完全分布式部署介绍

学习目标

完全分部式是真正利用多台Linux主机来进行部署Hadoop，对Linux机器集群进行规划，使得Hadoop各个模块分别
部署在不同的多台机器上。
能够了解完全分布式部署场景

二、NameNode HA+完全分布式部署

学习目标

能够了解HA+完成分布式部署场景
能够对HA+完全分布式部署架构规划
能够对HA+完全分布式部署进行配置
预备知识

1)什么是HA？

HA的意思是High Availability高可用，指当当前工作中的机器宕机后，会自动处理这个异常，并将工作无缝地转移到
其他备用机器上去，以来保证服务的高可用。
HA方式安装部署才是最常见的生产环境上的安装部署方式。Hadoop HA是Hadoop 2.x中新添加的特性，包括
NameNode HA 和 ResourceManager HA。因为DataNode和NodeManager本身就是被设计为高可用的，所以不用
对他们进行特殊的高可用处理。

2)NameNode HA切换实现方法

Hadoop2.X对NameNode进行一个抽象:NameService 一个NameService下面有两个NameNode，分别处于Active
和Standby状态。
通过Zookeeper进行协调选举，确保只有一个活跃的NameNode。
一旦主(Active)宕掉，standby会切换成Active。
作为一个ZK集群的客户端，用来监控NN的状态信息。每个运行NN的节点必须要运行一个zkfc。

zkfc提供以下功能：

Health monitoring

zkfc定期对本地的NN发起health-check的命令，如果NN正确返回，那么这个NN被认为是OK的。否则被认为是失效
节点。

ZooKeeper session management

当本地NN是健康的时候，zkfc将会在zk中持有一个session。如果本地NN又正好是active的，那么zkfc还有持有一
个"ephemeral"的节点作为锁，一旦本地NN失效了，那么这个节点将会被自动删除。

ZooKeeper-based election

如果本地NN是健康的，并且zkfc发现没有其他的NN持有那个独占锁。那么他将试图去获取该锁，一旦成功，那么它
就需要执行Failover，然后成为active的NN节点。Failover的过程是：第一步，对之前的NN执行fence，如果需要的
话。第二步，将本地NN转换到active状态。

3)NameNode HA数据共享方法

Namenode主要维护两个文件，一个是fsimage，一个是editlog。
fsimage保存了最新的元数据检查点，包含了整个HDFS文件系统的所有目录和文件的信息。对于文件来说包括了数
据块描述信息、修改时间、访问时间等；对于目录来说包括修改时间、访问权限控制信息(目录所属用户，所在组)
等。
editlog主要是在NameNode已经启动情况下对HDFS进行的各种更新操作进行记录，HDFS客户端执行所有的写操作
都会被记录到editlog中。
上面在Active Namenode与StandBy Namenode之间的绿色区域就是JournalNode，当然数量不一定只有1个,作用
相当于NFS共享文件系统，Active Namenode往里写editlog数据，StandBy再从里面读取数据进行同步。
两个NameNode为了数据同步，会通过一组称作JournalNodes的独立进程进行相互通信。当active状态的
NameNode的命名空间有任何修改时，会告知大部分的JournalNodes进程。standby状态的NameNode有能力读取
JNs中的变更信息，并且一直监控edit log的变化，把变化应用于自己的命名空间。standby可以确保在集群出错时，
命名空间状态已经完全同步了。
集群启动时，可以同时启动2个NameNode。这些NameNode只有一个是active的，另一个属于standby状态。
active状态意味着提供服务，standby状态意味着处于休眠状态，只进行数据同步，时刻准备着提供服务
部署规划

实施

1)系统时间同步
[root@localhost ~]#ntpdate time1.aliyun.com
12)设置主机IP及名称解析
把/etc/hosts文件复制到所有集群主机
[root@localhost ~]#vim /etc/hosts

192.168.208.5 hd1

192.168.208.10 hd2

192.168.208.20 hd3

192.168.208.30 hd4

192.168.208.40 hd5

192.168.208.50 hd6
3)关闭防火墙及Selinux
[root@localhost ~]# systemctl stop firewalld

[root@localhost ~]# systemctl disable firewalld

[root@localhost ~]# sed -ri 's/SELINUX=enforcing/SELINUX=disabled/' /etc/selinux/config
4)部署JDK
[root@localhost ~]#firefox http://download.oracle.com

[root@localhost ~]#tar xf jdk-8u191-linux-x64.tar.gz -C /usr/local

[root@localhost ~]#mv /usr/local/jdk1.8 /usr/local/jdk
5)SSH免密登录
把密钥复制到所有主机（我这里是hd1操作，然后只从hd1复制到其它五个节点了）
[root@localhost ~]#ssh-keygen -t rsa -f /root/.ssh/id_rsa -P ''

[root@localhost ~]#cd /root/.ssh

[root@localhost ~]#cp id_rsa.pub authorized_keys

[root@localhost ~]#for i in hd2 hd3 hd4 hd5 hd6;do scp -r /root/.ssh $i:/root;done
也可以循环传输
6)zookeeper部署
6.0)zookeeper作用
ZooKeeper 是为分布式应用程序提供高性能协调服务的工具集合，译名为“动物园管理员”。
分布式应用程序可以基于它实现配置维护、命名服务、分布式同步、组服务等。
是 Hadoop集群管理的一个必不可少的模块,它主要用来解决分布式应用中经常遇到的数据管理问题，如集群管理、
统一命名服务、分布式配置管理、分布式消息队列、分布式锁、分布式协调等。
在ZooKeeper集群当中，集群中的服务器角色有两种Leader和Learner，Learner角色又分为Observer和Follower
Zookeeper的核心是原子广播，这个机制保证了各个Server之间的同步。实现这个机制的协议叫做Zab协议。Zab协
议有两种模式，它们分别是恢复模式（选主）和广播模式（同步）。
当服务启动或者在领导者崩溃后，Zab就进入了恢复模式，当领导者被选举出来，且大多数Follower完成了和leader
的状态同步以后，恢复模式就结束了。状态同步保证了leader和Follower具有相同的系统状态。
如下图所示：
该ZooKeeper集群当中一共有5台服务器，有两种角色Leader和Follwer，5台服务器连通在一起，客户端又分别连在
不同的ZK服务器上。
如果当数据通过客户端1，在左边第一台Follower服务器上做了一次数据变更，它会把这个数据的变化同步到其他所
有的服务器，同步结束之后，那么其他的客户端都会获得这个数据的变化。
Zookeeper是一个由多个server组成的集群，一个leader，多个follower，每个server保存一份数据副本，全局数据
一致、分布式读写，更新请求转发，由leader实施。

Leader主要有三个功能

1. 恢复数据；
2. 维持与Learner的心跳，接收Learner请求并判断Learner的请求消息类型；
3. Learner的消息类型主要有PING消息、REQUEST消息、ACK消息、REVALIDATE消息，根据不同的消息类型，进
行不同的处理。

Follower主要有四个功能

1. 向Leader发送请求（PING消息、REQUEST消息、ACK消息、REVALIDATE消息）；
2. 接收Leader消息并进行处理；
3. 接收Client的请求，如果为写请求，发送给Leader进行投票；
4. 返回Client结果。
zookeeper部署至hdfs集群的datanode节点，此案例共3台。

6.1）获取软件包

[root@localhost ~]#wget https://www-eu.apache.org/dist/zookeeper/zookeeper-3.4.13/zookeeper-3.4.13.tar.gz

后三台部署zookeeper

6.2)部署软件包

每台服务器myid不同，需要分别修改，例如server.1对应的myid内容为1，server.2对应的myid内容为2，
server.3对应的myid为3。
2888端口：follower连接到leader机器的端口
3888端口：leader选举端口
[root@localhost ~]#tar xf zookeeper-3.4.13.tar.gz -C /usr/local

[root@localhost ~]#mv /usr/local/zookeeper-3.4.13 /usr/local/zookeeper

[root@localhost ~]#mv /usr/local/zookeeper/conf/zoo.sample.cfg /usr/local/zookeeper/conf/zoo.cfg

[root@localhost ~]#vim /usr/local/zookeeper/conf/zoo.cfg

dataDir=/opt/data
server.1=hd4:2888:3888
server.2=hd5:2888:3888
server.3=hd6:2888:3888
 
[root@localhost ~]#mkdir /opt/data

[root@localhost ~]#echo 1 > /opt/data/myid

6.3）添加环境变量

[root@localhost ~]#vim /etc/profile.d/hadoop.sh

export JAVA_HOME=/usr/local/jdk

export ZOOKEEPER_HOME=/usr/local/zookeeper

export PATH=${JAVA_HOME}/bin:${ZOOKEEPER_HOME}/bin:$PATH

[root@localhost ~]# source /etc/profile
在3台datanode节点上全部添加（后面三台，三台zookeeper节点，环境变量还可以加到这个目录下面的啊）

6.4）验证zookeeper

需要把以上文件拷贝至3台datanode，然后全部执行开启命令
[root@localhost ~]#zkServer.sh start

[root@localhost ~]#zkServer.sh status
[root@localhost ~]#zkServer.sh stop

由下图可知，dataDir才是真的指定myid的目录的。可能是版本不同的原因吧

测试成功.myid不知道是否需要填写不同的值，还是都是1就可以

10.0.0.17 hd4 follower  myid是1
10.0.0.18 hd5 follower  myid是2
10.0.0.19 hd6 leader  myid是3

7）hadoop软件包获取

[root@localhost ~]#wget  http://mirrors.tuna.tsinghua.edu.cn/apache/hadoop/common/hadoop-2.8.5/hadoop-2.8.5.tar.gz

[root@localhost ~]#tar xf hadoop-2.8.5.tar.gz -C /opt

8）完全分布式（HA）配置文件修改

8.1）hadoop-env.sh

修改hadoop-env.sh 25行,mapred-env.sh 16行,yarn-env.sh 23行,针对hadoop-2.8.5版本
[root@localhost ~]#vim hadoop-env.sh

export JAVA_HOME=/usr/local/jdk

8.2)core-site.xml

/opt/data/tmp不存在，会自动创建
[root@localhost ~]#vim core-site.xml

<!-- 指定hdfs的nameservice为ns1 -->

<property>

  <name>fs.defaultFS</name>

  <value>hdfs://ns1</value>

</property>

<!-- 指定hadoop临时目录 -->

<property>

  <name>hadoop.tmp.dir</name>

  <value>/opt/data/tmp</value>

</property>

<!-- 指定zookeeper地址 -->

<property>

  <name>ha.zookeeper.quorum</name>

  <value>hd4:2181,hd5:2181,hd6:2181</value>

</property>

环境基本一致，所以不需要修改，直接复制上去

8.3)hdfs-site.xml

nameserver是ns1,ns1下有两个namenode:nn1,nn2;指定nn1和nn2的地址，元数据的存放位置等

[root@localhost ~]#vim hdfs-site.xml

<!--指定hdfs的nameservice为ns1，需要和core-site.xml中的保持一致 -->

  <property>

  <name>dfs.nameservices</name>

  <value>ns1</value>

</property>

<!-- ns1下面有两个NameNode，分别是nn1，nn2 -->

  <property>

  <name>dfs.ha.namenodes.ns1</name>

  <value>nn1,nn2</value>

</property>

<!-- nn1的RPC通信地址 -->

<property>

  <name>dfs.namenode.rpc-address.ns1.nn1</name>

  <value>hd1:9000</value>

</property>

<!-- nn1的http通信地址 -->

<property>

  <name>dfs.namenode.http-address.ns1.nn1</name>

  <value>hd1:50070</value>

</property>

<!-- nn2的RPC通信地址 -->

<property>

  <name>dfs.namenode.rpc-address.ns1.nn2</name>

  <value>hd2:9000</value>

</property>

<!-- nn2的http通信地址 -->

<property>

  <name>dfs.namenode.http-address.ns1.nn2</name>

  <value>hd2:50070</value>

</property>

<!-- 指定NameNode的元数据在JournalNode上的存放位置 -->

<property>

  <name>dfs.namenode.shared.edits.dir</name>

  <value>qjournal://hd4:8485;hd5:8485;hd6:8485/ns1</value>

</property>

<!-- 指定JournalNode在本地磁盘存放数据的位置 -->

<property>

  <name>dfs.journalnode.edits.dir</name>

  <value>/opt/data/journal</value>

</property>

<!-- 开启NameNode失败自动切换 -->

<property>

  <name>dfs.ha.automatic-failover.enabled</name>

  <value>true</value>

</property>

<!-- 配置失败自动切换实现方式 -->

<property>

  <name>dfs.client.failover.proxy.provider.ns1</name>

  <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>

</property>

<!-- 配置隔离机制 -->

<property>

  <name>dfs.ha.fencing.methods</name>

  <value>sshfence</value>

</property>

<!-- 使用隔离机制时需要ssh免登陆 -->

<property>

  <name>dfs.ha.fencing.ssh.private-key-files</name>

  <value>/root/.ssh/id_rsa</value>

</property>

8.4)配置datanode节点记录文件 slaves

[root@localhost ~]#vim slaves

hd4

hd5

hd6

8.5)mapred-site.xml

[root@localhost ~]#cp /opt/hadoop285/etc/hadoop/mapred-site.xml.template /opt/hadoop285/etc/hadoop/mapred-site.xml

[root@localhost ~]#vim mapred-site.xml

<!-- 指定mr框架为yarn方式 -->

<property>

<name>mapreduce.framework.name</name>

<value>yarn</value>

</property>

8.6)yarn-site.xml

[root@localhost ~]#vim yarn-site.xml

<!-- 指定resourcemanager地址 -->

<property>

  <name>yarn.resourcemanager.hostname</name>

  <value>hd3</value>

</property>


<!-- 指定nodemanager启动时加载server的方式为shuffle server -->

<property>

  <name>yarn.nodemanager.aux-services</name>

  <value>mapreduce_shuffle</value>

</property>

9)复制修改后的hadoop目录到所有集群节点

[root@localhost ~]#scp -r hadoop hdX:/opt

[root@localhost ~]#scp /etc/profile.d/hadoop.sh hdX:/etc/profile.d/

[root@localhost ~]#source /etc/profile

10)在datanode节点(3台)启动zookeeper

[root@localhost ~]#zkServer.sh start

11)启动journalnode(在namenode上操作，例如hd1)

[root@localhost ~]#hadoop-daemons.sh start journalnode
分别到hd4、hd5、hd6节点上进行验证
[root@localhost ~]#jps

上面那个验证查看，没有启动成功的，上面是zk的。下面这个才是jn的

12)格式化hdfs文件系统（在namenode上操作，例如hd1）

[root@localhost ~]#hdfs namenode -format
1格式化完成后，请把/opt/data/tmp目录拷贝至hd2相应的位置，hd2将不再需要格式化，可以直接使用。
 
失败了。报错了
格式化失败：

[root@mcw04 ~]# hdfs namenode -format

23/03/11 10:13:01 INFO ipc.Client: Retrying connect to server: hd5/10.0.0.18:8485. Already tried 0 time(s); retry policy is RetryUpToMaximumCountWithFixedSleep(maxRetries=10, sleepTime=1000 MILLISECONDS)

23/03/11 10:13:01 INFO ipc.Client: Retrying connect to server: hd6/10.0.0.19:8485. Already tried 0 time(s); retry policy is RetryUpToMaximumCountWithFixedSleep(maxRetries=10, sleepTime=1000 MILLISECONDS)

23/03/11 10:13:01 INFO ipc.Client: Retrying connect to server: hd4/10.0.0.17:8485. Already tried 0 time(s); retry policy is RetryUpToMaximumCountWithFixedSleep(maxRetries=10, sleepTime=1000 MILLISECONDS)

23/03/11 10:13:02 INFO ipc.Client: Retrying connect to server: hd6/10.0.0.19:8485. Already tried 1 time(s); retry policy is RetryUpToMaximumCountWithFixedSleep(maxRetries=10, sleepTime=1000 MILLISECONDS)

23/03/11 10:13:10 WARN ipc.Client: Failed to connect to server: hd4/10.0.0.17:8485: retries get failed due to exceeded maximum allowed retries number: 10

java.net.ConnectException: Connection refused

    at sun.nio.ch.SocketChannelImpl.checkConnect(Native Method)

去三个节点上查端口没有开启

[root@mcw08 ~]# ss -lntup|grep 8485

[root@mcw08 ~]#

查看配置，这个端口是那个服务

hdfs-site.xml：

<!-- 指定NameNode的元数据在JournalNode上的存放位置 -->

<property>

  <name>dfs.namenode.shared.edits.dir</name>

  <value>qjournal://hd4:8485;hd5:8485;hd6:8485/ns1</value>

</property>    

停止这个服务，发现没有启动

[root@mcw04 ~]# hadoop-daemons.sh stop journalnode

hd6: no journalnode to stop

hd4: no journalnode to stop

hd5: no journalnode to stop

[root@mcw04 ~]# 

在hd1上启动这个服务

[root@mcw04 ~]# hadoop-daemons.sh start journalnode

hd6: starting journalnode, logging to /opt/hadoop/logs/hadoop-root-journalnode-mcw09.out

hd5: starting journalnode, logging to /opt/hadoop/logs/hadoop-root-journalnode-mcw08.out

hd4: starting journalnode, logging to /opt/hadoop/logs/hadoop-root-journalnode-mcw07.out

[root@mcw04 ~]#

[root@mcw04 ~]# hadoop-daemons.sh start journalnode

hd4: journalnode running as process 17035. Stop it first.

hd6: journalnode running as process 16741. Stop it first.

hd5: journalnode running as process 17113. Stop it first.

[root@mcw04 ~]#     

在hd4-6的JournalNode节点上查看，服务已经启动

[root@mcw07 ~]# jps

16627 QuorumPeerMain

17140 Jps

17035 JournalNode

[root@mcw07 ~]# 

hd1这个namenode上格式化

[root@mcw04 ~]# hdfs namenode -format

将hd1格式化生成的目录传输到hd2，省去hd2格式化，两个namenode都有这个元数据了

[root@mcw04 ~]# ls /opt/data/

tmp

[root@mcw04 ~]# ls /opt/data/tmp/

dfs

[root@mcw04 ~]# ls /opt/data/tmp/dfs/

name

[root@mcw04 ~]# ls /opt/data/tmp/dfs/name/

current

[root@mcw04 ~]# ls /opt/data/tmp/dfs/name/current/

fsimage_0000000000000000000  fsimage_0000000000000000000.md5  seen_txid  VERSION

[root@mcw04 ~]#

[root@mcw04 ~]# scp -rp /opt/data hd2:/opt/

VERSION                                                                                                                                                                        100%  212   122.4KB/s   00:00

seen_txid                                                                                                                                                                      100%    2     3.1KB/s   00:00

fsimage_0000000000000000000.md5                                                                                                                                                100%   62   100.4KB/s   00:00

fsimage_0000000000000000000                                                                                                                                                    100%  321   728.1KB/s   00:00

[root@mcw04 ~]#

13）格式化zk（namenode上操作，例如hd1）

[root@localhost ~]#hdfs zkfc -formatZK

14)启动hdfs（namenode上操作，例如hd1）

[root@localhost ~]#start-dfs.sh

查看各个节点服务启动情况

15）启动yarn（namenode上操作，例如想让hd2成为resourcemanager，需要在hd2上启动。）

[root@localhost ~]#start-yarn.sh

16)访问

NameNode1:http://hd1:50070 查看NameNode状态

NameNode2:http://hd2:50070 查看NameNode状态

NameNode3:http://hd3:8088 查看yarn状态

第三个页面访问失败。hd1上启动的yarn，但是ResourceManager没有启动

之前在hd1上执行开启yarn，但是ResourceManager没有启动，在hd1上先停止。然后在hd3也就是主机6上开启，然后就成功开启了但是ResourceManager和NodeManager。我们之前规划的就是主机6作为ResourceManager，因此，我们配置里面应该是也有体现的吧。

再次访问，可以看到已经成功访问了

页面查看

=====

点击链接的时候，是我笔记本上，没法解析。只能给自己笔记本添加一下解析才能访问了

===

===

====

=======

检测使用

创建文件夹

从这里创建失败，没有权限。可以去使用命令行创建。

总结

hadoop大数据统计中的应用思路

日志本身输出是json，然后用flink解析json，变成table。，hadoop是存储层，你可以理解原始日志是ODS层，把原始数据发送到kafka,然后用flink去处理kafka的日志，写到hadoop，
.theme.i hot air balloon 98d92063a6。 你是读取Hadoop多个日志文件，然后根据逗号切割，将第一列数据分组统计每个出现的个数么，类似于这样？

一般来说 数据链路就是
原始日志>kakfa>程序解析>原始日志存储到hdfs
然后基于hdfs的数据计算后 > 落库hdfs > 同步mysql/gp 做报表展示

程序解析这里是flink。 sparkstreaming

大致的意思可能是：
程序解析后存储到hdfs，然后用Hadoop的计算功能统计结果，把统计结果写入到hdfs,然后程序从hdfs读取统计结果中需要的字段（可能不是所有字段数据）写入到数据库。有的时候，这个统计结果，可能会同步到多个数据库，给不同的平台使用吧

json 日志处理后：这样

 
 

hadoop部署2的更多相关文章

  1. hadoop部署小结的命令

    hadoop部署总结的命令 学习笔记,转自:hadoop部署总结的命令http://www.aboutyun.com/thread-5385-1-1.html(出处: about云开发)

  2. Hadoop 部署文档

    Hadoop 部署文档 1 先决条件 2 下载二进制文件 3 修改配置文件 3.1 core-site.xml 3.2 hdfs-site.xml 3.3 mapred-site.xml 3.4 ya ...

  3. hadoop进阶----hadoop经验(一)-----生产环境hadoop部署在超大内存服务器的虚拟机集群上vs几个内存较小的物理机

    生产环境 hadoop部署在超大内存服务器的虚拟机集群上 好 还是  几个内存较小的物理机上好? 虚拟机集群优点 虚拟化会带来一些其他方面的功能. 资源隔离.有些集群是专用的,比如给你三台设备只跑一个 ...

  4. Hadoop部署方式-完全分布式(Fully-Distributed Mode)

    Hadoop部署方式-完全分布式(Fully-Distributed Mode) 作者:尹正杰 版权声明:原创作品,谢绝转载!否则将追究法律责任. 本博客搭建的虚拟机是伪分布式环境(https://w ...

  5. Hadoop部署方式-伪分布式(Pseudo-Distributed Mode)

    Hadoop部署方式-伪分布式(Pseudo-Distributed Mode) 作者:尹正杰 版权声明:原创作品,谢绝转载!否则将追究法律责任. 一.下载相应的jdk和Hadoop安装包 JDK:h ...

  6. Hadoop部署方式-本地模式(Local (Standalone) Mode)

    Hadoop部署方式-本地模式(Local (Standalone) Mode) 作者:尹正杰 版权声明:原创作品,谢绝转载!否则将追究法律责任. Hadoop总共有三种运行方式.本地模式(Local ...

  7. hadoop部署中遇到ssh设置的问题

    尽管hadoop和一些培训视频课程上讲分布式部署比较详细,但是在部署时仍遇到了一些小问题,在此mark一下: 1.linux的namenode主机上安装了ssh,也启动了ssh,并且执行了: /etc ...

  8. hadoop部署工具与配置工具

    https://github.com/xianglei/phpHiveAdmin 随着Hadoop的推出,大数据处理实现了技术上的落地.但是对于一般的公司和开发者而言,Hadoop依旧是一个陌生或者难 ...

  9. hadoop部署、启动全套过程

    Hadoop是Apache基金会的开源项目,为开发者提供了一个分布式系统的基础架构,用户可以在不了解分布式系统的底层细节的情况下开发分布式的应用,充分利用集群的强大功能,实现高速运算和存储.Hadoo ...

  10. hadoop部署错误

    hadoop的单机部署很简单也不容易出错,但是对生产环境的价值和意义不大,但是可以快速用于开发. 部署hadoop的错误原因不少,并且很奇怪. 比如,用户名不同,造成客户端和服务器通讯产生认证失败的错 ...

随机推荐

  1. 活动报名｜OpenHarmony 战“码”先锋，PR 征集令

    OpenAtom OpenHarmony(以下简称"OpenHarmony")工作委员会首度发起「OpenHarmony 开源贡献者计划」,旨在鼓励开发者参与 OpenHarmon ...

  2. 30分钟成为Contributor｜如何多方位参与OpenHarmony开源贡献？

    如何优雅地参与开源贡献,向顶级开源项目提交 PR(Pull Request).战"码"先锋直播间第八期围绕"OpenAtom OpenHarmony(以下简称" ...

  3. SQL 查询优化指南：SELECT、SELECT DISTINCT、WHERE 和 ORDER BY 详解

    SELECT 关键字 SQL的SELECT语句用于从数据库中选择数据.SELECT语句的基本语法如下: SELECT column1, column2, ... FROM table_name; 其中 ...

  4. C#使用PaddleOCR进行图片文字识别✨

    PaddlePaddle介绍 PaddlePaddle(飞桨)是百度开发的深度学习平台,旨在为开发者提供全面.灵活的工具集,用于构建.训练和部署各种深度学习模型.它具有开放源代码.高度灵活性.可扩展性 ...

  5. mysql 必知必会整理—sql 简单语句[二]

    前言 简单整理一下sql 排序与过滤. 正文 在这里需要创建一下一个数据库实例. 为了方便直接用docker 创建一下啊,方便简洁. https://hub.docker.com/_/mysql 按照 ...

  6. c# 模拟web请求formdata webrequest

    前言 在写代码中,我们常常需要去书写代码去请求一些东西,那么是不是可以模拟像web formdata一样请求. 正文 下面代码为模拟的: public string SendRequest(strin ...

  7. 力扣1069(MySQL)-产品分析Ⅱ（简单）

    题目: 编写一个 SQL 查询,按产品 id product_id 来统计每个产品的销售总量. 查询结果格式如下面例子所示:  解题思路: 没有用到product表,直接在sales表中使用聚合函数: ...

  8. 从 2018 年 Nacos 开源说起

    2018 年夏天 国内微服务开源 领域,迎来了一位新成员.此后,在构建微服务注册中心和配置中心的过程中,国内开发者多了一个可信赖的选项. Nacos 是阿里巴巴开源的一个更易于构建云原生应用的动态服务 ...

  9. NBF事件中心架构设计与实现

    ​简介:NBF是阿里巴巴供应链中台的基础技术团队打造的一个技术PaaS平台,她提供了微服务FaaS框架,低代码平台和中台基础设施等一系列的PaaS产品,旨在帮助业务伙伴快速复用和扩展中台能力,提升研发 ...

  10. 揭秘远程证明架构EAA：机密容器安全部署的最后一环 | 龙蜥技术

    ​简介:如果需要在云上 HW-TEE 环境里启动一个加密容器,如何在启动过程中获取容器的解密密钥? ​ 文 / 周亮, 云原生机密计算 SIG 核心成员. 在云原生场景下,基于HW-TEE(如Inte ...