关于yarn和hadoop
1.yarn的定义?
YARN(Yet Another Resource Negotiator)是 Apache Hadoop 的一个关键组件,它是一个资源管理平台,负责管理和调度计算资源。YARN 允许多个数据处理引擎(如 MapReduce、Spark、Flink 等)在同一个 Hadoop 集群上运行,从而提高了集群的利用率和灵活性。
YARN 的主要特点包括:
-
资源管理:
-
YARN 负责整个集群的资源管理,包括 CPU、内存等。
-
它通过将资源抽象为“容器”(Container),为每个应用程序分配适当的资源。
-
-
调度:
-
YARN 提供了灵活的调度策略,可以根据不同的资源需求和优先级来调度任务。
-
它支持多种调度器,如容量调度器(Capacity Scheduler)和公平调度器(Fair Scheduler)。
-
-
多框架支持:
-
YARN 不仅支持 Hadoop 的 MapReduce 框架,还可以支持其他数据处理框架,如 Apache Spark、Apache Flink、Apache Tez 等。
-
这种多框架支持使得 YARN 成为一个通用的数据处理平台。
-
-
高可用性:
-
YARN 的 ResourceManager 和 NodeManager 都支持高可用性配置,可以避免单点故障,提高系统的稳定性。
-
-
可扩展性:
-
YARN 设计为可扩展的,可以轻松地添加更多的节点到集群中,以支持更大的数据处理任务。
-
YARN 的主要组件:
-
ResourceManager(RM):
-
负责整个集群的资源管理和分配。
-
它维护集群的资源视图,并根据应用程序的需求分配资源。
-
-
NodeManager(NM):
-
运行在每个集群节点上,负责管理该节点的资源。
-
它监控节点上的资源使用情况,并与 ResourceManager 通信以获取资源分配指令。
-
-
ApplicationMaster(AM):
-
每个应用程序(如 MapReduce 作业、Spark 应用程序等)都有一个 ApplicationMaster。
-
它负责协调和管理应用程序的生命周期,包括资源请求、任务调度和监控。
-
工作流程:
-
用户提交应用程序到 ResourceManager。
-
ResourceManager 为应用程序分配资源,并启动 ApplicationMaster。
-
ApplicationMaster 与 NodeManager 通信,请求资源以启动任务。
-
NodeManager 在分配的容器中启动任务,并监控任务的执行。
-
任务完成后,ApplicationMaster 向 ResourceManager 报告结果。
YARN 通过这种架构,使得 Hadoop 集群能够更高效地利用资源,支持多种数据处理框架,从而满足不同的数据处理需求。
2.hadoop的三大结构及各自的作用
Hadoop 是一个开源框架,它支持使用大量计算机进行分布式存储和分布式处理大数据的应用程序。Hadoop 的设计允许跨分布式计算环境的扩展性、可靠性和可伸缩性。Hadoop 的三大核心结构及其作用如下:
1. Hadoop Distributed File System (HDFS)
作用:
• 数据存储:HDFS 是 Hadoop 的基础存储系统,它存储应用程序的数据,并确保数据的高可靠性和高吞吐量。
• 容错性:通过数据复制和分布式存储,HDFS 能够在硬件故障时保证数据不丢失。
• 大规模数据集:HDFS 优化了对大规模数据集的访问,适合具有大量数据的应用程序。
• 数据本地性:HDFS 通过将计算移动到数据所在的节点来提高数据处理效率。
2. Yet Another Resource Negotiator (YARN)
作用:
• 资源管理:YARN 负责管理 Hadoop 集群中的资源(如 CPU、内存等),并调度作业以在集群上运行。
• 多框架支持:YARN 允许不同的数据处理框架(如 MapReduce、Spark、Flink 等)在同一集群上运行,提高了资源利用率。
• 可扩展性:YARN 的架构使得 Hadoop 集群可以轻松扩展,以支持更多的节点和更大的数据处理任务。
• 高可用性:YARN 提供了ResourceManager的高可用配置,确保集群的稳定运行。
3. MapReduce
作用:
• 分布式计算:MapReduce 是一种编程模型,用于大规模数据集的并行处理。它通过 Map(映射)和 Reduce(归约)两个步骤来处理数据。
• 简化编程:MapReduce 使得开发者可以编写简单的程序来处理分布在整个集群上的大量数据。
• 容错性:MapReduce 框架自动处理节点故障,重新分配失败的任务,确保作业的完成。
• 可扩展性:MapReduce 应用程序可以很容易地扩展到数千个节点,处理 PB 级别的数据。
总结
• HDFS 提供了高可靠性和高吞吐量的数据存储解决方案,适合大规模数据集的存储需求。
• YARN 作为资源管理和作业调度平台,支持多种数据处理框架在同一集群上运行,提高了资源利用率和集群的可扩展性。
• MapReduce 作为一种编程模型,简化了大规模数据集的并行处理,提供了容错性和可扩展性。
这三大结构共同构成了 Hadoop 的核心,使其成为一个强大且灵活的大数据处理平台。
3.yarn的三大组件及各自的作用?
YARN(Yet Another Resource Negotiator)是 Hadoop 生态系统中的资源管理和作业调度框架。它允许多个数据处理引擎(如 MapReduce、Spark、Flink 等)在同一 Hadoop 集群上运行。YARN 的设计目标是提高集群的资源利用率、可扩展性和灵活性。YARN 的三大核心组件及其作用如下:
1. ResourceManager (RM)
作用:
• 全局资源管理:ResourceManager 是 YARN 的中央管理器,负责整个集群的资源管理和分配。
• 作业调度:它接收来自客户端的作业提交请求,并根据集群的资源情况和调度策略,决定哪些作业可以运行以及分配多少资源。
• 集群元数据管理:ResourceManager 维护集群的元数据,如节点状态、资源使用情况等。
• 高可用性:在ResourceManager中,可以配置高可用性,以避免单点故障。
2. NodeManager (NM)
作用:
• 节点资源管理:NodeManager 是运行在每个集群节点上的代理,负责管理该节点上的资源(如 CPU、内存)。
• 容器管理:NodeManager 为每个作业创建和管理容器(Container),容器是 YARN 中资源分配的基本单位。
• 任务执行:NodeManager 在容器中启动和监控任务(如 MapReduce 的 map 和 reduce 任务),并报告任务状态给 ResourceManager。
• 健康检查:NodeManager 定期向 ResourceManager 发送心跳信号,报告节点状态和资源使用情况。
3. ApplicationMaster (AM)
作用:
• 作业管理:每个提交到 YARN 的作业都有一个对应的 ApplicationMaster,它负责管理作业的生命周期,包括任务的调度、监控和失败恢复。
• 资源请求:ApplicationMaster 根据作业的需求向 ResourceManager 请求资源(容器)。
• 任务调度:ApplicationMaster 负责决定哪些任务在哪些容器中运行,并与 NodeManager 协调任务的启动和停止。
• 状态报告:ApplicationMaster 向 ResourceManager 报告作业的进度和状态,以便 ResourceManager 可以监控作业的执行情况。
总结
• ResourceManager 负责全局资源管理和作业调度,是 YARN 的大脑。
• NodeManager 负责节点级别的资源管理和任务执行,是 YARN 的肌肉。
• ApplicationMaster 负责单个作业的管理和调度,是 YARN 的神经末梢。
这三个组件协同工作,使得 YARN 能够高效地管理和调度集群资源,支持多种数据处理引擎在同一集群上运行,从而提高了集群的利用率和灵活性。
4.yarn的三个资源调度策略
YARN(Yet Another Resource Negotiator)提供了灵活的资源调度策略,以适应不同的作业需求和集群配置。以下是 YARN 中三个主要的资源调度器及其调整方法:
1. Capacity Scheduler
Capacity Scheduler 是 YARN 默认的资源调度器,它通过为不同的队列分配固定的资源容量来管理资源。这种调度器适合多用户环境,可以保证每个队列获得一定比例的集群资源。
调整方法:
• 队列容量:可以为每个队列设置最大和最小资源容量,例如,可以设置一个队列最多使用集群 50% 的资源。
• 队列层次结构:可以创建队列的层次结构,父队列的资源容量可以分配给子队列。
• 权重:可以为队列设置权重,权重高的队列在资源分配时会获得更多的资源。
2. Fair Scheduler
Fair Scheduler 是另一种资源调度器,它旨在为所有作业提供公平的资源分配。它通过计算每个作业的“公平份额”来决定资源分配。
调整方法:
• 权重:可以为每个作业设置权重,权重高的作业会获得更多的资源。
• 最小资源需求:可以为每个作业设置最小资源需求,确保每个作业都能获得足够的资源来启动。
• 抢占:当某个作业占用了过多的资源时,Fair Scheduler 可以抢占一些资源分配给其他作业。
3. FIFO Scheduler
FIFO Scheduler 是最简单的资源调度器,它按照作业提交的顺序进行调度,先提交的作业先运行。
调整方法:
• 队列:可以创建多个队列,每个队列中的作业按照 FIFO 的方式调度。
• 优先级:可以为不同的队列设置优先级,优先级高的队列中的作业会先运行。
资源调度调整的一般步骤:
1. 配置文件:YARN 的资源调度策略通常在配置文件中设置,如 yarn-site.xml。
2. 参数设置:在配置文件中设置相关的参数,如队列容量、权重、最小资源需求等。
3. 重启服务:修改配置文件后,需要重启 YARN 服务以使新的调度策略生效。
4. 监控和调整:在实际运行中监控资源使用情况,根据需要进一步调整调度策略。
选择合适的资源调度器和调整策略,可以提高集群的资源利用率,保证作业的公平性和响应时间。
相关文章:
关于yarn和hadoop
1.yarn的定义? YARN(Yet Another Resource Negotiator)是 Apache Hadoop 的一个关键组件,它是一个资源管理平台,负责管理和调度计算资源。YARN 允许多个数据处理引擎(如 MapReduce、Spark、Flink 等&#…...
【全部更新】2025妈妈杯D题1-4问mathercupD题数学建模挑战赛D题数学建模思路代码文章教学短途运输货量预测及车辆调度问题
完整内容请看文章最下面的推广群 先进行摘要和结果的展示、再给出完整的思路 问题1:通过时间序列或机器学习模型预测货量,并按历史分布拆分到10分钟颗粒度。 问题2:基于货量生成运输需求,用贪心算法或整数规划优化车辆调度。 问…...
考研408第一章计算机系统概述——1.1-1.2操作系统的基本概念与发展历程
考研408计算机系统概述——操作系统的基本概念与发展历程 一、操作系统的基本概念 1.1 操作系统的定义与功能 1.1.1 定义 操作系统(Operating System, OS)是管理计算机硬件与软件资源的程序集合,为应用程序和用户提供接口与服务。其核心功能包括: 资源管理者:处理机、…...
《从理论到实践:CRC校验的魔法之旅》
循环冗余校验(Cyclic Redundancy Check ,CRC )是一种用于检测数据传输或存储过程中错误的算法。他通过计算数据的校验值(也称为CRC码),并在数据接收端验证校验值是饭否正确,从而检测数据是否在传输过程中被…...
【算法笔记】整除与最大公约数(GCD)专题整理
参考文章链接(已获得作者授权) 一、整除:数学中的"完美分割" 定义 若整数 a a a能整除整数 b b b(记作 a ∣ b a\mid b a∣b),则存在整数 k k k使得 b a ⋅ k ba\cdot k ba⋅k。 通俗理解&…...
JDBC 与 MyBatis 详解:从基础到实践
目录 一、JDBC 介绍 二、使用 JDBC 查询用户信息 三、ResultSet 结果集 四、预编译 SQL - SQL 注入问题 五、预编译 SQL - 性能更高 六、JDBC 增删改操作 插入数据: 更新数据: 删除数据: 七、MyBatis 介绍 八、MyBatis 入门程序 引…...
虚拟机开发环境搭建与内网迁移
以下是关于在虚拟机中搭建开发环境并迁移至内网的详细步骤及注意事项,适用于需要在内网隔离环境中进行开发的场景(如企业安全要求、离线开发等): 一、虚拟机开发环境搭建 1. 选择虚拟机平台 推荐工具: V…...
【HFP】蓝牙HFP协议音频连接核心技术深度解析
目录 一、音频连接建立的总体要求 1.1 发起主体与时机 1.2 前提条件 1.3 同步连接的建立 1.4 通知机制 二、不同主体发起的音频连接建立流程 2.1 连接建立触发矩阵 2.2 AG 发起的音频连接建立 2.3 HF 发起的音频连接建立 三、编解码器连接建立流程 3.1 发起条件 3.…...
PowerBI 表格显示无关联的表数据
假设有两张没有建立关联的数据表: 产品表 库存表 我们将他们放入表格里显示,数据会出问题。 因为 [库存表] 里的数据有除 [产品表] 以外的产品的数据,所以PBI无法从两张表中找到一一对应的数据。 解决方法:(不建立关联关系的情况下) 新建一个度量值&a…...
观察者模式详解与C++实现
1. 模式定义 观察者模式(Observer Pattern)是一种行为型设计模式,定义了对象间的一对多依赖关系。当一个对象(被观察者/主题)状态改变时,所有依赖它的对象(观察者)都会自动收到通知…...
用ffmpeg 实现拉取h265的flv视频转存成264的mp4 实现方案
1.需要对ffmpeg进行源码修改 这里使用 https://github.com/numberwolf/FFmpeg-QuQi-H265-FLV-RTMP 这位大神提供的源码 需要 x265_3.2.1.tar.gz last_x264.tar.bz2 fdk-aac-2.0.1.tar.gz FFmpeg-QuQi-H265-FLV-RTMP-master.zip 这些包 升级ubuntu18.04 apt update a…...
《AI赋能职场:大模型高效应用课》第8课 AI辅助职场沟通与协作
【本课目标】 掌握AI辅助邮件、沟通话术的优化技巧。学习利用AI快速生成高效的会议纪要。通过实操演练,提升职场沟通效率与协作能力。 【准备工具】 DeepSeek大模型(deepseek.com)百度文心一言(yiyan.baidu.com) 一…...
PowerBI下载安装教程
1、打开官方下载链接,或者Microsoft store里搜索下载(通过官网下载可以选择安装路径,应用商店直接会安装到默认路径里)。 2、等待下载成功后,直接点击【打开】即可。...
PowerBI如何钻取到明细
PowerBI如何钻取到明细 最近做项目领导提到一需求,在查看账龄的时候,还想查看到它的一个明细情况。 PowerBI如何钻取到明细,以一个案例分享下: 第一步:我们先查看账龄的一个分布情况: 第二步:…...
常见算法题
import java.util.*;class TreeNode {int val;TreeNode left;TreeNode right;TreeNode() {}TreeNode(int val) { this.val val; }TreeNode(int val, TreeNode left, TreeNode right) {this.val val;this.left left;this.right right;} }public class test_04_16 {//获取二叉…...
C语言超详细结构体知识
1.自定义类型:结构体的介绍 在之前的博客中,我们简单介绍过了关于结构体的基本知识,这里我们稍微复习一下。 结构体(struct)是C语言中一种重要的复合数据类型,它允许将不同类型的数据组合成一个整体。 1.1结构体的定义 结构体使…...
2N60-ASEMI功业控制与自动化专用2N60
编辑:ll 2N60-ASEMI功业控制与自动化专用2N60 型号:2N60 品牌:ASEMI 封装:TO-220F 批号:最新 最大漏源电流:2A 漏源击穿电压:600V RDS(ON)Max:5.00Ω…...
发现“横”字手写有难度,对比两个“横”字
我发现手写体“横”字“好看”程度,难以比得上印刷体: 两个从方正简体启体来的“横”字: 哪个更好看?我是倾向于左边一点。 <div style"transform: rotate(180deg); display: inline-block;"> 左边是我从方正简…...
深入解析 HTML5 Web IndexedDB 数据库:构建高效离线应用的基石
摘要 在现代 Web 应用开发中,离线访问和高效处理大量结构化数据的需求日益增长。HTML5 的 IndexedDB 作为一种强大的客户端 NoSQL 数据库,为开发者提供了可靠的解决方案。本文将全面介绍 IndexedDB 的特性、语法、方法、应用实例、使用场景,以及其优势与劣势,帮助开发者深…...
17-算法打卡-哈希表-快乐数-leetcode(202)-第十七天
1 题目地址 202. 快乐数 - 力扣(LeetCode)202. 快乐数 - 编写一个算法来判断一个数 n 是不是快乐数。「快乐数」 定义为: * 对于一个正整数,每一次将该数替换为它每个位置上的数字的平方和。 * 然后重复这个过程直到这个数变为 1…...
决战浏览器渲染:减少重绘(Repaint)与重排(Reflow)的性能优化策略
在现代Web开发中,流畅的用户体验是衡量应用质量的关键指标之一。用户与界面的每一次交互,背后都牵动着浏览器复杂而精密的渲染过程。当这个过程不够高效时,用户就会感受到卡顿、延迟,甚至页面“掉帧”。在众多影响渲染性能的因素中…...
深度解析生成对抗网络:原理、应用与未来趋势
在人工智能的浩瀚星空中,生成对抗网络(Generative Adversarial Networks,GAN)犹如一颗璀璨的明星,自 2014 年由 Ian Goodfellow 等人提出以来,便以其独特而强大的生成能力,在计算机视觉、自然语…...
电能质量治理解决方案:构建高效、安全的电力系统
随着“双碳”目标的推进及新型电力系统的快速发展,大量电力电子设备(如光伏逆变器、充电桩、变频器等)接入电网,导致谐波畸变、无功功率激增、电压波动等问题日益突出。电能质量恶化不仅威胁设备安全,还影响电网稳定运…...
生态篇|多总线融合与网关设计
引言 1. 车内多总线概览 2. 主流车载总线技术对比 3. 网关设计原则与架构 4. 协议转换与映射策略 5. 安全与诊断功能集成...
热门与冷门并存,25西电—电子工程学院(考研录取情况)
1、电子工程学院各个方向 2、电子工程学院近三年复试分数线对比 学长、学姐分析 由表可看出: 1、电子科学与技术25年相较于24年上升20分 2、信息与通信工程、控制科学与工程、新一代电子信息技术(专硕)25年相较于24年下降25分 3、25vs24推…...
HDFS入门】HDFS安全与权限管理解析:从认证到加密的完整指南
目录 引言 1 认证与授权机制 1.1 Kerberos认证集成 1.2 HDFS ACL细粒度控制 2 数据加密保护 2.1 传输层加密(SSL/TLS) 2.2 静态数据加密 3 审计与监控体系 3.1 操作审计流程 3.2 安全监控指标 4 权限模型详解 4.1 用户/组权限模型 4.2 umask配置原理 5 安全最佳实…...
合成数据中的对抗样本生成与应用:让AI模型更强、更稳、更安全
目录 合成数据中的对抗样本生成与应用:让AI模型更强、更稳、更安全 一、什么是对抗样本? 二、为什么要在合成数据中引入对抗样本? 三、对抗样本在图像合成数据中的生成方法 ✅ 方法1:FGSM(Fast Gradient Sign Met…...
考研系列-计算机网络-第二章、物理层
一、通信基础 1.物理层基本概念 2.数据通信基础知识...
uni-app 安卓10以上上传原图解决方案
在Android 10及以上版本中,由于系统对文件访问的限制,使用chooseImage并勾选原图上传后,返回的是图片的外部存储路径,如:file:///storage/emulated/0/DCIM/Camera/。这种外部存储路径,无法直接转换成所需要…...
关于element的dialog的取消(关闭弹窗)方法触发两次
在这里插入图片描述 关闭的时候加个修饰符.native close.native...
vue,uniapp解决h5跨域问题
如果有这样的跨域问题,解决办法: ✅ 第一步:在项目根目录下创建 vue.config.js 和 package.json 同级目录。 // vue.config.js module.exports {devServer: {proxy: {/api: {target: https://app.yycjkb.cn, // 你的后端接口地址changeOrig…...
2025-04-18 李沐深度学习3 —— 线性代数
文章目录 1 线性代数1.1 标量、向量与矩阵1.2 矩阵概念1.3 按特定轴求和 2 实战:线性代数2.1 标量2.2 向量2.3 矩阵2.4 张量2.5 降维2.6 点积2.7 矩阵-向量积2.8 矩阵-矩阵乘法2.9 范数2.10 练习 1 线性代数 1.1 标量、向量与矩阵 标量(Scalarÿ…...
2026《数据结构》考研复习笔记三(C++高级教程)
C高级教程 一、文件和流二、异常处理三、命名空间四、模板五、信号处理六、多线程 一、文件和流 iostream 用于标准输入/输出(控制台I/O),处理与终端(键盘输入和屏幕输出)的交互 包含以下全局流对象: cin&…...
python进阶: 深入了解调试利器 Pdb
Python是一种广泛使用的编程语言,以其简洁和可读性著称。在开发和调试过程中,遇到错误和问题是不可避免的。Python为此提供了一个强大的调试工具——Pdb(Python Debugger)。 Pdb是Python标准库中自带的调试器,可以帮助…...
前端资源加载失败后重试加载(CSS,JS等引用资源)
前端资源加载失败后的重试 .前端引用资源时出现了资源加载失败(这里针对的是路径引用异常或者url解析错误时) 解决这个问题首先要明确一下几个步骤 1.什么情况或者什么时候重试 2.如何重试 3.重试过程中的边界处理 这里引入里三个测试脚本,分别加载里三个不同的脚…...
每日算法【双指针算法】(Day 2-复写零)
双指针算法 1.算法题目(复写零)2.讲解算法原理3.编写代码 1.算法题目(复写零) 注意:不要越界,不能开额外的数组,只能从现有数组上进行操作,没有返回值。 2.讲解算法原理 解法:双指针操作 先根据“异地”操作…...
【C++深入系列】:模版详解(上)
🔥 本文专栏:c 🌸作者主页:努力努力再努力wz 💪 今日博客励志语录: 你不需要很厉害才能开始,但你需要开始才能很厉害。 ★★★ 本文前置知识: 类和对象(上) …...
PyCharm Flask 使用 Tailwind CSS v3 配置
安装 Tailwind CSS 步骤 1:初始化项目 在 PyCharm 终端运行:npm init -y安装 Tailwind CSS:npm install -D tailwindcss3 postcss autoprefixer初始化 Tailwind 配置文件:npx tailwindcss init这会生成 tailwind.config.js。 步…...
设计模式每日硬核训练 Day 15:享元模式(Flyweight Pattern)完整讲解与实战应用
🔄 回顾 Day 14:组合模式小结 在 Day 14 中,我们学习了组合模式(Composite Pattern): 适用于构建树状层级结构,使得“单个对象”和“对象集合”统一操作。广泛用于文件系统、UI 控件树、组织结…...
使用Service发布应用程序
使用Service发布应用程序 文章目录 使用Service发布应用程序[toc]一、什么是Service二、通过Endpoints理解Service的工作机制1.什么是Endpoints2.创建Service以验证Endpoints 三、Service的负载均衡机制四、Service的服务发现机制五、定义Service六、Service类型七、无头Servic…...
美家市场2025电视版分享码-美家市场电视直播软件分享码免费获取
美家市场2025电视版作为一款备受欢迎的应用市场,为用户提供了海量的电视直播软件,而分享码则是免费获取这些资源的重要途径。与此同时,乐看家桌面也是一款在智能电视领域极具特色的软件,它能与美家市场搭配使用,为用户…...
动手学深度学习:手语视频在NiN模型中的测试
前言 NiN模型是在LeNet的基础上修改,提出了1x1卷积层和全局平均池化层的概念,减少了全连接所带来的参数量很多的问题。本篇在之前代码的基础上添加了模型保存,loss和acc记录以及记录模型时间等功能,所以模型后面的代码会重新记录…...
医院数据中心智能化数据上报与调数机制设计
针对医院数据中心的智能化数据上报与调数机制设计,需兼顾数据安全性、效率性、合规性及智能化能力。以下为系统性设计方案,分为核心模块、技术架构和关键流程三部分: 一、核心模块设计 1. 数据上报模块 子模块功能描述多源接入层对接HIS/LIS/PACS/EMR等异构系统,支持API/E…...
Ubuntu命令速查
当你在Ubuntu系统中需要快速查询常用命令时,可以使用以下速查表: 列出文件和目录: ls切换目录: cd [目录路径]显示当前工作目录的绝对路径: pwd创建新目录: mkdir [目录名]删除文件或目录: rm […...
一次制作参考网杂志的阅读书源的实操经验总结(附书源)
文章目录 一、背景介绍二、书源文件三、详解制作书源(一)打开Web服务(二)参考网结构解释(三)阅读书源 基础(四)阅读书源 发现(五)阅读书源 详细(六…...
python抓取HTML页面数据+可视化数据分析(投资者数量趋势)
本文所展示的代码是一个完整的数据采集、处理与可视化工具,主要用于从指定网站下载Excel文件,解析其中的数据,并生成投资者数量的趋势图表。以下是代码的主要功能模块及其作用: 1.网页数据获取 使用fetch_html_page函数从目标网…...
下拉框select标签类型
在我们很多页面里有下拉框的选择,这种元素怎么定位呢?下拉框分为两种类型:我们分别针对这两种元素进行定位和操作 select标签 : 通过select类处理。 非select标签 1、针对下拉框元素,如果是Select标签类型,…...
嵌入式C语言位操作的几种常见用法
作为一名老单片机工程师,我承认,当年刚入行的时候,最怕的就是看那些密密麻麻的寄存器定义,以及那些让人眼花缭乱的位操作。 尤其是遇到那种“明明改了寄存器,硬件就是不听话”的情况,简直想把示波器砸了&am…...
数据库原理及应用mysql版陈业斌实验四
🏝️专栏:Mysql_猫咪-9527的博客-CSDN博客 🌅主页:猫咪-9527-CSDN博客 “欲穷千里目,更上一层楼。会当凌绝顶,一览众山小。” 目录 实验四索引与视图 1.实验数据如下 student 表(学生表&…...
【免登录ORACLE,jdk8安装包下载】jdk-8u441-windows-i586.exe和jdk-8u441-windows-x64.exe有什么区别
jdk-8u441-windows-i586.exe和jdk-8u441-windows-x64.exe主要有以下区别: 我用夸克网盘分享了「jdk」,链接:https://pan.quark.cn/s/c72666843e2b 适用系统架构: jdk-8u441-windows-i586.exe适用于32位的Windows操作系统&#x…...