TDengine 時間函數 TIMEDIFF() 用戶手冊

在這里插入圖片描述

TDengine TIMEDIFF() 函數詳細使用手冊

目錄

  • 功能概述
  • 函數語法
  • 參數說明
  • 返回值說明
  • 版本變更說明
  • 技術特性
  • 使用場景及示例
  • 時間單位處理
  • 數據類型兼容性
  • 注意事項
  • 常見問題
  • 最佳實踐

功能概述

TIMEDIFF() 函數用于計算兩個時間戳的差值，返回 expr1 - expr2 的結果。結果可能為負值，并可以近似到指定的時間單位。該函數在時序數據分析中特別有用，可以用于計算事件間隔、數據延遲、持續時間等場景。

函數語法

TIMEDIFF(expr1, expr2 [, time_unit])

參數說明

參數類型說明是否必需
expr1BIGINT、TIMESTAMP、VARCHAR、NCHAR時間戳表達式（被減數）是
expr2BIGINT、TIMESTAMP、VARCHAR、NCHAR時間戳表達式（減數）是
time_unitSTRING返回結果的時間單位，可選參數否

計算公式

結果 = expr1 - expr2 (以 time_unit 為單位)

返回值說明

  • 數據類型：BIGINT
  • 計算結果：expr1 與 expr2 的差值，以指定時間單位表示
  • 正負值：
    • 正值：expr1 > expr2
    • 負值：expr1 < expr2
    • 零值：expr1 = expr2
  • NULL處理：當 expr1 或 expr2 為 NULL 時，返回 NULL

版本變更說明

?? 重要版本差異：

v3.3.3.0 之前版本

  • 返回結果為 絕對值（始終為正數）
  • 計算公式：ABS(expr1 - expr2)

v3.3.3.0 及之后版本

  • 返回結果可能為 負值
  • 計算公式：expr1 - expr2
-- 示例：版本行為差異
SELECT TIMEDIFF('2025-09-03 10:00:00', '2025-09-03 10:05:00', 1s) as `時間差`;-- v3.3.3.0 之前：返回 300 (絕對值)
-- v3.3.3.0 及之后：返回 -300 (真實差值)

技術特性

支持的數據類型

expr1 和 expr2 支持的類型：
  1. BIGINT：時間戳數值
  2. TIMESTAMP：標準時間戳類型
  3. VARCHAR/NCHAR：符合 ISO8601/RFC3339 標準的日期時間格式字符串
支持的時間格式示例：
-- ISO8601 格式
'2025-09-03T10:30:45.123Z'
'2025-09-03T10:30:45+08:00'-- RFC3339 格式  
'2025-09-03 10:30:45.123'
'2025-09-03 10:30:45'-- 時間戳數值（根據數據庫精度）
1693737045123  -- 毫秒時間戳
1693737045123456  -- 微秒時間戳

支持的時間單位

時間單位符號說明換算關系
納秒1bnanosecond基礎單位
微秒1umicrosecond1,000 納秒
毫秒1amillisecond1,000,000 納秒
秒1ssecond1,000,000,000 納秒
分鐘1mminute60 秒
小時1hhour60 分鐘
天1dday24 小時
周1wweek7 天

時間精度規則

  • 輸入時間戳精度：由所查詢表的精度確定
  • 未指定表時：默認精度為毫秒
  • 最小時間單位：不能小于數據庫的時間分辨率
  • 未指定 time_unit：使用數據庫的時間分辨率作為時間單位

使用場景及示例

1. 基礎時間差計算

-- 創建簡單的事件表
CREATE STABLE events (ts TIMESTAMP,event_name NCHAR(50)
) TAGS (device_id INT);CREATE TABLE device_01 USING events TAGS (1);-- 插入測試數據
INSERT INTO device_01 VALUES ('2025-09-03 10:00:00', '開機'),('2025-09-03 10:30:00', '運行'),('2025-09-03 11:00:00', '關機');
簡單的時間差計算
-- 計算每個事件距離開機時間的差值
SELECT ts,event_name,TIMEDIFF(ts, '2025-09-03 10:00:00', 1m) as `分鐘差`,TIMEDIFF(ts, '2025-09-03 10:00:00', 1s) as `秒數差`
FROM device_01
ORDER BY ts;

輸出結果：

+---------------------+-----------+--------+--------+
| ts                  | event_name| 分鐘差 | 秒數差 |
+---------------------+-----------+--------+--------+
| 2025-09-03 10:00:00 | 開機      | 0      | 0      |
| 2025-09-03 10:30:00 | 運行      | 30     | 1800   |
| 2025-09-03 11:00:00 | 關機      | 60     | 3600   |
+---------------------+-----------+--------+--------+

2. 不同數據類型的使用

-- 字符串格式時間
SELECT TIMEDIFF('2025-09-03 11:00:00', '2025-09-03 10:00:00', 1h) as `小時差`;
-- 結果: 1-- 時間戳數值（毫秒）
SELECT TIMEDIFF(1693742400000, 1693738800000, 1h) as `小時差`;
-- 結果: 1-- 混合類型
SELECT TIMEDIFF('2025-09-03 11:00:00', 1693738800000, 1m) as `分鐘差`;
-- 結果: 60

3. 正負值示例

-- 正值：第一個時間大于第二個時間
SELECT TIMEDIFF('2025-09-03 11:00:00', '2025-09-03 10:00:00', 1h) as `正值`;
-- 結果: 1-- 負值：第一個時間小于第二個時間  
SELECT TIMEDIFF('2025-09-03 10:00:00', '2025-09-03 11:00:00', 1h) as `負值`;
-- 結果: -1-- 零值：時間相同
SELECT TIMEDIFF('2025-09-03 10:00:00', '2025-09-03 10:00:00', 1h) as `零值`;
-- 結果: 0

4. 不同時間單位的轉換

-- 同一時間差用不同單位表示
SELECT TIMEDIFF('2025-09-03 10:05:30', '2025-09-03 10:00:00', 1s) as `秒`,TIMEDIFF('2025-09-03 10:05:30', '2025-09-03 10:00:00', 1m) as `分鐘`,TIMEDIFF('2025-09-03 10:05:30', '2025-09-03 10:00:00', 1a) as `毫秒`;

輸出結果：

+-----+------+-------+
| 秒  | 分鐘 | 毫秒  |
+-----+------+-------+
| 330 | 5    | 330000|
+-----+------+-------+

5. 傳感器數據簡單分析

-- 創建溫度傳感器表
CREATE STABLE temperature (ts TIMESTAMP,temp FLOAT
) TAGS (sensor_id INT);CREATE TABLE sensor_01 USING temperature TAGS (1);-- 插入數據
INSERT INTO sensor_01 VALUES ('2025-09-03 14:00:00', 25.0),('2025-09-03 14:05:00', 26.0),('2025-09-03 14:10:00', 24.5);-- 計算采集間隔
SELECT ts,temp,TIMEDIFF(ts, '2025-09-03 14:00:00', 1m) as `經過分鐘數`
FROM sensor_01
ORDER BY ts;

6. NULL 值處理

-- NULL 值示例（基于實際測試結果）
SELECT TIMEDIFF(NULL, NULL, 1h) as `結果1`;
-- 結果: NULLSELECT TIMEDIFF('2025-09-03 11:00:00', NULL, 1h) as `結果2`;
-- 結果: NULLSELECT TIMEDIFF(NULL, '2025-09-03 10:00:00', 1s) as `結果3`;
-- 結果: NULLSELECT TIMEDIFF('2025-09-03 10:00:00', '2025-09-03 09:00:00', NULL) as `結果4`;
-- 結果: 使用默認單位（數據庫精度）

7. 錯誤格式處理

-- 有效格式
SELECT TIMEDIFF('2025-09-03 10:00:00', '2025-09-03 09:00:00', 1h) as `有效格式`;
-- 結果: 1-- 無效格式（返回 NULL）
SELECT TIMEDIFF('2025/09/03 10:00:00', '2025/09/03 09:00:00', 1h) as `無效格式`;
-- 結果: NULL

8. 實際應用場景

設備運行時長統計
-- 計算設備今天的運行時長
SELECT '設備運行時長' as `統計項目`,TIMEDIFF(NOW(), '2025-09-03 08:00:00', 1h) as `運行小時數`,TIMEDIFF(NOW(), '2025-09-03 08:00:00', 1m) as `運行分鐘數`;
數據延遲監控
-- 檢查數據是否及時到達
SELECT ts,temp,TIMEDIFF(NOW(), ts, 1m) as `延遲分鐘數`,CASE WHEN TIMEDIFF(NOW(), ts, 1m) > 10 THEN '數據延遲'ELSE '正常'END as `狀態`
FROM sensor_01
ORDER BY ts DESC;
事件持續時間
-- 計算事件持續時間
SELECT '系統維護' as `事件`,'2025-09-03 02:00:00' as `開始時間`,'2025-09-03 04:30:00' as `結束時間`,TIMEDIFF('2025-09-03 04:30:00', '2025-09-03 02:00:00', 1h) as `持續小時`,TIMEDIFF('2025-09-03 04:30:00', '2025-09-03 02:00:00', 1m) as `持續分鐘`;

時間單位處理

1. 時間單位精度限制

-- 時間單位不能小于數據庫精度
-- 假設數據庫精度為毫秒(ms)SELECT TIMEDIFF('2025-09-03 10:00:01.000', '2025-09-03 10:00:00.000', 1a) as `有效毫秒`,   -- 有效TIMEDIFF('2025-09-03 10:00:01.000', '2025-09-03 10:00:00.000', 1u) as `微秒近似`, -- 可能無效或近似TIMEDIFF('2025-09-03 10:00:01.000', '2025-09-03 10:00:00.000', 1b) as `納秒近似`; -- 可能無效或近似

2. 時間單位近似處理

-- 時間差的近似處理示例
SELECT ts,-- 精確到秒的計算TIMEDIFF(ts, '2025-09-03 10:00:00.000', 1s) as `秒數精確`,-- 精確到分鐘的計算（會進行近似）TIMEDIFF(ts, '2025-09-03 10:00:00.000', 1m) as `分鐘近似`
FROM device_01;

數據類型兼容性

1. 時間戳數值與字符串混用

-- 創建包含不同時間戳格式的表
CREATE TABLE mixed_time_data (ts TIMESTAMP,ts_bigint BIGINT,ts_varchar VARCHAR(30),value FLOAT
);-- 插入混合格式數據
INSERT INTO mixed_time_data VALUES ('2025-09-03 10:00:00.000', 1693737600000, '2025-09-03 10:00:00', 100.0),('2025-09-03 10:05:00.000', 1693737900000, '2025-09-03 10:05:00', 200.0);-- 混合類型的時間差計算
SELECT -- TIMESTAMP 與 VARCHARTIMEDIFF(ts, ts_varchar, 1s) as `時間戳與字符串差`,-- BIGINT 與 TIMESTAMP  TIMEDIFF(ts_bigint, ts, 1s) as `數值與時間戳差`,-- VARCHAR 與 BIGINTTIMEDIFF(ts_varchar, ts_bigint, 1s) as `字符串與數值差`
FROM mixed_time_data;

2. 不同精度數據庫的行為

-- 微秒精度數據庫
CREATE DATABASE microsec_db PRECISION 'us';
USE microsec_db;-- 在微秒精度下的計算
SELECT TIMEDIFF('2025-09-03 10:00:00.123456', '2025-09-03 10:00:00.123000', 1u) as `微秒差`;
-- 結果：456-- 納秒精度數據庫  
CREATE DATABASE nanosec_db PRECISION 'ns';
USE nanosec_db;-- 在納秒精度下的計算
SELECT TIMEDIFF('2025-09-03 10:00:00.123456789', '2025-09-03 10:00:00.123456000', 1b) as `納秒差`;
-- 結果：789

注意事項

1. 版本兼容性

-- 檢查 TDengine 版本
SELECT SERVER_VERSION();-- 針對不同版本的兼容性處理
-- v3.3.3.0 之前：需要手動處理負值
SELECT CASE WHEN expr1 >= expr2 THEN TIMEDIFF(expr1, expr2, 1s)ELSE -TIMEDIFF(expr2, expr1, 1s)  -- 手動處理負值END as `兼容差值`
FROM some_table;-- v3.3.3.0 及之后：直接使用
SELECT TIMEDIFF(expr1, expr2, 1s) as `現代差值` FROM some_table;

2. 時區處理

-- TDengine 中的時間戳處理建議
-- 確保輸入的時間字符串格式一致
SELECT TIMEDIFF('2025-09-03T10:00:00+08:00', '2025-09-03T02:00:00Z', 1h) as `時區差`;

3. NULL 值處理的最佳實踐

-- 安全的 NULL 值處理
SELECT ts,temp,CASE WHEN TIMEDIFF(NOW(), ts, 1m) IS NULL THEN -1ELSE TIMEDIFF(NOW(), ts, 1m)END as `延遲分鐘數`
FROM sensor_01;-- 數據有效性檢查
SELECT ts,temp,CASE WHEN ts IS NULL THEN '時間為空'WHEN TIMEDIFF(NOW(), ts, 1m) IS NULL THEN '計算失敗'WHEN TIMEDIFF(NOW(), ts, 1m) < 0 THEN '未來時間'WHEN TIMEDIFF(NOW(), ts, 1m) > 1440 THEN '超過24小時'ELSE '正常'END as `數據狀態`
FROM sensor_01;

常見問題

Q1: TIMEDIFF 的參數順序是什么？

答案：TIMEDIFF(expr1, expr2, time_unit)

  • expr1：被減數（結束時間）
  • expr2：減數（開始時間）
  • 結果 = expr1 - expr2
-- 正確理解參數順序
SELECT TIMEDIFF('2025-09-03 10:05:00', '2025-09-03 10:00:00', 1s) as `正300`,TIMEDIFF('2025-09-03 10:00:00', '2025-09-03 10:05:00', 1s) as `負300`;

Q2: 如何處理版本差異？

-- 創建兼容的查詢方式
SELECT CASE WHEN expr1 >= expr2 THEN TIMEDIFF(expr1, expr2, 1s)ELSE -TIMEDIFF(expr2, expr1, 1s)END as `兼容結果`
FROM your_table;

Q3: 為什么某些時間格式返回 NULL？

答案：TIMEDIFF 對時間格式要求嚴格，必須符合 ISO8601/RFC3339 標準。

-- 有效格式
SELECT TIMEDIFF('2025-09-03 10:00:00', '2025-09-03 09:00:00', 1h);     -- 返回 1
SELECT TIMEDIFF('2025-09-03T10:00:00Z', '2025-09-03T09:00:00Z', 1h);   -- 返回 1-- 無效格式  
SELECT TIMEDIFF('2025/09/03 10:00:00', '2025/09/03 09:00:00', 1h);     -- 返回 NULL
SELECT TIMEDIFF('09-03-2025 10:00:00', '09-03-2025 09:00:00', 1h);     -- 返回 NULL

Q4: 如何選擇合適的時間單位？

-- 根據應用場景選擇時間單位
-- 高頻監控：使用毫秒或微秒
SELECT TIMEDIFF(end_time, start_time, 1a) as `響應時間毫秒` FROM api_logs;-- 業務分析：使用秒或分鐘
SELECT TIMEDIFF(logout_time, login_time, 1m) as `會話時長分鐘` FROM user_sessions;-- 長期統計：使用小時或天
SELECT TIMEDIFF(current_date, created_date, 1d) as `活躍天數` FROM user_accounts;

常用時間單位速查

單位符號含義示例
1s秒TIMEDIFF(end_time, start_time, 1s)
1m分鐘TIMEDIFF(end_time, start_time, 1m)
1h小時TIMEDIFF(end_time, start_time, 1h)
1d天TIMEDIFF(end_time, start_time, 1d)
1a毫秒TIMEDIFF(end_time, start_time, 1a)

最佳實踐

1. 數據類型統一

-- 推薦：在表設計時統一使用 TIMESTAMP 類型
CREATE STABLE sensor_data (ts TIMESTAMP,                    -- 統一的時間戳類型temperature FLOAT,humidity FLOAT
) TAGS (device_id INT, location NCHAR(50));-- 避免：混用多種時間類型
CREATE STABLE mixed_data (ts_timestamp TIMESTAMP,ts_varchar VARCHAR(30),          -- 避免ts_bigint BIGINT,               -- 避免value FLOAT
) TAGS (id INT);

2. 錯誤處理機制

-- 建立完善的錯誤處理
SELECT ts,event_name,CASE WHEN TIMEDIFF(NOW(), ts, 1s) IS NULL THEN 0ELSE TIMEDIFF(NOW(), ts, 1s)END as `安全時間差`
FROM events
ORDER BY ts;

3. 選擇合適的時間單位

-- 短時間間隔用秒或分鐘
SELECT TIMEDIFF('10:05:00', '10:00:00', 1m);  -- 5分鐘-- 長時間間隔用小時或天  
SELECT TIMEDIFF('2025-09-04', '2025-09-03', 1d);  -- 1天

4. 處理可能的 NULL 值

-- 方法1：使用 CASE WHEN 提供默認值
SELECT ts,temp,CASE WHEN TIMEDIFF(NOW(), ts, 1m) IS NULL THEN 0ELSE TIMEDIFF(NOW(), ts, 1m)END as `延遲分鐘數`
FROM sensor_01;-- 方法2：在 WHERE 子句中過濾 NULL
SELECT ts,temp,TIMEDIFF(NOW(), ts, 1m) as `延遲分鐘數`
FROM sensor_01
WHERE TIMEDIFF(NOW(), ts, 1m) IS NOT NULL;-- 方法3：確保輸入參數不為 NULL
SELECT TIMEDIFF(CASE WHEN end_time IS NULL THEN NOW() ELSE end_time END,CASE WHEN start_time IS NULL THEN '2025-09-03 00:00:00' ELSE start_time END,1m) as `安全的分鐘差`
FROM some_table;

總結

TIMEDIFF() 函數是 TDengine 中功能強大的時間差計算工具：

核心特性

  • 靈活的數據類型支持：TIMESTAMP、BIGINT、VARCHAR/NCHAR
  • 多樣的時間單位：從納秒到周的完整時間單位支持
  • 版本演進：v3.3.3.0 版本重要變更（支持負值）
  • 精度適配：自動適配數據庫時間精度設置

關鍵優勢

  • 類型兼容性強：支持多種時間數據類型混合計算
  • 精度控制靈活：可指定返回結果的時間單位
  • 錯誤處理完善：無效格式和 NULL 值的妥善處理
  • 性能表現優異：適合大規模時序數據分析

應用建議

  • 根據業務場景選擇合適的時間單位
  • 注意版本差異對結果符號的影響
  • 統一使用 TIMESTAMP 類型以獲得最佳性能
  • 建立完善的錯誤處理和數據質量檢查機制

正確使用 TIMEDIFF() 函數可以大大提升時序數據分析的效率和準確性，是 TDengine 時間序列處理的重要工具。

關于 TDengine

TDengine 是一款專為物聯網、工業互聯網等場景設計并優化的大數據平臺，其核心模塊是高性能、集群開源、云原生、極簡的時序數據庫。

它能安全高效地將大量設備每天產生的高達 TB 甚至 PB 級的數據進行匯聚、存儲、分析和分發，并提供 AI 智能體對數據進行預測與異常檢測，提供實時的商業洞察。

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/921362.shtml
繁體地址，請注明出處：http://hk.pswp.cn/news/921362.shtml
英文地址，請注明出處：http://en.pswp.cn/news/921362.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

【2025ICCV-持續學習方向】一種用于提示持續學習（Prompt-based Continual Learning, PCL）的新方法

【2025ICCV-持續學習方向】一種用于提示持續學習（Prompt-based Continual Learning, PCL）的新方法

1. 背景與問題 (Background & Problem):?? ?持續學習 (CL):?? 目標是在不遺忘舊任務知識的情況下，讓模型持續學習一系列新任務。主要挑戰是災難性遺忘。 ?基于提示的持續學習 (PCL):?? 利用預訓練視覺Transformer (ViT)，凍結其權重，通過微調稱為“提示”(prompt…
閱讀更多...
2025 年 08 月 GitHub 十大熱門項目排行榜

2025 年 08 月 GitHub 十大熱門項目排行榜

歡迎來到 2025 年 8 月 GitHub 熱門開源項目排行榜&#xff01;本月榜單集中展示了來自智能體平臺、AI 編程助手、多模態角色系統、本地化部署工具到可視化白板與企業協同平臺的多元創新。從構建 AI 助手中樞的 Archon&#xff0c;到終端 AI 編碼拍檔 Crush&#xff0c;再到虛擬…
閱讀更多...
LeetCode每日一題,2025-9-4

LeetCode每日一題,2025-9-4

多數元素 投票法 讓你找到序列中出現超過二分之一的元素&#xff0c;一定要記住這個規則。 記錄兩個值val和cnt&#xff0c;剛開始val為任意數&#xff0c;cnt0。 如果cnt是0&#xff0c;就把當前val num。接下來判斷&#xff0c;ifnum val&#xff0c;則cnt &#xff0c;e…
閱讀更多...
第7章 安全配置

第7章 安全配置

7.1 安全概述 Jenkins安全威脅 常見安全風險&#xff1a; 訪問控制風險&#xff1a; - 未授權訪問Jenkins實例 - 權限提升攻擊 - 橫向移動攻擊 - 敏感信息泄露代碼執行風險&#xff1a; - 惡意腳本注入 - 構建腳本篡改 - 插件漏洞利用 - 遠程代碼執行數據安全風險&#xff1a; …
閱讀更多...
騰訊混元世界模型Voyager開源：單圖生成3D世界的“核彈級”突破，游戲、VR、自動駕駛迎來新變量

騰訊混元世界模型Voyager開源：單圖生成3D世界的“核彈級”突破，游戲、VR、自動駕駛迎來新變量

當AI繪畫、視頻生成技術逐漸從“新鮮感”走向“實用化”&#xff0c;3D內容生成卻始終卡在“效率低、成本高、門檻高”的瓶頸里。傳統3D建模需要專業軟件、大量人工調整&#xff0c;甚至依賴昂貴的硬件設備&#xff0c;讓中小團隊和個人創作者望而卻步。 但騰訊AI實驗室最近開…
閱讀更多...
數據庫（基礎操作）

數據庫（基礎操作）

SQL 結構化的查詢語句 我們現在需要寫SQL語句 --- 這個玩意兒就是數據庫的操作語句我們的數據庫就類似于一個excl表格它有n列&#xff0c;每一列為一個大類&#xff0c;數據以行存在&#xff0c;一行代表一個條目數據如&#xff1a;我現在想建立一個數據庫保存學生的信息你需要…
閱讀更多...
linux ubi文件系統

linux ubi文件系統

1&#xff0c;UBI&#xff08;Unsorted Block Images&#xff09;是 Linux 內核中為原始 Flash 設備提供的一種抽象層&#xff0c;位于 MTD&#xff08;Memory Technology Device&#xff09;和文件系統&#xff08;如 UBIFS&#xff09;之間。它負責壞塊管理、磨損均衡、邏輯卷…
閱讀更多...
深度厚金板PCB與厚銅PCB的區別

深度厚金板PCB與厚銅PCB的區別

厚金板PCB和厚銅PCB在電子制造領域都有重要應用&#xff0c;它們有著不同的特點和適用場景。下面為你詳細介紹二者的區別。厚金PCB是什么厚金PCB是在印制電路板表面鍍上較厚金層的電路板。這層厚金能提升電路板的導電性、抗氧化性和耐磨性。在一些對信號傳輸要求極高、使用環境…
閱讀更多...
一階低通濾波器應用示例（演示）

一階低通濾波器應用示例（演示）

1. 代碼 這段代碼實現了一個一階低通濾波器&#xff08;也稱為指數加權移動平均濾波器&#xff09;。它適用于需要平滑數據、減少噪聲的場合。以下是一些常見的應用場景&#xff1a; 傳感器數據平滑&#xff1a;在嵌入式系統或物聯網設備中&#xff0c;傳感器&#xff08;如溫度…
閱讀更多...
RT-Thread源碼分析字節實現socket源碼

RT-Thread源碼分析字節實現socket源碼

無論是客戶端還是服務器程序&#xff0c;發送的底層都是發送AT指令&#xff1a;1&#xff09;發送命令到串口&#xff1b;2&#xff09;阻塞等待返回結果接收的底層都是1&#xff09;阻塞等待&#xff1b;2&#xff09;被喚醒后拷貝處理數據兩者均由后臺任務喚醒&#xff0c;后…
閱讀更多...
keil 5 STM32工程介紹

keil 5 STM32工程介紹

目錄 一、工程文件介紹 1.自動生成的文件 2.自建文件 &#xff08;1&#xff09;USER 文件夾 &#xff08;2&#xff09;FWLIB 文件夾 &#xff08;3&#xff09;CMSIS 文件夾 二、工程創建教程 1.下載固件庫 2.創建工程 &#xff08;1&#xff09;創建不完善的工程 …
閱讀更多...
AI大模型如何重塑日常？從智能辦公到生活服務的5個核心改變

AI大模型如何重塑日常？從智能辦公到生活服務的5個核心改變

AI大模型重塑日常&#xff1a;從智能辦公到生活服務的5個核心改變一、引言? 簡述AI大模型技術的快速發展背景&#xff0c;說明其已從技術領域逐步滲透到大眾日常生活? 提出核心觀點&#xff1a;AI大模型正從辦公和生活服務兩大場景&#xff0c;深度改變人們的行為模式與…
閱讀更多...
邁威通信從送快遞角度教你分清網絡二層和三層

邁威通信從送快遞角度教你分清網絡二層和三層

還在為網絡里的二層、三層概念頭大?其實就像送快遞那么簡單!今天邁威通信用最接地氣的方式給你講明白&#xff5e;網絡傳輸 送快遞?沒錯!二層網絡&#xff1a;本地送貨員負責同小區的包裹配送(局域網傳輸)&#xff0c;就像小區里的快遞站(對應設備&#xff1a;交換機)&#…
閱讀更多...
【Linux】網絡安全管理：SELinux 和 防火墻聯合使用 | Redhat

【Linux】網絡安全管理：SELinux 和 防火墻聯合使用 | Redhat

本專欄文章持續更新&#xff0c;新增內容使用藍色表示。 往期相關內容 【Linux】權限管理詳解&#xff08;三&#xff09;&#xff1a;SELinux安全性管理 | Redhat-CSDN博客 【Linux】網絡安全管理&#xff1a;Netfilter、nftables 與 Firewalld | Redhat_linux netfilter-C…
閱讀更多...
微論-構建完整的智能環：具身智能系統的層級化架構探析

微論-構建完整的智能環：具身智能系統的層級化架構探析

### **構建完整的智能環&#xff1a;具身智能系統的層級化架構探析**#### **引言&#xff1a;邁向與現實交互的智能**人工智能的發展正經歷一場從“虛擬”走向“現實”的范式遷移。具身智能&#xff0c;作為這一浪潮的核心&#xff0c;強調智能體必須擁有“身體”&#xff0c;并…
閱讀更多...
Spring如何解決循環依賴：深入理解三級緩存機制

Spring如何解決循環依賴：深入理解三級緩存機制

Spring如何解決循環依賴&#xff1a;深入理解三級緩存機制 引言 在我們之前的文章中&#xff0c;我們探討了什么是循環依賴以及它帶來的問題。作為Java生態系統中最重要的框架之一&#xff0c;Spring Framework在處理循環依賴方面有著獨特而精妙的解決方案。今天&#xff0c;讓…
閱讀更多...
HTML第六課：表格展示

HTML第六課：表格展示

HTML第六課&#xff1a;表格展示學生花名冊學生花名冊 效果示列 代碼展示 <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd"> <html lang"zh-CN"> <head><meta …
閱讀更多...
醫療行業API管理優化：使用QuickAPI提高數據安全與接口性能

醫療行業API管理優化：使用QuickAPI提高數據安全與接口性能

背景與挑戰在醫療行業&#xff0c;特別是醫院信息系統&#xff08;HIS&#xff09;或其他相關部門&#xff08;如實驗室信息系統LIS、藥品管理系統等&#xff09;&#xff0c;數據安全和隱私保護一直是核心問題。然而&#xff0c;許多醫療機構仍然面臨著以下問題&#xff1a;數…
閱讀更多...
docker 部署RustDesk服務

docker 部署RustDesk服務

最近要用到遠程桌面服務&#xff0c;網上的資料很豐富&#xff0c;但是和我的情況有點點區別&#xff0c;我是要搭一臺局域網使用的遠程桌面服務。 首先是源的問題&#xff1a; 很多都是不能用的&#xff0c;我用的docker桌面版&#xff0c; 其他的不重要&#xff0c;源地址&…
閱讀更多...
Kubernetes 中為 ZenTao 的 Apache 服務器添加請求體大小限制

Kubernetes 中為 ZenTao 的 Apache 服務器添加請求體大小限制

本文將詳細介紹如何通過修改 Apache 配置模板并在 Kubernetes 中使用 ConfigMap，為 ZenTao 系統添加請求體大小限制（LimitRequestBody）。 背景介紹 在企業級項目管理軟件 ZenTao 的部署過程中，我們經常需要對 Apache 服務器進行安全加固。其中一個重要的安全措施是限制客戶…
閱讀更多...
最新文章

Copyright @ 2022~2023