- 综合排序
- 最热优先
- 最新优先
- 来自专栏后端技术
系统设计与分析 作业9
该用例完成用户订购酒店的整体过程。 用户可搜索酒店，得到搜索表单。再根据搜索表单选择满意的酒店和房间类型。 最后验证预定，完成整个过程。
43240发布于 2019-05-25 - 来自专栏CSDNToQQCode
Spack作业分析
分） 题目4（15分） 题目5（20分） 题目6（20分） ---- 文件 给予4个文件【spack01.txt】【spack01.txt】【film_log1.csv】【move.csv】进行数据分析
1.3K10编辑于 2022-11-30 - 来自专栏腾讯云流计算 Oceanus
Storm作业转化为Flink作业流程分析
一、 Storm的topology作业可以转化为Flink Job放到Flink上运行，需要修改Storm作业的代码。 在FlinkToplogy中进行作业转化解析的主要流程如下： transloteToplogy.JPG 1. 首先获取Flink流式作业的执行环境，以及Storm作业中定义的Spout，Bolt组件集合；这些都是在FlinkTopology的构造方法中完成，代码如下： this.spouts = getPrivateField 根据以上操作就将Storm作业的spout组件转为成了Flink作业的DataStreamSource了，然后将转化出来的dataStream放入到availableInputs中；其中availableInputs ，则Storm作业中组件将全部转化为Flink的Transmation，放入到执行环境的transmations中，提交作业运行的时候，transmations转化StreamGraph，再转为JobGraph
2.5K20发布于 2018-09-08 - 来自专栏腾讯云大数据
Flink 实践教程-入门（9）：Jar 作业开发
作者：腾讯云流计算 Oceanus 团队 流计算 Oceanus 简介 流计算 Oceanus 是大数据产品生态体系的实时化分析利器，是基于 Apache Flink 构建的具备一站开发、无缝连接 、亚秒延时、低廉成本、安全稳定等特点的企业级实时大数据分析平台。 流计算 Oceanus 支持 Flink Jar 作业和 Flink SQL 作业，本文将向您详细介绍如何使用 Flink DataStream API 进行 Jar 作业开发，并在流计算 Oceanus 9092"; sinkProps.setProperty("bootstrap.servers", hosts); String outTopic = "flink-demo9" 创建作业 在流计算 Oceanus 控制台，点击左侧【作业管理】，点击左上角【新建】新建作业，作业类型选择 Jar 作业，点击【开发调试】进入作业编辑页面。
1.3K40编辑于 2021-12-06 - 来自专栏git
spark作业-源码分析
两个打印语句： List(org.apache.spark.OneToOneDependency@63acf8f6) List(org.apache.spark.OneToOneDependency@d9a498 由上述分析可以知道，如果需要join的两个表，本身已经有分区器，且分区的数目相同，此时，相同的key在同一个分区内。就是窄依赖。
44320编辑于 2021-12-28 - 来自专栏python学习2020
2019年学习Python-day9作业
用Python实现简单的名片管理系统 主程序很好懂，最近几天实在是忙的头晕，作业都没空做了，代码按课件搬来的 # 1.程序启动，显示名片管理系统欢迎界面，并显示功能菜单 # ** ** ** ** *
58350发布于 2019-12-03 - 来自专栏python3
python作业大纲分析
2018-11-22 目前自学python这么久，零零散散的写了几次作业，下面是几个在完成过程中遇到困难较多的作业。 号为还款日，过期未还，按欠款总额 万分之5 每日计息 5、支持多账户登录，每个用户有单独信息 6、支持账户间转账， 7、记录每月日常消费流水 8、提供还款接口 9、
79620发布于 2020-01-20 - 来自专栏腾讯云流计算 Oceanus
Flink 实践教程：入门9-Jar 作业开发
流计算 Oceanus 简介 流计算 Oceanus 是大数据产品生态体系的实时化分析利器，是基于 Apache Flink 构建的具备一站开发、无缝连接、亚秒延时、低廉成本、安全稳定等特点的企业级实时大数据分析平台 流计算 Oceanus 支持 Flink Jar 作业和 Flink SQL 作业，本文将向您详细介绍如何使用 Flink DataStream API 进行 Jar 作业开发，并在流计算 Oceanus Flink 实践教程：入门9-Jar作业开发 前置准备 创建流计算 Oceanus 集群 在流计算 Oceanus 产品活动页面 1 元购买 Oceanus 集群。 9092"; sinkProps.setProperty("bootstrap.servers", hosts); String outTopic = "flink-demo9" 创建作业 在 Oceanus 控制台，点击左侧【作业管理】，点击左上角【新建】新建作业，作业类型选择 Jar 作业，点击【开发调试】进入作业编辑页面。 【主程序包】选择刚刚上传的依赖，并选择最新版本。
1.8K90编辑于 2021-12-21 - 来自专栏后端技术
系统设计与分析 作业4
分析客户要完成退货业务，在淘宝网上需要实现哪些系统用例 3. 用例文本编写 在大作业基础上，分析三种用例文本的优点和缺点 摘要优缺点：摘要文本是简洁的一段式摘要，通常用于主成功场景。优点是易于编写。 非正式文本优缺点：非正式文本是用几个段落覆盖不同的场景，用几个段落覆盖不同场景，同样用于早期的需求分析过程，优点是比起摘要式用例文本要详细一些，覆盖的问题广泛一些，缺点是不够正式。
50720发布于 2019-05-25 - 来自专栏后端技术
系统设计分析 作业6
1、 领域建模 a. 阅读 Asg_RH 文档，按用例构建领域模型。 按 Task2 要求，请使用工具 UMLet，截图格式务必是 png 并控制尺寸 说明：请不要受 PCMEF 层次结构影响。你需要识别实体（E）和 中介实体（M，也称状态实体） 在单页面应用（如 vue）中，E 一般与数据库构建有关， M 一般与 store 模式 有关 在 java web 应用中，E 一般与数据库构建有关， M 一般与 session 有关 b. 数据库建模(E-R 模型) 按 Task 3 要求，给出系统的 E
48430发布于 2019-05-25 - 来自专栏后端技术
系统设计与分析 作业3
最后，分析调查结果，写成文档，发布到项目的github上 github 调研报告 2.
67730发布于 2019-05-25 - 来自专栏后端技术
系统设计与分析 作业5
作业总览 1、 领域建模 a. 阅读 Asg_RH 文档，按用例构建领域模型。
51320发布于 2019-05-25 - 来自专栏后端技术
系统设计分析 作业7
XX 建模练习 要求： 练习文档编写 选择一个你喜欢的 移动App 或 其中某业务 参考 Asg_RH 文档格式 编写软件描述 文档要包含一个业务的完整过程 建模要求包括（用例图、XX业务或用例的活动图、XX领域模型、XX对象的状态图、XX场景的系统顺序图与操作协议） 选择：知乎app 1.用例图 2.活动图 3.领域模型 4.状态图 5.系统顺序图
39140发布于 2019-05-25 - 来自专栏后端技术
系统设计与分析 作业8
1. 描述软件架构与框架之间的区别与联系 区别 软件架构是一个抽象的概念，高于实际代码，是诞于设计阶段的系统蓝图，描述部件的功能、部件与部件之间的协作，从而大致地描述出系统完整的运作流程。它并不是实际系统代码的一部分。 而框架是一个具体的概念，是实际代码的一部分。框架是针对系统设计的一个“半成品”软件，使用特定的语言和技术描述了架构中各部件功能的具体实现。 联系 软件架构是框架的“蓝图”，是理论指导，对于框架的实现具有指导作用。框架则体现了架构的设计核心。 2. 以你的项目为案例 绘制三层架构模型图，细致到
48620发布于 2019-05-25 - 来自专栏HansBug's Lab
【作业】HansBug的前三次OO作业分析与小结
OO课程目前已经进行了三次的作业，容我在本文中做一点微小的工作。 第一次作业 第一次作业由于难度不大，所以笔者程序实际上写的也比较随意一些。 （点击就送指导书~） 类图 程序的大致结构如下： 代码分析 可以看出，整体的功能还是相对零散的，耦合状况也基本还可以。 代码分析 可以看到，这一次的耦合状况较上一次有好转（没有出现红色字）。然而依然存在部分方法复杂度略高的情况（比如入口点函数，依然是红字状态）。看来，功能还需要进一步拆散。 第三次作业 第三次作业是第二次作业的升级版，采用了相对智能的电梯调度措施，然后需求细节一样较为繁琐。 然而实际上，第三次作业仍然有着一些的缺陷： 和第二次作业一样功能不够分散 由于需求分析花了非常多的时间，导致这次作业起步时间很晚，很多架构实际上并不是很好的设计（笔者写程序的时候自己就已经在这么觉得，然而时间紧迫还是选择了优先完成任务
82960发布于 2018-04-11 - 来自专栏芋道源码1024
分布式作业 Elastic-Job-Lite 源码分析 —— 作业配置
Lite作业配置( LiteJobConfiguration )：必填。 作业事件总线( JobEventBus )：对作业事件异步监听。选填。 每次作业执行时间和间隔时间均较长的情况，建议监控作业运行时状态，可保证数据不会重复选取。 monitorPort：作业监控端口。默认为 -1，不开启作业监控端口。选填。 作业自定义参数，可通过传递该参数为作业调度的业务方法传参，用于实现带参数的作业 例：每次获取的数据量、作业实例从数据库读取的主键等 failover：是否开启作业执行失效转移。 开启表示如果作业在一次作业执行中途宕机，允许将该次未完成的作业在另一作业节点上补偿执行。默认为 false。选填。在《Elastic-Job-Lite 源码解析 —— 作业失效转移 》详细分享。 或者 当前作业配置允许替换注册中心作业配置( overwrite = true )时，持久化作业配置。
1.5K50发布于 2018-09-30 - 来自专栏智能大数据分析
数据仓库作业六：第9章 分类规则挖掘
第9章 分类规则挖掘 第一题 1、设网球俱乐部有打球与气候条件的历史统计数据如下表1所示。 X_9 X9 晴 低 小 无 根据样本数据， P_Y=\frac{9}{14},P_N=\frac{5}{14} ，因此： H(D)=-\left(\frac{9}{14}\log_2\frac{9}{14}+\frac{5}{14 }{9}\ ,\ \ p(x_4|C_1)=\frac{|S_{14}|}{|C_1|}=\frac{5}{9} 因此， \begin{aligned}p(X|C_1)=\frac{6}{9}×\frac {1}{9}×\frac{4}{9}×\frac{5}{9}\approx0.0183\end{aligned} （3）计算 p(X|C_2) 由公式 \begin{aligned}p(X|C_2)
29600编辑于 2025-01-22 - 来自专栏芋道源码1024
分布式作业 Elastic-Job-Lite 源码分析 —— 作业分片
作业分片条件 当作业满足分片条件时，不会立即进行作业分片分配，而是设置需要重新进行分片的标记，等到作业分片获取时，判断有该标记后执行作业分配。 LeaderService#isLeaderUntilBlock() 方法在《Elastic-Job-Lite 源码分析 —— 主节点选举》「3. 选举主节点」有详细分享。 作业是否在运行中需要 LiteJobConfiguration.monitorExecution = true，《Elastic-Job-Lite 源码分析 —— 作业执行》「4.6 执行普通触发的作业 《Elastic-Job-Lite 源码分析 —— 作业分片策略》有详细分享。 获取作业分片上下文集合 在《Elastic-Job-Lite 源码分析 —— 作业执行的》「4.2 获取当前作业服务器的分片上下文」中，我们可以看到作业执行器( AbstractElasticJobExecutor
66420发布于 2018-12-07 - 来自专栏芋道源码1024
分布式作业 Elastic-Job-Lite 源码分析 —— 作业数据存储
LeaderNode 9. FailoverNode 10. GuaranteeNode 666. 彩蛋 ---- 1. 概述 本文主要分享 Elastic-Job-Lite 作业数据存储。 在《Elastic-Job-Lite 源码分析 —— 作业分片》详细解析。 《Elastic-Job-Lite 源码分析 —— 作业执行》的「4.6」执行普通触发的作业已经详细解析。 作业失效转移 作业失效转移数据节点在 FailoverNode，放在「9」FailoverNode 解析。 《Elastic-Job-Lite 源码分析 —— 作业失效转移》详细解析。
56620发布于 2018-10-26 - 来自专栏全栈程序员必看
作业2 分析TGA文件「建议收藏」
文件尾（TGA File Footer）：由扩展区域偏移量、开发者目录偏移量和TGA文件扩展格式签名三部分组成，用于验证TGA文件扩展格式，并可以确定扩展区域和开发者字典的位置 三、TGA图片分析 该图片为原图 ，jpg格式 1、文件头分析 （1）第一个字节00：文件中没有图像信息字段 （2）第二个字节00：没有颜色表 （3）第三个字节02：图像类型为未压缩的真彩图像 （4）第四字节到第六字节均为 十进制为798 与原始jpg图像格式相符合 （8）第十七字节为18，每个像素占用的位数为24位 （9）第十八字节为20：转换为二进制：00100000。
97210编辑于 2022-07-25
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号