2. 程式人生 > >Hive原理詳解

Hive原理詳解

阿新 • • 發佈：2018-12-17

背景

  • 引入原因： 1. – 對存在HDFS上的檔案或HBase中的表進行查詢時，是要手工寫一堆MapReduce程式碼 2. 對於統計任務，只能由動MapReduce的程式設計師才能搞定 3. 耗時耗力，更多精力沒有有效的釋放出來
  • Hive基於一個統一的查詢分析層，通過SQL語句的方式對HDFS上的資料進行查詢、統計和分析

1.資料庫的原理

       其實通常所說的將資料儲存到資料庫，並不是真的儲存到資料庫，資料庫不過是在你和你的磁碟間弄了個軟體層，其實你的資料還是被作為源資料儲存到你本地的磁碟上了，但是隻有源資料還不夠，他還儲存了元資料(資料庫儲存結構定義資訊（庫，表，列，定義資訊)

2.什麼是Hive

  • Hive是一個SQL解析引擎，將SQL語句轉譯成MR Job，然後再Hadoop平臺上執行，達到快速開發的目的。
  • Hive中的表是純邏輯表，就只是表的定義等，即表的元資料。本質就是Hadoop的目錄/檔案，達到了元資料與資料儲存分離的目的
  • Hive本身不儲存資料，它完全依賴HDFS和MapReduce。
  • Hive的內容是讀多寫少，不支援對資料的更新
  • Hive中沒有定義專門的資料格式，由使用者指定，需要指定三個屬性： 1. 列分隔符 2. 行分隔符 3. 讀取檔案資料的方法

3.HQL與傳統SQL的區別

HQL SQL
資料儲存 HDFS(源資料)、MySql或者Derby(元資料) local FS
資料格式 使用者自定義 系統決定
資料更新 不支援 支援
索引 有 有
執行 MapReduce Executor
資料規模 大 小
資料檢查 讀時模式 寫時模式

什麼是讀時模式？        很少情況下往hive中載入的資料是比較規整的，欄位與欄位之間都是分割好的，每一個欄位都不是髒資料，並且每一個欄位都是有意義的。 但是在真實場景中不見得這個盡人意，當你把不符合某個表規範的髒資料插入到這個表中，不會出錯，但是當你讀這個表的時候，髒資料讀出的是NULL。

4. Hive的原理

4.1 Hive簡介

        hive是基於Hadoop的一個數據倉庫工具，可以將結構化的資料檔案對映為一張資料庫表，並提供sql查詢功能，可以將sql語句轉換為MapReduce任務進行執行。 其優點是學習成本低，可以通過類SQL語句快速實現簡單的MapReduce統計，不必開發專門的MapReduce應用，十分適合資料倉庫的統計分析。其本質還是在HDFS上執行MapReduce，雖然簡化了操作，但是執行效率會相對減弱。         Hive資料倉庫中包含著直譯器、編譯器、優化器等，這些是其獨有的部分，用於將sql語句變成MapReduce去執行，後續的工作就自動交給了Hadoop、Yarn和MapReduce，Hive在執行時，實際的源資料存在與HFDS上，而描述資料的元資料存放在關係型資料庫中。         有人說hive既能儲存也能計算，這句話也對也不對，因為hive只是通過直譯器、編譯器、優化器來把SQL變為MR

，它的儲存也是交給了HDFS的。

  1. Hive資料倉庫完成解析SQL、優化SQL、策略選擇、模型消耗；客戶端將sql語句交給Hive，Hive負責值使相對應的MapReduce執行。
  2. 存在於關係型資料庫中的元資料包含著行的分隔符、欄位的分隔符、欄位的型別、欄位的名稱等資訊。

5.Hive體系架構

5.1 Hive的基本組成

使用者介面主要有三個：CLI，Client 和 WUI。 元資料儲存：通常是儲存在關係資料庫如 mysql , derby中。 語句轉換：直譯器、編譯器、優化器、執行器。

在這裡插入圖片描述

5.2 各元件的基本功能

        使用者介面主要由三個：CLI、JDBC/Beeline和WebGUI。其中，CLI為shell命令列；JDBC/Beeline是Hive的JAVA實現，與傳統資料庫JDBC類似；WebGUI是通過瀏覽器訪問Hive。 元資料儲存：Hive 將元資料儲存在資料庫中(MySql或者Derby)。Hive中的元資料包括表的名字，表的列和分割槽及其屬性，表的屬性（是否為外部表等），表的資料所在目錄等。 直譯器、編譯器、優化器完成 HQL 查詢語句從詞法分析、語法分析、編譯、優化以及查詢計劃的生成。生成的查詢計劃儲存在HDFS 中，並在隨後有 MapReduce 呼叫執行。

5.3 Hive和Hadoop的關係

Hive和Hadoop的關係

5.4 Hive的資料管理

  • hive的表本質就是Hadoop的目錄/檔案,由配置檔案設定目錄。 -hive預設表存放路徑一般都是在你工作目錄的hive目錄裡面，按表名做資料夾分開，如果你有分割槽表的話，分割槽值是子資料夾，可以直接在其它的M/R job裡直接應用這部分資料
  1. Hive中所有的資料都儲存在 HDFS 中，沒有專門的資料儲存格式
  2. 只需要在建立表的時候告訴 Hive 資料中的列分隔符和行分隔符，Hive 就可以解析資料。

5.4.1 Hive中的內部表和外部表

  • Hive的create建立表的時候，選擇的建立方式：
  1. create table(內部)
建表：
				CREATE TABLE zxjtb1(
				id INT,
				name STRING,
  				age INT,
  				gfs ARRAY<STRING>,
  				address MAP<STRING,STRING>,
			    info STRUCT<country:String,province:String,shi:String>
				)
					ROW FORMAT DELIMITED 				  -- 行格式分割
					FIELDS TERMINATED BY ' '      		  -- 欄位的分割符
					COLLECTION ITEMS TERMINATED BY ','    -- 集合元素間的分割符
					MAP KEYS TERMINATED BY ':' 			  -- Map中key-value的分隔符
 					LINES TERMINATED BY '\n';			  -- 行與行分隔符
 建立表的方式：
 				create table zxj1 like zxjtb1;         -- 只是建立表結構
 				create table zxj2 AS SELECT* from zxjtb1;--會建立相應的表結構，並且插入資料
 插入資料的方式： 
 				INSERT INTO zxjtb1 (列1, 列2,...) VALUES (值1, 值2,....);
 				load data local inpath '/root/gfs.txt' into table zxjtb1;  -- 實質上是把檔案直接上傳到HDFS
 				from zxj2 insert into table zxjtb1 select *;  			   -- 查詢其他表資料 insert 到新表中
  1. create external table(外部)
建表：
create external table wc_external 
  		 (word1 STRING, 
  		  word2 STRING
  		  ) 
 	    ROW FORMAT DELIMITED 
   		FIELDS TERMINATED BY ' ' 
   		location '/test/external';
建立表方式，插入資料方式和上面相同
  • 特點： - 在匯入資料到外部表，資料並沒有移動到自己的資料倉庫目錄下，也就是說外部表中的資料並不是由它自己來管理的！而表則不一樣； - 在刪除內表的時候，Hive將會把屬於表的元資料和資料全部刪掉；而刪除外部表的時候，Hive僅僅刪除外部表的元資料，HDFS資料是不會刪除的。

5.4.2 Hive中的臨時表

  • Hive的create建立臨時表:create TEMPORARY table ttabc(id Int,name String)
  • 臨時表不支援分割槽欄位和建立索引
  • 每次退出Hive指令碼時都會清空此次建立的臨時表

5.4.3 Hive中的分割槽表

  • 在 Hive 中，表中的一個 Partition 對應於表下的一個目錄，所有的 Partition 的資料都儲存在對應的目錄中
    • 例如：pvs 表中包含 ds 和 city 兩個 Partition，則
    • 對應於 ds = 20090801, ctry = US 的 HDFS 子目錄為：/wh/pvs/ds=20090801/ctry=US；
    • 對應於 ds = 20090801, ctry = CA 的 HDFS 子目錄為；/wh/pvs/ds=20090801/ctry=CA；
  • partition是輔助查詢，縮小查詢範圍，加快資料的檢索速度和對資料按照一定的規格和條件進行管理。
  • 分割槽表(防止暴力掃描全表)又分為：靜態分割槽表和動態分割槽表
建立靜態單分割槽表:
		create table day_table (
		id int,
		content string
		) 
			partitioned by (dt string)      -- 按照dt分割槽
			ROW FORMAT DELIMITED 
			FIELDS TERMINATED BY '\t' ;
建立靜態多分割槽表：
		create table day_hour_table (
		id int, 
		content string
		) 
			partitioned by (dt int,hour int)   -- 按照dt,hour分割槽
			ROW FORMAT DELIMITED 
			FIELDS TERMINATED BY '\t' ;
靜態分割槽表載入資料必須指定分割槽：
		insert into day_table partition (dt = "9-26") values(1,"anb");
		insert into day_hour_table partition(dt=9,hour=1) values(1,"a2 bc");
		load data local inpath "/root/ceshi" into table day_table partition (dt="9-27");
		load data local inpath "/root/ceshi" into table day_table partition (dt=10,hour=10);
刪除分割槽：
		ALTER TABLE day_table DROP PARTITION (dt="9-27");
		ALTER TABLE day_table DROP PARTITION (dt=10,hour=10);
查詢表的分割槽：
		SHOW PARTITIONS table_name;

建立動態分割槽表        剛才分割槽表示靜態分割槽表，一個檔案資料只能匯入到某一個分割槽中，並且分割槽是使用者指定的;這種方式不夠靈活，業務場景比較侷限;動態分割槽可以根據資料本身的特徵自動來劃分分割槽，比如我們可以指定按照資料中的年齡、性別來動態分割槽會產出3個不同的分割槽 .

建立動態分割槽表之前的操作
		開啟支援動態分割槽
		set hive.exec.dynamic.partition=true;
		set hive.exec.dynamic.partition.mode=nonstrict;

靜態分割槽與動態分割槽建立表的語句是一模一樣的
		CREATE TABLE gfstbl_dynamic(
  		id INT,
 		 name STRING,
		  gfs ARRAY<STRING>,
		  address MAP<STRING,STRING>,
		  info STRUCT<country:String,province:String,shi:String>
		)
			partitioned by (sex string,age INT)
			ROW FORMAT DELIMITED 
			FIELDS TERMINATED BY ' ' 
			COLLECTION ITEMS TERMINATED BY ','
			MAP KEYS TERMINATED BY ':' 
			LINES TERMINATED BY '\n';
動態分割槽表載入資料：(不可以使用load,它只是將資料上傳到HDFS指定目錄中，而動態分割槽是自動分割槽的)
		from gfstbl_pt
		insert into gfstbl_dynamic partition(sex,age)
		select id,name,gfs,address,info,sex,age;
檢視分割槽數：
		show partitions gfstbl_dynamic;

5.4.4 Hive中的分桶表

  • 分桶表是對資料進行雜湊取值，然後放到不同檔案中儲存。
  • Bucket主要作用： 1. join 2. 隨機抽樣
之前要開啟分桶表的支援：set hive.enforce.bucketing=true;
建立分桶表
		create table bucket_user (id int,name string)
		clustered by (id) into 4 buckets
		ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
插入資料：
		insert into table bucket_user  partition(id) select id, name from original;
抽樣：
		select * from bucket_user tablesample(bucket x out of y on id);
		y必須是table總bucket數的倍數或者因子。
		x表示從哪個bucket開始抽取。
		分桶數/y 指的是抽取幾個桶的資料。
		例如，table總bucket數為32，tablesample(bucket 3 out of 16)，表示總共抽取（32/16=）2個bucket的資料，分別為第3個bucket和第（3+16=）19個bucket的資料。



分桶+分割槽表
		CREATE TABLE psnbucket_partition( id INT, name STRING, age INT) 
		PARTITIONED BY(height DOUBLE) 
		CLUSTERED BY (age) INTO 4 BUCKETS 
		ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';

5.4.5 Hive中的檢視

   &nbsp 為什麼要使用檢視？ 檢視中儲存的是一推複雜的SQL語句，檢視是一個懶執行，只有我們用到此檢視的時候才會執行此複雜的SQL語句；可以將這麼長的SQL（資料表）與檢視對應對映，每次查詢這個檢視就是執行了長的SQL語句。

  • 特點：
  • 不支援物化檢視（儲存在磁碟上）
  • 只能查詢，不能做載入資料操作 load data into
  • 檢視的建立，只是儲存一份元資料，查詢檢視時才執行對應的子查詢
  • view定義中若包含了ORDER BY/LIMIT語句，當查詢檢視時也進行ORDER BY/
  • 一旦建立成功，無法修改
  1. 建立檢視CREATE VIEW IF NOT EXISTS view1 AS SELECT * FROM logtbl order by age; -建立檢視的時候不會啟動MR任務
  2.  但是在查詢檢視的時候會啟動MR任務`select * from view1;`
  3. show tables可以檢視已經建立的檢視
  4. drop view view1 刪除檢視

5.4.6 Hive中的索引

為什麼要使用索引？

Hive的索引目的是提高Hive表指定列的查詢速度。索引就類似目錄。 沒有索引時，類似’WHERE tab1.col1 = 10’ 的查詢，Hive會載入整張表或分割槽，然後處理所有的rows， 但是如果在欄位col1上面存在索引時，那麼只會載入和處理檔案的一部分。 與其他傳統資料庫一樣，增加索引在提升查詢速度時，會消耗額外資源去建立索引表和需要更多的磁碟空間儲存索引。 他會把索引列的每個資料都建立一個目錄，說明它所在的位置。

建立索引庫，用於存放索引
		create index t2_index on table psnbucket_partition(age) 
		as 'org.apache.hadoop.hive.ql.index.compact.CompactIndexHandler' with deferred rebuild 
		in table t2_index_table;
		
上述是對 psnbucket_partition表的age欄位設定索引 t2_index，索引的內容放入 t2_index_table;

這一步是真正的建立索引資訊，並且儲存到索引庫中，若資料庫有新增資料，也可以使用以上語句重建索引
		alter index t2_index on psnbucket_partition rebuild;

5.4.7 Hive資料型別

  • 資料型別 1. TINYINT -128~127 2. SMALLINT -32,768~32767 3. INT -2,147,483,648~2147483647 4. FLOAT 5. DOUBLE 6. STRING 字串 7. VARCHAR 可變長度字串 8. CHAR 字元 9. ARRAYS 陣列型別 10. MAPS 鍵值對集合型別 11. STRUCTS 結構化型別

5.4.8 總結

索引和分割槽最大的區別就是索引不分割資料庫，分割槽分割資料庫。

索引其實就是拿額外的儲存空間換查詢時間，但分割槽已經將整個大資料庫按照分割槽列拆分成多個小資料庫了。

分割槽和分桶最大的區別就是分桶隨機分割資料庫，分割槽是非隨機分割資料庫

因為分桶是按照列的雜湊函式進行分割的，相對比較平均；而分割槽是按照列的值來進行分割的，容易造成資料傾斜。

其次兩者的另一個區別就是分桶是對應不同的檔案（細粒度），分割槽是對應不同的資料夾（粗粒度）。

注意：普通表（外部表、內部表）、分割槽表這三個都是對應HDFS上的目錄，桶表對應是目錄裡的檔案

5.5 Hive的調優

核心思想：把Hive SQL當作Map Reduce程式去優化 但是不是所有的SQL都會被轉化為MapReduce來執行

  1. select僅查詢本表字段
  2. where只對本表字段做條件過濾

5.5.1 Hive的執行方式

  • 本地模式
    • 開啟本地模式set hive.exec.mode.local.auto=true;
    • 當滿足以下條件時才會真正的使用本地模式，否則使用叢集模式(總體來說適用於少量資料時) 1. 輸入資料大小必須小於引數 2. map數必須小於引數 3. reduce數必須==0|1
  • 叢集模式

5.5.2 平行計算

  • 並行模式的開啟set hive.exec.parallel=true;
  • 一次SQL計算中所允許的最大的Map個數hive.exec.parallel.thread.number;

5.5.3 嚴格模式

  • 設定嚴格模式增加查詢的效率set hive.mapred.mode=strict;（預設是非嚴格模式）
  • 嚴格模式要求 1. 對於分割槽表，必須新增where對於分割槽欄位的條件過濾 2. order by語句必須包含limit限制 3. 限制笛卡爾積的查詢(效率太低)

5.5.4 Hive join

  • join計算時，將小表（驅動表）放在join左邊
  • Map join:在Map端完成Join
    • 實現方式：
      1. SQl方式：在SQl語句中新增Map join標記SELECT /*+ MAPJOIN(smallTable) */ smallTable.key, bigTable.value FROM smallTable JOIN bigTable ON smallTable.key = bigTable.key
      2. 開啟自動的Map joinset hive.auto.convert.join = true;

5.5.5 Map-Side聚合

  • 設定以下開啟在Map端額聚合combinerset hive.map.aggr=true；
  • 相關的配置引數 1. hive.groupby.mapaggr.checkinterval： 預設100000；map端group by執行聚合後產生的最大記錄數（預設：100000） 2. hive.map.aggr.hash.min.reduction：預設0.5 ；進行聚合的最小比例 3. hive.map.aggr.hash.percentmemory： 預設0.5 ；map端聚合使用的記憶體佔總記憶體的比例 4. hive.map.aggr.hash.force.flush.memory.threshold：預設0.9 ； 5. map端做聚合操作是hash表的最大可用內容，大於該值則會觸發flush；map端做聚合操作是hash表的最大可用內容，大於該值則會觸發flush 6. hive.groupby.skewindata；是否對GroupBy產生的資料傾斜做優化，預設為false

5.5.6 控制Hive中Map以及Reduce的數量

  • Map數量相關的引數
    1. mapred.max.split.size一個split的最大值，即每個map處理檔案的最大值
    2. mapred.min.split.size.per.node一個節點上split的最小值
    3. mapred.min.split.size.per.rack；一個機架上split的最小值
  • Reduce數量相關的引數
    1. mapred.reduce.tasks；強制指定reduce任務的數量
    2. hive.exec.reducers.bytes.per.reducer 預設 256M；每個reduce任務處理的資料量
    3. hive.exec.reducers.max 預設1009；每個任務最大的reduce數

5.5.7 Hive-JVM重用

  • 適用場景：
    1. 小檔案個數過多
    2. task個數過多
  • 通過set mapred.job.reuse.jvm.num.tasks=n;來設定，n為task插槽個數

5.5.8 Hive優化—資料傾斜

  • 操作
    • Join
    • Group by
    • Count Distinct
  • 原因
    • key分佈不均導致的
    • 人為的建表疏忽
    • 業務資料特點
  • 症狀
    • 任務進度長時間維持在99%（或100%），檢視任務監控頁面，發現只有少量（1個或幾個）reduce子任務未完成。
    • 檢視未完成的子任務，可以看到本地讀寫資料量積累非常大，通常超過10GB可以認定為發生資料傾斜。
  • 傾斜度
    • 平均記錄數超過50w且最大記錄數是超過平均記錄數的4倍。
    • 最長時長比平均時長超過4分鐘，且最大時長超過平均時長的2倍。
  • 萬能方法
    • hive.groupby.skewindata=true

6. Hive環境搭建和部署

相關推薦

Hive原理詳解

背景 引入原因： 1. – 對存在HDFS上的檔案或HBase中的表進行查詢時，是要手工寫一堆MapReduce程式碼 2. 對於統計任務，只能由動MapReduce的程式設計師才能搞定 3. 耗時耗力，更多精力沒有有效的釋放出來 Hive基於一個統一的查

磁盤陣列 RAID 技術原理詳解

十分 單獨 很好 不同的 raid1 miss 和數 會同 帶寬 RAID一頁通整理所有RAID技術、原理並配合相應RAID圖解，給所有存儲新人提供一個迅速學習、理解RAID技術的網上資源庫，本文將持續更新，歡迎大家補充及投稿。中國存儲網一如既往為廣大存儲界朋友提供免費、精

解決ajax跨域的方法原理詳解之Cors方法

詳細 不同 htm 渲染 jsonp del 需要 methods href 1、神馬是跨域（Cross Domain） 對於端口和協議的不同，只能通過後臺來解決。 一句話：同一個ip、同一個網絡協議、同一個端口，三者都滿足就是同一個域，否則就是 跨域問題了。而為

Nginx+Php-fpm運行原理詳解

pop 圖片 ron 什麽 地址 pan webserver family tid 一、代理與反向代理 現實生活中的例子 1、正向代理：訪問google.com 如上圖，因為google被墻，我們需要vpnFQ才能訪問google.com。 vpn對於“我們”來說，是可

虛擬化技術基礎原理詳解

虛擬化技術基礎原理詳解DISK : IO調度模式 CFQ deadline anticipatory NOOP/sys/block/<device>/queue/schedulerMemory: MMU TLB vm.swappiness={0..100},使用交換分區的

常用 JavaScript 小技巧及原理詳解

this lin slice pen global 轉化 script lis fun 善於利用JS中的小知識的利用，可以很簡潔的編寫代碼 1. 使用!!模擬Boolean()函數 原理：邏輯非操作一個數據對象時，會先將數據對象轉換為布爾值，然後取反，兩個!!重復取反，就實

Storm概念、原理詳解及其應用（一）BaseStorm

when 結構 tails 並發數 vm 虛擬機 cif 異步 優勢 name 本文借鑒官文，添加了一些解釋和看法，其中有些理解，寫的比較粗糙，有問題的地方希望大家指出。寫這篇文章，是想把一些官文和資料中基礎、重點拿出來，能總結出便於大家理解的話語。與大多數“wordc

主成分分析（PCA）原理詳解（轉載）

增加 信息 什麽 之前 repl 神奇 cto gmail 協方差 一、PCA簡介 1. 相關背景 上完陳恩紅老師的《機器學習與知識發現》和季海波老師的《矩陣代數》兩門課之後，頗有體會。最近在做主成分分析和奇異值分解方面的項目，所以記錄一下心得體會。

lvs和keeplived的工作原理詳解

lvs+keeplived的工作原理一、lvs的工作原理 使用集群的技術和liunx的操作系統實現一個高性能、高可用的服務器。可伸縮性、可靠性、很好的管理性。 特點：可伸縮網絡服務的幾種結構，它們都需要一個前端的負載調度器（或者多個進行主從備份）。我們先分析實現虛擬網絡服務的主要技術，指出IP負載均衡技術

js中幾種實用的跨域方法原理詳解

自身 標簽 cdc 返回 屬性和方法 插入 實用 封裝 判斷 這裏說的js跨域是指通過js在不同的域之間進行數據傳輸或通信，比如用ajax向一個不同的域請求數據，或者通過js獲取頁面中不同域的框架中(iframe)的數據。只要協議、域名、端口有任何一個不同， 都被當作是不同

http原理詳解

tor keep 接受 地址 lru structure 格式 dns 請求方式 1. HTTP簡介 HTTP協議（HyperText Transfer Protocol，超文本傳輸協議）是用於從WWW服務器傳輸超文本到本地瀏覽器的傳送協議。它可以使瀏覽器

HTTP2.0 原理詳解

不依賴 href 漸進 pre new 進制 四個步驟 回來 stream 影響一個網絡請求的因素主要有兩個，帶寬和延遲。今天的網絡基礎建設已經使得帶寬得到極大的提升，大部分時候都是延遲在影響響應速度。連接無法復用連接無法復用會導致每次請求都經歷三次握手和慢啟動。三次握手在

css-浮動與清除浮動的原理詳解（清除浮動的原理你知道嗎）

alt col ges mage all strong splay height http float元素A的特點： 脫離文檔流 靠向left或right float元素會和塊盒子重疊 準確來說，是塊盒子和A重疊，但塊盒子內容會浮動在A周圍 不會和inline元素重

VMware VDS原理詳解--20170922

vmware vds原理詳解--20170922本文純屬個人理解，如有錯誤請留言指正。上圖為vSpere中一個簡單的結構拓撲圖，借用這個拓撲圖來解釋一下為什麽VDS能夠邏輯上跨越ESXi。首先說明一下整個架構1. 在底層用三臺ESXi表示一個底層的網絡，另外用Storage代表存儲，在最左邊ESXi中的最左邊

歸並排序原理詳解!

elf 可能 動態空間 文件合並 you col 相同 治法 lte 無論在空間的利用上還是原理的簡介，使用空間換取時間的代價是必須的！ 申請一定量的動態空間，double也是有可能！實際會有許多的問題。 時間復雜度，計算方法如下！因為每次比較都為( k*n/2 )+l*n

DPM（Deformable Part Model）原理詳解（匯總）

特征向量 成就 算法思想 filter people tell 梯度 錨點 精度 寫在前面： DPM（Deformable Part Model），正如其名稱所述，可變形的組件模型，是一種基於組件的檢測算法，其所見即其意。該模型由大神Felzenszwalb在2008年提

交換機的原理詳解

交換機的原理詳解實驗名稱：交換機 MAC 表形成 實驗需求： 1、確保 PC-1 與 PC-3 可以互相Ping通； 2、查看交換機的 MAC 地址表 ； 實驗步驟： 1、互聯交換機與 PC-1/2/3 ; 分別對應交換機的 Fas0/1/2/3口 2、配置PC-1/2/3的I

ping命令知識 Ping命令工作原理詳解

pla bsp 知識 網吧 撥號 lock tcp 問題 mage 　　在網絡應用中，ping網速與IP地址等都是非常常用的命令，但大家知道ping命令的工作原理嗎？要知道這其中的奧秘，我們有必要來看看Ping命令的工作過程到底是怎麽樣的。下面介紹下ping命令的詳細知識。

常見sql註入原理詳解！

sql註入1、首先我們創建一個mysqli的鏈接/**數據庫配置*/$config = [‘hostname‘=>"localhost", ‘port‘=>"3306", ‘username‘=>"root",‘password‘=>‘‘,‘db‘=>‘sql‘];/**接收參數

Redis Sentinel實現的機制與原理詳解

過程 正則 發送 進行 還需 生產環境 根據 stat 時間 原文:Redis Sentinel實現的機制與原理詳解序言 Redis-Sentinel是Redis官方推薦的高可用性(HA)解決方案。實際上這意味著你可以使用Sentinel模式創建一個可以不用人為幹預而應對