可以看到之前在hive+hadoop数仓下建的库都可以通过spark-sql 查出来了，因为两者共用了一个metastore服务，元数据是一样的，数仓地址也是一样的。1 hive 4.0移除了saprk支持，只能使用MR和Tez,意味着往后版本，hive on spark就不存在了，若想使用，需要将hive换到4,0以前的版本；这也是为什么在hive sql 会话下，执行。由于spark-sql

1、关键在于驱动下载。

python 使用列表来定义栈stack = []1 如果只想获取栈顶元素，而不删除，则可以使用stack[-1]2 想要遍历栈，貌似只能从栈顶元素不断弹出3 python实现栈是使用的列表，那就意味着使用stack[n]或者stack[-n]可以遍历栈的元素，也就是把栈当列表使用，但这个时候，栈就不叫栈了吧4 栈是一端封口，元素从另一端放入和取出，可以根据这句话感受下栈元素变化的特性。

是SQL语言集中对数据库表或者库结构进行创建、删除、修改等操作语言。核心语法由create alter drop三个组成。DDL不涉及表内部数据操作。1 hive SQL的脚本语法跟MySQL很像，基本可以说是相同2 数仓的目的是为了对海量历史数据进行分析，使用hiveSQL进行分析，无非是以上语法的组合使用；MySQL也有以上语法，能用于数据分析吗？区别是啥？答案是肯定可以的。MySQL用于少量

deepseek 目前有DeepSeek-V3和DeepSeek-R1两个系列，DeepSeek-V3是由DeepSeek推出的一款拥有6710亿参数的专家混合（MoE）大语言模型，DeepSeek-R1是基于DeepSeek-V3-Base训练的高性能推理模型。这两个模型参数都非常大，性能也非常高，但部署成本非常高，对于小企业和个人不是很现实，但deepseek提供了蒸馏版本的小模型，但可以使用

MCP（模型上下文协议）为AI应用提供标准化连接方案，类似USB-C端口，使LLM能快速集成各类数据源和工具。该协议支持插件式扩展、多LLM切换和本地数据隐私保护。文章以天气服务为例，演示如何搭建MCP服务器：通过FastMCP框架创建SSE通信的Web服务，实现天气预警和预报功能。客户端可使用支持MCP的AI工具（如VS Code的Cline插件）进行调用，配置本地服务地址后即可获取天气数据。M

MCP（模型上下文协议）为AI应用提供标准化连接方案，类似USB-C端口，使LLM能快速集成各类数据源和工具。该协议支持插件式扩展、多LLM切换和本地数据隐私保护。文章以天气服务为例，演示如何搭建MCP服务器：通过FastMCP框架创建SSE通信的Web服务，实现天气预警和预报功能。客户端可使用支持MCP的AI工具（如VS Code的Cline插件）进行调用，配置本地服务地址后即可获取天气数据。M

在机器学习-随机森林算法预测温度一文中，通过增大模型训练数据集和训练特征的方式去优化模型的性能，本文将记录第三方种优化方式，通过调整随机森林创建模型参数的方式去优化模型，即调参。这里调参和神经网络使用验证集调整超参数概念不太一样，所以不会去使用验证集。本文调参，将使用RandomizedSearchCV（）函数，去交叉验证不同参数组合的模型性能，选择最优性能的参数组合模型。

1、数据预处理阶段，数据缺失值处理，要根据数据集实际含义，去选择合适的处理方式2、机器学习模型训练评估，实际工作量会在数据探索性分析和数据预处理环节，至于建模和训练只需调用封装好的函数即可。

机器学习算法，随机森林预测温度