- 综合排序
- 最热优先
- 最新优先
- 来自专栏mysql
hhdb数据库介绍(10-6)
计算节点升级为管理平台对计算节点版本提供在线升级的功能。满足对单节点、主备节点、多节点和容灾模式集群的跨版本或小版本升级迭代。同时可为用户提供升级过程突发异常情况时的自动回滚保护机制，程序尽量保证将集群回滚至升级前的状态减少对线上业务的影响。
39910编辑于 2025-03-12 - 来自专栏FreeBuf
按图索骥，最终发现数字犯罪天堂
【登录页面】 结论 分析人员跟踪了使用 DDoS-Guard 的 Mr.SNIFFA 工具包和攻击基础设施，按图索骥发现了相关联的各种数字犯罪。
1K50编辑于 2023-02-10 - 来自专栏AI机器学习与深度学习算法
机器学习入门 10-6 精确率-召回率曲线
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍两个精准率-召回率曲线，其中一个是横坐标为选定的阈值，里面的两根曲线分别为对应阈值下的精准率和召回率，通过这个图可以帮助我们非常好的来选取我们想要的那个阈值。另外一个是横坐标为精准率，纵坐标为召回率，用于查看精准率和召回率的平衡点。
4.5K30发布于 2020-05-13 - 来自专栏韩锋频道
按图索骥，谈谈数据库技术选型
随着企业数字化转型深入，对于数据使用场景也呈现多元化趋势，正有越来越多数据被企业利用起来。如何为众多场景选择一款合适的数据库产品，是很多企业面临的问题。而另一方面，近些年来数据库技术蓬勃发展，初创新兴厂商大量涌现。据不完全统计，仅国内的数据库厂商就有近200家，还不算国外以及开源数据库产品。上述情况更加剧了企业选择数据库的困难。本文从一些角度切入，通过图谱的形式尝试为企业选择数据库产品描述出一条路径。
1.4K40编辑于 2022-03-15 - 来自专栏杨建荣的学习笔记
按图索骥，再谈数据库迁移之路
数据库迁移，是个老生常谈的问题，之前也曾写过一篇文章。近期，针对这一课题，自己有了些新的思考，下面将具体展开谈谈。在这之前，我先谈谈数据库迁移的现实需求。这也算是目前行业发展的一个小总结。
64650发布于 2021-04-02 - 来自专栏C语言及其他语言
【优质题解】问题 1716: 算法10-6~10-8：快速排序
1):先选取一个元素作为枢纽，把比枢纽小的元素置于枢纽前，比枢纽大的元素置于枢纽后，此时枢纽前的元素都比它小，其后面的元素都比它大，然后再按以上方法递归处理枢纽前，后序列。
48030发布于 2018-07-24 - 来自专栏数据和云
按图索骥：SQL中数据倾斜问题的处理思路与方法
数据倾斜即表中某个字段的值分布不均匀，比如有100万条记录，其中字段A中有90万都是相同的值。这种情况下，字段A作为过滤条件时，可能会引起一些性能问题。 本文通过示例分享部分场景的处理方法 未使用绑定变量 使用绑定变量 几种特殊场景 1 测试环境说明 数据库版本：ORACLE 11.2.0.4 新建测试表tb_test： create tablescott.tb_test as select * from dba_objects; 创建索引： create indexscott.idx_tb_test_
2K60发布于 2018-03-08 - 来自专栏数据库
按图索骥：SQL中数据倾斜问题的处理思路与方法
数据倾斜即表中某个字段的值分布不均匀，比如有100万条记录，其中字段A中有90万都是相同的值。这种情况下，字段A作为过滤条件时，可能会引起一些性能问题。 本文通过示例分享部分场景的处理方法 未使用绑定变量 使用绑定变量 几种特殊场景 1 测试环境说明 数据库版本：ORACLE 11.2.0.4 新建测试表tb_test： create tablescott.tb_test as select * from dba_objects; 创建索引： create indexscott.idx_tb_test_01
1.4K90发布于 2018-01-23 - 来自专栏数据和云
按图索骥：Oracle数据库无响应故障的处理思路和方法
熊军（老熊） 云和恩墨西区总经理 Oracle ACED，ACOUG核心会员 无响应故障现象分析 ---- Oracle数据库无响应故障，简单地讲就是数据库实例不能响应客户端发起的请求，客户端提交一个SQL后，就一直处于等待数据库实例返回结果的状态。更严重的现象是客户端根本不能连接到数据库，发起一个连接请求后，一直处于等待状态。 无响应的故障现象一般有以下几种： 1.Oracle的进程在等待某个资源或事件 这种现象一般可以从V$SESSION_WAT、V$LATCH、V$LATCHHOLDER等动态视
2.7K80发布于 2018-03-06 - 来自专栏IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 习题10-6 递归求Fabonacci数列
习题10-6 递归求Fabonacci数列 本题要求实现求Fabonacci数列项的函数。
1.5K30发布于 2020-09-15 - 来自专栏完美Excel
VBA专题10-6：使用VBA操控Excel界面之执行命令以及激活功能区选项卡的两种方法
Application.CommandBars.ExecuteMso(idMso)
5.8K20发布于 2020-09-25 - 来自专栏全栈程序员必看
Oracle 函数大全[通俗易懂]
select CURRENT_TIMESTAMP from dual; --结果：10-6月 -21 02.34.20.845299 下午 +08:00 LOCALTIMESTAMP：返回当前会话时区的日期时间 Select LOCALTIMESTAMP from dual; --结果：10-6月 -21 02.36.17.989733 下午 MONTHS_BETWEEN(date1,date2)：计算date1 select SYS_EXTRACT_UTC(systimestamp) from dual; --结果：10-6月 -21 06.41.59.738669 上午 SYSDATE：取得当前的日期和时间, SELECT systimestamp from dual; --结果：10-6月 -21 02.44.06.551610 上午 -04:00 TO_TIMESTAMP(char[fmt[,’nls_param /1 21:11:11 --date型转成timestamp select cast(sysdate as timestamp) date_to_timestamp FROM dual; --结果：10
3.5K20编辑于 2022-09-07 选择电子停车计时装置检定仪应注意这9点
2、内部晶振指标对比首选恒温晶振OCXO,并且准确度越高越好，市场上一般的厂家的频率准确度：1×10-6，建议选择稍微好点的晶振，比如恒温晶振频率准确度：≤3E-8，秒稳定度：≤3E-11/s，客户挑选的时候务必留意 3、计时测量指标对比市场上一般的厂家的停车计时检定装置的计时分辨率：0.01s，计时误差：±(0.01+T×10-6)s，这点虽说是可以建标，但是毕竟分辨率位数多了更精确些，比如：计时分辨率：0.001s
16710编辑于 2026-06-18- 来自专栏用户4866861的专栏
选择电子停车计时装置检定仪应注意这9点
2、内部晶振指标对比 首选恒温晶振OCXO,并且准确度越高越好，市场上一般的厂家的频率准确度：1×10-6，建议选择稍微好点的晶振，比如恒温晶振频率准确度：≤3E-8，秒稳定度：≤3E-11/s，客户挑选的时候务必留意 3、计时测量指标对比 市场上一般的厂家的停车计时检定装置的计时分辨率：0.01s，计时误差：±(0.01+T×10-6)s，这点虽说是可以建标，但是毕竟分辨率位数多了更精确些，比如：计时分辨率：0.001s
67530发布于 2021-06-18 - 来自专栏黎鹤舞的编程技术栏
常用的数据单位符号
= 1,024 (210)B 1 Kbps = 1,000 bps m = 10-3 1 MB = 1,000 KB 1 MB = 1,024 KB 1 Mbps = 1,000 Kbps µ = 10
49100编辑于 2024-05-27 【周练】 几何水题 （水）
Errors less than 10-6 will be ignored.
29310编辑于 2025-08-26- 来自专栏用户4866861的专栏
电子停车计时收费检定仪注意事项总结，停车计时检定仪，停车计时收费校准仪
2、内部晶振指标对比首选恒温晶振OCXO,并且准确度越高越好，市场上一般的厂家的频率准确度：1×10-6，建议选择稍微好点的晶振，比如恒温晶振频率准确度：≤3E-8，秒稳定度：≤3E-11/s，客户挑选的时候务必留意 3、计时测量指标对比市场上一般的厂家的停车计时检定装置的计时分辨率：0.01s，计时误差：±(0.01+T×10-6)s，这点虽说是可以建标，但是毕竟分辨率位数多了更精确些，比如：计时分辨率：0.001s
67630编辑于 2023-05-31 【周练】 求导
Errors less than 10-6 will be ignored.
25410编辑于 2025-08-26【UVa】10566 - Crossed Ladders（二分 & 数学）
Errors less than 10-6 will be ignored.
32010编辑于 2025-08-27- 来自专栏智能大数据分析
聚类分析方法（二）
根据算法10-5，因为 S 有8个数据对象，因此，刚开始每个对象为一个簇，详见下表10-6。 因此簇 \{X_1,X_2\} 和 \{X_3,X_4\} 合并为 \{X_1,X_2,X_3,X_4\} ，见表10-6计算步骤3所在的行。 因此簇 \{X_7\} 和 \{X_8\} 合并为 \{X_7,X_8\} ，见表10-6计算步骤5所在的行。 因此簇 \{X_5,X_6\} 和 \{X_7,X_8\} 合并为 \{X_5,X_6,X_7,X_8\} ，见表10-6计算步骤6所在的行。 但是，如果在例10-6中指定 k=4 ，则算法需要进入第二轮和第三轮循环。
45710编辑于 2025-01-23
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