- 综合排序
- 最热优先
- 最新优先
- 来自专栏应用计算
第四篇 - 大主子表关联--SPL轻量级文件存储提速查询实践
这一篇介绍主键关联的提速。主表订单表和子表明细表的关联就是主键关联。SQL 中，这种关联仍用 JOIN 实现，在两个表都很大的情况下，常常出现计算速度非常慢的现象。 如果预先将主子表都按照主键有序存储，就可以使用归并算法实现关联。这种算法只需要对两个表依次遍历，不必借助外存缓存，可以大幅降低计算量和 IO 量。 esProc SPL 支持有序归并算法，可以大幅提升主子表关联计算性能。先做数据准备，把历史数据从数据库导出为 CTX 文件。在 ETL 中定义 Q4.etl：修改两个表的名字，加上 Q4。 =8group by o.order_date;执行时间是 40 秒，在主子表关联后计算去重计数，这两种计算 SQL 的性能都不佳。 2、思考：在自己熟悉的数据库中有没有大主子表关联？是否可以用有序归并方法提速？
19010编辑于 2025-10-20 - 来自专栏完美Excel
使用Python将多个Excel文件合并到一个主电子表格中
3.将数据从步骤2移动到主数据集（我们称之为“数据框架”）。 4.对多个文件，重复步骤2-3。 5.将主数据框架保存到Excel电子表格。 导入库 现在，让我们看看如何用Python实现上述工作流程。 我们使用这个库将Excel数据加载到Python中，操作数据，并重新创建主电子表格。 我们将从导入这两个库开始，然后查找指定目录中的所有文件名。 将多个Excel文件合并到一个电子表格中 接下来，我们创建一个空数据框架df，用于存储主电子表格的数据。 2.如果是，则读取文件内容（数据），并将其追加/添加到名为df的主数据框架变量中。 3.将主数据框架保存到Excel电子表格中。 简洁的几行代码将帮助你将所有Excel文件或工作表合并到一个主电子表格中。 图4 注：本文学习整理自pythoninoffice.com。
8.8K20编辑于 2022-11-16 - 来自专栏应用计算
第五篇 - 大主子表关联时的 EXISTS--SPL轻量级文件存储提速查询实践
大主子表之间进行 EXISTS 计算往往会导致较差的性能。这样的计算本质上是在做主键关联，如果能预先将主子表都按照主键有序存储，也可以使用有序归并算法有效提速。 esProc SPL 可以把主子表的 EXISTS 转化为有序归并，从而提升计算性能。下面通过订单表和订单明细表的例子，介绍这种情况的外置提速方法。 2、思考：在自己熟悉的数据库中有没有大主子表关联计算 EXISTS？是否可以用有序归并方法提速？
10810编辑于 2025-10-30 - 来自专栏机器学习与自然语言处理
将句子表示为向量（上）：无监督句子表示学习（sentence embedding）
近年来（2014-2018），许多研究者在研究如何进行句子表示学习，从而获得质量较高的句子向量（sentence embedding）。 TFIDF加权平均词向量就是对每个词按照tfidf进行打分，然后进行加权平均，得到最终的句子表示。 算法包括两步，第一步是对句子中所有的词向量进行加权平均，得到平均向量\(v_s\)；第二步是移出（减去）\(v_s\)在所有句子向量组成的矩阵的第一个主成分(principal component / 无监督句子表示学习 下面介绍的方法是在无标签语料上训练句子表示学习模型，基本思想都是在无标签训练数据上设计监督学习任务进行学习，因此这里所说的无监督句子表示学习着重于训练数据是无标签的。 论文将上述模型命名为quick thoughts（QT），意味着该模型能够迅速有效地学习句子表示向量。
3.8K20发布于 2019-05-25 - 来自专栏Pytorch实践
深度学习之句子表达
在之前的文章里，我们介绍了词语表达的训练，使用skip-gram模型训练word2vec。既然词语能表达，那句子也同样能被分布式的向量表示。这里主要介绍几种句子的表示方法。 1. Mikolov在word2vec模型上改进，得到的paragraph vector 类似于CBOW和skip-gram的两种方法。都是基于对paragraph进行embedding表示，并进行joint-train得到。 （1）使用paragraph embedding预测句子中的每个词概率。对每个paragraph构建Matri
1.7K110发布于 2018-04-08 - 来自专栏小小程序员——DATA
关联规则 关联规则概述
关联规则概述 关联规则 (Association Rules) 反映一个事物与其他事物之间的相互依存性和关联性。 如果两个或者多个事物之间存在一定的关联关系，那么，其中一个事物就能够通过其他事物预测到。 关联规则可以看作是一种IF-THEN关系。 假设商品A被客户购买，那么在相同的交易ID下商品B也被客户挑选的机会就被发现了 购物车分析是大型超市用来揭示商品之间关联的关键技术之一。 他们试图找出不同物品和产品之间的关联，这些物品和产品可以一起销售，这有助于正确的产品放置。 买面包的人通常也买黄油。
74910编辑于 2023-12-18 - 来自专栏JavaEdge
主主、主从和主备区别
主主 两台都是主机，同时对外提供读写操作。客户端任意访问提供的一台。 主从 主备
2.3K21编辑于 2021-12-07 - 来自专栏JavaEdge
主主、主从和主备区别
主主 两台都是主机，同时对外提供读写操作。客户端任意访问提供的一台。 主从 主备
3.5K20发布于 2021-10-18 - 来自专栏运维开发王义杰
MySQL主主复制
在同一个城市的两个数据中心（中心A和中心B）配置两个MySQL实例为双主复制模式是常见的设计。 MySQL双主复制的配置涉及到许多步骤，以下是一个基本的步骤指南： 1. 配置主主复制：在服务器1上，查看二进制日志文件的状态： SHOW MASTER STATUS; 记录下File和Position的值。 启动复制：在每台服务器上，使用以下命令启动复制： START SLAVE; 这样就完成了MySQL双主复制的配置。 请注意，在生产环境中使用双主复制需要特别注意数据一致性问题。为了避免冲突，你可能需要使用某种方式将写操作分区，例如，让一部分应用只写入一台主机，另一部分应用只写入另一台主机。
86730编辑于 2023-08-16 - 来自专栏智能生信
分子表示的几何深度学习
GDL为依赖于具有不同对称性和抽象级别的分子表示的分子建模应用提供了希望。本综述提供了分子GDL的结构化和统一的概述，重点介绍了其在药物发现、化学合成预测和量子化学中的应用。 它介绍了GDL的原理，以及相关的分子表示，如分子图、smiles串等及其各自的属性。讨论了GDL在分子科学中的当前挑战，并对未来的发展前景进行展望。
61620编辑于 2022-12-29 - 来自专栏bisal的个人杂货铺
EDB无法删除分区子表的错误
a删除关联，再drop删除子表，提示无法删除，从错误提示看，主表a要依赖子表b，建议删除主表a，达到删除子表b的效果。 以inherits+check的方式，创建子表t_b。 3. 使用no inherit删除主子表关联关系。 4. 执行drop，可以正常删除，并未出现报错。 P.S. 其实即使不用no inherit，可以直接删除这张子表。 ? 为什么这次没有报错？究竟主表有什么依赖于子表的？ 一开始，我是怀疑有什么外键之类的属性，没有删除，导致主表依赖于子表，或者no inherit没有真正删除关联，但是这些猜测，都一一验证不对。 通过询问建表的操作，才发现个细节。 以inherit创建子表b。 3. 删除子表b，此时提示主表a依赖于子表b。 4. 使用no inherit删除关联，删除子表b，还是提示主表a依赖于子表b。 5. 只有删除主表a，才能删除子表b。
2.5K30发布于 2019-02-28 - 来自专栏运维经验分享
mysql5.7主主(双主)复制 原
在server2操作 vi /etc/my.cnf 修改或增加： server-id=2 #这个数值不能和主一样 log-bin=mysql-bin # 启用二进制日志 auto-increment-increment = 2 #每次增长2 auto-increment-offset = 2 #设置自动增长的字段的偏移量 可选参数（2选1，这两个参数设置成和主一样）： replicate-do-db=db1,db2 主主复制测试 经测试，主主复制配置成功。 具体过程略，请自行请参考上一篇 mysql5.7主从配置 里的方法。
3.2K20发布于 2019-03-11 - 来自专栏Java
UML图讲解(关联关系，单向关联，双向关联，自关联，组合关系，依赖关系，继承关系，实现关系)
类与类之间关系的表示方式 2.1 关联关系 简介： 关联关系是对象之间的一种引用关系，用于表示一类对象与另一类对象之间的联系，如老师和学生、师傅和徒弟、丈夫和妻子等。 关联关系是类与类之间最常用的一种关系，分为一般关联关系、聚合关系和组合关系。 关联又可以分为单向关联，双向关联，自关联。 1，单向关联 在UML类图中单向关联用一个带箭头的实线表示。 2，双向关联 所谓双关联就是两个类中互相有对方的部分。 在UML类图中，双向关联用一个不带箭头的直线表示。 3，自关联 自关联在UML类图中用一个带有箭头且指向自身的线表示。 2.3 聚合关系 聚合关系是关联关系的一种，是强关联关系，是整体和部分之间的关系。 下图所示是头和嘴的关系图： 2.4 依赖关系 依赖关系是一种使用关系，它是对象之间耦合度最弱的一种关联方式，是临时性的关联。
1.6K10编辑于 2025-01-21 - 来自专栏万能的小草
电子表格调研
一、 竞品分析 1.1 调研目的 电子表格可以输入输出、显示数据，也利用公式计算一些简单的加减法。 本次调研主要是为了进一步了解市面上的电子表格的功能，为表格优化打基础。 总结：google sheet 和石墨文档的电子表格功能十分强大，支持筛选、选择列、行、以及计算字段。而FineBI和Quick BI 更多的是把表格当做一个可视化的控件，支持电子表格的基本功能。 我们更多的是希望把电子表格作为一个基本控件，所以下文重点讨论quick bi 和 fine bi 1.3 产品流程图 quick bi - 交叉表 ? fine bi - 交叉表 ? 总结：一个基础的电子表格，应该具备创建明细表、交叉表两种类型的表格，同时表格支持排序、过滤、汇总方式（max、min、avg、sum），数值格式、调整列宽、条件格式等基本功能。
2.4K10发布于 2020-02-17 - 来自专栏CSDN技术博客
MySQL8+keepalived 主主（双主）模式部署
系统版本：Red Hat Enterprise Linux Server release 7.6 (Maipo) Mysql版本：mysql-boost-8.0.18.tar.gz 部署主机： 192.168.102.110 、 192.168.102.111 必须依赖包： gcc-9 、 cmake-3
2.1K20发布于 2021-08-10 - 来自专栏机器学习与自然语言处理
将句子表示为向量（下）：基于监督学习的句子表示学习（sentence embedding）
Representations from Natural Language Inference Data提出使用自然语言推理（natural language inference, NLI）数据集来学习通用的句子表示 } _ { 1 } , \ldots , \overline { h } _ { T } )\)，然后与可学习（可训练）的query向量（上下文向量）计算得到\(\{a_i\}\)，然后进行加权得到句子表示 } , u _ { w } ^ { 2 } , u _ { w } ^ { 3 } , u _ { w } ^ { 4 }\)（multiple views），对应产生4个表示后进行连结作为最终的句子表示 Hierarchical ConvNet，多层卷积（4层），每层卷积的maxpooling输出进行连结得到最终句子表示，模型结构如下图： ?
1.7K30发布于 2019-05-25 - 来自专栏yuyy.info技术专栏
关联账户
main() { int m[N]; int i; for(i=0; i<N; i++) m[i] = i; //初始状态，每个节点自成一个连通域 link(m,0,1); //添加两个账户间的转账关联
2.3K10编辑于 2022-06-28 - 来自专栏懂点编程的数据分析师
关联分析
这种用于发现隐藏在大型数据集中的有意义联系的分析方法即是关联分析association analysis，所发现的规则可以用关联规则association rule或频繁项集的形式表示： ? 5.关联规则：支持度与置信度 关联规则association rule指的是形如 ? 的蕴涵表达式，其中 ? 。 6.关联规则发现 给定事务的集合 ? ，关联规则发现指的是找出支持度大于等于minsup并且置信度大于等于minconf的所有规则。 挖掘关联规则的原始做法是：计算每个可能规则的支持度和置信度。 一种可靠的提高关联规则算法性能的方法将关联规则挖掘任务拆分为如下的两个子任务： 频繁项集产生：发现满足最小支持度阈值的所有项集，这些项集被称为频繁项集frequent itemset 规则的产生：目标是从上一步中发现的频繁项集中提取所有高置信度的规则 个关联规则。关联规则可以这样提取：将项集 ? 划分为两个非空的子集 ? 和 ? ，使得 ? 满足置信度阈值即可。 如果规则 ? 不满足置信度阈值，则形如 ? 的规则也一定不满足置信度阈值，其中 ?
1.6K40发布于 2020-06-09 - 来自专栏MasiMaro 的技术博文
关联容器
除了顺序容器外，c++中还有关联容器。与顺序容器不同的是，关联容器中元素是按照关键字来保存和访问的。与之相对的顺序容器是按它们在容器中的位置来顺序的保存和访问的。 关联容器支持高效的查找和访问。 两个主要的关联容器类型是map和set。 原因是关联容器是按照关键字存储的，这些操作对关联容器没有意义 对于map、multimap、set、multiset 关键字类型必须定义元素的比较方法。 关联容器的操作 关联容器定义了额外的类型别名 key_type: 此容器类型的关键字类型 mapped_type: 每个关键字关联的类型：只适用与map value_type: 对于set，与key_value 关键字是const这一特性意味着不能将关联容器传递给修改或者重排容器元素的算法。关联容器可以使用只读取元素的算法。但是很多这类算法都要搜索序列。
96620发布于 2021-05-18 - 来自专栏ops技术分享
Mysql配置 主主同步（上）
1.两个数据库版本最好一致 2.两个数据库内数据保持一致，若不一致，可手动调整，比如A比B多一个库，那将这个库导入到B库，达到一致。
1.6K30发布于 2021-06-16
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