logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

Spark教程1:Spark基础介绍

是一个开源的分布式大数据处理引擎,最初由加州大学伯克利分校。为核心特点,可用于大规模数据的处理、分析和机器学习等场景。软件基金会,如今已成为。

#spark#大数据#分布式 +3
大数据开发知识1:数据仓库

定期对数据仓库进行评估和优化,根据业务需求的变化和数据使用情况,调整数据仓库的架构、数据模型和数据处理流程,提高数据仓库的性能和可用性。管理数据仓库的元数据,包括数据定义、数据来源、数据转换规则、数据使用情况等。将转换后的数据加载到数据仓库的目标表中。致力于实现实体的统一,以商业要素资产化为核心,实现全域链接、标签萃取、立体画像,让数据融通而非以孤岛存在,为精准的用户画像提供基础。致力于实现数据的

文章图片
#大数据#数据仓库#mysql +4
数据库SQL Server时间函数Datetime

【代码】数据库SQL Server时间函数Datetime。

文章图片
#数据库#开发语言#python +2
vscode配置mysql运行环境

vscode的安装不再赘述,可以看另一篇文章。vscode的安装并配置c语言环境安装vscode平台的插件MySQL和MySQL Syntax安装方式:点击扩展,直接查找下载即可vscode链接mysql下载插件成功后,vscode会出现mysql图标。点击并进入。点击右上角加号,之后会出现“connect”进入之后,点击“USER”一行的加号写一个小程序验证一下create database B

#mysql#数据库
mysql设置远程访问权限,允许其他IP访问

【代码】mysql设置允许其他IP访问。

文章图片
#mysql#tcp/ip#数据库 +2
mysql设置远程访问权限,允许其他IP访问

【代码】mysql设置允许其他IP访问。

文章图片
#mysql#tcp/ip#数据库 +2
数据结构第五周作业(广义表的深度、长度、存储结构)

1.请写出下列广义表的深度和长度。(1)A=()(2)B=(a)(3)C=(a,b,C)(4)D=(a,(A),(a,(b,(c,C))),d)(5)E=(a,(b,c),(d,(e),(f,(g))))(1)A = ()\\(2)B = ( a )\\(3)C = ( a, b, C)\\(4)D = ( a, (A), (a, (b, (c, C))), d )\\(5)E = ( a, (

#算法#数据结构
算法与数据结构:质数、互质判定和裴蜀定理

本文介绍了质数的定义、判定方法、筛选算法、质因数分解、互质判定以及裴蜀定理。质数是只能被1和自身整除的正整数,常见的质数有2、3、5等。质数判定通常使用试除法,时间复杂度为O(√N)。质数筛选可以使用埃拉托斯特尼筛法,时间复杂度为O(N log(log N))。质因数分解基于唯一分解定理,将正整数分解为质数的乘积。互质判定通过最大公约数(gcd)实现,若gcd(a,b)=1,则a和b互质。裴蜀定理

文章图片
#算法#数据结构#数据挖掘 +2
数据格式、数据结构和数据类型的区别

摘要: 数据类型、数据结构和数据格式是数据领域的三个关键概念。数据类型界定数据的性质(如整数、字符串),数据结构组织数据(如数组、字典),数据格式规范数据的表现形式(如JSON、CSV)。三者层级关联:数据类型是基础,数据结构依赖类型构建逻辑,数据格式对外呈现结构化数据。例如,Python字典(数据结构)存储字符串键和任意值(数据类型),再序列化为JSON格式(数据格式)传输。三者协同确保数据在存

#数据结构#windows#深度学习 +3
Hive最全介绍:架构、数据模型和语法

Hive概述与核心要点 Hive是基于Hadoop的数据仓库工具,提供类似SQL的HiveQL查询语言,将SQL转换为MapReduce/Tez/Spark任务执行。其架构包括HiveServer2、Metastore(建议生产环境使用MySQL)和多种执行引擎。主要表类型包括:内部表(Hive管理数据生命周期)、外部表(用户管理数据)以及优化查询的分区表和分桶表。 Hive支持多种文件格式,性能

#hive#架构#hadoop +3
    共 13 条
  • 1
  • 2
  • 请选择