格式为YYYY-MM-DD,例如2020-06-14表示记录发生在2020年6月14日。
monitorId: 监控设备或监测站的唯一标识符。例如0003、0002等,这个编号用于区分不同的监测设备或站点。
cameraId: 摄像头的唯一标识符。例如412、47762等,这表示具体哪个摄像头捕捉到了车辆图像,有助于定位和管理多个摄像头的数据。
car: 车牌号码。如京Y10233、京S69662,它标识了通过该监测点的具体车辆。车牌号前的汉字(如“京”)通常代表车牌发放地。
actionTime: 车辆经过监测点的确切时间戳。格式为YYYY-MM-DD HH:MM:SS,例如2020-06-14 17:39:39,精确到秒,记录了车辆通过的时间。
speed: 车辆通过监测点时的速度。例如150、81等,单位可能是公里每小时(km/h),这有助于分析交通流量和驾驶行为。
roadId: 道路的唯一标识符。例如2、45等,标识了车辆行驶在哪条道路上,便于对不同道路的交通情况进行分类统计和分析。
areaId: 地区的唯一标识符。例如02、06等,可能指代某个城市内的行政区或其他地理划分区域,帮助进一步细化数据分析的地域范围。
-
数据清洗
在数据采集完成后,我们将对下载的数据使用spark技术进行清洗和预处理。这包括去除重复数据、处理缺失值、纠正错误数据等,以确保数据的质量和可靠性。同时,我们还将对数据的格式进行统一,方便后续的数据分析和处理。
-
大数据分析
-
离线分析
-
为了有效处理海量的交通数据,本项目采用了SparkSql与SparkCore相结合的方式进行离线数据分析。SparkSql提供了高效的数据库查询能力,而SparkCore则以其卓越的大规模分布式计算能力著称。这种组合不仅能够高效地存储和管理庞大的数据集,还能快速执行复杂的查询和分析任务,确保即使在面对PB级别的数据时也能保持优秀的性能表现。通过这一架构,我们可以深入挖掘数据中的潜在价值,为交通管理和决策提供强有力的支持。
-
天网搜车
-
- **卡口监控**:通过先进的数据分析技术,系统可以自动检测出异常的卡口和摄像头。这包括识别那些频繁出现故障或无法正常工作的设备,从而及时进行维护和更新,确保整个监控网络的稳定性和可靠性。
-
- **车牌搜车**:利用图像识别技术,系统可以从监控视频中准确识别车辆的车牌号码,并基于此信息迅速定位特定车辆的位置及行驶轨迹。这项功能极大地提升了交通管理部门的工作效率,特别是在紧急情况下追踪嫌疑车辆时尤为重要。
-
- **车型搜车**:同样基于图像识别技术,系统还能够识别不同类型的车型。用户可以根据车型特征(如轿车、SUV等)进行搜索,这对于查找特定类型的车辆或者分析特定车型的通行情况非常有用。
-
- **多维搜车**:系统支持根据多个条件组合查询车辆信息,例如车身颜色、车牌颜色等。这种方式使得搜索更加灵活精准,能够满足多样化的查询需求,帮助用户更快地获取所需的信息。
-
-
智能研判
-
- **轨迹分析**:通过对车辆经过各个卡口的时间点进行排序,并结合地理信息系统(GIS),系统可以在地图上直观展示车辆的行驶轨迹。这项功能对于理解车辆的移动模式、预测交通流量以及发现异常行为具有重要意义。
-
- **跟车分析**:系统通过对比不同车辆的行驶轨迹及其通过各卡口的时间顺序,判断是否存在跟车行为。这有助于识别潜在的安全威胁,比如跟踪或尾随等行为,从而提前采取措施保障道路安全。
-
- **套牌分析**:该功能通过将现场捕捉到的车牌信息与官方车辆登记档案进行比对,以识别是否存在使用假牌照的情况。一旦发现不符之处,系统会立即发出警报,提醒相关部门进行进一步调查。
-
-
实时分析
- **SparkStreaming用于实时数据分析**:采用SparkStreaming框架,系统能够实现实时的数据流处理,即时响应最新的交通状况变化。无论是车辆通行记录还是突发事件,都能在第一时间得到处理并反馈给用户。
-
- **布控管理**:系统具备完善的黑名单车辆管理机制,允许用户添加特定车辆至黑名单,并对其进行持续监控。当这些车辆出现在任何监控范围内时,系统将自动触发相应的预警机制。
-
- **实时报警**:基于实时监控的数据流,系统能够在发现黑名单车辆时立即发出警报,通知相关人员采取行动。此外,系统还可以设置多种报警条件,如超速行驶、违规停车等,以增强交通管理的有效性。
-
-
数据展示
**SpringBoot + Vue 构建前端界面展示分析结果**
前端界面由SpringBoot后端服务与Vue.js前端框架共同构建而成。SpringBoot负责处理业务逻辑及数据接口的提供,而Vue.js则专注于用户界面的设计与交互体验优化。两者结合,既保证了系统的稳定性与安全性,又赋予了用户友好、直观的操作感受。通过精心设计的图表和仪表盘,所有分析结果均得以清晰呈现,使用户能够轻松理解和利用这些信息,做出更明智的决策。
项目资料
代码目录图
资料目录图
如何获取源码
点击直达 www.baiyuntu.com
相关文章:
大数据项目4:基于spark的智慧交通项目设计与实现
项目概述 项目直达 www.baiyuntu.com 随着交通数据的快速增长,传统的交通管理方式已无法满足现代城市的需求。交通大数据分析系统通过整合各类交通数据,利用大数据技术解决交通瓶颈问题,提升交通管理效率。本项目旨在通过大数据技术&#…...
Vue 响应式渲染 - 条件渲染
Vue 渐进式JavaScript 框架 基于Vue2的学习笔记 - Vue响应式渲染 - 条件渲染 目录 条件渲染 v-if v-if-else 模版template 物流状态显示判断 设置数据 不同状态渲染 总结 条件渲染 v-if 使用Vue条件判断显示和 隐藏。 示例如下: <!DOCTYPE html> …...
活动预告 |【Part1】Microsoft Azure 在线技术公开课:AI 基础知识
课程介绍 参加“Azure 在线技术公开课:AI 基础知识”活动,了解 AI 核心概念。参加我们举办的本次免费培训活动,了解组织如何使用 AI 技术克服实际挑战,以及如何借助 Azure AI 服务构建智能应用程序。本次培训适用于任何对 AI 解决…...
OpenSIPS-Dispatcher模块详解:优化SIP流量分发的利器
在 OpenSIPS 中,dispatcher 模块用于实现负载均衡和故障转移。通过 dispatcher 模块,你可以将 SIP 请求分发到一组后端服务器(如媒体服务器、代理服务器等),并根据配置的算法和策略动态调整分发逻辑。 模块功能使用样…...
深入理解linux中的文件(下)
目录 一、语言级缓冲区和内核级缓冲区 二、C语音中的FILE* fp fopen(“./file.txt”,"w"): 四、理解磁盘结构: 物理结构 逻辑结构 五、未被打开的文件: 六、更加深入理解inode编号怎么找到文件: 七、对路径结构进行…...
Deepseek系列从v3到R易背面经版
deepseek v3 base要点 MTP : Multi-Token Prediction 训练时: 1. 把前一个block中input tokens经过embedding layer和transformer block的输出,进入output head之前的内容记为h,与下一个block的input tokens经过embedding layer输出的内容都…...
SQLAlchemy 的内存消耗
为何要研究SQLAlchemy 的内存消耗问题?因为SQLAlchemy在应用中,绝大多数问题体现在应用人员对SQLAlchemy 的内存消耗问题不认知、不重视、不处理,最终造成整个系统的大问题,使SQLAlchemy 的性能大打折扣,最终影响了SQL…...
Centos Ollama + Deepseek-r1+Chatbox运行环境搭建
Centos Ollama Deepseek-r1Chatbox运行环境搭建 内容介绍下载ollama在Ollama运行DeepSeek-r1模型使用chatbox连接ollama api 内容介绍 你好! 这篇文章简单讲述一下如何在linux环境搭建 Ollama Deepseek-r1。并在本地安装的Chatbox中进行远程调用 下载ollama 登…...
vscode和pycharm的区别
VSCode(Visual Studio Code)和 PyCharm 是两款常用的 Python 开发工具,它们在功能和使用体验上有一些关键区别: 1. 核心定位 VSCode:轻量级、多语言支持的代码编辑器,依靠插件扩展 Python 开发能力。PyCh…...
【0403】Postgres内核 检查(procArray )给定 db 是否有其他 backend process 正在运行
文章目录 1. 给定 db 是否有其他 backend 正在运行1.1 获取 allPgXact[] 索引1.1.1 MyProc 中 databaseId 初始化实现1.2 allProcs[] 中各 databaseId 判断1. 给定 db 是否有其他 backend 正在运行 CREATE DATABASE 语句创建用户指定 数据库名(database-name)时候, 会通过 …...
MySQL 数据库的体系架构
MySQL 数据库的体系架构是其高效、灵活和可扩展性的核心基础。其设计采用 分层模块化 结构,主要分为以下四层: 1. 连接层(Connectors & Connection Pool) 功能:负责处理客户端连接、认证和权限管理。 连接管理&a…...
【C++高并发服务器WebServer】-14:Select详解及实现
本文目录 一、BIO模型二、非阻塞NIO忙轮询三、IO多路复用四、Select()多路复用实现 明确一下IO多路复用的概念:IO多路复用能够使得程序同时监听多个文件描述符(文件描述符fd对应的是内核读写缓冲区),能够提升程序的性能。 Linux下…...
apisix网关ip-restriction插件使用说明
ip-restriction插件可以在网关层进行客户端请求ip拦截。 当然了,一般不推荐使用该方法,专业的事专业工具做。建议有条件,还是上防火墙或者waf来做。 官方文档:ip-restriction | Apache APISIX -- Cloud-Native API Gateway whit…...
15vue3实战-----props和emit传值
15vue3实战-----props和emit传值 1.emit的使用2.配合props实现完整父子通信 vue3中props和emit的使用有点不一样,但万变不离其宗。 1.emit的使用 子组件: <script setup lang"ts"> // 定义触发的事件及其数据类型 const emit defineEmits([update, delete]…...
第二节 docker基础之---镜像构建及挂载
查看当前镜像: [rootdocker ~]# docker images REPOSITORY TAG IMAGE ID CREATED SIZE [rootdocker ~]#很明显docker是咱们新搭建的所以目前还没有镜像 1,搜索镜像: [rootdocker ~]# docker search centos 搜索镜像并过滤是官…...
Android性能优化
Android性能优化 如何优化一个包含大量图片加载的Android应用,以提高性能和用户体验? 优化一个包含大量图片加载的Android应用,可以从以下几个方面入手,以提高性能和用户体验: 选择合适的图片加载库 使用成熟的图片…...
scikit-learn简介
scikit-learn 是一个广泛使用的 Python 库,主要用于 机器学习(ML)。它提供了一些简单高效的工具,适用于 数据挖掘 和 数据分析。scikit-learn 基于 NumPy、SciPy 和 matplotlib 等科学计算库,具有 易于使用的接口 和 高…...
查询已经运行的 Docker 容器启动命令
一、导语 使用 get_command_4_run_container 查询 docker 容器的启动命令 获取镜像 docker pull cucker/get_command_4_run_container 查看容器命令 docker run --rm -v /var/run/docker.sock:/var/run/docker.sock cucker/get_command_4_run_container 容器id或容器名 …...
ssti学习笔记(服务器端模板注入)
目录 一,ssti是什么 二,原理 所谓模板引擎(三列,可滑动查看) 三,漏洞复现 1,如何判断其所属的模板引擎? 2,判断清楚后开始注入 (1)Jinja2&a…...
Docker 部署 RabbitMQ | 自带延时队列
一、获取镜像 docker pull farerboy/rabbitmq:3.9.9 二、运行镜像 docker run -d --name rabbitmq \n --hostname rabbitmq \n -p 15672:15672/tcp \n -p 5672:5672/tcp \n -v /wwwroot/opt/docker/rabbitmq:/var/lib/rabbitmq \n farerboy/rabbitmq:3.9.9 备注:…...
如何使用deepseek创建钉钉收费AI助理
1、打开deepseek,简单描述下自己的问题,勾选深度思考 2、deepseek给我生成了一大段提示词模板 3、打开钉钉-应用中心-找AI助理 4、点击立即创作 5、创作 默认创建的是免费上网,需要创建收费的话需要先申请,填一个表单内容和价格&…...
【STM32系列】利用MATLAB配合ARM-DSP库设计FIR数字滤波器(保姆级教程)
ps.源码放在最后面 设计IIR数字滤波器可以看这里:利用MATLAB配合ARM-DSP库设计IIR数字滤波器(保姆级教程) 前言 本篇文章将介绍如何利用MATLAB与STM32的ARM-DSP库相结合,简明易懂地实现FIR低通滤波器的设计与应用。文章重点不在…...
2025年日祭
本文将同步发表于洛谷(暂无法访问)、CSDN 与 Github 个人博客(暂未发布) 本蒟自2025.2.8开始半停课。 以下是题目格式: [题目OJ 题号] [来源(选填)] 名称 …… 题号 - 名称 题目:……...
torch_bmm验算及代码测试
文章目录 1. torch_bmm2. pytorch源码 1. torch_bmm torch.bmm的作用是基于batch_size的矩阵乘法,torch.bmm的作用是对应batch位置的矩阵相乘,比如, mat1的第1个位置和mat2的第1个位置进行矩阵相乘得到mat3的第1个位置mat1的第2个位置和mat2的第2个位置…...
ChatGPT提问技巧:行业热门应用提示词案例-文案写作
ChatGPT 作为强大的 AI 语言模型,已经成为文案写作的得力助手。但要让它写出真正符合你需求的文案,关键在于如何与它“沟通”,也就是如何设计提示词(Prompt)。以下是一些实用的提示词案例,帮助你解锁 ChatG…...
k8s中,一.service发布服务,二.dashboard:基于网页的k8s管理插件,三.资源服务与帐号权限
一.service资源对内发布服务Cluster IP对外发布服务NodePortIngress 二.dashboard:基于网页的k8s管理插件 三.资源服务与帐号权限一.service:用户无法预知pod的ip地址以及所在的节点,多个相同的pod如何访问他们上面的服务功能:1.服务自动感知:pod迁移后访问service的ip,不受影响…...
Python的那些事第十六篇:Python的网络爬虫技术
基于Python的网络爬虫技术研究与应用 摘要 随着互联网的飞速发展,网络爬虫技术在数据采集、信息挖掘等领域发挥着重要作用。本文详细介绍了Python环境下常用的网络爬虫技术,包括Requests库、BeautifulSoup库以及Scrapy框架。通过对这些工具的使用方法、…...
Linux第106步_Linux内核RTC驱动实验
1、了解rtc_device结构体 1)、打开“include/linux/rtc.h” rtc_class_ops是需要用户根据所使用的RTC设备编写的,其结构体如下: struct rtc_class_ops { int (*ioctl)(struct device *, unsigned int, unsigned long);/*函数指针ioctl*/ int (*read_time)(struct device *,…...
《XSS跨站脚本攻击》
一、XSS简介 XSS全称(Cross Site Scripting)跨站脚本攻击,为了避免和CSS层叠样式表名称冲突,所以改为了XSS,是最常见的Web应用程序安全漏洞之一,位于OWASP top 10 2013/2017年度分别为第三名和第七名&…...
康谋方案 | BEV感知技术:多相机数据采集与高精度时间同步方案
随着自动驾驶技术的快速发展,车辆准确感知周围环境的能力变得至关重要。BEV(Birds-Eye-View,鸟瞰图)感知技术,以其独特的视角和强大的数据处理能力,正成为自动驾驶领域的一大研究热点。 一、BEV感知技术概…...
堆详解及C语言实现
堆结构与最大堆详解:从原理到C语言实现 1. 堆结构概述 1.1 定义与性质 堆(Heap)是一种特殊的完全二叉树数据结构,满足以下性质: 结构性:完全二叉树结构有序性:每个结点的值都≥(…...
基于STM32的智能鱼缸水质净化系统设计
🤞🤞大家好,这里是5132单片机毕设设计项目分享,今天给大家分享的是智能鱼缸水质净化系统。 目录 1、设计要求 2、系统功能 3、演示视频和实物 4、系统设计框图 5、软件设计流程图 6、原理图 7、主程序 8、总结 1、设计要求…...
python:csv文件批量导入mysql
1.导入sql文件到数据库中 mysql -u username -p要先创建一个空的数据库 CREATE DATABASE your_database_name;USE your_database_name;导入sql文件 source /path/to/your/file.sql;查看某个表格的结构,为后续数据插入做准备 DESCRIBE table_name;2.插入假数据到对应…...
第三十二周:Informer学习笔记
目录 摘要Abstract1 Informer1.1 预备知识1.2 模型框架1.3 实验分析 总结 摘要 本周学习的主要内容是Informer模型,Informer是一种专为长序列时间序列预测(LSTF) 设计的Transformer模型。相较于传统的Transformer,Informer采用Pr…...
计算机视觉核心任务
1. 计算机视频重要分类 计算机视觉的重要任务可以大致分为以下几类: 1. 图像分类(Image Classification) 识别图像属于哪个类别,例如猫、狗、汽车等。 应用场景:物品识别、人脸识别、医疗影像分类。代表模型&#…...
【python】matplotlib(animation)
文章目录 1、matplotlib.animation1.1、FuncAnimation1.2、修改 matplotlib 背景 2、matplotlib imageio2.1、折线图2.2、条形图2.3、散点图 3、参考 1、matplotlib.animation 1.1、FuncAnimation matplotlib.animation.FuncAnimation 是 Matplotlib 库中用于创建动画的一个…...
【Linux网络编程】之守护进程
【Linux网络编程】之守护进程 进程组进程组的概念组长进程 会话会话的概念会话ID 控制终端控制终端的概念控制终端的作用会话、终端、bash三者的关系 前台进程与后台进程概念特点查看当前终端的后台进程前台进程与后台进程的切换 作业控制相关概念作业状态(一般指后…...
Vue.js如何根据访问路径切换页面
Vue Router 在前端工程中,路由指的是,根据不同的访问路径,展示不同组件的内容。 Vue Router是Vue.js的官方路由。 Vue Router介绍。 要使用vue Router,得先安装 npm install vue-router4这里的4,指的是第4个版本 在s…...
Vue与Konva:解锁Canvas绘图的无限可能
前言 在现代Web开发中,动态、交互式的图形界面已成为提升用户体验的关键要素。Vue.js,作为一款轻量级且高效的前端框架,凭借其响应式数据绑定和组件化开发模式,赢得了众多开发者的青睐。而当Vue.js邂逅Konva.js,两者结…...
collabora online+nextcloud+mariadb在线文档协助
1、环境 龙蜥os 8.9 docker 2、安装docker dnf -y install dnf-plugins-core dnf config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo sed -i shttps://download.docker.comhttps://mirrors.tuna.tsinghua.edu.cn/docker-ce /etc/yum.repos.…...
linux基础命令1
1、linux目录结构——树型结构 根目录:/ 用户主目录(家目录):~或者 /home/edu 根目录下常见的文件夹: 2、常见的命令 1、pwd 查看当前目录 cd 切换目录 cd ~ 切换到家目录 2、ls 查看当前目录的文件信息 语法:ls [选项] [参…...
[LVGL] 在VC_MFC中移植LVGL
前言: 0. 在MFC中开发LVGL的优点是可以用多个Window界面做辅助扩展【类似GUIguider】 1.本文基于VC2022-MFC单文档框架移植lvgl8 2. gitee上下载lvgl8.3 源码,并将其文件夹改名为lvgl lvgl: LVGL 是一个开源图形库,提供您创建具有易于使用…...
Spring Boot整合MQTT
MQTT是基于代理的轻量级的消息发布订阅传输协议。 1、下载安装代理 进入mosquitto下载地址:Download | Eclipse Mosquitto,进行下载,以win版本为例 下载完成后,在本地文件夹找到下载的代理安装文件 使用管理员身份打开安装 安装…...
elasticsearch实战三 elasticsearch与mysql数据实时同步
一 介绍 elasticsearch数据不是一直不变的,需要与mysql、oracle等数据库的数据做同步。 本博客里涉及到的项目地址:https://www.aliyundrive.com/s/7bRWpTYsxWV 方案一: 同步调用,即操作mysql数据后,接着操作elastic…...
netcore openTelemetry+prometheus+grafana
一、netcore项目 二、openTelemetry 三、prometheus 四、grafana添加Dashborad aspire/src/Grafana/dashboards at main dotnet/aspire GitHub 导入:aspnetcore.json和aspnetcore-endpoint.json 效果:...
StochSync:可在任意空间中生成360°全景图和3D网格纹理
StochSync方法可以用于在任意空间中生成图像,尤其是360全景图和3D网格纹理。该方法利用了预训练的图像扩散模型,以实现零-shot生成,消除了对新数据收集和单独训练生成模型的需求。StochSync 结合了 Diffusion Synchronization(DS&…...
MybatisPlus较全常用复杂查询引例(limit、orderby、groupby、having、like...)
MyBatis-Plus 是一个 MyBatis 的增强工具,在 MyBatis 的基础上只做增强不做改变,为简化开发、提高效率而生。以下是 MyBatis-Plus 中常用复杂查询(如 LIMIT、ORDER BY、GROUP BY、HAVING、LIKE 等)的引例: 1. 环境准备…...
大数据项目2:基于hadoop的电影推荐和分析系统设计和实现
前言 大数据项目源码资料说明: 大数据项目资料来自我多年工作中的开发积累与沉淀。 我分享的每个项目都有完整代码、数据、文档、效果图、部署文档及讲解视频。 可用于毕设、课设、学习、工作或者二次开发等,极大提升效率! 1、项目目标 本…...
win10的Unet项目导入阿里云训练
win10配置文件 annotated-types0.7.0 certifi2024.12.14 charset-normalizer3.4.1 click8.1.8 colorama0.4.6 contourpy1.1.1 cycler0.12.1 docker-pycreds0.4.0 eval_type_backport0.2.2 filelock3.16.1 fonttools4.55.3 fsspec2024.12.0 gitdb4.0.12 GitPython3.1.44 idna3.…...
Linux(20)——调度作业
目录 一、调度延迟的用户作业: 1、延迟的用户作业: 2、查看延迟的用户作业: 3、从计划中删除作业: 二、调度周期性用户作业: 1、周期性用户作业: 2、调度周期性用户作业: 3、用户作业格…...