- 综合排序
- 最热优先
- 最新优先
- 来自专栏mysql
hhdb数据库介绍(8-2)
单机部署属于管理平台中的功能，在使用前需要先安装好管理平台。安装步骤说明请参照集群部署功能管理平台部署说明。
43710编辑于 2025-03-10 DBLens 的数据安全、登录方式与离线使用说明
DBLens的数据安全、登录方式与离线使用说明在选择数据库管理工具时，开发者和企业用户通常会重点关注以下问题：数据库连接信息是否安全？工具会不会获取或上传数据库数据？执行日志、AI对话是否会被收集？ 这些信息不会被上传到DBLens的服务器，也不会与任何第三方服务共享。\DBLens不会远程收集、同步或分析任何数据库连接配置。你的数据库连接信息，只存在于你的电脑上。 二、DBLens不获取、不上传任何数据库业务数据DBLens的定位非常明确：它只是一个数据库客户端工具。 这意味着：不会采集数据库中的表数据、字段内容或业务信息不会上传SQL语句、查询结果或执行计划不会记录或分析数据库结构并发送到云端所有数据库交互，仅发生在：用户本地设备↔用户数据库DBLens不会介入这条链路之外的任何数据流转 ，DBLens依然可以作为一个稳定、可靠的数据库管理工具运行。
25520编辑于 2025-12-25DBLens 实现数据库连接管理与高效 SQL 开发（含可视化与效率技巧）
什么是DBLens？ DBLens是一款跨平台的数据库客户端工具，主要用于：连接与管理数据库环境编写/执行SQL浏览数据与表结构（可选）通过可视化能力（如关系图/指标）辅助理解数据库（可选）使用AI辅助完成SQL建议/修复（ 企业场景需先评估合规）简单理解：DBLens≈“更轻量、更现代的数据库客户端（写SQL+查数据+看结构）”。 DBLens长什么样？ DBLens的整体交互基本遵循数据库客户端的常见布局：顶部菜单：数据库、LensAI、全库查找、历史日志、收藏夹、应用中心左侧：连接/库/表/视图/函数/事件/查询中间：SQL编辑器、查询标签页（SQLEditor
33710编辑于 2025-12-25从个人灵感仓到团队知识库：QueryNote如何重塑技术笔记的流动与共享
DBLens团队最近正式推出的QueryNote云端笔记服务，正在技术社区中引发关注。 其开发团队DBLens一直以“本地优先、直连数据库”为产品原则，这一原则确保了数据安全与性能，但也带来了天然的局限性——难以实现跨设备同步。 于是，团队选择了一条清晰的分割线：让DBLens继续专注本地的数据库操作，而将思考记录的任务交给专门的工具QueryNote。这种边界清晰的产品设计反而成为了QueryNote的最大优势。 03无缝集成，DBLens生态的自然延伸QueryNote最巧妙的设计之一，是其与DBLens的集成方式。 它并非一个完全独立的产品，而是以iframe形式无缝嵌入DBLens界面，通过统一的账号体系实现无感登录。当技术人员在使用DBLens进行数据库操作时，QueryNote的笔记面板随时待命。
25110编辑于 2026-01-18- 来自专栏Deep learning进阶路
8-2 图的存储结构
8-2 图的存储结构 1.邻接矩阵（顺序存储结构） 图结构的元素之间虽然具有“多对多”的关系，但是同样可以采用顺序存储，即使用数组有效地存储图。
85830发布于 2019-07-02 DBLens 的必经之路
DBLens如果要覆盖多家国产数据库，每多支持一个就意味着：SQL兼容差异、系统表差异、执行计划差异权限模型差异、审计策略差异性能指标采集与告警差异备份恢复、迁移链路差异这不是“加个驱动”这么简单，而是 3）只要迈出第一步，工具就会反过来推动国产数据库生态成熟工具不是数据库的附属品，它会推动数据库本身向标准化、可观测、可维护方向演进。 三、DBLens这种国产工具，最正确的成长方式是什么？ 2）把适配当成长期工程能力，而不是项目交付国产数据库的碎片化是现实，因此DBLens需要一个真正的适配体系：插件化规则引擎化采集与指标标准化协议兼容策略甚至要有自己的兼容层与测试矩阵。 3）从“工具”升级为“平台”最终DBLens的目标不只是客户端，而是：数据库可观测平台研发规范平台数据库知识库平台统一管理与审计平台当工具成为平台，才会拥有跨项目、跨团队的生命力。
33130编辑于 2025-12-26DBLens for MySQL 2026.2.7版本：自定义模型配置全指南
在DBLensforMySQL2026.2.7版本中，自定义模型配置是一项重要升级，它允许您根据不同的业务场景、环境需求和团队规范，灵活配置和使用特定的AI模型，从而实现更精准、高效的数据库智能化操作。 这告诉DBLens使用与Ollama兼容的API协议进行通信。BaseURL(基础地址)：*必填项，也是最关键的设置。 因为DeepSeek的API与OpenAI兼容，所以在提供商下拉菜单中应选择OpenAI或OpenAICompatible（如果DBLens有此选项）。不要选择Ollama。 如果DBLens的“ChatPath”字段已有默认值（例如截图中的/api/chat），但连接失败，您可以尝试将其修改为标准路径/v1/chat/completions或留空（取决于DBLens的预设逻辑 在DBLens中，配置保存后，您可以尝试在SQL编辑器或相关AI功能中，提出一个简单的问题（例如：“用中文解释什么是SELECT语句”），看是否能收到AI的回复。
16910编辑于 2026-02-11- 来自专栏AI机器学习与深度学习算法
机器学习入门 8-2 scikit-learn中的多项式回归与pipeline
本系列是《玩转机器学习教程》一个整理的视频笔记。在上一小节介绍了多项式回归的基本思想，本小节主要介绍sklearn是如何对多项式进行封装的，之后介绍一种类似Linux中"|"管道的Pipeline类。
1.9K10发布于 2019-12-16 - 来自专栏全栈程序员必看
VB程序设计教程(第四版)龚沛曾-实验8-2
实验8-2 将斐波那契数列的前10项写入文件Fb .dat，然后从该文件将数据读取出来并计算合计和平均数，最后送入列表框。 要求：文件数据格式如2.8.2所示，列表框中项目格式如图2.8.3所示。
48110编辑于 2022-11-08 - 来自专栏全栈程序员必看
VB程序设计教程(第四版)龚沛曾 实验8-2
VB程序设计教程(第四版)龚沛曾 实验8-2 将斐波那契数列的前10项写入文件Fb .dat，然后从该文件将数据读取出来并计算合计和平均数，最后送入列表框。
46610编辑于 2022-11-08 - 来自专栏智能大数据分析
关联规则挖掘（一）
定义 8-2 若指定 MinS\in(0,1) 作为刻画支持度是否符合用户期望的阈值，则 MinS 称为最小支持度，并将 MinSptN=MinS\times|T| 称为最小支持数，即 MinSptN (X\Rightarrow Y)=包含X\cap Y的事务数/ |T|\tag{8-2} 对于例8-1的交易数据库 T ，若令 X=\{b,c\},Y=\{d\} ，则 Support (X 即频繁项集的子集必是频繁项集 定理 8-2 (频繁项集性质2)：如果 X 是非频繁项集，那么它的所有超集都是非频繁项集。即非频繁项集的超集也是非频繁项集。 算法名称源于它使用了关于项集的两个性质，即定理8-1和8-2等先验 (Apriori) 知识。 Apriori算法在具体实现时，将关联规则的挖掘过程分为如下两个基本步骤。 例 8-3 对表8-2所示的交易数据库，其项集 I=\{a,b,c,d,e\} ，设最小支持度 MinS=0.4 ，请找出所有的频繁项目集。
53000编辑于 2025-01-22 - 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8-2 在数组中查找指定元素
习题8-2 在数组中查找指定元素 本题要求实现一个在数组中查找指定元素的简单函数。
1.4K10发布于 2020-09-15 - 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 练习8-2 计算两数的和与差
练习8-2 计算两数的和与差 本题要求实现一个计算输入的两数的和与差的简单函数。
1.2K10发布于 2020-09-15 - 来自专栏伪架构师
Knative 入门系列8：拓展与展望
应用程序一般由从前端 UI 到后端数据库的许多组件以及其间的所有处理组成。相比之下，函数通常只是一小段代码，具有单一目的，可以快速和异步地运行。 又如例 8-2，它也是使用 Node.js 编写的一个函数，它不是一个完整的 Express 应用程序，而仅仅由一个函数组成，不包含任何其他 Node.js 模块。 例 8-2 中的代码使用了function invokers特别支持的编程模型，function invokers 是riff 项目一部分的。 riff 是 Pivotal 的一个开源项目，构建于 Knative 之上，它提供了一些很棒的东西：用于安装 Knative 和管理在其上部署的函数（functions）的 CLI，以及使我们能够编写像例 8-
1.3K20发布于 2019-07-23 - 来自专栏从零开始的Code生活
LeetCode 1438. 绝对差不超过限制的最长连续子数组(滑动窗口)(双指针)
示例 1： 输入：nums = [8,2,4,7], limit = 4 输出：2 解释：所有子数组如下： [8] 最大绝对差 |8-8| = 0 <= 4. [8,2] 最大绝对差 |8-2| = [8,2,4] 最大绝对差 |8-2| = 6 > 4. [8,2,4,7] 最大绝对差 |8-2| = 6 > 4. [2] 最大绝对差 |2-2| = 0 <= 4. [2,4] 最大绝对差 |
65530编辑于 2022-01-13 - 来自专栏图数据库
WeGraphDB: 微信自研超大规模图数据库
---- 大规模图数据库未解难题: 8-2原则的n次方 一直以来，图数据库被大家认为是图辅助分析系统，在开源的世界里更是如此，比如安全打击，大家倾向于用(图查询-展示-剪枝-迭代)等方式来分析诈骗团伙 为什么大多数图数据库无法像MySQL一样，作为主力存储和查询引擎呢? 1.图普遍具有power-law分布特性，少数点连接了多数的边。 2.n跳查询会n次方恶化8-2原则，让系统变得极不稳定。 a)业务方都想优化，b)历史账单越滚越多，c)这不是图数据库，而是图业务中台。 欢迎大家加入我们(Email: trippli@tencent.com)，做更好的图数据库。 欢迎加入我们，做更好的图数据库. Email: trippli@tencent.com
3.1K1090发布于 2021-11-10 - 来自专栏二进制文集
LeetCode 1438. 绝对差不超过限制的最长连续子数组
示例 1： 输入：nums = [8,2,4,7], limit = 4 输出：2 解释：所有子数组如下： [8] 最大绝对差 |8-8| = 0 <= 4. [8,2] 最大绝对差 |8-2| = [8,2,4] 最大绝对差 |8-2| = 6 > 4. [8,2,4,7] 最大绝对差 |8-2| = 6 > 4. [2] 最大绝对差 |2-2| = 0 <= 4. [2,4] 最大绝对差 |
95610发布于 2021-02-21 - 来自专栏Hadoop数据仓库
维度模型数据仓库（十三） —— 退化维度
清单清单（五）- 8-2显示了修改后的定期装载脚本。 2 图（五）- 8-2到图（五）- 8-8显示了对Kettle定时装载的修改。 测试修改后的定期装载 本小节说明如何测试清单（五）- 8-2里的定期装载脚本和对应的Kettle转换。 清单（五）- 8-3里的脚本向源数据库里的sales_order表新增十行。 2015-03-15', 1000, 10) ; COMMIT; 清单（五）- 8-3 现在设置你的系统日期为2015年3月12日，然后再执行清单（五）- 8-
5.9K21编辑于 2022-12-02 - 来自专栏前沿技墅
智能监控利器：时序数据库
时序数据库就是用来存储这些时序数据的数据库。与传统数据库相比，时序数据库需要能 够长时间保存数据，且需要实时展示，这就要求时序数据库能做到持久化存储，以及数据读写的高性能。 时序数据库的特性 上面介绍的时序数据库的这些特点，决定了时序数据库具有以下特性。 高并发、高吞吐量，实时写入和读取数据。 高可用性、高可靠性，分布式架构、数据分片。 时序数据库的组成（不同的数据库定义可能不一样） Timestamp：这是时序数据库的关键所在，因为是以时间排序的数据，所以需要记录所 有数据的时间。 表 8-1 时序数据库模型 时序数据库的对比 目前，市面上的时序数据库种类繁多，比较老牌的有 Graphite、RRD Tool 等，后起之秀有InfluxDB、OpenTSDB、Prometheus 表 8-2 对比了目前主流时序数据库的优缺点。 表 8-2 主流时序数据库的优缺点 ———— 本文新作《智能运维：从0搭建大规模分布式AIOps系统》。
1.6K40发布于 2018-08-16 - 来自专栏愿天堂没有BUG（公众号同名）
终于靠这篇文章学透了Nginx/OpenResty详解，NginxLua编程
（2）lua-resty-mysql：通过Lua操作MySQL数据库。 （3）lua-resty-redis：通过Lua操作Redis缓存。 除了上述MySQL数据库操作、Redis操作、限流、模板渲染等常用功能组件外，还有很多第三方的ngx_lua组件（如lua-resty-jwt、lua-resty-kafka等），对于大部分应用场景来说 图8-1 在IDEA创建Lua脚本的工程 Lua项目的工程结构 创建Lua工程之后，这里规划一下工程目录，Lua项目的结构如图8-2所示。 图8-2 Lua项目的工程结构 图8-2所示的工程结构都处于工程的src目录下，包含两大部分内容：第一部分为Nginx的配置；第二部分为Lua脚本的目录结构。
1.5K20编辑于 2022-10-28
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