- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
3-3 数据框的子集
> x <- data.frame(v1=1:5,v2=6:10,v3=11:15) > x v1 v2 v3 1 1 6 11 2 2 7 12 3 3 8 13 4 4 9 14 5 5 10 15 > x$v3[c(2,4)] <- NA > x v1 v2 v3 1 1 6 11 2 2 7 NA 3 3 8 13 4 4 9 NA 5 5 10 15 > #找出第2列 > x[,2] [1] 6 7 8 9 10 > x[,"v2"] [1] 6 7 8 9 10 > x[
91900发布于 2020-09-16 - 来自专栏python3
3-3 SQL Server 2005数
3-3 SQL Server 2005数据库优化 了解数据库引擎优化顾问基本内容 掌握数据库引擎优化顾问的使用 掌握通过命令行的方式进行索引的优化——DTA 一个数据库系统的性能依赖于组成这些系统的数据库中物理设计结构的有效配置
92320发布于 2020-01-07 3-3日志
NuGet安装Microsoft.Extensions.Logging及Microsoft.Extensions.Logging.Consloe
7600编辑于 2026-06-17- 来自专栏叽叽西
lagou 爪哇 3-3 dubbo 笔记
Apache Dubbo是一款高性能的 Java RPC 框架。其前身是阿里巴巴公司开源的一个高性能、轻量级的开源 Java RPC框架，可以和 Spring 框架无缝集成。
67010编辑于 2022-05-17 - 来自专栏悟道
3-3欧几里得求最大公因子
最大公因子，指两个或多个整数共有约数中最大的一个 private static int gc(int a, int b) { if(b==0){ return a; } if(a<b){ int temp=a; a=b; b=temp; } return gc(b,a%b); }
54920发布于 2021-03-16 - 来自专栏AI机器学习与深度学习算法
机器学习入门 3-3 NumPy数据基础
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NumPy模块的一些基础知识。
94900发布于 2019-11-13 - 来自专栏python3
34补3-3 rhcs集群基础应用
[root@node1 ~]# ansible ha -m shell -a 'service NetworkManager stop'
98400发布于 2020-01-15 - 来自专栏python3
3-3 File类的常用操作的静态方法练
文本文件是我们接触频繁的一类文件，记事本程序经常操作的文件就是文本文件，很多应用程序会保存一些记录到日志文件里，这种日志文件也可以是文本文件。通过本小节的学习，可以掌握对文本文件的简单读写方法。
89520发布于 2020-01-14 - 来自专栏cwl_Java
C++编程之美-结构之法(代码清单3-3)
代码清单3-3 for(answer[0] = 0; answer[0] < total[number[0]]; answer[0]++) for(answer[1] = 0; answer
24020编辑于 2022-11-30 - 来自专栏愿天堂没有BUG（公众号同名）
一文搞定MySQL的分区技术、NoSQL、NewSQL、基于MySQL的分表分库
这里先介绍一下真实的业务场景，而后依次介绍拆分存储时如何进行技术选型、分表分库的实现思路是什么，以及分表分库存在哪些不足。 接下来进入业务场景介绍。 接下来介绍当时是怎么选型的。 拆分存储的技术选型 拆分存储常用的技术解决方案目前主要分为4种：MySQL的分区技术、NoSQL、NewSQL、基于MySQL的分表分库。 2）Client模式：ShardingSphere官方文档中的Client模式如图3-3所示。 先简单对比一下它们的优缺点，见表3-3。 表3-3 Client模式与Proxy模式的优缺点 因为看重“代码灵活可控”这个优势，项目组最终选择了Client模式里的Sharding-JDBC来实现分表分库，如图3-3所示。
88850编辑于 2022-10-28 - 来自专栏WebJ2EE
React：Table 那些事（3-3）—— 列宽自适应、列宽拖动
《React：Table 那些事》系列文章，会逐渐给大家呈现一个基于 React 的 Table 组件的定义、设计、开发过程。每篇文章都会针对 Table 的某个具体功能展开分析：
10.1K41发布于 2019-07-19 - 来自专栏Linux运维
时序数据选型、存储模型与选型
时序数据选型、存储模型与选型一、时序数据的特征与挑战时间戳驱动：数据天然带有时间维度，典型场景包括监控指标、传感器采集、交易日志。高吞吐写入：数据持续产生，要求数据库具备批量写入与乱序处理能力。 压缩与分区优化金融交易、日志分析Prometheus云原生监控拉取式模型与Kubernetes深度集成，PromQL强大应用监控、容器指标IoTDB工业物联网灵活序列模型面向设备数据优化，接口丰富工业场景、传感器数据四、选型考量维度场景匹配监控 选型建议：根据业务场景、数据规模与团队技术栈综合评估，避免“一刀切”。
61110编辑于 2026-01-04 - 来自专栏IT大咖说
一文搞定MySQL的分区技术、NoSQL、NewSQL、基于MySQL的分表分库
这里先介绍一下真实的业务场景，而后依次介绍拆分存储时如何进行技术选型、分表分库的实现思路是什么，以及分表分库存在哪些不足。 接下来进入业务场景介绍。 接下来介绍当时是怎么选型的。 ◆ 拆分存储的技术选型 拆分存储常用的技术解决方案目前主要分为4种：MySQL的分区技术、NoSQL、NewSQL、基于MySQL的分表分库。 2）Client模式：ShardingSphere官方文档中的Client模式如图3-3所示。 先简单对比一下它们的优缺点，见表3-3。 表3-3 Client模式与Proxy模式的优缺点 因为看重“代码灵活可控”这个优势，项目组最终选择了Client模式里的Sharding-JDBC来实现分表分库，如图3-3所示。
72220编辑于 2022-08-26 - 来自专栏John Wong's Blog
前端技术选型
技术选型是我们必然会碰到的，我们常常面临的不是单个技术的选型，而是对于一个项目所涉及的一整套技术、方案、规范或者产品的选型。我们需要仔细的去权衡各种技术、各种组合的利弊，做出取舍。 技术选型需要考虑的因素 项目因素 明确现在项目的规模、重要程度。 项目的需求（特别是非功能性需求）也会限制技术的选型 团队因素 考虑团队的因素，也就是人的因素，考虑团队人员的技术组成。 如何进行技术选型 上面列出了很多技术选型需要考虑的因素，那么到底该如何进行技术选型呢？ 首先明确选型的需求和目的，最好能列出必须要考虑的各种因素以及评判标准。寻找候选技术和产品。 可以列个技术选型分析表（小的不太重要的技术选型不一定要这么麻烦，而重要的技术选型则可能要反复各个步骤多次） 团队、技术成熟度、性能、架构一致性... 选型最后 当一个技术或产品选型后，下面要做的便是接入和推进。抓住时机，坚定地推进。
1.4K10编辑于 2021-12-23 - 来自专栏顶级程序员
前端框架选型
本文将详细介绍框架选型 框架与库 库(lib)具有以下三个特点： 1、是针对特定问题的解答，具有专业性； 2、不控制应用的流程 3、被动的被调用 框架(frameword)具有以下三个特点： 1、具有控制反转 == SPA(单页系统) SPA应用程序的逻辑比较复杂，需要一种模式来进行解耦，但并不一定是MV*模式 最后 最后推荐一个框架选型网站https://www.javascripting.com，该网站根据不同的需求的选择 ，给出当下流行的框架选型 ? 作者：小火柴的蓝色理想 链接：www.cnblogs.com/xiaohuochai/p/7041595.html 本文是蔡剑飞、郑海波老师的《产品前端架构》课程中《框架选型》章节的学习记录
2.1K60发布于 2018-05-03 - 来自专栏全栈程序员必看
OLAP组件选型
OLAP组件选型 一、OLAP简介 1、olap准则 2、OLAP场景的关键特征 3、与oltp比较 二、开源引擎 1、Hive 2、spark SQL 3、presto 4、kylin 5、impala 6、druid 7、Greeplum 8、clickhouse 三、选型要求 1、实时性要求较高，对接kafka，实时查询数据 2、可以接入hive数据 3、单表查询数据较多，较少的join，在数仓中完成宽表构建 Spark SQL、Presto、Kylin、Impala、Druid、Clickhouse、Greeplum等，可以说目前没有一个引擎能在数据量，灵活程度和性能上做到完美，用户需要根据自己的需求进行选型 没有完整的事务支持 不支持二级索引 有限的SQL支持，join实现与众不同 不支持窗口功能 元数据管理需要人工干预维护 三、选型要求 1、实时性要求较高，对接kafka，实时查询数据
3.7K30编辑于 2022-11-17 - 来自专栏硬件工程师
运放选型
事先声明，这只是本人的一点小小见解，如有错误，不妥，还请指出，大家共同进步！！！谢谢。
98620编辑于 2022-08-29 - 来自专栏房东的猫
MySQL索引选型
image.png 所以数据库索引数据结构的选型而言，B 树是一个很不错的选择。
90431发布于 2021-03-26 - 来自专栏ThoughtWorks
技术选型指南
这是一篇综合类技术选型指南，试图为你提供一份比较通用的技术选型思维框架。当你需要进行技术选型时，可以参照它来设计自己的决策树。 ---- 反模式 有一些技术选型策略可能会导致灾难性的失败，这些选型中存在一些共同的反模式，比如： 舆论驱动选型 人云亦云，盲目听信外人或者某些布道师的主观性言论，这就是舆论驱动选型。 单一指标驱动选型 根据任何一个单一指标进行选型都会给你带来灾难，更何况很多指标并不适合作为选型的依据。 如果技术选型只是个数字游戏，那还要你干嘛？ 话语权驱动选型 这几乎是最糟的选型，但却屡见不鲜。技术栈的更迭往往会带来话语权的变化，而这将给公司带来灾难。 粉丝驱动选型 对于生命线产品，最糟糕的选型莫过于粉丝驱动选型了，这次可没有“几乎”。对于技术人员来讲，最重要的特质是客观冷静，这样才能配得上“专业”二字。
1.4K30发布于 2019-05-05 - 来自专栏技术随笔心得
微服务选型
微服务架构的缺点： 1、分布式部署，各个业务以http或者RPC方式进行调用，一定程度上增加了调用的复杂性(相比于集中式服务的进程内函数堆栈调用) 2、服务之间协议的选型
64720发布于 2021-04-13
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