【PostgreSQL 03】PostGIS空间数据深度实战：从地图服务到智慧城市

PostGIS空间数据深度实战：从地图服务到智慧城市

关键词
PostGIS, 空间数据库, 地理信息系统, GIS, 空间查询, 地理分析, 位置服务, 智慧城市, 空间索引, 坐标系统

摘要
PostGIS是PostgreSQL的空间数据扩展，它将普通的关系数据库转变为强大的地理信息系统。本文将从零开始，通过生动的实例和通俗易懂的语言，带你掌握PostGIS的核心概念和实战技能。从简单的地图服务到复杂的智慧城市应用，从基础的空间查询到高级的地理分析，我们将一步步构建完整的空间数据解决方案。无论你是想要开发LBS应用，还是要构建城市管理系统，这篇文章都将为你提供扎实的技术基础。

引言：当数据库遇上地图

想象一下这样的场景：

你正在开发一个外卖平台，产品经理提出了这些需求：

  • “用户下单时，自动推荐附近2公里内的餐厅”
  • “配送员接单后，计算最优配送路线”
  • “分析哪些区域订单密度最高，方便商家选址”
  • “实时监控配送员位置，预估送达时间”

如果用传统的关系数据库，你可能会这样处理：

-- 传统方案：用三角函数计算距离
SELECT restaurant_name,SQRT(POW(lat - 39.9042, 2) + POW(lng - 116.4074, 2)) as distance
FROM restaurants 
WHERE SQRT(POW(lat - 39.9042, 2) + POW(lng - 116.4074, 2)) < 0.02
ORDER BY distance;

但这种方案有什么问题呢？

  • 计算不准确（地球是球体，不是平面）
  • 性能很差（无法使用索引）
  • 功能有限（无法处理复杂的地理关系）
  • 扩展困难（新增地理功能需要大量代码）

PostGIS就是为了解决这些问题而生的。它让数据库原生支持地理数据，就像支持数字和文本一样自然。

在这里插入图片描述

第一部分：PostGIS基础 - 让数据库理解地理世界

什么是PostGIS？

PostGIS可以理解为PostgreSQL的"地理大脑"。它为数据库添加了：

  1. 空间数据类型：点、线、面等几何对象
  2. 空间函数：距离计算、相交判断等地理运算
  3. 空间索引：高效的地理查询性能
  4. 坐标系统：支持全球各种地图投影

安装和启用PostGIS

-- 安装PostGIS扩展
CREATE EXTENSION postgis;-- 查看PostGIS版本
SELECT PostGIS_Version();-- 查看支持的空间参考系统
SELECT srid, proj4text FROM spatial_ref_sys LIMIT 5;

核心空间数据类型

PostGIS提供了丰富的空间数据类型，就像几何学中的基本图形：

1. POINT（点）

-- 创建点几何
SELECT ST_GeomFromText('POINT(116.4074 39.9042)', 4326) as beijing_center;-- 从经纬度创建点
SELECT ST_Point(116.4074, 39.9042) as point_geom;

2. LINESTRING（线）

-- 创建线几何（道路、路径）
SELECT ST_GeomFromText('LINESTRING(116.40 39.90, 116.41 39.91, 116.42 39.92)', 4326) as road;

3. POLYGON（面）

-- 创建多边形（区域、边界）
SELECT ST_GeomFromText('POLYGON((116.40 39.90, 116.41 39.90, 116.41 39.91, 116.40 39.91, 116.40 39.90))', 4326) as area;

坐标系统：地球不是平的

这是PostGIS中最重要但也最容易被忽视的概念。想象一下：

  • 地理坐标系（如WGS84，SRID 4326）：就像地球仪上的经纬度
  • 投影坐标系（如UTM）：就像把地球仪摊平成地图
-- WGS84地理坐标系（经纬度）
SELECT ST_GeomFromText('POINT(116.4074 39.9042)', 4326) as wgs84_point;-- 转换为投影坐标系（米为单位）
SELECT ST_Transform(ST_GeomFromText('POINT(116.4074 39.9042)', 4326), 3857) as web_mercator;

第二部分：空间查询实战 - 掌握地理关系分析

在这里插入图片描述

实战案例：构建外卖配送系统

让我们构建一个完整的外卖配送系统，学习各种空间查询：

-- 创建餐厅表
CREATE TABLE restaurants (id SERIAL PRIMARY KEY,name VARCHAR(100),location GEOMETRY(POINT, 4326),delivery_radius INTEGER DEFAULT 3000, -- 配送半径（米）cuisine_type VARCHAR(50),rating DECIMAL(3,2)
);-- 创建用户表
CREATE TABLE users (id SERIAL PRIMARY KEY,name VARCHAR(100),current_location GEOMETRY(POINT, 4326),address TEXT
);-- 创建配送员表
CREATE TABLE drivers (id SERIAL PRIMARY KEY,name VARCHAR(100),current_location GEOMETRY(POINT, 4326),is_available BOOLEAN DEFAULT true,vehicle_type VARCHAR(20)
);-- 插入测试数据
INSERT INTO restaurants (name, location, delivery_radius, cuisine_type, rating) VALUES 
('老北京炸酱面', ST_Point(116.4551, 39.9380, 4326), 2000, '中餐', 4.5),
('麦当劳', ST_Point(116.4579, 39.9081, 4326), 3000, '快餐', 4.2),
('海底捞', ST_Point(116.3105, 39.9830, 4326), 5000, '火锅', 4.8);INSERT INTO users (name, current_location, address) VALUES 
('张三', ST_Point(116.4520, 39.9350, 4326), '三里屯SOHO'),
('李四', ST_Point(116.3100, 39.9800, 4326), '中关村大街');INSERT INTO drivers (name, current_location, vehicle_type) VALUES 
('王师傅', ST_Point(116.4500, 39.9300, 4326), '电动车'),
('赵师傅', ST_Point(116.3150, 39.9820, 4326), '摩托车');

核心空间查询操作

1. 距离查询 - ST_DWithin

-- 查找用户附近2公里内的餐厅
SELECT r.name,r.cuisine_type,r.rating,ST_Distance(r.location, u.current_location) as distance_meters
FROM restaurants r,users u
WHERE u.name = '张三'AND ST_DWithin(r.location, u.current_location, 2000)
ORDER BY distance_meters;

2. 包含查询 - ST_Contains

-- 创建配送区域
CREATE TABLE delivery_zones (id SERIAL PRIMARY KEY,zone_name VARCHAR(100),boundary GEOMETRY(POLYGON, 4326),delivery_fee DECIMAL(10,2)
);-- 插入配送区域
INSERT INTO delivery_zones (zone_name, boundary, delivery_fee) VALUES 
('市中心区', ST_GeomFromText('POLYGON((116.35 39.85, 116.50 39.85, 116.50 39.95, 116.35 39.95, 116.35 39.85))', 4326), 5.00);-- 查找用户所在的配送区域
SELECT u.name,dz.zone_name,dz.delivery_fee
FROM users u
JOIN delivery_zones dz ON ST_Contains(dz.boundary, u.current_location);

3. 最近邻查询 - ST_Distance + ORDER BY

-- 为订单分配最近的配送员
WITH order_location AS (SELECT ST_Point(116.4550, 39.9370, 4326) as location
)
SELECT d.name,d.vehicle_type,ST_Distance(d.current_location, ol.location) as distance
FROM drivers d,order_location ol
WHERE d.is_available = true
ORDER BY distance
LIMIT 1;

4. 相交查询 - ST_Intersects

-- 查找与配送路线相交的区域
CREATE TABLE traffic_zones (id SERIAL PRIMARY KEY,zone_name VARCHAR(100),boundary GEOMETRY(POLYGON, 4326),traffic_level VARCHAR(20)
);-- 配送路线
WITH delivery_route AS (SELECT ST_MakeLine(ARRAY[ST_Point(116.4551, 39.9380, 4326),  -- 餐厅ST_Point(116.4520, 39.9350, 4326)   -- 用户]) as route
)
SELECT tz.zone_name,tz.traffic_level
FROM traffic_zones tz,delivery_route dr
WHERE ST_Intersects(tz.boundary, dr.route);

第三部分：高级空间分析 - 构建智能决策系统

缓冲区分析

缓冲区就像在地图上画圆圈，用于分析影响范围：

-- 分析餐厅配送覆盖范围
SELECT r.name,ST_Buffer(r.location, r.delivery_radius) as coverage_area
FROM restaurants r;-- 查找配送覆盖范围重叠的餐厅
SELECT r1.name as restaurant1,r2.name as restaurant2,ST_Area(ST_Intersection(ST_Buffer(r1.location, r1.delivery_radius),ST_Buffer(r2.location, r2.delivery_radius))) as overlap_area
FROM restaurants r1,restaurants r2
WHERE r1.id < r2.idAND ST_Intersects(ST_Buffer(r1.location, r1.delivery_radius),ST_Buffer(r2.location, r2.delivery_radius));

热力图分析

分析订单密度分布，帮助商家选址：

-- 创建订单表
CREATE TABLE orders (id SERIAL PRIMARY KEY,user_id INTEGER REFERENCES users(id),restaurant_id INTEGER REFERENCES restaurants(id),delivery_location GEOMETRY(POINT, 4326),order_time TIMESTAMP DEFAULT NOW(),total_amount DECIMAL(10,2)
);-- 网格化热力图分析
WITH order_grid AS (SELECT ST_SnapToGrid(delivery_location, 0.01) as grid_cell,  -- 创建1km网格COUNT(*) as order_count,AVG(total_amount) as avg_amountFROM ordersWHERE order_time >= NOW() - INTERVAL '30 days'GROUP BY ST_SnapToGrid(delivery_location, 0.01)
)
SELECT ST_X(grid_cell) as longitude,ST_Y(grid_cell) as latitude,order_count,avg_amount,CASE WHEN order_count > 100 THEN '热点区域'WHEN order_count > 50 THEN '活跃区域'ELSE '一般区域'END as area_type
FROM order_grid
WHERE order_count > 10
ORDER BY order_count DESC;

路径分析

计算最优配送路线：

-- 简化的路径分析（实际应用中需要路网数据）
CREATE OR REPLACE FUNCTION calculate_delivery_route(restaurant_point GEOMETRY,user_point GEOMETRY
) RETURNS TABLE(route_geometry GEOMETRY,distance_km DECIMAL,estimated_time_minutes INTEGER
) AS $$
BEGINRETURN QUERYSELECT ST_MakeLine(restaurant_point, user_point) as route_geometry,ROUND(ST_Distance(restaurant_point, user_point)::DECIMAL / 1000, 2) as distance_km,ROUND(ST_Distance(restaurant_point, user_point) / 500)::INTEGER as estimated_time_minutes; -- 假设500米/分钟
END;
$$ LANGUAGE plpgsql;-- 使用路径分析函数
SELECT * FROM calculate_delivery_route(ST_Point(116.4551, 39.9380, 4326),  -- 餐厅位置ST_Point(116.4520, 39.9350, 4326)   -- 用户位置
);

第四部分：智慧城市应用 - 大规模空间数据处理

在这里插入图片描述

交通流量分析系统

-- 创建交通监测点表
CREATE TABLE traffic_sensors (id SERIAL PRIMARY KEY,sensor_name VARCHAR(100),location GEOMETRY(POINT, 4326),road_segment_id INTEGER,sensor_type VARCHAR(50)
);-- 创建交通流量数据表
CREATE TABLE traffic_data (id SERIAL PRIMARY KEY,sensor_id INTEGER REFERENCES traffic_sensors(id),timestamp TIMESTAMP,vehicle_count INTEGER,average_speed DECIMAL(5,2),congestion_level VARCHAR(20)
);-- 实时交通流量分析
WITH current_traffic AS (SELECT ts.sensor_name,ts.location,td.vehicle_count,td.average_speed,td.congestion_level,ST_Buffer(ts.location, 500) as influence_area  -- 500米影响范围FROM traffic_sensors tsJOIN traffic_data td ON ts.id = td.sensor_idWHERE td.timestamp >= NOW() - INTERVAL '5 minutes'
),
congestion_areas AS (SELECT ST_Union(influence_area) as congested_areaFROM current_trafficWHERE congestion_level = '拥堵'
)
-- 查找受拥堵影响的配送路线
SELECT o.id as order_id,ST_Length(ST_Intersection(ST_MakeLine(r.location, o.delivery_location),ca.congested_area)) as affected_route_length
FROM orders o
JOIN restaurants r ON o.restaurant_id = r.id,congestion_areas ca
WHERE o.order_time >= NOW() - INTERVAL '1 hour'AND ST_Intersects(ST_MakeLine(r.location, o.delivery_location),ca.congested_area);

环境监测与分析

-- 创建环境监测站表
CREATE TABLE environmental_stations (id SERIAL PRIMARY KEY,station_name VARCHAR(100),location GEOMETRY(POINT, 4326),station_type VARCHAR(50)
);-- 创建环境数据表
CREATE TABLE environmental_data (id SERIAL PRIMARY KEY,station_id INTEGER REFERENCES environmental_stations(id),timestamp TIMESTAMP,pm25_value DECIMAL(6,2),temperature DECIMAL(4,1),humidity DECIMAL(4,1),noise_level DECIMAL(4,1)
);-- 空气质量影响分析
WITH pollution_sources AS (SELECT es.location,ed.pm25_value,-- 根据PM2.5值计算影响半径CASE WHEN ed.pm25_value > 75 THEN 2000WHEN ed.pm25_value > 35 THEN 1000ELSE 500END as influence_radiusFROM environmental_stations esJOIN environmental_data ed ON es.id = ed.station_idWHERE ed.timestamp >= NOW() - INTERVAL '1 hour'AND ed.pm25_value > 35  -- 轻度污染以上
)
-- 分析受空气污染影响的餐厅
SELECT r.name,r.location,ps.pm25_value,ST_Distance(r.location, ps.location) as distance_to_pollution
FROM restaurants r,pollution_sources ps
WHERE ST_DWithin(r.location, ps.location, ps.influence_radius)
ORDER BY ps.pm25_value DESC, distance_to_pollution;

应急响应系统

-- 创建应急事件表
CREATE TABLE emergency_events (id SERIAL PRIMARY KEY,event_type VARCHAR(50),location GEOMETRY(POINT, 4326),severity_level INTEGER, -- 1-5级event_time TIMESTAMP DEFAULT NOW(),description TEXT,status VARCHAR(20) DEFAULT 'active'
);-- 创建应急资源表
CREATE TABLE emergency_resources (id SERIAL PRIMARY KEY,resource_type VARCHAR(50), -- 消防车、救护车、警车current_location GEOMETRY(POINT, 4326),is_available BOOLEAN DEFAULT true,capacity INTEGER
);-- 应急响应资源调度
CREATE OR REPLACE FUNCTION emergency_response(event_location GEOMETRY,event_severity INTEGER
) RETURNS TABLE(resource_id INTEGER,resource_type VARCHAR,distance_km DECIMAL,estimated_arrival_minutes INTEGER,priority_score DECIMAL
) AS $$
DECLAREresponse_radius INTEGER;
BEGIN-- 根据事件严重程度确定响应半径response_radius := event_severity * 2000; -- 每级2公里RETURN QUERYSELECT er.id,er.resource_type,ROUND(ST_Distance(er.current_location, event_location)::DECIMAL / 1000, 2),ROUND(ST_Distance(er.current_location, event_location) / 800)::INTEGER, -- 假设800米/分钟-- 优先级评分：距离越近、容量越大分数越高ROUND((10000 - ST_Distance(er.current_location, event_location)) / 100 + er.capacity, 2)FROM emergency_resources erWHERE er.is_available = trueAND ST_DWithin(er.current_location, event_location, response_radius)ORDER BY priority_score DESC;
END;
$$ LANGUAGE plpgsql;-- 使用应急响应函数
SELECT * FROM emergency_response(ST_Point(116.4074, 39.9042, 4326),  -- 天安门广场4  -- 4级严重事件
);

第五部分：性能优化与最佳实践

空间索引优化

-- 创建空间索引
CREATE INDEX idx_restaurants_location ON restaurants USING GIST (location);
CREATE INDEX idx_users_location ON users USING GIST (current_location);
CREATE INDEX idx_drivers_location ON drivers USING GIST (current_location);-- 查看索引使用情况
EXPLAIN (ANALYZE, BUFFERS) 
SELECT * FROM restaurants 
WHERE ST_DWithin(location, ST_Point(116.4074, 39.9042, 4326), 2000);

数据分区策略

-- 按地理区域分区
CREATE TABLE orders_partitioned (id SERIAL,user_id INTEGER,restaurant_id INTEGER,delivery_location GEOMETRY(POINT, 4326),order_time TIMESTAMP,region_code INTEGER
) PARTITION BY RANGE (region_code);-- 创建分区表
CREATE TABLE orders_beijing PARTITION OF orders_partitionedFOR VALUES FROM (1100) TO (1200);CREATE TABLE orders_shanghai PARTITION OF orders_partitionedFOR VALUES FROM (3100) TO (3200);

查询优化技巧

-- 1. 使用边界框预过滤
SELECT * FROM restaurants 
WHERE location && ST_MakeEnvelope(116.3, 39.8, 116.5, 40.0, 4326)  -- 边界框过滤AND ST_DWithin(location, ST_Point(116.4074, 39.9042, 4326), 2000); -- 精确距离过滤-- 2. 避免不必要的坐标转换
-- 好的做法：在同一坐标系中计算
SELECT ST_Distance(location1, location2) FROM table_name;
-- 不好的做法：频繁转换坐标系
SELECT ST_Distance(ST_Transform(location1, 3857), ST_Transform(location2, 3857)) FROM table_name;-- 3. 使用合适的几何类型
-- 对于简单的圆形范围查询，使用ST_DWithin而不是ST_Buffer + ST_Contains
SELECT * FROM restaurants 
WHERE ST_DWithin(location, user_location, 2000);  -- 推荐-- 而不是
SELECT * FROM restaurants 
WHERE ST_Contains(ST_Buffer(user_location, 2000), location);  -- 不推荐

第六部分：实战项目：智能配送优化系统

让我们整合所有知识，构建一个完整的智能配送优化系统：

-- 创建综合配送优化函数
CREATE OR REPLACE FUNCTION optimize_delivery_assignment(user_location GEOMETRY,max_distance INTEGER DEFAULT 5000
) RETURNS TABLE(restaurant_id INTEGER,restaurant_name VARCHAR,driver_id INTEGER,driver_name VARCHAR,total_distance DECIMAL,estimated_time INTEGER,optimization_score DECIMAL
) AS $$
BEGINRETURN QUERYWITH available_restaurants AS (SELECT r.id,r.name,r.location,r.rating,ST_Distance(r.location, user_location) as distance_to_userFROM restaurants rWHERE ST_DWithin(r.location, user_location, max_distance)),available_drivers AS (SELECT d.id,d.name,d.current_location,d.vehicle_typeFROM drivers dWHERE d.is_available = true),delivery_combinations AS (SELECT ar.id as restaurant_id,ar.name as restaurant_name,ad.id as driver_id,ad.name as driver_name,ar.distance_to_user,ST_Distance(ad.current_location, ar.location) as driver_to_restaurant,ar.rating,CASE ad.vehicle_type WHEN '摩托车' THEN 1.5 WHEN '电动车' THEN 1.0 ELSE 0.8 END as speed_factorFROM available_restaurants arCROSS JOIN available_drivers ad)SELECT dc.restaurant_id,dc.restaurant_name,dc.driver_id,dc.driver_name,ROUND((dc.driver_to_restaurant + dc.distance_to_user)::DECIMAL / 1000, 2),ROUND((dc.driver_to_restaurant + dc.distance_to_user) / (500 * dc.speed_factor))::INTEGER,-- 综合评分：考虑距离、餐厅评分、配送效率ROUND((10 - (dc.driver_to_restaurant + dc.distance_to_user) / 1000) * 0.4 +  -- 距离权重40%dc.rating * 0.3 +  -- 餐厅评分权重30%dc.speed_factor * 2 * 0.3,  -- 配送效率权重30%2)FROM delivery_combinations dcORDER BY optimization_score DESCLIMIT 10;
END;
$$ LANGUAGE plpgsql;-- 使用优化函数
SELECT * FROM optimize_delivery_assignment(ST_Point(116.4520, 39.9350, 4326),  -- 用户位置3000  -- 最大搜索距离3公里
);

实时监控仪表板

-- 创建实时监控视图
CREATE OR REPLACE VIEW delivery_dashboard AS
WITH real_time_stats AS (SELECT COUNT(*) as total_orders,COUNT(*) FILTER (WHERE order_time >= NOW() - INTERVAL '1 hour') as orders_last_hour,AVG(ST_Distance(r.location, o.delivery_location)) as avg_delivery_distance,COUNT(DISTINCT d.id) FILTER (WHERE d.is_available = true) as available_driversFROM orders oJOIN restaurants r ON o.restaurant_id = r.idLEFT JOIN drivers d ON trueWHERE o.order_time >= NOW() - INTERVAL '24 hours'
),
busy_areas AS (SELECT ST_SnapToGrid(delivery_location, 0.01) as grid_cell,COUNT(*) as order_densityFROM ordersWHERE order_time >= NOW() - INTERVAL '2 hours'GROUP BY ST_SnapToGrid(delivery_location, 0.01)ORDER BY order_density DESCLIMIT 5
)
SELECT rts.*,json_agg(json_build_object('longitude', ST_X(ba.grid_cell),'latitude', ST_Y(ba.grid_cell),'order_count', ba.order_density)) as hot_spots
FROM real_time_stats rts,busy_areas ba
GROUP BY rts.total_orders, rts.orders_last_hour, rts.avg_delivery_distance, rts.available_drivers;-- 查看实时监控数据
SELECT * FROM delivery_dashboard;

总结：PostGIS的空间数据革命

通过这篇文章的学习，我们从零开始构建了一个完整的空间数据应用系统。让我们回顾一下PostGIS的核心价值：

技术优势总结

  1. 原生空间支持：数据库级别的地理数据处理
  2. 标准兼容：支持OGC标准，与各种GIS工具兼容
  3. 高性能：空间索引和优化算法保证查询效率
  4. 功能丰富：数百个空间函数覆盖各种应用场景
  5. 扩展性强：可以处理从简单LBS到复杂GIS的各种需求

应用场景回顾

应用领域核心功能关键技术
位置服务附近搜索、路径规划ST_DWithin, ST_Distance
智慧城市交通分析、环境监测空间聚合、热力图分析
物流配送路线优化、区域管理缓冲区分析、网络分析
应急响应资源调度、影响评估最近邻查询、空间关系

最佳实践指南

  1. 合理选择坐标系：地理坐标系用于存储，投影坐标系用于计算
  2. 创建空间索引：所有空间字段都应该有GIST索引
  3. 优化查询策略：使用边界框预过滤，避免不必要的坐标转换
  4. 数据分区管理：大规模数据按地理区域分区
  5. 监控性能指标：定期分析查询性能，优化慢查询

发展趋势展望

PostGIS正在向更智能、更高效的方向发展：

  • 3D空间分析：支持三维地理数据处理
  • 时空数据：集成时间维度的空间分析
  • 机器学习集成：空间数据的AI分析能力
  • 实时流处理：支持实时地理数据流分析
  • 云原生优化：更好的云环境性能表现

PostGIS不仅仅是一个数据库扩展，它是连接现实世界与数字世界的桥梁。无论你是在开发下一个独角兽级别的LBS应用，还是在构建智慧城市的基础设施，PostGIS都将是你最可靠的技术伙伴。

下一篇预告：《PostgreSQL性能调优深度实战：从查询优化到服务器配置》

我们将深入探讨PostgreSQL的性能优化技巧，从SQL查询优化到服务器参数调优，从索引策略到连接池配置，帮你构建高性能的数据库系统。

如果这篇文章对你有帮助，欢迎点赞、收藏和分享。有任何问题或建议，欢迎在评论区讨论！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.pswp.cn/diannao/85311.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

科技修真的解决方案

科技修真的解决方案

“科技修真”是一个结合现代科技与修真&#xff08;玄幻&#xff09;元素的创新概念&#xff0c;通常出现在科幻或玄幻文学作品中&#xff0c;但也可能指代现实中的科技与传统文化、超自然理念的融合探索。以下是几种可能的“科技修真”方案&#xff0c;涵盖技术实现、文化融合…
阅读更多...
STM32的HAL编码流程总结（上部）

STM32的HAL编码流程总结（上部）

目录 一、GPIO二、中断系统三、USART串口通信四、I2C通信五、定时器 一、GPIO 1.选择调试类型 在SYS中Debug选择Serial Wire模式 2.选择时钟源 在RCC中将HSE和LSH都选择为内部晶振 3.时钟树配置 4.GPIO配置 在芯片图上选择开启的引脚和其功能 配置引脚的各自属性 5.工…
阅读更多...
java直接获取MyBatis将要执行的动态sql命令（不是拦截器方式）

java直接获取MyBatis将要执行的动态sql命令（不是拦截器方式）

目录 前言 一. 准备数据 1. 传输过来的json条件数据 2. mybatis 配置的动态sql 3. 想要的最终会执行的sql并返回给页面展示 二. 实现方式 三. 最终代码 前言 1.在平常开发过程中，MyBatis使用时非常多的，一般情况下我们只需要在控制台看看MyBatis输出的日志，要不就是实…
阅读更多...
机器学习算法-决策树

机器学习算法-决策树

今天我们用一个 「相亲决策」 的例子来讲解决策树算法&#xff0c;保证你轻松理解原理和实现&#xff01; &#x1f333; 决策树是什么&#xff1f; 决策树就像玩 「20个问题」猜谜游戏&#xff1a; 你心里想一个东西&#xff08;比如「苹果」&#xff09; 朋友通过一系列问题…
阅读更多...
2025——》VSCode Windows 最新安装指南/VSCode安装完成后如何验证是否成功？2025最新VSCode安装配置全攻略

2025——》VSCode Windows 最新安装指南/VSCode安装完成后如何验证是否成功？2025最新VSCode安装配置全攻略

1.VSCode Windows 最新安装指南： 以下是 2025 年 Windows 系统下安装 Visual Studio Code（VSCode）的最新指南，结合官方文档与实际操作经验整理而成： 一、下载官方安装包： 1.访问官网： 打开浏览器，进入 VSCode 官方下载页面https://code.visualstudio.com/Download 2…
阅读更多...
【Elasticsearch】suggest

【Elasticsearch】suggest

在Elasticsearch中&#xff0c;suggest 是一个非常强大的功能&#xff0c;用于实现自动补全、拼写纠错和模糊搜索等功能。它可以帮助用户更快地找到他们想要的内容&#xff0c;同时提升搜索体验。以下是关于 suggest 的详细使用方法和常见场景。 1\. Suggest 的基本概念 sugges…
阅读更多...
[SAP] 如何查询当前屏幕的Tcode?

[SAP] 如何查询当前屏幕的Tcode?

事务代码Tcode是SAP中到达特定屏幕的快捷路径 如何查询以下屏幕的事务码Tcode&#xff1f; 要浏览当前所使用的屏幕的事务码&#xff0c;可以选择System | Status 这里的事务代码是[VA22]&#xff0c;它是Change Quotation的事务代码
阅读更多...
PostgreSQL的扩展 dblink

PostgreSQL的扩展 dblink

PostgreSQL的扩展 dblink dblink 是 PostgreSQL 的一个核心扩展&#xff0c;允许在当前数据库中访问其他 PostgreSQL 数据库的数据&#xff0c;实现跨数据库查询功能。 一、dblink 扩展安装与启用 1. 安装扩展 -- 使用超级用户安装 CREATE EXTENSION dblink;2. 验证安装 -…
阅读更多...
ADB推送文件到指定路径解析

ADB推送文件到指定路径解析

您执行的命令 adb push ota.zip /sdcard/Download 中&#xff0c;目标路径 /sdcard/Download 是您显式指定的&#xff0c;因此 ADB 会直接将文件推送到此位置。具体过程如下&#xff1a; 1. 命令结构解析 adb push&#xff1a;ADB 的推送指令。ota.zip&#xff1a;本地计算机上…
阅读更多...
Linux 内核中 skb_orphan 的深度解析：从版本差异到核心机制

Linux 内核中 skb_orphan 的深度解析：从版本差异到核心机制

引言 在 Linux 内核网络子系统中，struct sk_buff（简称 skb）是管理网络数据包的核心数据结构。skb_orphan 作为其生命周期管理的关键函数，负责切断 skb 与所属 socket 的关联，确保数据包在复杂处理流程中的独立性。本文将从代码实现、版本差异、使用场景等多个维度，深入解…
阅读更多...
03.MySQL表的操作详解

03.MySQL表的操作详解

MySQL表的操作详解 MySQL 表的操作概述创建表 2.1 创建表的基本语法查看表结构修改表 4.1 新增列 4.2 修改列属性 4.3 修改列名 4.4 修改表名 4.5 删除列删除表 1. MySQL表的操作概述 MySQL表的操作是数据库开发和管理中的核心内容&#xff0c;主要涉及**数据定义语言&#…
阅读更多...
Flink系列文章列表

Flink系列文章列表

把写的文章做一个汇总&#xff0c;会陆续更新的。 Flink流处理原理与实践&#xff1a;状态管理、窗口操作与容错机制-CSDN博客
阅读更多...
【目标检测】【AAAI-2022】Anchor DETR

【目标检测】【AAAI-2022】Anchor DETR

Anchor DETR&#xff1a; Query Design for Transformer-Based Object Detection 锚点DETR&#xff1a;基于Transformer的目标检测查询设计 论文链接 代码链接 摘要 在本文中&#xff0c;我们提出了一种基于Transformer的目标检测新型查询设计。此前的Transformer检测器中&am…
阅读更多...
apptrace 的优势以及对 App 的价值

apptrace 的优势以及对 App 的价值

官网地址&#xff1a;AppTrace - 专业的移动应用推广追踪平台 apptrace 的优势以及对 App 的价值​ App 拉起作为移动端深度链接技术的关键应用&#xff0c;能实现从 H5 网页到 App 的无缝跳转&#xff0c;并精准定位到 App 内指定页面。apptrace 凭借专业的技术与丰富的经验…
阅读更多...
16-前端Web实战(Tlias案例-部门管理)

16-前端Web实战(Tlias案例-部门管理)

在前面的课程中&#xff0c;我们学习了Vue工程化的基础内容、TS、ElementPlus&#xff0c;那接下来呢&#xff0c;我们要通过一个案例&#xff0c;加强大家对于Vue项目的理解&#xff0c;并掌握Vue项目的开发。 这个案例呢&#xff0c;就是我们之前所做的Tlias智能学习辅助系统…
阅读更多...
Python爬虫实战：研究Goutte库相关技术

Python爬虫实战：研究Goutte库相关技术

1. 引言 1.1 研究背景与意义 随着互联网信息的爆炸式增长，如何高效、准确地获取和分析 Web 数据成为重要研究课题。网络爬虫作为自动获取网页内容的关键技术，在搜索引擎优化、舆情分析、市场调研等领域具有广泛应用。然而，现代网站越来越多地采用 JavaScript 动态渲染技术…
阅读更多...
Python----目标检测（《基于区域提议网络的实时目标检测方法》和Faster R-CNN）

Python----目标检测（《基于区域提议网络的实时目标检测方法》和Faster R-CNN）

一、《基于区域提议网络的实时目标检测方法》 1.1、基本信息 标题&#xff1a;Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 作者&#xff1a;任少卿&#xff08;中国科学技术大学、微软研究院&#xff09;、何凯明&#xff08;微软研究…
阅读更多...
吴恩达讲解MCP基础概念

吴恩达讲解MCP基础概念

简介 MCP 是一个开放协议 标准化了您的语言模型应用如何获取工具和数据资源的上下文。基于客户端-服务器架构，它定义了您的语言模型应用中的MCP客户端与MCP服务器之间的通信方式，MCP服务器提供工具 数据资源和提示模板给您的应用，自Anthropic于2024年11月推出MCP以来，MCP生…
阅读更多...
Git入门到精通：30分钟掌握核心技巧

Git入门到精通：30分钟掌握核心技巧

目录 一、基础理论片 Git简介 Git安装 Git仓库 Git基本命令用法 仓库别名 二、实操命令篇 远程分支 分支的新建和合并 实操演示 1 本地新建仓库 2 gitee新建仓库 3 建立关系 4 新建分支 5 开发新功能 6 推送新分支 7 合并新分支到主分支 三、可视化工具篇 G…
阅读更多...
零基础设计模式——结构型模式 - 代理模式

零基础设计模式——结构型模式 - 代理模式

第三部分&#xff1a;结构型模式 - 代理模式 (Proxy Pattern) 在学习了享元模式如何通过共享对象来优化资源使用后&#xff0c;我们来探讨结构型模式的最后一个模式——代理模式。代理模式为另一个对象提供一个替身或占位符以控制对这个对象的访问。 核心思想&#xff1a;为其…
阅读更多...
最新文章

Copyright @ 2022~2023