一. 监控端口数据

首先启动Flume任务，监控本机44444端口，服务端；

然后通过netcat工具向本机44444端口发送消息，客户端；

最后Flume将监听的数据实时显示在控制台。

1. 安装netcat

sudo yum install -y nc

功能描述：netstat命令是一个监控TCP/IP网络的非常有用的工具，它可以显示路由表、实际的网络连接以及每一个网络接口设备的状态信息。

基本语法：netstat [选项]

选项参数：

-t或--tcp：显示TCP传输协议的连线状况；

　　-u或--udp：显示UDP传输协议的连线状况；

-n或--numeric：直接使用ip地址，而不通过域名服务器；

-l或--listening：显示监控中的服务器的Socket；

-p或--programs：显示正在使用Socket的程序识别码（PID）和程序名称；

2. 判断端口是否被占用

sudo netstat -tunlp | grep

3. 创建Flume Agent配置文件flume-netcat-logger.conf

#在flume目录下创建job文件夹并进入job文件夹。

mkdir job

cd job/

#在job文件夹下创建Flume Agent配置文件flume-netcat-logger.conf

touch flume-netcat-logger.conf

在flume-netcat-logger.conf文件中添加如下内容。

# Name the components on this agent
#a1表示agent的名称

a1.sources = r1    #r1表示a1的输入源source

a1.sinks = k1      #k1表示a1的输出目的地sink

a1.channels = c1   #c1表示a1的缓冲区channel 

# Describe/configure the source

a1.sources.r1.type = netcat       #表示a1的输入源为netcat端口类型

a1.sources.r1.bind = localhost    #表示a1监听的主机地址

a1.sources.r1.port = 44444        #表示a1监听的端口

# Describe the sink

a1.sinks.k1.type = logger         #表示a1的输出目的地是控制台的logger类型

# Use a channel which buffers events in memory

a1.channels.c1.type = memory                #表示a1的channel类型为memory类型

a1.channels.c1.capacity = 1000              #表示a1的channel总容量是1000个event

a1.channels.c1.transactionCapacity = 100    #表示a1的channel传输时收集到100条event后再去提交事务

# Bind the source and sink to the channel

a1.sources.r1.channels = c1                 #表示将r1和c1连接起来

a1.sinks.k1.channel = c1                    #表示将k1和c1连接起来

其他参数或参数详解,请参阅官方手册http://flume.apache.org/FlumeUserGuide.html

4. 开启Flume监听端口

#第一种写法：

 bin/flume-ng agent --conf conf/ --name a1 --conf-file job/flume-netcat-logger.conf -Dflume.root.logger=INFO,console

#第二种写法：

bin/flume-ng agent -c conf/ -n a1 –f job/flume-netcat-logger.conf -Dflume.root.logger=INFO,console

开启后会阻塞

参数说明：

--conf conf/  ：表示配置文件存储在conf/目录

--name a1       ：表示给agent起名为a1

--conf-file job/flume-netcat.conf ：flume本次启动读取的配置文件是在job文件夹下的flume-telnet.conf文件。

-Dflume.root.logger==INFO,console ：-D表示flume运行时动态修改flume.root.logger参数属性值，并将控制台日志打印级别设置为INFO级别。日志级别包括:log、info、warn、error。

5. 使用netcat工具向本机的44444端口发送内容

6. 在Flume监听页查看接收数据

二. 实时读取本地文件到HDFS

1. 让Flume持有Hadoop相关jar包

将commons-configuration-1.6.jar、

hadoop-auth-2.7.2.jar、

hadoop-common-2.7.2.jar、

hadoop-hdfs-2.7.2.jar、

commons-io-2.4.jar、

htrace-core-3.1.0-incubating.jar

拷贝到/opt/module/flume/lib文件夹下(如果已经持有的话,略过)。

2. 创建flume-file-hdfs.conf文件

#在hob目录下创建文件

touch flume-file-hdfs.conf

要想读取Linux系统中的文件，就得按照Linux命令的规则执行命令。由于Hive日志在Linux系统中所以读取文件的类型选择：exec即execute执行的意思。表示执行Linux命令来读取文件

在flume-file-hdfs.conf中添加如下内容

# Name the components on this agent

a2.sources = r2

a2.sinks = k2

a2.channels = c2

# Describe/configure the source

a2.sources.r2.type = exec                                         #定义source类型为exec可执行文件

a2.sources.r2.command = tail -F /opt/module/hive/logs/hive.log    #要执行的linux命令

a2.sources.r2.shell = /bin/bash -c                                #执行shell脚本的绝对路径

# Describe the sink

a2.sinks.k2.type = hdfs                                            #sink类型为hdfs

a2.sinks.k2.hdfs.path = hdfs://hadoop100:9000/flume/%Y%m%d/%H      #上传文件再hdfs上的路径 转义序列的详解见下表
#上传文件的前缀

a2.sinks.k2.hdfs.filePrefix = logs-

#是否按照时间滚动文件夹

a2.sinks.k2.hdfs.round = true

#多少时间单位创建一个新的文件夹

a2.sinks.k2.hdfs.roundValue =

#重新定义时间单位

a2.sinks.k2.hdfs.roundUnit = hour

#是否使用本地时间戳

a2.sinks.k2.hdfs.useLocalTimeStamp = true

#积攒多少个Event才flush到HDFS一次

a2.sinks.k2.hdfs.batchSize =

#设置文件类型，可支持压缩

a2.sinks.k2.hdfs.fileType = DataStream

#多久生成一个新的文件

a2.sinks.k2.hdfs.rollInterval =

#设置每个文件的滚动大小

a2.sinks.k2.hdfs.rollSize =

#文件的滚动与Event数量无关

a2.sinks.k2.hdfs.rollCount = 

# Use a channel which buffers events in memory

a2.channels.c2.type = memory

a2.channels.c2.capacity =

a2.channels.c2.transactionCapacity = 

# Bind the source and sink to the channel

a2.sources.r2.channels = c2

a2.sinks.k2.channel = c2

注意 : 对于所有与时间相关的转义序列，Event Header中必须存在以 “timestamp”的key（除非hdfs.useLocalTimeStamp设置为true，此方法会使用TimestampInterceptor自动添加timestamp）。

3. 开启Flume监控

bin/flume-ng agent --conf conf/ --name a2 --conf-file job/flume-file-hdfs.conf

4. 开启hdfs和hive,操作hive产生日志

#开启hdfs

sbin/start-dfs.sh

#开启hive产生日志

bin/hive

5. 在HDFS上查看文件

三. 实时读取目录文件到HDFS

1. 创建配置文件flume-dir-hdfs.conf

#再job目录下创建文件

touch flume-dir-hdfs.conf

添加以下内容

a3.sources = r3

a3.sinks = k3

a3.channels = c3

# Describe/configure the source

#source类型为spooldir

a3.sources.r3.type = spooldir

#监控的目录

a3.sources.r3.spoolDir = /opt/module/flume/upload

#文件上传完后的文件后缀

a3.sources.r3.fileSuffix = .COMPLETED

#是否有文件头

a3.sources.r3.fileHeader = true

#忽略所有以.tmp结尾的文件，不上传

a3.sources.r3.ignorePattern = ([^ ]*\.tmp)

# Describe the sink

a3.sinks.k3.type = hdfs

a3.sinks.k3.hdfs.path = hdfs://hadoop100:9000/flume/upload/%Y%m%d/%H

#上传文件的前缀

a3.sinks.k3.hdfs.filePrefix = upload-

#是否按照时间滚动文件夹

a3.sinks.k3.hdfs.round = true

#多少时间单位创建一个新的文件夹

a3.sinks.k3.hdfs.roundValue =

#重新定义时间单位

a3.sinks.k3.hdfs.roundUnit = hour

#是否使用本地时间戳

a3.sinks.k3.hdfs.useLocalTimeStamp = true

#积攒多少个Event才flush到HDFS一次

a3.sinks.k3.hdfs.batchSize =

#设置文件类型，可支持压缩

a3.sinks.k3.hdfs.fileType = DataStream

#多久生成一个新的文件

a3.sinks.k3.hdfs.rollInterval =

#设置每个文件的滚动大小大概是128M

a3.sinks.k3.hdfs.rollSize =

#文件的滚动与Event数量无关

a3.sinks.k3.hdfs.rollCount = 

# Use a channel which buffers events in memory

a3.channels.c3.type = memory

a3.channels.c3.capacity =

a3.channels.c3.transactionCapacity = 

# Bind the source and sink to the channel

a3.sources.r3.channels = c3

a3.sinks.k3.channel = c3

2. 启动监控

bin/flume-ng agent --conf conf/ --name a3 --conf-file job/flume-dir-hdfs.conf

说明： 在使用Spooling Directory Source时,不要在监控目录中创建并持续修改文件;上传完成的文件会以.COMPLETED结尾;被监控文件夹每500毫秒扫描一次文件变动

3. 向upload文件夹中添加文件

4. 查看HDFS

5. 查看upload文件夹

四. 单数据源多出口(选择器)

使用Flume-1监控文件变动，Flume-1将变动内容传递给Flume-2，Flume-2负责存储到HDFS。

同时Flume-1将变动内容传递给Flume-3，Flume-3负责输出到Local FileSystem。

1. 准备工作

#在/opt/module/flume/job目录下创建group1文件夹

mkdir group1

#在/opt/module/datas/目录下创建flume3文件夹

mkdir flume3

2.创建flume-file-flume.conf

配置1个接收日志文件的source和两个channel、两个sink，分别输送给flume-flume-hdfs和flume-flume-dir。

进入group1文件夹,创建flume-file-flume.conf,添加如下内容

# Name the components on this agent

a1.sources = r1

a1.sinks = k1 k2

a1.channels = c1 c2

# 将数据流复制给所有channel

a1.sources.r1.selector.type = replicating

# Describe/configure the source

a1.sources.r1.type = exec

a1.sources.r1.command = tail -F /opt/module/hive-1.2.1/logs/hive.log

a1.sources.r1.shell = /bin/bash -c

# Describe the sink

# sink端的avro是一个数据发送者

a1.sinks.k1.type = avro

a1.sinks.k1.hostname = hadoop100

a1.sinks.k1.port = 

a1.sinks.k2.type = avro

a1.sinks.k2.hostname = hadoop100

a1.sinks.k2.port = 

# Describe the channel

a1.channels.c1.type = memory

a1.channels.c1.capacity =

a1.channels.c1.transactionCapacity = 

a1.channels.c2.type = memory

a1.channels.c2.capacity =

a1.channels.c2.transactionCapacity = 

# Bind the source and sink to the channel

a1.sources.r1.channels = c1 c2

a1.sinks.k1.channel = c1

a1.sinks.k2.channel = c2

3. 创建flume-flume-hdfs.conf

配置上级Flume输出的Source，输出是到HDFS的Sink.在group1目录下创建flume-flume-hdfs.conf,添加以下内容

# Name the components on this agent

a2.sources = r1

a2.sinks = k1

a2.channels = c1

# Describe/configure the source

# source端的avro是一个数据接收服务

a2.sources.r1.type = avro

a2.sources.r1.bind = hadoop100

a2.sources.r1.port = 

# Describe the sink

a2.sinks.k1.type = hdfs

a2.sinks.k1.hdfs.path = hdfs://hadoop100:9000/flume2/%Y%m%d/%H

#上传文件的前缀

a2.sinks.k1.hdfs.filePrefix = flume2-

#是否按照时间滚动文件夹

a2.sinks.k1.hdfs.round = true

#多少时间单位创建一个新的文件夹

a2.sinks.k1.hdfs.roundValue =

#重新定义时间单位

a2.sinks.k1.hdfs.roundUnit = hour

#是否使用本地时间戳

a2.sinks.k1.hdfs.useLocalTimeStamp = true

#积攒多少个Event才flush到HDFS一次

a2.sinks.k1.hdfs.batchSize =

#设置文件类型，可支持压缩

a2.sinks.k1.hdfs.fileType = DataStream

#多久生成一个新的文件

a2.sinks.k1.hdfs.rollInterval =

#设置每个文件的滚动大小大概是128M

a2.sinks.k1.hdfs.rollSize =

#文件的滚动与Event数量无关

a2.sinks.k1.hdfs.rollCount = 

# Describe the channel

a2.channels.c1.type = memory

a2.channels.c1.capacity =

a2.channels.c1.transactionCapacity = 

# Bind the source and sink to the channel

a2.sources.r1.channels = c1

a2.sinks.k1.channel = c1

4. 创建flume-flume-dir.conf

配置上级Flume输出的Source，输出是到本地目录的Sink。在group1目录下,创建flume-flume-dir.conf,添加以下内容

# Name the components on this agent

a3.sources = r1

a3.sinks = k1

a3.channels = c2

# Describe/configure the source

a3.sources.r1.type = avro

a3.sources.r1.bind = hadoop100

a3.sources.r1.port = 

# Describe the sink

a3.sinks.k1.type = file_roll

a3.sinks.k1.sink.directory = /opt/module/datas/flume3

# Describe the channel

a3.channels.c2.type = memory

a3.channels.c2.capacity =

a3.channels.c2.transactionCapacity = 

# Bind the source and sink to the channel

a3.sources.r1.channels = c2

a3.sinks.k1.channel = c2

注: 输出的本地目录必须是已经存在的目录，如果该目录不存在，并不会创建新的目录。

5. 执行配置文件

分别开启对应配置文件：flume-flume-dir，flume-flume-hdfs，flume-file-flume。

bin/flume-ng agent --conf conf/ --name a3 --conf-file jobs/group1/flume-flume-dir.conf

bin/flume-ng agent --conf conf/ --name a2 --conf-file jobs/group1/flume-flume-hdfs.conf

bin/flume-ng agent --conf conf/ --name a1 --conf-file jobs/group1/flume-file-flume.conf

6. 启动Hadoop和Hive

#启动hdfs

start-dfs.sh

#进入到hive目录下,启动hive

 bin/hive

7. 检查HDFS上数据和/opt/module/datas/flume3目录中数据

为什么会有6个文件?

file_roll的默认配置是每30秒滚动一次文件.只要没有停止监控,隔30秒去ll一下,就会看到文件又多了

五. 单数据源多出口(Sink组)

使用Flume-1监控文件变动，Flume-1将变动内容传递给Flume-2，Flume-2负责存储到HDFS。同时Flume-1将变动内容传递给Flume-3，Flume-3也负责存储到HDFS

1. 准备工作

#在/opt/module/flume/jobs目录下创建group2文件夹

mkdir group2

2. 创建flume-netcat-flume.conf

配置1个接收日志文件的source和1个channel、两个sink，分别输送给flume-flume-console1和flume-flume-console2。

进入group2文件夹,创建flume-netcat-flume.conf,添加以下内容

# Name the components on this agent

a1.sources = r1

a1.channels = c1

a1.sinkgroups = g1

a1.sinks = k1 k2

# Describe/configure the source

a1.sources.r1.type = netcat

a1.sources.r1.bind = localhost

a1.sources.r1.port = 

#The component type name, needs to be default, failover or load_balance
a1.sinkgroups.g1.processor.type = load_balance

a1.sinkgroups.g1.processor.backoff = true

# Must be either round_robin, random or FQCN of custom class that inherits from AbstractSinkSelector
a1.sinkgroups.g1.processor.selector = round_robin

a1.sinkgroups.g1.processor.selector.maxTimeOut=

# Describe the sink

a1.sinks.k1.type = avro

a1.sinks.k1.hostname = hadoop100

a1.sinks.k1.port = 

a1.sinks.k2.type = avro

a1.sinks.k2.hostname = hadoop100

a1.sinks.k2.port = 

# Describe the channel

a1.channels.c1.type = memory

a1.channels.c1.capacity =

a1.channels.c1.transactionCapacity = 

# Bind the source and sink to the channel

a1.sources.r1.channels = c1

a1.sinkgroups.g1.sinks = k1 k2

a1.sinks.k1.channel = c1

a1.sinks.k2.channel = c1

3. 创建flume-flume-console1.conf

配置上级Flume输出的Source，输出是到本地控制台。

在group2目录下,创建flume-flume-console1.conf,添加以下内容

# Name the components on this agent

a2.sources = r1

a2.sinks = k1

a2.channels = c1

# Describe/configure the source

a2.sources.r1.type = avro

a2.sources.r1.bind = hadoop100

a2.sources.r1.port = 

# Describe the sink

a2.sinks.k1.type = logger

# Describe the channel

a2.channels.c1.type = memory

a2.channels.c1.capacity =

a2.channels.c1.transactionCapacity = 

# Bind the source and sink to the channel

a2.sources.r1.channels = c1

a2.sinks.k1.channel = c1

4. 创建flume-flume-console2.conf

配置上级Flume输出的Source，输出是到本地控制台。

在group2目录下.创建flume-flume-console2.conf,添加以下内容

# Name the components on this agent

a3.sources = r1

a3.sinks = k1

a3.channels = c2

# Describe/configure the source

a3.sources.r1.type = avro

a3.sources.r1.bind = hadoop100

a3.sources.r1.port = 

# Describe the sink

a3.sinks.k1.type = logger

# Describe the channel

a3.channels.c2.type = memory

a3.channels.c2.capacity =

a3.channels.c2.transactionCapacity = 

# Bind the source and sink to the channel

a3.sources.r1.channels = c2

a3.sinks.k1.channel = c2

5. 执行配置文件

分别开启对应配置文件：flume-flume-console2，flume-flume-console1，flume-netcat-flume。

bin/flume-ng agent --conf conf/ --name a3 --conf-file jobs/group2/flume-flume-console2.conf -Dflume.root.logger=INFO,console

bin/flume-ng agent --conf conf/ --name a2 --conf-file jobs/group2/flume-flume-console1.conf -Dflume.root.logger=INFO,console

bin/flume-ng agent --conf conf/ --name a1 --conf-file jobs/group2/flume-netcat-flume.conf

6. 使用netcat工具向本机的44444端口发送内容

nc localhost

7. 查看Flume2及Flume3的控制台打印日志

六. 多数据源汇总(常用)

hadoop101上的Flume-1监控文件/opt/module/group.log，

hadoop100上的Flume-2监控某一个端口的数据流，

Flume-1与Flume-2将数据发送给hadoop102上的Flume-3，Flume-3将最终数据打印到控制台

1. 准备工作

如果hadoop101和hadoop102没有安装flume,用分发脚本将flume分发一下

xsync flume-1.7./

在hadoop100、hadoop101以及hadoop102的/opt/module/flume/jobs目录下创建一个group3文件夹。

2. 创建flume1-logger-flume.conf

配置Source用于监控hive.log文件，配置Sink输出数据到下一级Flume。

在hadoop101上创建配置文件flume1-logger-flume.conf,并添加以下内容

# Name the components on this agent

a1.sources = r1

a1.sinks = k1

a1.channels = c1

# Describe/configure the source

a1.sources.r1.type = exec

a1.sources.r1.command = tail -F /opt/module/group.log

a1.sources.r1.shell = /bin/bash -c

# Describe the sink

a1.sinks.k1.type = avro

a1.sinks.k1.hostname = hadoop102

a1.sinks.k1.port = 

# Describe the channel

a1.channels.c1.type = memory

a1.channels.c1.capacity =

a1.channels.c1.transactionCapacity = 

# Bind the source and sink to the channel

a1.sources.r1.channels = c1

a1.sinks.k1.channel = c1

3. 创建创建flume2-netcat-flume.conf

配置Source监控端口44444数据流，配置Sink数据到下一级Flume：

在hadoop100上创建配置文件flume2-netcat-flume.conf,并添加以下内容

# Name the components on this agent

a2.sources = r1

a2.sinks = k1

a2.channels = c1

# Describe/configure the source

a2.sources.r1.type = netcat

a2.sources.r1.bind = hadoop100

a2.sources.r1.port = 

# Describe the sink

a2.sinks.k1.type = avro

a2.sinks.k1.hostname = hadoop102

a2.sinks.k1.port = 

# Use a channel which buffers events in memory

a2.channels.c1.type = memory

a2.channels.c1.capacity =

a2.channels.c1.transactionCapacity = 

# Bind the source and sink to the channel

a2.sources.r1.channels = c1

a2.sinks.k1.channel = c1

4. 创建flume3-flume-logger.conf

配置source用于接收flume1与flume2发送过来的数据流，最终合并后sink到控制台。

在hadoop102上创建配置文件flume3-flume-logger.conf,并添加以下内容

# Name the components on this agent

a3.sources = r1

a3.sinks = k1

a3.channels = c1

# Describe/configure the source

a3.sources.r1.type = avro

a3.sources.r1.bind = hadoop102

a3.sources.r1.port = 

# Describe the sink

# Describe the sink

a3.sinks.k1.type = logger

# Describe the channel

a3.channels.c1.type = memory

a3.channels.c1.capacity =

a3.channels.c1.transactionCapacity = 

# Bind the source and sink to the channel

a3.sources.r1.channels = c1

a3.sinks.k1.channel = c1

5. 执行配置文件

分别开启对应配置文件：flume3-flume-logger.conf，flume2-netcat-flume.conf，flume1-logger-flume.conf。

#hadoop102

bin/flume-ng agent --conf conf/ --name a3 --conf-file jobs/group3/flume3-flume-logger.conf -Dflume.root.logger=INFO,console

#hadoop100

bin/flume-ng agent --conf conf/ --name a2 --conf-file jobs/group3/flume2-netcat-flume.conf

#hadoop101

bin/flume-ng agent --conf conf/ --name a1 --conf-file jobs/group3/flume1-logger-flume.conf

6. 在hadoop101上向/opt/module目录下的group.log追加内容

7. 在hadoop100上向44444端口发送数据

8. 观察hadoop102上的数据

Flume(4)-监控模型的更多相关文章

  1. 使用WebGL 自定义 3D 摄像头监控模型

    前言 随着视频监控联网系统的不断普及和发展, 网络摄像机更多的应用于监控系统中,尤其是高清时代的来临,更加快了网络摄像机的发展和应用. 在监控摄像机数量的不断庞大的同时,在监控系统中面临着严峻的现状问 ...

  2. 基于 HTML5 的 WebGL 自定义 3D 摄像头监控模型

    前言 随着视频监控联网系统的不断普及和发展, 网络摄像机更多的应用于监控系统中,尤其是高清时代的来临,更加快了网络摄像机的发展和应用. 在监控摄像机数量的不断庞大的同时,在监控系统中面临着严峻的现状问 ...

  3. Flume实时监控目录sink到hdfs，再用sparkStreaming监控hdfs的这个目录，对数据进行计算

    目标:Flume实时监控目录sink到hdfs,再用sparkStreaming监控hdfs的这个目录,对数据进行计算 1.flume的配置,配置spoolDirSource_hdfsSink.pro ...

  4. Flume的监控参数

    参考 flume的http监控参数说明 普通的flume启动命令 bin/flume-ng agent -c conf -f conf/flume-conf.properties -n agent - ...

  5. 第1节 flume：7、flume的监控文件夹，实现数据收集到hdfs上

    1.2.2 采集案例 1.采集目录到HDFS 需求分析 结构示意图: 采集需求:某服务器的某特定目录下,会不断产生新的文件,每当有新文件出现,就需要把文件采集到HDFS中去 根据需求,首先定义以下3大 ...

  6. Flume 知识点（六）Flume 的监控

    简述 使用 Flume 实时收集日志的过程中,尽管有事务机制保证数据不丢失,但仍然需要时刻关注 Source.Channel.Sink 之间的消息传输是否正常. 比如,SouceChannel 传输了 ...

  7. Flume 概念、模型和特点

    Flume Event - Flume 事件 - 被定义为一个具有有效荷载的字节数据流和可选的字符串属性集. Flume Agent- Flume - 代理 - 是一个进程承载从外部源事件流到下一个目 ...

  8. flume监控之ganglia

    对于日志来说,我觉得监控意义不大,因为写的速度一般不会特别快,但是如果是spooldir source,里面一小时放入十几G的数据让flume解析,特别是在结合kafka或者其他框架的话,监控就显得重 ...

  9. open-falcon监控Flume

    1.首先你需要知道flume的http监控端口是否启动 请参考博文 Flume的监控参数 即在 http://localhost:3000/metrics 可以访问到如下内容 2.在open-falc ...

随机推荐

  1. 有关从经典部署模型迁移到 Azure Resource Manager 部署模型的常见问题

    此迁移计划是否影响 Azure 虚拟机上运行的任何现有服务或应用程序? 不可以. VM(经典)是公开上市的完全受支持的服务. 你可以继续使用这些资源来拓展你在 Azure 上的足迹. 如果我近期不打算 ...

  2. SpringMVC笔记——SSM框架搭建简单实例

    落叶枫桥 博客园 首页 新随笔 联系 订阅 管理 SpringMVC笔记——SSM框架搭建简单实例 简介 Spring+SpringMVC+MyBatis框架(SSM)是比较热门的中小型企业级项目开发 ...

  3. 计算机支持的最大内存与CPU之间的关系

    在使用计算机时,其最大支持的内存是由  操作系统 和 硬件 两方面决定的. 先说一下硬件方面的因素,在计算机中 CPU的地址总线数目 决定了CPU 的 寻址 范围,这种由地址总线对应的地址称作为物理地 ...

  4. QT5连接Mysql

    摘要 在Qt 5中已经提供了对MySQL数据库的默认支持,要想使用该数据库,需要先进行数据库的安装, 这里我们介绍下在Windows系统中MySQL数据库的安装和简单使用.   Qt如何利用Mysql ...

  5. Asp.net core 项目实战 新闻网站+后台 源码、设计原理 、视频教程

    首先说明,视频教程.源码并非本人原创 本人将项目分割开,并写了一些说明. 该视频教程 地址  https://study.163.com/course/courseMain.htm?courseId= ...

  6. 沉淀再出发：java中的CAS和ABA问题整理

    沉淀再出发:java中的CAS和ABA问题整理 一.前言 在多并发程序设计之中,我们不得不面对并发.互斥.竞争.死锁.资源抢占等等问题,归根到底就是读写的问题,有了读写才有了增删改查,才有了所有的一切 ...

  7. 沉淀，再出发：VUE的简单理解

    沉淀,再出发:VUE的简单理解 一.前言 Vue.js(读音 /vjuː/, 类似于 view) 是一套构建用户界面的渐进式框架.Vue 只关注视图层,采用自底向上增量开发的设计.Vue 的目标是通过 ...

  8. 省事之通用Makefile模版

    现在编译方案都偏爱使用cmake解决问题,这两条做unity插件,还是用Makefile,居然忘得光光,好记性不如烂笔头. 后面,翻箱倒柜找到以前为炼金术写的Makefiel,发现还真是挺好用,贴出来 ...

  9. OC文件操作1

    主要内容: 1)文件操作:对文件本身的操作(NSManager) 2)对文件内容的操作(NSHandle) 1.NSManager 创建一个单例的file manager的对象 //创建一个单例的fi ...

  10. PDF文件如何转成markdown格式

    百度上根据pdf转makrdown为关键字进行搜索,结果大多数是反过来的转换,即markdown文本转PDF格式. 但是PDF转markdown的解决方案很少. 正好我工作上有这个需求,所以自己实现了 ...