8 文本分析

全文檢索與常規關系型數據庫SQL查詢的顯著區別，就是全文檢索具備對大段文本進行分析的能力，它可以通過文本分析把大段的文本切分為細粒度的分詞。

elasticsearch在兩種情況下會用到文本分析：

  1. 原始數據寫入索引時，如果索引的某個字段類型是text,則會將分析之后的內容寫入索引
  2. 對text類型字段的索引數據做全文檢索時，搜索內容也會經過文本分析。

1 文本分析的原理

elasticsearch規定，一個完整的文本分析過程需要經過>=0個字符過濾器，一個分詞器，>=0分詞過濾器的處理過程。

文本分析的順序是先進行字符過濾器的處理，然后是分詞器的處理，最后分詞過濾器的處理。

字符過濾器

用于對原始文本做簡單字符過濾和轉換，例如，elasticsearch內置的HTML strip字符過濾器可以方便地刪除文本中的HTML標簽。

分詞器

把原始的文本按照一定的規則切分成一個個單詞，對于中文文本而言分詞的效果和中文分詞器的類型有關。
分詞器還會保留每個關鍵詞在原始文本中出現的位置數據。
elasticsearch的內置的分詞器有幾十種，通常針對不同語言的文本需要使用不同的分詞器。

分詞過濾器

用于對分詞器切詞后的單詞做進一步的過濾和轉換，例如：停用詞分詞過濾器(stop token filter)可以把分詞器切分出來的冠詞a,介詞of等無實際意義的單詞直接丟棄，避免影響搜索結果。

2 內置的分析器分析文本

elasticsearch內置了8種分析器，可以直接使用
在這里插入圖片描述

標準分析器

是文本分析默認的分析器，標準分析器的內部包含一個標準分詞器(standard tokenizer)和一個小寫分詞過濾器(lower case token ilter)，可以使用_analyze端點測試分析器默認的分詞效果，如：

POST _analyze
{"analyzer":"standard","text":"The 2025頭條新聞has spread out。"
}

{"tokens" : [{"token" : "the","start_offset" : 0,"end_offset" : 3,"type" : "<ALPHANUM>","position" : 0},{"token" : "2025","start_offset" : 4,"end_offset" : 8,"type" : "<NUM>","position" : 1},{"token" : "頭","start_offset" : 8,"end_offset" : 9,"type" : "<IDEOGRAPHIC>","position" : 2},{"token" : "條","start_offset" : 9,"end_offset" : 10,"type" : "<IDEOGRAPHIC>","position" : 3},{"token" : "新","start_offset" : 10,"end_offset" : 11,"type" : "<IDEOGRAPHIC>","position" : 4},{"token" : "聞","start_offset" : 11,"end_offset" : 12,"type" : "<IDEOGRAPHIC>","position" : 5},{"token" : "has","start_offset" : 12,"end_offset" : 15,"type" : "<ALPHANUM>","position" : 6},{"token" : "spread","start_offset" : 16,"end_offset" : 22,"type" : "<ALPHANUM>","position" : 7},{"token" : "out","start_offset" : 23,"end_offset" : 26,"type" : "<ALPHANUM>","position" : 8}]
}

可以看到，標準分析器默認的切詞效果可以實現將英語的大寫轉為小寫字母，這是因為該分析器內置了一個將大寫字母轉為小寫字母的小寫分詞過濾器；

另外，按照空格來切分英語單詞，數字作為一個整體不會被切分，中文文本會被切分成一個個漢字，標點符合則是被自動去除。

標準分析器可以配置停用詞分詞過濾器去除沒有實際意義的虛詞，還可以通過設置切詞粒度來配置分詞的長度。

例如：把標準分析器設置到索引中。

PUT standard-text
{"settings": {"analysis": {"analyzer": {"my_standard_analyzer":{"type":"standard","max_token_length":3,"stopwords":"_english_"}}}},"mappings": {"properties": {"content":{"type": "text","analyzer": "my_standard_analyzer"}}}
}

{"acknowledged" : true,"shards_acknowledged" : true,"index" : "standard-text"
}

在上面的索引standard-text中，配置了一個名為my_standard_analyzer的分析器。type為standard表明它使用了內置的標準分析器;

max_token_length=3,表示切詞的最大長度設置為3，這樣數字和英文長度都會被切分為不超過3個字符的形式；

stopwords為_english_表示該分析器會自動過濾英文的停用詞。

該索引只有一個文本字段content,映射中指定了該字段的分析器為my_standard_analyzer，表示建索引時該字段的文本數據使用my_standard_analyzer做文本分析。接下來看看新的切詞效果：

POST standard-text/_analyze
{"analyzer":"my_standard_analyzer","text":"The 2025頭條新聞has spread out。"
}

{"tokens" : [{"token" : "202","start_offset" : 4,"end_offset" : 7,"type" : "<NUM>","position" : 1},{"token" : "5","start_offset" : 7,"end_offset" : 8,"type" : "<NUM>","position" : 2},{"token" : "頭","start_offset" : 8,"end_offset" : 9,"type" : "<IDEOGRAPHIC>","position" : 3},{"token" : "條","start_offset" : 9,"end_offset" : 10,"type" : "<IDEOGRAPHIC>","position" : 4},{"token" : "新","start_offset" : 10,"end_offset" : 11,"type" : "<IDEOGRAPHIC>","position" : 5},{"token" : "聞","start_offset" : 11,"end_offset" : 12,"type" : "<IDEOGRAPHIC>","position" : 6},{"token" : "has","start_offset" : 12,"end_offset" : 15,"type" : "<ALPHANUM>","position" : 7},{"token" : "spr","start_offset" : 16,"end_offset" : 19,"type" : "<ALPHANUM>","position" : 8},{"token" : "ead","start_offset" : 19,"end_offset" : 22,"type" : "<ALPHANUM>","position" : 9},{"token" : "out","start_offset" : 23,"end_offset" : 26,"type" : "<ALPHANUM>","position" : 10}]
}

可以明顯看出該結果跟使用默認的標準分析器standard的有兩點不同，一是分詞the作為停用詞被過濾掉了，二是每個分詞的長度都不超過3.

簡單分析器

簡單分析器(simple analyzer)只由一個小寫分詞器(lowercase tokenizer)組成，它的功能是將文本在任意非字母字符(如數字，空格，連字符)處進行切分，丟棄非字母字符，并將大寫字母改為小寫字母.

例如：

POST _analyze
{"analyzer": "simple","text":"The 2025頭條新聞 hasn`t spread out。"
}

{"tokens" : [{"token" : "the","start_offset" : 0,"end_offset" : 3,"type" : "word","position" : 0},{"token" : "頭條新聞","start_offset" : 8,"end_offset" : 12,"type" : "word","position" : 1},{"token" : "hasn","start_offset" : 13,"end_offset" : 17,"type" : "word","position" : 2},{"token" : "t","start_offset" : 18,"end_offset" : 19,"type" : "word","position" : 3},{"token" : "spread","start_offset" : 20,"end_offset" : 26,"type" : "word","position" : 4},{"token" : "out","start_offset" : 27,"end_offset" : 30,"type" : "word","position" : 5}]
}

可以看出，簡單分析器丟棄了所有的非字母字符并從非字母字符處切詞，大寫會轉為小寫.

空格分析器

空格分析器(whitespace analyzer)的結構也非常簡單，只由一個空格分詞器(whitespace tokenizer)構成，它會在所有出現空格的地方切詞，而每個分詞本身的內容不變。
例如：

POST _analyze
{"analyzer": "whitespace","text":"The 2025頭條新聞 hasn`t spread out。"
}

{"tokens" : [{"token" : "The","start_offset" : 0,"end_offset" : 3,"type" : "word","position" : 0},{"token" : "2025頭條新聞","start_offset" : 4,"end_offset" : 12,"type" : "word","position" : 1},{"token" : "hasn`t","start_offset" : 13,"end_offset" : 19,"type" : "word","position" : 2},{"token" : "spread","start_offset" : 20,"end_offset" : 26,"type" : "word","position" : 3},{"token" : "out。","start_offset" : 27,"end_offset" : 31,"type" : "word","position" : 4}]
}

3 使用IK分詞器分析文本

由于中文字符是方塊字，默認的標準分詞器把中文文本切成孤立的漢字不能正確的反映中文文本的語義。IK分詞器是比較受歡迎的中文分詞器。

安裝ik分詞器
1.進入IK分詞器的GitHub頁面，下載與elasticsearch配套的分詞器安裝包，也要選擇對應的版本。
2.進入elasticsearch的安裝目錄，找到plugins文件夾，在里面新建一個名為ik的文件夾，把下載的安裝包解壓后放進ik文件夾中。
3.重啟elasticsearch服務.

在這里插入圖片描述

使用ik分詞器

IK分詞器提供了兩種分析器供開發人員使用：ik_smart 和 ik_max_word

POST _analyze
{"analyzer": "ik_smart","text":"諾貝爾獎是著名的世界級別大獎"
}

{"tokens" : [{"token" : "諾貝爾獎","start_offset" : 0,"end_offset" : 4,"type" : "CN_WORD","position" : 0},{"token" : "是","start_offset" : 4,"end_offset" : 5,"type" : "CN_CHAR","position" : 1},{"token" : "著名","start_offset" : 5,"end_offset" : 7,"type" : "CN_WORD","position" : 2},{"token" : "的","start_offset" : 7,"end_offset" : 8,"type" : "CN_CHAR","position" : 3},{"token" : "世界","start_offset" : 8,"end_offset" : 10,"type" : "CN_WORD","position" : 4},{"token" : "級別","start_offset" : 10,"end_offset" : 12,"type" : "CN_WORD","position" : 5},{"token" : "大獎","start_offset" : 12,"end_offset" : 14,"type" : "CN_WORD","position" : 6}]
}

可以看出，ik_smart將文本切分成了7個分詞.
如果使用ik_max_word,則會切分成更多的分詞。

POST _analyze
{"analyzer": "ik_max_word","text":"諾貝爾獎是著名的世界級別大獎"
}

{"tokens" : [{"token" : "諾貝爾獎","start_offset" : 0,"end_offset" : 4,"type" : "CN_WORD","position" : 0},{"token" : "諾貝爾","start_offset" : 0,"end_offset" : 3,"type" : "CN_WORD","position" : 1},{"token" : "貝爾","start_offset" : 1,"end_offset" : 3,"type" : "CN_WORD","position" : 2},{"token" : "獎","start_offset" : 3,"end_offset" : 4,"type" : "CN_CHAR","position" : 3},{"token" : "是","start_offset" : 4,"end_offset" : 5,"type" : "CN_CHAR","position" : 4},{"token" : "著名","start_offset" : 5,"end_offset" : 7,"type" : "CN_WORD","position" : 5},{"token" : "的","start_offset" : 7,"end_offset" : 8,"type" : "CN_CHAR","position" : 6},{"token" : "世界級","start_offset" : 8,"end_offset" : 11,"type" : "CN_WORD","position" : 7},{"token" : "世界","start_offset" : 8,"end_offset" : 10,"type" : "CN_WORD","position" : 8},{"token" : "級別","start_offset" : 10,"end_offset" : 12,"type" : "CN_WORD","position" : 9},{"token" : "大獎","start_offset" : 12,"end_offset" : 14,"type" : "CN_WORD","position" : 10}]
}

從結果中看，切分了11個分詞，這種模式下，切出來的分詞會盡可能多，更便于被搜索到.

通常，索引時的文本分析使用ik_max_word更加合適，而全文檢索的文本分析使用ik_smart較為多見。值得注意的是，每個分詞結果用偏移量保存每個分詞在原始文本中出現的位置，這類位置信息在全文檢索結果高亮展示時會被用到。

下面的請求將新建一個索引ik-text并使用IK分詞器進行文本分析.

PUT ik-text
{"settings": {"analysis": {"analyzer": {"default":{"type":"ik_max_word"},"default_search":{"type":"ik_smart"}}}},"mappings": {"properties": {"content":{"type": "text"},"abstract":{"type": "text","analyzer": "ik_smart","search_analyzer": "ik_max_word"}}}
}

{"acknowledged" : true,"shards_acknowledged" : true,"index" : "ik-text"
}

在索引ik-text中，指定text類型的字段默認是索引分析器是ik_max_word，而默認的全文檢索分析器是ik_smart。content字段正式采用的這種分析方式，而abstract字段則是在映射中顯示地指定了索引時的分析器為ik_smart，搜索時的分析器為ik_max_word，這會覆蓋掉索引默認的分析器配置。

注意：IK分詞器雖然能夠識別很多中文詞，但是無法自動發現新詞，如果想擴展自己的詞典，則需要把擴展的內容配置到IK分詞器目錄下的IK Analyzer.cfg.xml文件中。即便如此，由于IK分詞器切詞的粒度不夠細，在面對姓名，數字，英文單詞的檢索時常常力不從心.

4 自定義文本分析器

字符過濾器

字符過濾器是文本分析的第一個環節，在開始分詞之前，字符過濾器可以丟棄一些沒有意義的字符。

1. HTML strip字符過濾器
用于去除文本中的HTML標簽，還可以用于解析類似于&的轉義字符串。

POST _analyze
{"char_filter": ["html_strip"],"tokenizer": {"type":"keyword"},"filter": [],"text": ["Tom &amp; Jerrey &lt; <b>world</b>"  ]
}

{"tokens" : [{"token" : "Tom & Jerrey < world","start_offset" : 0,"end_offset" : 34,"type" : "word","position" : 0}]
}

可以看到，分析后的文本中，HTML標簽被去掉了，轉義字符串在輸出結果中也轉義成功。
2. 映射字符過濾器
映射字符過濾器會根據提供的字符映射，把文本中出現的字符轉換為映射的另一種字符，例如：

POST _analyze
{"char_filter": [{"type":"mapping","mappings":["& => and"]}  ],"tokenizer": {"type":"keyword"},"filter": [],"text": ["Tom & Jerrey"]
}

{"tokens" : [{"token" : "Tom and Jerrey","start_offset" : 0,"end_offset" : 12,"type" : "word","position" : 0}]
}

此時，&已經轉換為and.
3. 模式替換字符過濾器
根據指定的正則表達式把匹配的文本轉換成指定的字符串。例如：

POST _analyze
{"char_filter": [{"type":"pattern_replace","pattern":"runoo+b","replacement":"tomcat"}  ],"tokenizer": {"type": "keyword"},"filter": [],"text":["runooobbbb"]
}

{"tokens" : [{"token" : "tomcatbbb","start_offset" : 0,"end_offset" : 10,"type" : "word","position" : 0}]
}

5. 分詞器

分詞器(tokenizer)是文本分析的靈魂，它是文本分析過程中不可缺少的一部分，因為它直接決定按照怎樣的算法來切分。

分詞器會把原始文本切分為一個個分詞(token),通常分詞器會保存每個分詞的以下三種信息：

1.文本分析后每個分詞的相對順序，主要用于短語搜索和單詞鄰近搜索。
2.字符偏移量，記錄分詞在原始文本中出現的位置。
3.分詞類型，記錄分詞的種類，例如單詞，數字等.

分詞器按照切分方式大致分為3種類型：

1.面向單詞的分詞器會把文本切分成獨立的單詞。
2.部分單詞分詞器會把每個單詞按照某種規則切分成小的字符串碎片。
3.特定結構的分詞器主要針對特定格式的文本，比如：郵箱，郵政編碼，路徑等
1.面向單詞的分詞器

elasticsearch 7.9.1內置的面向單詞的分詞器，如標準分詞器，小寫分詞器，空格分詞器等。
在這里插入圖片描述

2.部分單詞分詞器

這種分詞器會把完整的單詞按照某種規則切分成一些字符串碎片，搜索時其可用于部分匹配，這種分詞器主要有兩種：

  1. N元語法分詞器
  2. 側邊N元語法分詞器

對于N元語法分詞器，效果如下：

POST _analyze
{"char_filter": [],"tokenizer": {"type":"ngram","min_gram":2,"max_gram":3,"token_chars":["letter"  ]},"filter": [],"text": ["tom cat8"  ]
}

{"tokens" : [{"token" : "to","start_offset" : 0,"end_offset" : 2,"type" : "word","position" : 0},{"token" : "tom","start_offset" : 0,"end_offset" : 3,"type" : "word","position" : 1},{"token" : "om","start_offset" : 1,"end_offset" : 3,"type" : "word","position" : 2},{"token" : "ca","start_offset" : 4,"end_offset" : 6,"type" : "word","position" : 3},{"token" : "cat","start_offset" : 4,"end_offset" : 7,"type" : "word","position" : 4},{"token" : "at","start_offset" : 5,"end_offset" : 7,"type" : "word","position" : 5}]
}

在這個ngram分詞器的配置中，設置了每個分詞的最小長度為2，最大長度為3，表示ngram分詞器會通過長度為2和3的滑動窗口切分文本，得到的字串作為分詞。
token_chars配置了只保留字母作為分詞，其余的字符(例如空格和數字)則會被過濾掉。

對于側邊N元語法分詞器與N元語法分詞器的區別在于，其在分詞時總是從第一個字母開始，會保留一定長度的前綴字符，例如：

POST _analyze
{"char_filter": [],"tokenizer": {"type":"edge_ngram","min_gram":2,"max_gram":5},"filter": [],"text": ["tom cat8"  ]
}

{"tokens" : [{"token" : "to","start_offset" : 0,"end_offset" : 2,"type" : "word","position" : 0},{"token" : "tom","start_offset" : 0,"end_offset" : 3,"type" : "word","position" : 1},{"token" : "tom ","start_offset" : 0,"end_offset" : 4,"type" : "word","position" : 2},{"token" : "tom c","start_offset" : 0,"end_offset" : 5,"type" : "word","position" : 3}]
}

這里設置了每個分詞的長度最小為2，最大為5，這種分詞器很適合做前綴搜索。

3.特定結構的分詞器

如下分詞器可以對正則表達式，分隔符或者路徑等進行切分。
在這里插入圖片描述

分詞過濾器

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/news/919425.shtml
繁體地址，請注明出處：http://hk.pswp.cn/news/919425.shtml
英文地址，請注明出處：http://en.pswp.cn/news/919425.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

告別 Count Distinct 慢查詢：StarRocks 高效去重全攻略

告別 Count Distinct 慢查詢：StarRocks 高效去重全攻略

在大數據分析中&#xff0c;去重計算&#xff08;如 Count Distinct&#xff09;是一個常見但計算開銷極高的操作&#xff0c;尤其在高基數和高并發場景下&#xff0c;常常成為查詢性能的瓶頸。以用戶訪問行為為例&#xff0c;同一用戶一天內多次訪問頁面時&#xff0c;PV 會累…
閱讀更多...
MVC、MVP、MVCC 和 MVI 架構的介紹及區別對比

MVC、MVP、MVCC 和 MVI 架構的介紹及區別對比

?作者簡介&#xff1a;大家好&#xff0c;我是 Meteors., 向往著更加簡潔高效的代碼寫法與編程方式&#xff0c;持續分享Java技術內容。 &#x1f34e;個人主頁&#xff1a;Meteors.的博客 &#x1f49e;當前專欄&#xff1a; ?特色專欄&#xff1a; 知識分享 &#x1f96d;本…
閱讀更多...
【運維進階】Ansible 角色管理

【運維進階】Ansible 角色管理

Ansible 角色管理 實驗環境 [lthcontroller ~ 21:47:45]$ mkdir web && cd web[lthcontroller web 21:47:50]$ cat > ansible.cfg <<EOF [defaults] remote_user lth inventory ./inventory[privilege_escalation] become True become_user root become_m…
閱讀更多...
個人筆記SpringMVC

個人筆記SpringMVC

SpringMVC 1. 1.新建一個Maven-webapp項目 2.導入依賴pom.xml <project xmlns"http://maven.apache.org/POM/4.0.0" xmlns:xsi"http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation"http://maven.apache.org/POM/4.0.0 http://maven.…
閱讀更多...
arcgis-提取范圍中最大占比面積的信息或唯一值

arcgis-提取范圍中最大占比面積的信息或唯一值

此方法本來應用于計算圖斑占最大面積的房屋質量等別/高程/坡度級別&#xff08;房屋質量等別/高程/耕地坡度計算在無特定條件下&#xff0c;遵循按面積占比最大值信息賦值&#xff09;。1、測試數據中&#xff0c;增加唯一值字段&#xff1a;WYZ&#xff0c;并刷上圖斑唯一值信…
閱讀更多...
Webapi發布后IIS超時(.net8.0)

Webapi發布后IIS超時(.net8.0)

文章目錄前言一、報錯信息二、日志分析三、分析四、最終解決辦法&#xff1a;前言 最近實現服務器數據導出&#xff1a; .net8.0的webapi 獲取到post請求&#xff0c;查詢數據后dbReader導出到workbook. 并保存Excel到遠程的文件服務器。 問題&#xff1a;本地調試無問題&…
閱讀更多...
linux中的hostpath卷、nfs卷以及靜態持久卷的區別

linux中的hostpath卷、nfs卷以及靜態持久卷的區別

在 Linux 容器環境中&#xff0c;HostPath 卷、NFS 卷和靜態持久卷&#xff08;Static PersistentVolume&#xff09;是數據持久化的重要方案。三者的核心差異體現在管理方式、適用場景、跨節點能力等方面。核心定義與工作原理1. HostPath 卷定義&#xff1a;直接將容器所在宿主…
閱讀更多...
Unity 中控開發 多路串口服務器(一)

Unity 中控開發 多路串口服務器(一)

一 Unity 中控開發 多路串口服務器 多路串口服務器基礎型號配置被控投影設備LG-UART8 算法配置軟件結果測試多路串口服務器 你好&#xff01; 這是關于一篇使用TCP調用多路串口服務器的系列文章。在后續文章中,會結合使用Unity做一個中控系統 基礎 型號 ULEGS 多路串口服務…
閱讀更多...
服務器數據恢復—硬盤壞道離線導致raid崩潰的StorNext文件系統數據恢復案例

服務器數據恢復—硬盤壞道離線導致raid崩潰的StorNext文件系統數據恢復案例

服務器存儲數據恢復環境&故障&#xff1a; 一臺昆騰存儲設備中有一組raid5磁盤陣列。陣列上有兩塊硬盤先后離線&#xff0c;raid5磁盤陣列不可用。服務器存儲數據恢復過程&#xff1a; 1、將故障服務器存儲內的所有磁盤編號后取出&#xff0c;將所有沒有離線的硬盤以只讀方…
閱讀更多...
C++小游戲NO.1游戲機

C++小游戲NO.1游戲機

#include<conio.h> #include<windows.h> #include<bits/stdc.h> #include<cstdlib> #include<ctime> #include<vector> #include<string> using namespace std; int Your6,Other6; string daojuname[]{"放大鏡","sho…
閱讀更多...
OpenHarmony WebView引擎：從Chromium魔改到分布式渲染的終極解析

OpenHarmony WebView引擎：從Chromium魔改到分布式渲染的終極解析

??? 架構解析 arkweb是OpenHarmony webview組件的Native引擎，基于Chromium和CEF構建。 OpenHarmony WebView是基于Chromium CEF構建的高性能Web渲染引擎，為OpenHarmony系統提供完整的Web內容展示能力。該引擎采用分層架構設計，實現了與ArkUI的深度集成。 ??? 架構設…
閱讀更多...
Mybatis-3自己實現MyBatis底層機制

Mybatis-3自己實現MyBatis底層機制

MyBatis整體架構分析一圖勝千言1、Mybatis核心框架示意圖2、對上圖的解讀1)mybatis的核配置文件mybatis-config.xml:進行全局配置&#xff0c;全局只能有一個這樣的配置文件XxxMapper.xml配置多個SQL,可以有多個XxxMappe.xml配置文件 2)通過mybatis-config.xml配置文件得到SqlS…
閱讀更多...
Uniapp 之renderjs解決swiper+多個video卡頓問題

Uniapp 之renderjs解決swiper+多個video卡頓問題

一、效果圖二、示例代碼 test.vue<template><view style"" :style"{height: windowHeightpx}"><swiper class"video-swiper" vertical change"swiperChange" :current"current" animationfinish"swiper…
閱讀更多...
設計模式之【快速通道模式】，享受VIP的待遇

設計模式之【快速通道模式】，享受VIP的待遇

文章目錄一、快速通道模式簡介1、簡介2、適用場景二、示例1、JDK源碼&#xff1a;ArrayList構造方法2、String.intern()方法3、緩存系統設計&#xff08;典型&#xff09;三、注意事項1、核心設計原則2、避坑指南參考資料一、快速通道模式簡介 1、簡介 快速通道模式是一種基于…
閱讀更多...
NineData云原生智能數據管理平臺新功能發布｜2025年7月版

NineData云原生智能數據管理平臺新功能發布｜2025年7月版

本月發布 23 項更新&#xff0c;其中重點發布 8 項、功能優化 15 項。重點發布數據庫 DevOps - 非表對象調試新增存儲過程、函數、包的調試功能&#xff0c;支持對象編譯、斷點設置、執行控制&#xff08;continue/step into/step over&#xff09;、變量調試等全流程操作。數據…
閱讀更多...
APM32芯得 EP.29 | 基于APM32F103的USB鍵盤與虛擬串口復合設備配置詳解

APM32芯得 EP.29 | 基于APM32F103的USB鍵盤與虛擬串口復合設備配置詳解

如遇開發技術問題&#xff0c;歡迎前往開發者社區&#xff0c;極海技術團隊將在線為您解答~ 極海官方開發者社區?https://community.geehy.cn/ 《APM32芯得》系列內容為用戶使用APM32系列產品的經驗總結&#xff0c;均轉載自21ic論壇極海半導體專區&#xff0c;全文未作任何修…
閱讀更多...
css過渡屬性

css過渡屬性

前言 該屬性用于元素各種 “改變” 后的過渡效果動畫&#xff0c;包括但不限于顏色、寬高、縮放等。 如下圖所示&#xff0c;使用過渡屬性便可輕松完成。 示例代碼 您可以直接復制運行&#xff0c;查看效果。 <div>demo</div>div {width:100px; height:100px;/* …
閱讀更多...
云計算核心技術之云存儲技術

云計算核心技術之云存儲技術

一、云存儲技術1.1、云存儲是什么從狹義上來說&#xff0c;云存儲是指通過虛擬化、分布式技術、集群應用、網格技術、負載均衡等技術&#xff0c;將網絡中大量的存儲設備通過軟件集合起來高效協同工作&#xff0c;共同對外提供低成本、高擴展性的數據存儲服務。從廣義上來講&am…
閱讀更多...
在Ubuntu上安裝并使用Vue2的基本教程

在Ubuntu上安裝并使用Vue2的基本教程

我也準備要嘗試一些前端開發了&#xff01;發現網上有些教程寫得挺好&#xff0c;但是還是有點老&#xff08;并且有點錯誤&#xff09;&#xff0c;所以這里更新一下&#xff1a; 主要參考了這篇教程&#xff1a;Vue2——1. 安裝教程_vue2 cdn-CSDN博客 并且使用NPM方式進行…
閱讀更多...
任務十九 打包部署

任務十九 打包部署

一、本地打包部署 首先在自己的電腦上，下載一個nginx nginx: download 之后再vscode中，進行打包 輸入命令 npm run build 打包過后，會在項目的根目錄下，生成一個dist的文件夾
閱讀更多...
最新文章

Copyright @ 2022~2023