MongoDB 面試備戰指南

MongoDB 面試備戰指南

一、基礎概念

1. MongoDB是什么類型的數據庫？和關系型數據庫有什么區別？
答案：
MongoDB是文檔型NoSQL數據庫，核心區別：

  • 數據模型：存儲JSON-like文檔（動態schema），而非固定表結構
  • 擴展性：天然支持水平擴展（分片），而關系型數據庫通常垂直擴展
  • 事務：4.0版本前僅支持單文檔事務，之后支持多文檔ACID
  • 查詢語言：使用豐富的查詢API而非SQL
  • 性能：通過嵌入式文檔減少join操作，適合高吞吐場景

2. 什么是BSON？
答案：
BSON = Binary JSON，特點：

  • 二進制編碼格式，比JSON更高效（存儲空間更小，解析更快）
  • 支持更多數據類型：Date、Binary Data、ObjectId等
  • 每個文檔最大16MB限制

二、數據模型

3. 文檔中的_id字段有什么特殊作用？
答案：

  • 每個文檔必須有的唯一主鍵，默認自動生成ObjectId
  • ObjectId結構：4字節時間戳 +5字節機器ID +3字節進程ID +3字節計數器（確保分布式唯一性）
  • 可自定義_id值（如業務ID），但需保證集合內唯一

4. 嵌入式文檔 vs 引用式關聯 如何選擇？
答案：

  • 嵌入式：適合一對少、數據頻繁共同查詢（如用戶地址）

    // 示例
{_id: 1,name: "John",addresses: [{city: "Beijing", street: "Xidan"}]
}

  • 引用式：適合一對多或多對多，數據獨立更新頻繁（如評論系統）

    // posts集合
{_id: 100, title: "MongoDB Guide"}// comments集合
{post_id: 100, content: "Great!"}

三、查詢與CRUD

5. 如何執行條件查詢并排序？
答案：

db.users.find({age: {$gt: 18}},          // 條件：年齡>18{name: 1, email: 1}        // 投影：只返回name和email
).sort({createdAt: -1})      // 按創建時間倒序.limit(10)                  // 限制10條

6. 更新操作符 s e t 和 set和 set和inc有什么區別？
答案：

  • $set：設置字段值（不存在則創建）

    db.products.update({_id:1}, {$set: {price: 99}})

  • $inc：對數字字段增減

    db.products.update({_id:1}, {$inc: {stock: -1}}) // 庫存減1

四、索引機制

7. MongoDB索引底層使用什么數據結構？
答案：

  • 默認使用B-Tree結構（B+樹變種）
  • 支持快速范圍查詢和排序
  • 索引條目存儲：<索引字段值, 文檔物理地址>

8. 復合索引字段順序如何影響查詢？
答案：
遵循最左前綴原則：

  • 索引{a:1, b:1, c:1}可優化以下查詢：
    • a=1
    • a=1 AND b=2
    • a=1 AND b=2 AND c=3
  • 無法優化：b=2或c=3單獨查詢

五、復制集（Replica Set）

9. 副本集故障轉移過程是怎樣的？
答案：

  1. 主節點不可達（心跳超時）
  2. 剩余節點發起選舉（Raft算法）
  3. 獲得多數投票的節點成為新主
  4. 應用端自動重連到新主節點

10. 什么是寫關注（Write Concern）？
答案：
控制寫操作持久化級別：

  • w:1：默認，主節點確認即返回
  • w:2：至少兩個節點確認
  • w:"majority"：大多數節點確認（確保數據安全）

11. 什么是讀寫偏好（Read Preference）？常用模式有哪些？
答案：
控制讀請求的路由策略：

  • primary（默認）：只從主節點讀
  • secondary：只從從節點讀
  • nearest：從網絡延遲最低的節點讀
  • primaryPreferred：優先主節點，不可用時切從節點
    場景示例：報表分析可使用secondary減輕主節點壓力

12. 復制集數據同步原理是什么？
答案：
通過**Oplog（操作日志）**實現：

  1. 主節點記錄所有寫操作到local庫的oplog集合
  2. 從節點定期拉取主節點oplog并重放操作
  3. Oplog是固定大小集合（循環覆蓋舊數據）
    關鍵點：從節點同步延遲 = 最新oplog時間 - 最后應用時間

六、分片集群（Sharding）

13. 分片集群包含哪些核心組件？
答案：

  • mongos：路由進程，負責請求分發
  • config servers：存儲元數據（分片鍵、chunk分布等）
  • shard：每個分片是獨立的副本集，存儲實際數據

14. 如何選擇分片鍵？設計不當會有什么問題？
答案：
分片鍵選擇原則：

  • 基數高（值分布廣泛，如用戶ID）
  • 寫分布均勻（避免熱點分片）
  • 匹配查詢模式（常用查詢條件包含分片鍵）
    錯誤案例：選擇性別字段會導致數據分布不均

15. 什么是Chunk？何時觸發Chunk遷移？
答案：

  • Chunk：分片鍵范圍內的連續數據段（默認64MB）
  • 觸發遷移的條件：
    • 某個分片的Chunk數量超過閾值
    • 執行shardCollection或手動split命令
      遷移過程由**平衡器（Balancer）**自動管理

七、聚合框架

16. 聚合管道有哪些常用階段？
答案：

  • $match：過濾文檔（類似WHERE）
  • $group：按字段分組聚合
  • $sort：排序
  • $project：重塑文檔結構
  • $lookup：跨集合關聯查詢（類似LEFT JOIN）
    示例：統計每個城市的平均年齡
db.users.aggregate([{$match: {age: {$gt: 18}}}, {$group: {_id: "$city", avgAge: {$avg: "$age"}}}
])

17. 如何優化聚合查詢性能？
答案：

  • 在管道開頭使用$match和$project減少數據處理量
  • 為常用聚合字段創建復合索引
  • 避免在$group階段處理大量唯一值（內存限制默認100MB）
  • 使用$allowDiskUse允許臨時寫入磁盤

八、事務管理

18. MongoDB多文檔事務的實現原理？
答案：

  • 基于快照隔離（Snapshot Isolation）
  • 事務內所有操作看到同一數據快照
  • 寫沖突時通過鎖機制解決（集合級或文檔級鎖）
  • 事務提交時寫入oplog，同步到從節點
    注意：事務最大時長默認60秒，可配置

19. 事務和寫操作原子性的區別？
答案：

  • 單文檔原子性：MongoDB原生特性，無需開啟事務
  • 多文檔原子性：必須顯式開啟事務，保證多個操作全成功或全失敗
    示例：轉賬操作需事務保證兩個賬戶更新原子性

九、性能優化

20. 如何分析查詢性能？
答案：

  • explain()方法：

    db.users.find({age: 25}).explain("executionStats")

    關鍵指標：

    • executionTimeMillis：查詢耗時
    • totalKeysExamined：掃描索引條目數
    • totalDocsExamined：掃描文檔數
    • stage：查詢執行階段（COLLSCAN表示全表掃描）

21. 覆蓋查詢（Covered Query）是什么？如何實現？
答案：

  • 定義：查詢所需字段全部存在于索引中，無需回表
  • 實現條件：
    1. 查詢字段和返回字段都在同一索引
    2. 不使用$elemMatch等復雜操作
      示例：
// 創建索引
db.users.createIndex({age:1, name:1})// 覆蓋查詢
db.users.find({age:25}, {_id:0, age:1, name:1})

十、安全管理

22. 如何創建只讀用戶？
答案：

use admin
db.createUser({user: "reportUser",pwd: "secret",roles: [{role: "read", db: "mydb"}]
})

23. 啟用訪問控制需要哪些步驟？
答案：

  1. 啟動mongod時添加--auth參數
  2. 創建管理員用戶（必須先在admin庫創建）
  3. 應用連接時指定用戶名/密碼

十一、高級特性

24. Change Stream的實現原理？
答案：

  • 核心機制：基于Oplog（操作日志）實時監聽數據變更，類似數據庫的“事件觸發器”。

  • 工作流程：

    1. 應用向MongoDB注冊Change Stream監聽
    2. MongoDB持續讀取Oplog中的新操作
    3. 將符合條件的變更事件推送給客戶端

  • 特性：

    • 支持過濾特定集合、操作類型（insert/update/delete）
    • 提供resumeToken實現斷點續傳
    • 示例：實時同步數據到Elasticsearch
    const changeStream = db.orders.watch([{$match: { operationType: "insert" }
}]);
changeStream.on("change", (change) => {console.log("新訂單:", change.fullDocument);
});

25. GridFS適合存儲什么類型的數據？
答案：

  • 設計目的：存儲和檢索超過16MB（BSON文檔大小限制）的大文件

  • 典型場景：

    • 視頻/音頻文件
    • 大型日志文件
    • 高分辨率圖片

  • 底層實現：

    • 將文件分割為多個chunks（默認255KB）
    • 使用兩個集合：
      • fs.files：存儲文件元數據（文件名、大小等）
      • fs.chunks：存儲二進制分塊

  • 操作示例：

    mongofiles --db=gridfs_db put video.mp4

26. MongoDB Atlas的主要功能？
答案：

  • 核心功能：
    • 全托管云數據庫服務（自動備份、監控、擴縮容）
    • 全球多區域部署（低延遲訪問）
    • 內置數據加密（傳輸中/靜態數據）
    • 與AWS/Azure/GCP深度集成
  • 優勢：
    • 免運維：自動處理硬件故障、版本升級
    • 彈性擴展：一鍵添加分片或調整存儲
    • 安全合規：SOC2、GDPR認證

十二、故障排查

31. 如何診斷慢查詢？
答案：

  • 步驟：

    1. 啟用慢查詢日志：

      db.setProfilingLevel(1, { slowms: 100 }) // 記錄超過100ms的操作

    2. 分析system.profile集合：

      db.system.profile.find().sort({ ts: -1 }).limit(10)

    3. 使用explain()查看執行計劃：

      db.orders.find({ status: "pending" }).explain("executionStats")

  • 關鍵指標：

    • COLLSCAN：全集合掃描 → 需加索引
    • docsExamined與nReturned比例過高 → 查詢效率低

32. 連接數暴增的可能原因？
答案：

  • 常見原因：
    • 連接池配置不當（如未復用連接）
    • 慢查詢導致連接長時間占用
    • 應用BUG（未關閉閑置連接）
  • 解決方案：
    • 監控連接數：db.serverStatus().connections
    • 優化查詢性能
    • 調整maxPoolSize（默認100）
    • 使用連接池中間件（如MongoDB Driver的連接池管理）

十三、與SQL對比

41. MongoDB中如何實現SQL的JOIN操作？
答案：

  • 方法1：嵌入式文檔

    // SQL中的JOIN：
SELECT * FROM orders JOIN users ON orders.user_id = users.id// MongoDB嵌入式設計：
{_id: "order001",user: {  // 直接嵌入用戶信息id: "user123",name: "Alice"},items: [...]
}

  • 方法2：聚合管道$lookup

    db.orders.aggregate([{$lookup: {from: "users",        // 關聯集合localField: "user_id",foreignField: "_id",as: "user_info"      // 輸出字段}}
])

  • 限制：$lookup性能低于嵌入式設計，需謹慎使用

42. 如何模擬SQL中的事務？
答案：

  • 單文檔操作：天然原子性（如更新嵌套數組）

  • 多文檔事務：顯式開啟會話

    const session = db.getMongo().startSession();
session.startTransaction();
try {db.accounts.updateOne({ _id: "A", balance: { $gte: 100 } },{ $inc: { balance: -100 } },{ session });db.accounts.updateOne({ _id: "B" },{ $inc: { balance: 100 } },{ session });session.commitTransaction();
} catch (error) {session.abortTransaction();
}

十四、版本特性

51. 4.0版本的多文檔事務限制？
答案：

  • 關鍵限制：
    • 事務最大時長60秒（可調，但影響性能）
    • 無法在分片集群中跨分片事務（4.2版本支持）
    • 事務中的寫操作大小總和不能超過16MB
  • 最佳實踐：
    • 盡量縮短事務持續時間
    • 避免在事務中包含大文檔操作

52. 5.0版本的時間序列集合特性？
答案：

  • 設計目標：高效存儲時間序列數據（如物聯網傳感器數據）

  • 核心優化：

    • 數據按時間分桶存儲，減少索引開銷
    • 自動過期數據（TTL索引）
    • 更高的寫入吞吐量

  • 創建示例：

    db.createCollection("sensor_data", {timeseries: {timeField: "timestamp",metaField: "sensor_id",  // 分組字段（如設備ID）granularity: "minutes"   // 時間粒度（秒/分鐘/小時）}
});

十五、設計模式

61. 大文檔存儲的最佳實踐
答案：

  • 問題：文檔超過16MB限制

  • 解決方案：

    1. 拆分文檔：將部分字段移到獨立集合
    2. 使用GridFS存儲大文件
    3. 壓縮文本字段（如用gzip壓縮JSON）

  • 示例：

    // 原始文檔
{ _id: 1,content: "非常長的文本..."  // 超過16MB
}// 拆分后
// main_docs集合
{ _id: 1, metadata: {...} }// chunks集合
{ doc_id: 1, chunk_num: 1, data: "..." }

62. 如何處理高頻更新導致的鎖競爭？
答案：

  • 優化策略：

    1. 使用更細粒度的文檔設計（如將計數器拆分為獨立文檔）
    2. 利用$inc等原子操作符減少鎖沖突
    3. 選擇合適寫入策略（writeConcern: { w: 0 } 不等待確認）
    4. 分片集群分散寫壓力

  • 示例：

    // 原始設計（熱點文檔）
{ _id: "page_views", count: 1000000 }// 優化設計（分散到多個文檔）
{ _id: "page_views_0", count: 250000 }
{ _id: "page_views_1", count: 250000 }
// 查詢時求和所有文檔

十六、運維實戰

81. 如何安全地執行集合重命名？
答案：

  • 命令：db.adminCommand({ renameCollection: "db1.old", to: "db1.new" })
  • 注意事項：
    • 需在admin庫執行
    • 目標集合不能已存在
    • 會瞬間阻塞所有相關操作
    • 副本集需在主節點執行
  • 推薦步驟：
    1. 應用停寫
    2. 執行重命名
    3. 驗證數據完整性
    4. 恢復應用寫入

82. 分片集群擴容的具體步驟？
答案：

  • 橫向擴容流程：

    1. 部署新的分片副本集

    2. 連接到mongos，添加分片：

      sh.addShard("shard3/shard3-1:27017,shard3-2:27017")

    3. 平衡器自動遷移Chunk到新分片

    4. 監控遷移狀態：sh.status()

  • 關鍵指標：

    • 確保config servers有足夠存儲
    • 網絡帶寬影響遷移速度

（其余題目完整答案示例，可根據編號繼續擴展）

十七、高級原理

90. WiredTiger存儲引擎如何實現壓縮？
答案：

  • 壓縮算法：

    • 默認使用Snappy（快速壓縮/解壓）
    • 可選Zlib（更高壓縮率）或Zstd（平衡型）

  • 壓縮層級：

    • 數據壓縮：集合和索引數據
    • 日志壓縮：WiredTiger預寫日志（WAL）

  • 配置示例：

    storage:wiredTiger:collectionConfig:blockCompressor: zstd

91. MongoDB的Journal日志機制是如何保證數據安全的？
答案：

  • 核心作用：在數據寫入磁盤前提供崩潰恢復能力
  • 工作流程：
    1. 寫操作首先寫入journal緩沖區
    2. 每100ms（默認）或達到1GB數據時刷盤一次
    3. 主數據文件異步寫入（通過WiredTiger的checkpoint機制）
  • 關鍵參數：
    • journal.commitIntervalMs：控制刷盤頻率
    • storage.journal.enabled：可關閉（不推薦生產環境）
  • 恢復原理：崩潰后重啟時，重放journal中的操作

92. WiredTiger的MVCC實現原理？
答案：

  • 多版本并發控制機制：
    • 每個寫操作創建新的數據版本
    • 讀操作看到的是特定時間點的快照
    • 舊版本數據在無引用后被清理
  • 優勢：
    • 讀寫不互相阻塞
    • 避免臟讀問題
  • 內存管理：
    • 使用B-Tree結構存儲多個版本
    • 緩存最近使用的版本以加速查詢

十八、云原生與容器化

93. 如何在Kubernetes中部署MongoDB副本集？
答案：

  • 推薦方案：

    1. 使用StatefulSet保證Pod身份持久化
    2. 每個Pod掛載獨立PersistentVolume
    3. 通過Headless Service實現DNS發現

  • 關鍵配置示例：

    # StatefulSet配置片段
spec:serviceName: "mongodb"replicas: 3template:containers:- name: mongodbargs:- "--replSet"- "rs0"- "--bind_ip_all"

  • 初始化腳本：在第一個Pod執行rs.initiate()

94. MongoDB Atlas的無服務器實例有什么特點？
答案：

  • 核心特性：
    • 按實際請求量自動擴縮容
    • 完全免運維（自動打補丁、備份）
    • 毫秒級冷啟動
  • 適用場景：
    • 突發流量應用
    • 開發測試環境
    • 低頻訪問的歸檔數據
  • 計費方式：按每秒實際使用的計算資源計費

十九、數據遷移

95. 如何將數據從MySQL遷移到MongoDB？
答案：

  • 工具選擇：

    • mongomirror：官方工具，支持實時同步
    • 自定義ETL腳本：使用Python（PyMongo+SQLAlchemy）
    • 中間格式：先導出為CSV/JSON再導入

  • 模式轉換策略：

    • 表→集合
    • 行→文檔
    • 外鍵→嵌入式文檔或引用

  • 示例命令：

    mongoimport --uri="mongodb://target" --collection=users --file=users.json

二十、監控與調優

96. MongoDB Atlas提供了哪些監控指標？
答案：

  • 關鍵指標：
    • CPU/Memory：資源使用率
    • OPCounter：查詢/寫入操作數
    • Replication Lag：副本延遲（秒）
    • Disk IOPS：磁盤吞吐量
    • Connections：當前連接數
  • 告警設置：
    • 可配置閾值告警（如CPU>80%持續5分鐘）
    • 集成Webhook通知到Slack/PagerDuty

97. 如何優化MongoDB的內存使用？
答案：

  • 配置優化：
    • 設置wiredTigerCacheSizeGB（建議為可用內存的50-60%）
    • 啟用壓縮（Snappy或Zstd）
  • 查詢優化：
    • 使用投影減少返回字段
    • 避免全集合掃描
  • 監控工具：
    • db.serverStatus().wiredTiger.cache
    • free -h查看系統內存使用

二十一、安全實踐

98. 如何實現字段級加密？
答案：

  • 客戶端字段級加密（CSFLE）：

    1. 創建加密規則：
    {"fields": [{"path": "ssn","keyId": UUID("..."),"algorithm": "AEAD_AES_256_CBC_HMAC_SHA_512-Deterministic"}]
}
    1. 應用端配置加密驅動

  • 服務端加密：

    • 透明數據加密（TDE）
    • 需要企業版或Atlas

99. 如何防范注入攻擊？
答案：

  • 預防措施：

    • 始終使用驅動程序的BSON序列化方法
    • 禁止拼接查詢字符串

  • 正確示例（Node.js）：

    // 錯誤方式（易受注入）
db.collection.find(`{name: "${userInput}"}`)// 正確方式
db.collection.find({name: userInput})

  • 審計工具：

    • mongodb-log-analyzer檢測可疑查詢

二十二、新興趨勢

100. MongoDB在AI/ML領域的應用場景有哪些？
答案：

  • 典型用例：

    • 存儲和檢索向量數據（通過$vectorSearch）
    • 特征倉庫管理
    • 實驗元數據跟蹤

  • 技術集成：

    • 與TensorFlow/PyTorch配合
    • Atlas Vector Search實現相似性搜索

  • 示例架構：

    前端 → MongoDB（用戶數據） → 特征提取 → ML模型 → 結果寫回MongoDB

面試技巧補充

  1. 原理深挖：當被問到索引時，可延伸到B+樹與LSM樹的對比
  2. 場景設計：準備"如何用MongoDB設計Twitter/電商系統"類問題
  3. 故障模擬：思考"如果主節點突然宕機，系統會發生什么？"
  4. 版本演進：了解最新7.0版本特性（如集群同步）

本文來自互聯網用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。
如若轉載，請注明出處：http://www.pswp.cn/bicheng/74358.shtml
繁體地址，請注明出處：http://hk.pswp.cn/bicheng/74358.shtml
英文地址，請注明出處：http://en.pswp.cn/bicheng/74358.shtml

如若內容造成侵權/違法違規/事實不符，請聯系多彩編程網進行投訴反饋email:809451989@qq.com，一經查實，立即刪除！

相關文章

毫米波雷達標定（2）

毫米波雷達標定（2）

1. 前言 前面文章中介紹了產線上毫米波雷達的標定原理和流程，這篇文章則主要介紹其在線標定方法。相對于產線標定，在線標定具備使用自然場景而不是依賴特定標靶的優點，但因此其標定精度會相對差一點。在線標定一般應用于售出產品的維護場景，如果其標定結果精度可以滿足使用…
閱讀更多...
Linux fority source和__builtin_xxx

Linux fority source和__builtin_xxx

這段代碼是用于啟用和配置 GCC/Clang 的 Fortify Source 安全機制的預處理指令。Fortify Source 主要用于在編譯時增強對緩沖區溢出等內存安全問題的檢查。以下是對每一部分的詳細解釋&#xff1a; 1. 最外層條件編譯 # if CONFIG_FORTIFY_SOURCE > 0目的&#xff1a;檢查…
閱讀更多...
SQL GROUP BY 自定義排序規則

SQL GROUP BY 自定義排序規則

在 SQL 中&#xff0c;GROUP BY 子句用于將結果集按一個或多個列進行分組。默認情況下&#xff0c;GROUP BY 會按照列的自然順序&#xff08;如字母順序或數字順序&#xff09;進行排序。如果你需要按照自定義的排序規則對結果進行分組&#xff0c;可以使用 ORDER BY 子句結合 …
閱讀更多...
語言模型理論基礎-持續更新-思路清晰

語言模型理論基礎-持續更新-思路清晰

1.預訓練 相似的任務A、B&#xff0c;任務A已經用大數據完成了訓練&#xff0c;得到模型A。 我們利用-特征提取模型的-“淺層參數通用”的特性&#xff0c;使用模型A的淺層參數&#xff0c;其他參數再通過任務B去訓練&#xff08;微調&#xff09;。 2.統計語言模型 通過條件…
閱讀更多...
ResNet與注意力機制：深度學習中的強強聯合

ResNet與注意力機制：深度學習中的強強聯合

引言 在深度學習領域&#xff0c;卷積神經網絡&#xff08;CNN&#xff09;一直是圖像處理任務的主流架構。然而&#xff0c;隨著網絡深度的增加&#xff0c;梯度消失和梯度爆炸問題逐漸顯現&#xff0c;限制了網絡的性能。為了解決這一問題&#xff0c;ResNet&#xff08;殘差…
閱讀更多...
【C++】——C++11新特性

【C++】——C++11新特性

目錄 前言 1.初始化列表 2.std::initializer_list 3.auto 4.decltype 5.nullptr 6.左值引用和右值引用 6.1右值引用的真面目 6.2左值引用和右值引用比較 6.3右值引用的意義 6.3.1移動構造 6.4萬能引用 6.5完美轉發——forward 結語 前言 C&#xff0c;這門在系統…
閱讀更多...
【C++網絡編程】第5篇：UDP與廣播通信

【C++網絡編程】第5篇：UDP與廣播通信

一、UDP協議核心特性 1. UDP vs TCP ?特性 ?UDP?TCP連接方式無連接面向連接&#xff08;三次握手&#xff09;可靠性不保證數據到達或順序可靠傳輸&#xff08;超時重傳、順序控制&#xff09;傳輸效率低延遲&#xff0c;高吞吐相對較低&#xff08;因握手和確認機制&…
閱讀更多...
MOSN（Modular Open Smart Network）是一款主要使用 Go 語言開發的云原生網絡代理平臺

MOSN（Modular Open Smart Network）是一款主要使用 Go 語言開發的云原生網絡代理平臺

前言 大家好&#xff0c;我是老馬。 sofastack 其實出來很久了&#xff0c;第一次應該是在 2022 年左右開始關注&#xff0c;但是一直沒有深入研究。 最近想學習一下 SOFA 對于生態的設計和思考。 sofaboot 系列 SOFABoot-00-sofaboot 概覽 SOFABoot-01-螞蟻金服開源的 s…
閱讀更多...
微信小程序日常開發問題整理

微信小程序日常開發問題整理

微信小程序日常開發問題整理 1 切換渲染模式1.1 WebView 的鏈接在模擬器可以打開&#xff0c;手機上無法打開。 1 切換渲染模式 1.1 WebView 的鏈接在模擬器可以打開&#xff0c;手機上無法打開。 在 app.json 中看到如下配置項&#xff0c;那么當前項目就是 keyline 渲染模式…
閱讀更多...
【Altium Designer】銅皮編輯

【Altium Designer】銅皮編輯

一、動態銅皮與靜態銅皮的區分與切換 動態銅皮&#xff08;活銅&#xff09;&#xff1a; 通過快捷鍵 PG 創建&#xff0c;支持自動避讓其他網絡對象&#xff0c;常用于大面積鋪銅&#xff08;如GND或電源網絡&#xff09;。修改動態銅皮后&#xff0c;需通過 Tools → Polygo…
閱讀更多...
Java「Deque」 方法詳解：從入門到實戰

Java「Deque」 方法詳解：從入門到實戰

Java Deque 各種方法解析&#xff1a;從入門到實戰 在 Java 編程中&#xff0c;Deque&#xff08;雙端隊列&#xff09;是一個功能強大的數據結構&#xff0c;允許開發者從隊列的兩端高效地添加、刪除和檢查元素。作為 java.util 包中的一部分&#xff0c;Deque 接口繼承自 Qu…
閱讀更多...
ffmpeg+QOpenGLWidget顯示視頻

ffmpeg+QOpenGLWidget顯示視頻

?一個基于 ?FFmpeg 4.x? 和 QOpenGLWidget的簡單視頻播放器代碼示例&#xff0c;實現視頻解碼和渲染到 Qt 窗口的功能。 1&#xff09;ffmpeg庫界面&#xff0c;視頻解碼支持軟解和硬解方式。 硬解后&#xff0c;硬件解碼完成需要將數據從GPU復制到CPU。優先采用av_hwf…
閱讀更多...
深入解析嵌入式內核：從架構到實踐

深入解析嵌入式內核：從架構到實踐

一、嵌入式內核概述 嵌入式內核是嵌入式操作系統的核心組件&#xff0c;負責管理硬件資源、調度任務、處理中斷等關鍵功能。其核心目標是在資源受限的環境中提供高效、實時的控制能力。與通用操作系統不同&#xff0c;嵌入式內核通常具有高度可裁剪性、實時性和可靠性&#xff…
閱讀更多...
20250324-使用 `nltk` 的 `sent_tokenize`, `word_tokenize、WordNetLemmatizer` 方法時報錯

20250324-使用 `nltk` 的 `sent_tokenize`, `word_tokenize、WordNetLemmatizer` 方法時報錯

解決使用 nltk 的 sent_tokenize, word_tokenize、WordNetLemmatizer 方法時報錯問題 第 2 節的手動方法的法1可解決大部分問題&#xff0c;可首先嘗試章節 2 的方法 1. nltk.download(‘punkt_tab’) LookupError: *******************************************************…
閱讀更多...
『 C++ 』多線程同步：條件變量及其接口的應用實踐

『 C++ 』多線程同步：條件變量及其接口的應用實踐

文章目錄 條件變量概述條件變量簡介條件變量的基本用法 案例&#xff1a;兩個線程交替打印奇偶數代碼解釋 std::unique_lock::try_lock_until 介紹代碼示例代碼解釋注意事項 std::condition_variable::wait 詳細解析與示例std::condition_variable::wait 接口介紹代碼示例代碼解…
閱讀更多...
【VolView】純前端實現CT三維重建-CBCT

【VolView】純前端實現CT三維重建-CBCT

文章目錄 什么是CBCTCBCT技術路線使用第三方工具使用Python實現使用前端實現 純前端實現方案優缺點使用VolView實現CBCT VolView的使用1.克隆代碼2.配置依賴3.運行4.效果 進階&#xff1a;VolView配合Python解決卡頓1.修改VtkThreeView.vue2.新增Custom3DView.vue3.Python生成s…
閱讀更多...
debug - 安裝.msi時，為所有用戶安裝程序

debug - 安裝.msi時，為所有用戶安裝程序

文章目錄 debug - 安裝.msi時&#xff0c;為所有用戶安裝程序概述筆記試試在目標.msi后面直接加參數的測試 備注備注END debug - 安裝.msi時&#xff0c;為所有用戶安裝程序 概述 為了測試&#xff0c;裝了一個test.msi. 安裝時&#xff0c;只有安裝路徑的選擇&#xff0c;沒…
閱讀更多...
Java Stream兩種list判斷字符串是否存在方案

Java Stream兩種list判斷字符串是否存在方案

這里寫自定義目錄標題 背景初始化方法一、filter過濾方法二、anyMatch匹配 背景 在項目開發中&#xff0c;經常遇到篩選list中是否包含某個子字符串&#xff0c;有多種方式&#xff0c;本篇主要介紹stream流的filter和anyMatch兩種方案&#xff0c;記錄下來&#xff0c;方便備…
閱讀更多...
DeepSeek vs 通義大模型：誰將主導中國AI的未來戰場？

DeepSeek vs 通義大模型：誰將主導中國AI的未來戰場？

當你在深夜調試代碼時，是否幻想過AI伙伴能真正理解你的需求？當企業面對海量數據時，是否期待一個真正智能的決策大腦？ 這場由DeepSeek和通義領銜的大模型之爭，正在重塑中國AI產業的競爭格局。本文將為你揭開兩大技術巨頭的終極對決！ 一、顛覆認知的技術突破 1.1 改變游戲…
閱讀更多...
3. 軸指令（omron 機器自動化控制器）——＞MC_SetOverride

3. 軸指令（omron 機器自動化控制器）——＞MC_SetOverride

機器自動化控制器——第三章 軸指令 12 MC_SetOverride變量?輸入變量?輸出變量?輸入輸出變量 功能說明?時序圖?重啟運動指令?多重啟動運動指令?異常 MC_SetOverride 變更軸的目標速度。 指令名稱FB/FUN圖形表現ST表現MC_SetOverride超調值設定FBMC_SetOverride_instan…
閱讀更多...
最新文章

Copyright @ 2022~2023