板凳-------Mysql cookbook学习 （九）

第4章：表管理
4.0 引言
MySQL ：： 员工样例数据库 ：： 3 安装
https://dev.mysql.com/doc/employee/en/employees-installation.html

Employees 数据库与几种不同的 存储引擎，默认情况下启用 InnoDB 引擎。编辑 文件并调整 comments 选择不同的存储引擎：employees.sql
SET default_storage_engine = InnoDB;
– set storage_engine = MyISAM;
– set storage_engine = Falcon;
– set storage_engine = PBXT;
– set storage_engine = Maria;

• MySQL 5.7 或更早：使用 storage_engine。
• MySQL 8.0+：使用 default_storage_engine。

D:\sql\Mysql_learning\employee\mysql\master>mysql -u root -p -t < employees.sql
Enter password: ****
+-----------------------------+
| INFO                        |
+-----------------------------+
| CREATING DATABASE STRUCTURE |
+-----------------------------+
+------------------------+
| INFO                   |
+------------------------+
| storage engine: InnoDB |
+------------------------+
+---------------------+
| INFO                |
+---------------------+
| LOADING departments |
+---------------------+
+-------------------+
| INFO              |
+-------------------+
| LOADING employees |
+-------------------+
+------------------+
| INFO             |
+------------------+
| LOADING dept_emp |
+------------------+
+----------------------+
| INFO                 |
+----------------------+
| LOADING dept_manager |
+----------------------+
+----------------+
| INFO           |
+----------------+
| LOADING titles |
+----------------+
+------------------+
| INFO             |
+------------------+
| LOADING salaries |
+------------------+
+---------------------+
| data_load_time_diff |
+---------------------+
| 00:01:09            |
+---------------------+

mysql>  SOURCE D:/sql/Mysql_learning/employee/mysql/master/test_employees_md5.sql;
Database changed
+----------------------+
| INFO                 |
+----------------------+
| TESTING INSTALLATION |
+----------------------+
1 row in set (0.00 sec)Query OK, 0 rows affected, 2 warnings (0.00 sec)Query OK, 0 rows affected (0.06 sec)Query OK, 0 rows affected (0.04 sec)Query OK, 6 rows affected (0.00 sec)
Records: 6  Duplicates: 0  Warnings: 0+--------------+------------------+----------------------------------+
| table_name   | expected_records | expected_crc                     |
+--------------+------------------+----------------------------------+
| departments  |                9 | d1af5e170d2d1591d776d5638d71fc5f |
| dept_emp     |           331603 | ccf6fe516f990bdaa49713fc478701b7 |
| dept_manager |               24 | 8720e2f0853ac9096b689c14664f847e |
| employees    |           300024 | 4ec56ab5ba37218d187cf6ab09ce1aa1 |
| salaries     |          2844047 | fd220654e95aea1b169624ffe3fca934 |
| titles       |           443308 | bfa016c472df68e70a03facafa1bc0a8 |
+--------------+------------------+----------------------------------+
6 rows in set (0.00 sec)Query OK, 0 rows affected, 1 warning (0.01 sec)Query OK, 0 rows affected (0.04 sec)Query OK, 0 rows affected (0.00 sec)Query OK, 300024 rows affected, 1 warning (6.19 sec)
Records: 300024  Duplicates: 0  Warnings: 1Query OK, 1 row affected (0.29 sec)Query OK, 0 rows affected (0.00 sec)Query OK, 9 rows affected, 1 warning (0.01 sec)
Records: 9  Duplicates: 0  Warnings: 1Query OK, 1 row affected (0.01 sec)Query OK, 0 rows affected (0.00 sec)Query OK, 24 rows affected, 1 warning (0.01 sec)
Records: 24  Duplicates: 0  Warnings: 1Query OK, 1 row affected (0.01 sec)Query OK, 0 rows affected (0.00 sec)Query OK, 331603 rows affected, 1 warning (6.28 sec)
Records: 331603  Duplicates: 0  Warnings: 1Query OK, 1 row affected (0.38 sec)Query OK, 0 rows affected (0.00 sec)Query OK, 443308 rows affected, 1 warning (9.02 sec)
Records: 443308  Duplicates: 0  Warnings: 1Query OK, 1 row affected (0.43 sec)Query OK, 0 rows affected (0.00 sec)Query OK, 2844047 rows affected, 1 warning (51.55 sec)
Records: 2844047  Duplicates: 0  Warnings: 1Query OK, 1 row affected (2.60 sec)Query OK, 0 rows affected (0.07 sec)+--------------+------------------+----------------------------------+
| table_name   | found_records    | found_crc                        |
+--------------+------------------+----------------------------------+
| departments  |                9 | d1af5e170d2d1591d776d5638d71fc5f |
| dept_emp     |           331603 | ccf6fe516f990bdaa49713fc478701b7 |
| dept_manager |               24 | 8720e2f0853ac9096b689c14664f847e |
| employees    |           300024 | 4ec56ab5ba37218d187cf6ab09ce1aa1 |
| salaries     |          2844047 | fd220654e95aea1b169624ffe3fca934 |
| titles       |           443308 | bfa016c472df68e70a03facafa1bc0a8 |
+--------------+------------------+----------------------------------+
6 rows in set (0.00 sec)+--------------+---------------+-----------+
| table_name   | records_match | crc_match |
+--------------+---------------+-----------+
| departments  | OK            | ok        |
| dept_emp     | OK            | ok        |
| dept_manager | OK            | ok        |
| employees    | OK            | ok        |
| salaries     | OK            | ok        |
| titles       | OK            | ok        |
+--------------+---------------+-----------+
6 rows in set (0.00 sec)Query OK, 0 rows affected (0.00 sec)Query OK, 0 rows affected (0.00 sec)+------------------+
| computation_time |
+------------------+
| 00:01:18         |
+------------------+
1 row in set (0.01 sec)Query OK, 0 rows affected (0.04 sec)+---------+--------+
| summary | result |
+---------+--------+
| CRC     | OK     |
| count   | OK     |
+---------+--------+
2 rows in set (0.00 sec)

mysql>
SQL CREATE TABLE LIKE 用法及示例
在 MySQL 中，CREATE TABLE LIKE 是一种用于创建新表的语法，该新表的结构与现有表完全相同，但不包含源表中的数据1。以下是详细的用法和示例：

import mysql.connector
from pathlib import Path
import redef merge_sql_files(main_sql_path):"""递归合并所有被引用的SQL文件"""main_path = Path(main_sql_path)base_dir = main_path.parentmerged_sql = []with open(main_path, 'r', encoding='utf-8') as f:for line in f:# 处理source命令if line.strip().startswith('source'):# 提取被引用的文件名match = re.search(r'source\s+[\'"](.+?)[\'"]|source\s+(\S+)', line.strip())ref_file = match.group(1) or match.group(2)ref_path = base_dir / ref_fileif ref_path.exists():merged_sql.append(f"\n-- 开始导入: {ref_file}\n")merged_sql.append(merge_sql_files(str(ref_path)))merged_sql.append(f"\n-- 完成导入: {ref_file}\n")else:raise FileNotFoundError(f"无法找到引用的SQL文件: {ref_path}")else:# 移除DELIMITER等客户端命令if not line.strip().upper().startswith(('DELIMITER', 'USE ', 'CONNECT ')):merged_sql.append(line)return ''.join(merged_sql)def execute_mega_sql(db_config, full_sql):"""执行大型SQL脚本"""cnx = mysql.connector.connect(**db_config)cursor = cnx.cursor()try:# 设置更大的缓冲区cursor.execute("SET GLOBAL max_allowed_packet=256*1024*1024")cursor.execute("SET GLOBAL net_buffer_length=1000000")# 分割并执行SQL语句statements = [s.strip() for s in full_sql.split(';') if s.strip()]for stmt in statements:try:# 确保语句以分号结尾sql = stmt if stmt.endswith(';') else stmt + ';'for result in cursor.execute(sql, multi=True):if result.with_rows:result.fetchall()  # 消费结果集print(f"执行成功: {result.statement[:100]}...")cnx.commit()except mysql.connector.Error as err:print(f"跳过错误: {err}\n语句: {stmt[:200]}...")cnx.rollback()except Exception as e:print(f"意外错误: {e}")cnx.rollback()finally:cursor.close()cnx.close()# 配置信息
db_config = {'host': 'localhost','user': 'root','password': 'root','database': 'cookbook'
}# 主SQL文件路径
main_sql_path = r"D:\sql\Mysql_learning\employee\mysql\dataset_small\employee.sql"try:print("开始合并SQL文件...")full_sql = merge_sql_files(main_sql_path)# 可选：保存合并后的文件供检查with open('merged_script.sql', 'w', encoding='utf-8') as f:f.write(full_sql)print("开始执行SQL脚本...")execute_mega_sql(db_config, full_sql)print("数据导入成功完成！")except Exception as e:
print(f"导入失败: {str(e)}")

def verify_import():tables = ['employee', 'department', 'dept_emp','dept_manager', 'title', 'salary']cnx = mysql.connector.connect(**db_config)cursor = cnx.cursor(dictionary=True)for table in tables:cursor.execute(f"SELECT COUNT(*) as count FROM {table}")result = cursor.fetchone()print(f"{table}表记录数: {result['count']}")cursor.close()cnx.close()verify_import()

employee表记录数: 1000
department表记录数: 9
dept_emp表记录数: 1103
dept_manager表记录数: 16
title表记录数: 1470
salary表记录数: 9488

mysql> SHOW TABLES;
+-----------------------+
| Tables_in_cookbook    |
+-----------------------+
| actors                |
| adcount               |
| al_winner             |
| app_log               |
| artist                |
| book_authors          |
| book_vendor           |
| booksales             |
| catalog_list          |
| cd                    |
| city                  |
| color                 |
| cow_color             |
| cow_order             |
| current_dept_emp      |
| customers             |
| date_val              |
| datetbl               |
| datetime_val          |
| department            |
| dept_emp              |
| dept_emp_latest_date  |
| dept_manager          |
| dialogue              |
| dialogue_analysis     |
| die                   |
| doremi                |
| drawing               |
| driver_log            |
| employee              |
| expt                  |
| formula1              |
| goods_characteristics |
| goods_shops           |
| groceries             |
| groceries_order_items |
| hitcount              |
| hitlog                |
| hostip                |
| hostname              |
| housewares            |
| housewares2           |
| housewares3           |
| housewares4           |
| httpdlog              |
| httpdlog2             |
| hw_category           |
| image                 |
| ingredient            |
| insect                |
| inv_item              |
| invoice               |
| item                  |
| limbs                 |
| limbs_backup          |
| limbs_stats           |
| mail                  |
| mail2                 |
| mail_view             |
| marathon              |
| mark_log              |
| metal                 |
| money                 |
| movies                |
| movies_actors         |
| movies_actors_link    |
| mytable               |
| name                  |
| news                  |
| newsstaff             |
| numbers               |
| obs                   |
| occasion              |
| painting              |
| passtbl               |
| passwd                |
| patients              |
| perl_session          |
| person                |
| php_session           |
| phrase                |
| player_stats          |
| player_stats2         |
| poi                   |
| poll_vote             |
| profile               |
| profile_contact       |
| rainfall              |
| rand_names            |
| rank                  |
| ranks                 |
| reviews               |
| roster                |
| ruby_session          |
| salary                |
| sales_region          |
| sales_tax_rate        |
| sales_volume          |
| sibling               |
| some table            |
| standings1            |
| standings2            |
| states                |
| str_val               |
| sundays               |
| taxpayer              |
| testscore             |
| testscore_withmisses  |
| testscore_withmisses2 |
| time_val              |
| title                 |
| tmp                   |
| tomcat_role           |
| tomcat_session        |
| tomcat_user           |
| top_names             |
| trip_leg              |
| trip_log              |
| tsdemo                |
| weatherdata           |
| weekday               |
+-----------------------+
121 rows in set (0.01 sec)

mysql> SELECT * FROM department LIMIT 5;
+---------+------------------+
| dept_no | dept_name        |
+---------+------------------+
| d009    | Customer Service |
| d005    | Development      |
| d002    | Finance          |
| d003    | Human Resources  |
| d001    | Marketing        |
+---------+------------------+
5 rows in set (0.00 sec)mysql> SELECT COUNT(*) FROM employee;
+----------+
| COUNT(*) |
+----------+
|     1000 |
+----------+
1 row in set (0.01 sec)

基本语法

CREATE TABLE new_table_name LIKE existing_table_name;
new_table_name：要创建的新表的名称。
existing_table_name：作为模板的现有表的名称。
此语法会复制 existing_table_name 表的所有列定义、索引以及约束到 new_table_name 表中1。

示例代码
以下是一个具体的例子，展示如何使用 CREATE TABLE LIKE 创建一个新表：

– 假设有一个名为 employees 的表
CREATE TABLE employees_backup LIKE employees;

上述语句将创建一个名为 employees_backup 的新表，其结构与 employees 表完全一致，但不包含任何数据1。

如果需要同时复制数据，则可以结合 INSERT INTO SELECT 使用：

– 复制数据到新表
INSERT INTO employees_backup SELECT * FROM employees;

注意事项
CREATE TABLE LIKE 不会复制触发器或视图等其他数据库对象3。
在不同数据库系统中，LIKE 的支持情况可能有所不同。例如，PostgreSQL 支持类似的 CREATE TABLE AS 功能，但行为略有差异2。
结合 INSERT INTO SELECT 的完整示例
以下是一个完整的示例，展示如何结合 CREATE TABLE LIKE 和 INSERT INTO SELECT 创建并填充新表：

– 创建结构相同的空表
CREATE TABLE employees_backup LIKE employees;

– 将数据从原表插入到新表
INSERT INTO employees_backup SELECT * FROM employees WHERE department = ‘Sales’;
上述代码将创建一个名为 employees_backup 的新表，并仅复制属于 Sales 部门的数据

4.1 克隆表

mysql> insert into mail2 select * from mail where srcuser = 'barb';
Query OK, 3 rows affected (0.01 sec)
Records: 3  Duplicates: 0  Warnings: 0mysql> select * from mail2;
+---------------------+---------+---------+---------+---------+-------+
| t                   | srcuser | srchost | dstuser | dsthost | size  |
+---------------------+---------+---------+---------+---------+-------+
| 2006-05-11 10:15:08 | barb    | saturn  | tricia  | mars    | 58274 |
| 2006-05-13 13:59:18 | barb    | saturn  | tricia  | venus   |   271 |
| 2006-05-14 14:42:21 | barb    | venus   | barb    | venus   | 98151 |
+---------------------+---------+---------+---------+---------+-------+
3 rows in set (0.00 sec)

4.2 将查询结果保存到表中
一、CREATE TABLE … LIKE + INSERT INTO … SELECT
原理
结构复制：通过 LIKE 关键字复制源表的完整结构（包括字段、索引、约束等），但不复制数据。
数据筛选插入：使用 INSERT INTO … SELECT 将源表中符合条件的数据插入新表。
实例
场景：从 employees 表复制 2023 年入职的员工到新表 employees_2023。
sql
– 1. 创建结构相同的新表
mysql> CREATE TABLE employees_2023 LIKE employee;
Query OK, 0 rows affected (0.04 sec)

– 2. 插入符合条件的数据
INSERT INTO employees_2023
SELECT *
FROM employee
WHERE hire_date >= ‘2023-01-01’ AND hire_date < ‘2024-01-01’;
Query OK, 0 rows affected (0.01 sec)
Records: 0 Duplicates: 0 Warnings: 0
关键点：
新表 employees_2023 包含与 employees 相同的字段、索引和约束。
SELECT * 表示复制所有字段，需确保源表与目标表结构完全一致。
二、CREATE TABLE … AS SELECT
原理
结构与数据一次性创建：根据 SELECT 子句的字段动态创建新表，并将查询结果直接插入。
新表结构：仅包含 SELECT 中显式指定的字段，不继承源表的索引和约束（除非手动声明）。
实例
场景：创建 high_salary_employees 表，仅包含高薪员工的姓名和薪资。
sql
CREATE TABLE high_salary_employees AS
SELECT
emp_no, – 显式指定字段
first_name+last_name,
salary
FROM employee
WHERE salary > (SELECT AVG(salary) FROM employee); – 筛选高薪员工
关键点：
新表 high_salary_employees 仅包含 emp_id、full_name、salary 三个字段。
不继承源表的索引和约束，如需需手动添加（如 PRIMARY KEY）。
三、两种方法对比
特性 CREATE TABLE … LIKE + INSERT CREATE TABLE … AS SELECT
结构完整性 完全复制源表结构（含索引、约束） 仅复制 SELECT 中指定的字段
数据筛选灵活性 支持复杂 WHERE 条件和多表连接 支持 WHERE，但需提前规划字段列表
性能（大数据量） 分两步执行，可能稍慢 一次性完成，通常更快
适用场景 需要完整保留源表结构，后续可能修改数据 快速创建临时表或统计结果表
四、注意事项
字段匹配：
使用 INSERT INTO … SELECT 时，SELECT 的字段顺序和类型必须与目标表严格一致。
示例（指定字段避免顺序问题）：
sql
INSERT INTO employees_2023 (emp_id, full_name, hire_date)
SELECT id, name, hired_at FROM employees WHERE …;

约束与索引：
CREATE TABLE … AS 不会复制源表的约束（如 NOT NULL）和索引，需手动添加：
sql
CREATE TABLE high_salary_employees AS
SELECT emp_id, salary FROM employees WHERE …;

ALTER TABLE high_salary_employees ADD PRIMARY KEY (emp_id); – 手动添加主键

临时表优化：
若需快速统计，可结合 TEMPORARY 关键字：
sql
CREATE TEMPORARY TABLE temp_stats AS
SELECT dept_id, COUNT(*) FROM employees GROUP BY dept_id;

五、实战案例
需求：从 orders 表复制 2023 年 1 月的订单到新表，并添加额外统计字段。
sql
– 方法一：LIKE + INSERT
CREATE TABLE jan2023_orders LIKE orders;

INSERT INTO jan2023_orders
SELECT *
FROM orders
WHERE order_date BETWEEN ‘2023-01-01’ AND ‘2023-01-31’;

– 方法二：AS SELECT（带计算字段）
CREATE TABLE jan2023_orders_stats AS
SELECT
order_id,
customer_id,
amount,
amount * 0.9 AS discounted_amount – 计算字段
FROM orders
WHERE order_date BETWEEN ‘2023-01-01’ AND ‘2023-01-31’;
通过上述方法，你可以灵活复制表结构和数据，满足不同场景需求。

https://www.modb.pro/db/408221
MySQL 样例数据库 Employee 的制作过程

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/pingmian/82872.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

MySQL省市区数据表

MySQL省市区数据表

数据结构简单展示一下 具体的可以点击文章最后的链接地址下载 连接地址中有两个文件一个是详细的另一个是简洁的 SET NAMES utf8mb4; SET FOREIGN_KEY_CHECKS 0;-- ---------------------------- -- Table structure for ln_new_region -- ---------------------------- DROP…
阅读更多...
无人机报警器探测模块技术解析！

无人机报警器探测模块技术解析！

一、运行方式 1. 频谱监测与信号识别 全频段扫描&#xff1a;模块实时扫描900MHz、1.5GHz、2.4GHz、5.8GHz等无人机常用频段&#xff0c;覆盖遥控、图传及GPS导航信号。 多路分集技术&#xff1a;采用多传感器阵列&#xff0c;通过信号加权合并提升信噪比&#xff0c;…
阅读更多...
Oracle 导入导出 dmp 数据文件实战

Oracle 导入导出 dmp 数据文件实战

一、DMP文件基础知识​​ 1. ​​DMP文件定义​​ DMP&#xff08;Data Pump Dump File&#xff09;是Oracle数据库专用的二进制格式文件&#xff0c;由expdp/impdp或旧版exp/imp工具生成。它包含数据库对象的元数据&#xff08;表结构、索引等&#xff09;和实际数据&#x…
阅读更多...
Coursier：安装sbt

Coursier：安装sbt

命令 ./cs launch sbt -- --version 的含义是​​通过 Coursier&#xff08;cs&#xff09;工具启动 SBT&#xff08;Scala 构建工具&#xff09;&#xff0c;并查询其版本信息​​。具体解析如下&#xff1a; ​​1. 命令结构解析​​ ​​./cs​​&#xff1a; 这是 Coursie…
阅读更多...
【深度学习】12. VIT与GPT 模型与语言生成：从 GPT-1 到 GPT4

【深度学习】12. VIT与GPT 模型与语言生成：从 GPT-1 到 GPT4

VIT与GPT 模型与语言生成&#xff1a;从 GPT-1 到 GPT4 本教程将介绍 GPT 系列模型的发展历程、结构原理、训练方式以及人类反馈强化学习&#xff08;RLHF&#xff09;对生成对齐的改进。内容涵盖 GPT-1、GPT-2、GPT-3、GPT-3.5&#xff08;InstructGPT&#xff09;、ChatGPT …
阅读更多...
项目更改权限后都被git标记为改变，怎么去除

项目更改权限后都被git标记为改变，怎么去除

❗问题描述&#xff1a; 当你修改了项目中的文件权限&#xff08;如使用 chmod 改了可执行权限&#xff09;&#xff0c;Git 会把这些文件标记为“已更改”&#xff0c;即使内容并没有发生任何改变。 ✅ 解决方法&#xff1a; ✅ 方法一&#xff1a;告诉 Git 忽略权限变化&am…
阅读更多...
openfeignFeign 客户端禁用 SSL

openfeignFeign 客户端禁用 SSL

要针对特定的 Feign 客户端禁用 SSL 验证&#xff0c;可以通过自定义配置类实现。以下是完整解决方案&#xff1a; 1. 创建自定义配置类&#xff08;禁用 SSL 验证&#xff09; import feign.Client; import feign.httpclient.ApacheHttpClient; import org.apache.http.conn…
阅读更多...
移动端 UI自动化测试学习之Appium框架（包含adb调试工具介绍）

移动端 UI自动化测试学习之Appium框架（包含adb调试工具介绍）

文章目录 前言adb调试工具adb组成常用命令获取程序的包名和界面名文件传输发送文件到手机从手机中拉取文件 获取app启动时间获取手机日志其他命令 Appium 简介工作原理图 环境搭建安装客户端库&#xff08;appium lib&#xff09;安装Appium Server安装JDK&#xff08;自行下载…
阅读更多...
【论文解读】DETR: 用Transformer实现真正的End2End目标检测

【论文解读】DETR: 用Transformer实现真正的End2End目标检测

1st authors: About me - Nicolas Carion‪Francisco Massa‬ - ‪Google Scholar‬ paper: [2005.12872] End-to-End Object Detection with Transformers ECCV 2020 code: facebookresearch/detr: End-to-End Object Detection with Transformers 1. 背景 目标检测&#…
阅读更多...
性能测试-jmeter实战1

性能测试-jmeter实战1

课程&#xff1a;B站大学 记录软件测试-性能测试学习历程、掌握前端性能测试、后端性能测试、服务端性能测试的你才是一个专业的软件测试工程师 性能测试-jmeter实战1 为什么需要性能测试呢&#xff1f;性能测试的作用&#xff1f;性能测试体系性能测试基础性能测试工具性能监控…
阅读更多...
HTML、XML、JSON 是什么？有什么区别？又是做什么的？

HTML、XML、JSON 是什么？有什么区别？又是做什么的？

在学习前端开发或者理解互联网工作原理的过程中&#xff0c;我们经常会遇到三个非常重要的概念&#xff1a;HTML、XML 和 JSON。它们看起来有点像&#xff0c;但其实干的事情完全不同。 &#x1f3c1; 一、他们是谁&#xff1f;什么时候诞生的&#xff1f; 名称全称诞生时间谁…
阅读更多...
HTML5 全面知识点总结

HTML5 全面知识点总结

一、HTML 基础概念 HTML&#xff1a;超文本标记语言&#xff0c;用于创建网页和 Web 应用的结构。 超文本&#xff1a;可以包含文字、图片、音频、视频、链接等多种媒体。 标记语言&#xff1a;通过标签标记网页的各个部分。 二、HTML5 的新特性&#xff08;区别于 HTML4&am…
阅读更多...
记录一个难崩的bug

记录一个难崩的bug

1.后端配置了 Filter 过滤器&#xff0c;如果再配置了Configuration ,那么会出现冲突吗&#xff1f; 过滤器与Configuration类本身无直接冲突&#xff0c;但需注意注册机制、执行顺序和依赖管理。通过显式控制过滤器的注册方式和优先级&#xff0c;结合Spring Security的链式配…
阅读更多...
RabbitMQ 与其他 MQ 的对比分析：Kafka/RocketMQ 选型指南（二）

RabbitMQ 与其他 MQ 的对比分析：Kafka/RocketMQ 选型指南（二）

四、三者性能大比拼 4.1 吞吐量 吞吐量是衡量消息队列处理能力的重要指标&#xff0c;它反映了在单位时间内消息队列能够处理的消息数量。在这方面&#xff0c;Kafka 表现最为出色&#xff0c;其独特的设计使其能够轻松处理每秒数百万条消息 。Kafka 采用分布式架构和分区机制…
阅读更多...
【C】箭头运算符

【C】箭头运算符

在C语言中&#xff0c;p_tone->power_off 是一种通过指针访问结构体成员的方法&#xff0c;称为箭头运算符&#xff08;->&#xff09;。它主要用于以下场景&#xff1a; 1. 语法解释 p_tone&#xff1a;是一个指向结构体&#xff08;或联合体&#xff09;的指针。powe…
阅读更多...
【Unity】 HTFramework框架（六十六）缺省的运行时组件检视器

【Unity】 HTFramework框架（六十六）缺省的运行时组件检视器

更新日期&#xff1a;2025年5月29日。 Github 仓库&#xff1a;https://github.com/SaiTingHu/HTFramework Gitee 仓库&#xff1a;https://gitee.com/SaiTingHu/HTFramework 索引 一、缺省的运行时组件检视器1.自定义运行时组件检视器 二、使用缺省的运行时组件检视器1.定义组…
阅读更多...
AI和大数据：是工具，还是操控人心的“隐形之手”？

AI和大数据：是工具，还是操控人心的“隐形之手”？

AI和大数据&#xff1a;是工具&#xff0c;还是操控人心的“隐形之手”&#xff1f; 开场白&#xff1a;聊点现实的 在这个数据至上的时代&#xff0c;我们的生活被AI和大数据悄然改变。从电商推荐、短视频算法&#xff0c;到招聘筛选、智慧城市&#xff0c;它们像一个贴心的…
阅读更多...
k8s部署ELK补充篇：kubernetes-event-exporter收集Kubernetes集群中的事件

k8s部署ELK补充篇：kubernetes-event-exporter收集Kubernetes集群中的事件

k8s部署ELK补充篇&#xff1a;kubernetes-event-exporter收集Kubernetes集群中的事件 文章目录 k8s部署ELK补充篇&#xff1a;kubernetes-event-exporter收集Kubernetes集群中的事件一、kubernetes-event-exporter简介二、kubernetes-event-exporter实战部署1. 创建Namespace&a…
阅读更多...
Apache 高级配置实战：从连接保持到日志分析的完整指南

Apache 高级配置实战：从连接保持到日志分析的完整指南

Apache 高级配置实战&#xff1a;从连接保持到日志分析的完整指南 前言 最近在深入学习 Apache 服务器配置时&#xff0c;发现很多朋友对 Apache 的高级功能还不够了解。作为一个在运维路上摸爬滚打的技术人&#xff0c;我想把这些实用的配置技巧分享给大家。今天这篇文章会带…
阅读更多...
【Stable Diffusion 1.5 】在 Unet 中每个 Cross Attention 块中的张量变化过程

【Stable Diffusion 1.5 】在 Unet 中每个 Cross Attention 块中的张量变化过程

系列文章目录 文章目录 系列文章目录前言特征图和注意力图的尺寸差异原因在Break-a-Scene中的具体实现总结 前言 特征图 (Latent) 尺寸和注意力图(attention map)尺寸在扩散模型中有差异&#xff0c;是由于模型架构和注意力机制的特性决定的。 特征图和注意力图的尺寸差异原…
阅读更多...
最新文章

Copyright @ 2022~2023