- 综合排序
- 最热优先
- 最新优先
- 来自专栏mysql
hhdb数据库介绍(9-3)
如果主库无法连接，从库可连接，则会发生切换，将主库置为不可用，并且使用从库。如果主库可以连接，从库无法连接，则使用主库，从库会置为不可用。如果主从数据库均无法连接，则该节点不可用。 ） 配置了etl的用户较普通用户在数据抽取时可降低内存消耗，具有更高的稳定性和数据抽取效率，具体使用配置说明如下： 在管理平台数据库用户中添加用户 计算节点配置库添加用户为etl用户（etl_users 死锁检测 在关系集群数据库系统中，若死锁发生在两个数据节点下的存储节点间，存储节点的死锁检测机制将无法检测到死锁。 下面表格中的操作，描述了两个数据节点产生死锁的过程。 CREATE TABLE或ALTER TABLE时指定的表的字符集或字段的字符集，与存储节点的字符集或连接使用的字符集不一致时；2. ，或使用只读计算节点实例抽取数据做数据分析，一般适用于备计算节点或灾备模式下的灾备机房计算节点。
39110编辑于 2024-11-28 - 来自专栏AI机器学习与深度学习算法
机器学习入门 9-3 逻辑回归损失函数的梯度
a 推 导 损 失 函 数 的 梯 度 在上一小节中，我们详细推导出了逻辑回归的损失函数，在最后提到了逻辑回归的损失函数并没有数学解析解（不能通过公式代入样本和标签直接求出最终的θ），只能使用诸如梯度下降法这种迭代求解的方式来找到使得损失函数 使用梯度下降法求解损失函数的最优解，需要求出损失函数J(θ)关于θ向量中每个维度的导数。 接下来就来具体的看一看损失函数J(θ)对θ向量中某一个维度θj的求导结果是怎样的？ ? ▲计算J(θ)的梯度 对上面这个比较复杂的损失函数J(θ)求导，可能比较难处理的部分就是Sigmoid函数了。 这里需要注意此时的(n + 1)维是因为我们在这里加上了θ0，对θ0求导后面乘上的是X的第i个样本的第0个元素，也就是我们一直强调的在X矩阵每个样本的第一个特征前面添加的数值1，所以这里乘上一个1结果不变 当然对于线性回归来说，由于我们使用的损失函数是MSE，MSE中有一个平方项，所以计算线性回归梯度的结果多了一个2倍，而逻辑回归则没有这个2倍。
2.3K21发布于 2020-02-26 - 来自专栏历史专栏
【愚公系列】2023年08月 3D数学-归一化函数
)的值： 数据编号1的归一化结果为(3-3)/(9-3)=0 数据编号2的归一化结果为(5-3)/(9-3)=0.33 数据编号3的归一化结果为(7-3)/(9-3)=0.66 数据编号4的归一化结果为 (9-3)/(9-3)=1 得到的结果在[0,1]范围内，最终的归一化结果如下： 数据编号 数据值 归一化结果 1 3 0 2 5 0.33 3 7 0.66 4 9 1 这样，我们就将不同规模的数据映射到了相同的区间范围内 如果直接使用这些特征进行机器学习模型的训练，不同特征之间的范围和单位不同，可能会对模型的训练和预测结果造成一定的影响。 Logarithmic归一化：将数据取对数，再进行归一化处理。 需要根据具体情况选择合适的归一化方法。例如，对于离散型数据，一般使用独热编码或二进制编码等方法。 具体步骤如下： 使用Math.min和Math.max方法计算输入数组的最小值和最大值。 使用Array.prototype.map方法将数组的每个元素映射到其归一化值。
31210编辑于 2025-05-28 - 来自专栏数据库相关
使用snmp_exporter采集 netscaler设备指标
我们已经将监控系统从 zabbix 替换为prometheus， 之前通过snmp很方便的采集到网络设备的指标，改用prometheus后，建议使用 snmp_exporter 来采集数据。 提醒： 建议非netscaler设备请先用官方模板，如果采集不到数据，再考虑去自己修改。 3/standard-mib-support.html 这里页面里面的 N多个MIB文件（都是些txt文件），使用wget 下载到mibs这个目录下 然后，开始编辑 generator.yml 文件 /snmp_exporter --config.file="snmp.yml" --web.listen-address=":9988" 然后，自行检查是否有采集到netscaler的数据 然后，到prometheus target_label: instance - target_label: __address__ replacement: 1.2.3.4:9988 最终采集到的数据后
2.8K20发布于 2020-03-17 - 来自专栏田飞雨的专栏
Docker 使用指南 (四)—— 数据卷的使用
一.数据卷的使用 有时候需要使用数据库，但是又希望它的数据能保存在本地，Docker中提供了数据卷可以供你方便的操作数据。 数据卷是一个可供一个或多个容器使用的特殊目录，它绕过 UFS，可以提供很多有用的特性： 数据卷可以在容器之间共享和重用 对数据卷的修改会立马生效 对数据卷的更新，不会影响镜像 数据卷默认会一直存在，即使容器被删除 注意：数据卷的使用，类似于 Linux 下对目录或文件进行 mount，镜像中的被指定为挂载点的目录中的文件会隐藏掉，能显示看的是挂载的数据卷。 提示：使用 –volumes-from 参数所挂载数据卷的容器自己并不需要保持在运行状态。 如果要删除一个数据卷，必须在删除最后一个还挂载着它的容器时使用 docker rm -v 命令来指定同时删除关联的容器。
5.5K11发布于 2016-07-20 - 来自专栏webman
webman数据库的使用
webman框架专栏地址https://cloud.tencent.com/developer/column/103665一，实际操作1.安装数据库组件，进入框架的根目录，在终端里输入下面的指令，进行安装 5.配置完成后，我们就可以开始来使用了，首先打开上一篇文章，我们创建的php文件，也是/app/controller/TimeControl.php文件，如果没有看过上篇文章的小伙伴，可以在文章顶部进入专栏 需要记住这个代码，我们需要用到数据库的时候，就得引用它use support\Db;7.我们先给数据库创建一个表吧，然后填充一下资料。 11.这样的话，数据库就连接成功了，也可以查询使用了。如果你还想尝试更深层次的使用方法，可以访问webman官网继续调试。 三，结语相当于来说webman的数据库使用，还是挺简单的，我在写完这篇文章后，也会对其的查询方法进行深度化学习，动起手来吧。
62810编辑于 2024-09-10 - 来自专栏python-爬虫
redis数据库的使用
二.在服务中管理redis服务器的开启关闭 redis-server.exe redis.windows.conf redis-cli.exe -h 127.0.0.1 -p 6379 三.命令行简单使用 redis支持 字符串、字典、列表、集合、有序集合 https://www.runoob.com/redis/redis-tutorial.html 五.特点 可持久化、单线程单进程并发 六.python中使用 依赖 pip3 install redis 直接使用 import redis r = redis.Redis(host='127.0.0.1', port=6379) 连接池使用 import redis pool = redis.ConnectionPool(host='127.0.0.1', port=6379) r = redis.Redis(connection_pool=pool) 库的选择 import redis r = redis.Redis(db=0) #第几个库总共有15个库 七.django中配置与CACHES联用 缓存使用 # 1.将缓存存储位置配置到redis中：settings.py
59320发布于 2020-06-19 - 来自专栏爱编码
《Spark的使用》--- 大数据系列
二、Spark的架构 ? Spark架构图 1.Spark Core 包含Spark的基本功能；尤其是定义RDD的API、操作以及这两者上的动作。 其他Spark的库都是构建在RDD和Spark Core之上的 2.Spark SQL 提供通过Apache Hive的SQL变体Hive查询语言（HiveQL）与Spark进行交互的API。 每个数据库表被当做一个RDD，Spark SQL查询被转换为Spark操作。 3. Spark Streaming 对实时数据流进行处理和控制。 Spark Streaming允许程序能够像普通RDD一样处理实时数据。 4.MLlib 一个常用机器学习算法库，算法被实现为对RDD的Spark操作。 这个库包含可扩展的学习算法，比如分类、回归等需要对大量数据集进行迭代的操作。 5.GraphX 控制图、并行图操作和计算的一组算法和工具的集合。
1.1K10发布于 2019-07-03 - 来自专栏代码即数据
使用Django的JsonResponse返回数据
request): # 获取当前页码数 num = request.GET.get('num', 1) n = int(num) # 1.查询stu_student表中的所有数据 stus = Student.objects.all() # 获取所有的 # django 分页 pager = Paginator(stus, 2) # 获取当前页面的数据 return JsonResponse({'code': 200, 'data': students}) perpage_data = pager.page(n) # 返回第一页的数据 except PageNotAnInteger: perpage_data = pager.page(1) # 返回最后一页的数据 except EmptyPage
1.7K40编辑于 2022-08-04 - 来自专栏算法与编程之美
JavaScript|数据类型的使用
问题描述 每一种计算机语言都有自己的数据结构和数据类型，JavaScript脚本语言中则是采用弱数据类型的方式，即一个数据不必首先做声明，可以在使用或赋值时再确定其数据的类型，接下来就介绍一下JavaScript 数据类型的使用。 DOCTYPE html><html> <head> <meta charset="UTF-8"> <title>javascript数据类型的使用 DOCTYPE html><html> <head> <meta charset="UTF-8"> <title>javascript数据类型的使用 图1.5 String类型的使用 7 Object类型的使用 前面介绍的几种数据类型是JavaScript的原始数据类型，而Object是对象类型，该数据类型中包括Object、Function、Number
90610发布于 2020-06-24 - 来自专栏hrscy
使用 Charles 获取 https 的数据
我使用的 Charles 版本是 3.11.2，获取下载地址可自行百度，我下面要说的是使用 Charles 获取 https 的数据。 1. 钥匙串 系统默认是不信任 Charles 的证书的，此时对证书右键，在弹出的下拉菜单中选择『显示简介』，点击使用此证书时，把使用系统默认改为始终信任，如下图： ? 简书发现页面接口数据 此时还是获取不到 https 的数据，各位童鞋不要着急，下面还有操作，接着还是进入 Charles ,如下图操作： ? 设置 如果还抓不到数据，检查你的手机是不是 iOS 10.3 及以上版本，如果是的话的还需要进入手机设置->通用->关于本机->证书信任设置，如下图，证书选择信任就可以了： ? iOS11 设置完成后，就可以抓取数据啦，如下图： ? 抓取数据 如果有问题，欢迎留言。?
2K20发布于 2018-08-30 - 来自专栏码客
Echarts中数据集的使用
前言 从 ECharts4 支持数据集开始，更推荐使用数据集来管理数据。 https://echarts.apache.org/handbook/zh/concepts/dataset 数据集最大的特点就是数据和数据展示配置的分离。 以前我们都是在系列（series）中设置数据。 }, { type: 'bar', name: '2017', data: [97.7, 83.1, 92.5, 78.1] } ] }; 使用数据集后 ，序列中只需要设置x,y展示的列即可。
1K20编辑于 2023-10-19 - 来自专栏生信修炼手册
使用TCGAbiolinks下载TCGA的数据
TCGAbiolinks是一个分析处理TCGA数据的R包，通过GDC API来查询和下载TCGA的数据，同时提供了差异分析，生存分析，富集分析等常见的分析功能，网址如下 http://bioconductor.org 除此之外，还有几个重要参数，legacy参数的默认值为FALSE,表示从harmonized database进行查询，TRUE表示从 GDC legacy archive进行查询；barcode参数用于选择其中部分样本的数据 这里分成了两个步骤，第一步从GDC下载原始数据，可以使用API或者gdc-clinet进行下载， API的速度相对快一点；第二步对原始数据的结果进行整理，从GDC下载的原始数据是每个文件单独分开的，需要先对结果进行整理 以表达谱数据为例，需要进行样本的合并，样本ID的转换等，所有这些都可以通过GDCprepare完成。 整理好的结果存放在data对象中, 样本的信息可以通过如下方式进行查看 ? 结果示意如下 ? 表达量矩阵的信息查看方式如下 ? 结果示意如下 ? 数据下载并整理好之后，就可以进行分析了。不同类型的数据对应的分析方法也不同，具体的分析方法请参考官方文档。
1.6K21发布于 2019-12-19 - 来自专栏foochane
Sqoop数据迁移工具的使用
文章作者：foochane 原文链接：https://foochane.cn/article/2019063001.html Sqoop数据迁移工具的使用 sqoop简单介绍 sqoop数据到HDFS 用于数据的导入和导出。 [图片上传失败... (image-93b332-1561888166313)] 导入数据：MySQL，Oracle导入数据到Hadoop的HDFS、HIVE、HBASE等数据存储系统； 导出数据：从Hadoop的文件系统中导出数据到关系数据库 3.3 导入表数据子集 有时候我们并不需要，导入数据表中的全部数据，sqoop也支持导入数据表的部分数据。 这是可以使用Sqoop的where语句。where子句的一个子集。 4 Sqoop的数据导出 将数据从HDFS把文件导出到RDBMS数据库,导出前目标表必须存在于目标数据库中。默认操作是从将文件中的数据使用INSERT语句插入到表中。
4K30发布于 2019-07-01 - 来自专栏数据库相关
vector 数据采集工具的使用
vector 官方的介绍如下： vector是使用rust编写的高性能可观测性数据管道，使组织能够控制其可观测性数据。 Vector 可以在您需要的地方（而不是在供应商最方便的地方）实现显着的成本降低、新颖的数据丰富和数据安全。开源，比任何替代方案快 10 倍。 / 生产级别大规模的数据处理流： json文件 --> vector 1 --> kafka --> vector 2 --> es 小规模的数据采集，也可以不用kafka： json文件 - 我们下面演示的这种是小规模的场景下的使用案例： 1 创建vector缓存目录和日志文件路径 mkdir -pv /var/lib/vector 2 编写主配置文件 $ cat main.toml data_dir 将各自机器上的业务日志采集并简单处理后发送到kafka，然后由第二层的vector（单机或集群）消费kafka数据，并写到ES集群中。
2.5K10编辑于 2023-12-19 - 来自专栏马拉松程序员的专栏
数据存储：MySql数据库的基本使用
比起本地数据文本，数据库的优势在于提供了共享性，并发性。在后面数据可视化章节中，不仅仅是一次的可视化分析，还将搭建一个web服务，进行可多人使用的可视化处理。 所以为了提供更多的并发支持服务，先了解下数据库的使用，这里以轻量化的MySQL数据库为例。 是最流行的开源的、可免费使用的数据库系统，功能强大，足以应付web应用。 MySQL底层是使用C和C++编写，支持包括window、Linux 在内的等多种操作系统上运行。 不过现在很多的云服务器厂商都推出许多云数据库的相关产品，提供直接在线使用的数据库服务，方便快捷，免去了自己搭建数据库的繁琐步骤，当然是根据相应的配置付费，对于新用户体验来说，并不是一笔很大的支出，所以为了快捷的使用 MySQL数据库，直接购买一个体验的云数据库使用，读者也可以自行选择一家合适的厂商产品使用，也可在本机主机中自建一个数据库。
92230编辑于 2023-09-02 - 来自专栏全栈程序员必看
体验vSphere 6之7-为虚拟机启用容错
9 为虚拟机启用容错 在本节中，将把上一节安装配置的虚拟机启用FT（容错）功能。在启用容错功能之前，修改虚拟机的配置为2个CPU（2个插槽、每个插槽1个内核）、512MB内存。 （1）选中要启用FT的虚拟机，右击在弹出的对话框中选择”Fault Tolerance→打开Fault Tolerance”，如图9-1所示。 图9-1 打开容错功能 （2）由于我们是在虚拟机中做的这个测试，在打开FT时会有个故障提示”与主机关联的虚拟网卡宽带不足，无法用于FT日志记录”，如图9-2所示。实际上这个提示不影响后期的测试。 图9-2 故障详细信息 （3）在”选择数据存储”对话框，为辅助虚拟机选择数据存储。在新版本的FT中，主虚拟机与辅助虚拟机可以放置在不同的数据存储中，这进一步提高了”容错”的安全性，如图9-3所示。 图9-3 为辅助虚拟机选择数据存储 （4）在”选择主机”对话框，为辅助虚拟机选择主机，如图9-4所示。辅助虚拟机、主机要运行在不同的主机上。
1.5K40编辑于 2021-12-23 - 来自专栏云计算linux
UML 数据建模EA的基本使用——《用例图的使用》
在需求分析阶段，系统分析与设计阶段，系统开发及部署等方面有着强大的支持，同时加上对10种编程语言的正反向工程，项目管理，文档生成，数据建模等方面。可以让系统开发中各个角色都获得最好的开发效率。 它覆盖了系统开发的整个周期，除了开发类模型之外，还包括事务进程分析，使用案例需求，动态模型，组件和布局，系统管理，非功能需求，用户界面设计，测试和维护等。 3.主要包括： 结构图表：类、对象、合成元素、包、组件、布局； 行为图表：使用案例、通信、序列、交互概述、行为、状态、时序； 扩展：分析（简单行为）、定制（需求、变动和UI设计）。 二、用例图使用的步骤： 1、打开EA后，点击文件，新建项目，如图： 2、命名好，点击“保存“，弹出选择模型对话框，如图： 这些模型的名字如下： *Business Process 业务流程模型 Requirements 需求分析模型 Use Case 用例模型 Domain Model 领域模型 Class 类设计模型 Database 数据库设计模型 Component 组件模型 Deployment
1.3K10编辑于 2024-12-19 - 来自专栏加米谷大数据
大数据使用的5种主要数据挖掘技术
关联通常用于销售点系统，以确定产品之间的共同趋势。 应用领域包括物品的实物摆放组织、市场营销和产品的交叉销售和上销。 2 分类 我们可以使用多个属性来标记特定类别的项。 例如，一家信贷公司可以使用分类模型来确定贷款申请人的低、中或高信用风险。其他组织将当前和目标受众分为不同年龄和社会团体进行营销活动。 在这个例子中可以使用聚类将市场细分为客户子集。然后，每个子集可以根据簇的属性来制定特定的营销策略，例如在一个簇中与另一个簇中的客户的购买模式的对比。 例如，父结点中的数据记录总数等于其两个子结点中包含的记录总和。 如果你需要针对可能流失的客户提供一份市场营销方案，则该模型非常易于使用。 成都加米谷教育，专注于大数据人才培养，9月下旬数据分析与挖掘培训班新课正在火热咨询报名中，活动好礼可叠加使用！
98930发布于 2019-01-09 - 来自专栏软件方法
《软件方法》第9章 分析类图进阶（20180619更新）
图9-3 四种架构型的关系 首先要说的是，颜色架构型只是一些建模的提示和建议。 不是所有的领域都会有图9-3的关系，如果您所关注的领域没有找到图9-3的关系，也不必生搬硬套，有些类不知道怎么涂颜色就不涂也无所谓；另外，关系也不一定非得像图9-3，也有可能是“时刻时段-描述”、“事物 图9-12 隐式表示“角色” 9.1.6 颜色的作用 给类标上颜色后，我们就可以使用一些常见的套路来帮助建模，包括类图建模和序列图建模的套路。 图9-18 架构型之间的责任分配应用到设备管理系统 在使用颜色来标记类时，要谨记同样一个类在不同上下文中颜色可以不同。 ，应该考虑使用泛化关系。
65630发布于 2019-09-23
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