Hbase学习笔记

Hbase是什么

HBase是一个高可靠、高性能、面向列、可伸缩的分布式存储系统。它利用Hadoop HDFS作为其文件存储系统，并提供实时的读写的数据库系统。HBase的设计思想来源于Google的BigTable论文，是Apache的Hadoop项目的子项目。它适合于存储大表数据，并可以达到实时级别。HBase不同于一般的关系数据库，它基于列而不是基于行的模式，并且主要用来存储非结构化和半结构化的松散数据。

HBase的扩展性主要体现在两个方面：一是基于运算能力（RegionServer）的扩展，通过增加RegionServer节点的数量来提升HBase上层的处理能力；二是基于存储能力的扩展（HDFS），通过增加DataNode节点数量对存储层进行扩容，从而提升HBase的数据存储能力。

总的来说，HBase是一个功能强大的分布式存储系统，适用于处理大规模、实时、非结构化的数据。

为什么要使用Hbase

使用HBase的主要原因可以归结为以下几点：

  1. 面向列的存储：传统的关系型数据库（RDBMS）是面向行的存储，而HBase是面向列的存储。这种设计使得HBase在读取数据时只需要读取感兴趣的列，而不是整行数据，从而大大提高了读取效率。同时，列式存储也更适合于稀疏数据的存储，因为它只存储实际存在的数据，减少了存储空间的使用。

  2. 可扩展性：HBase是分布式存储系统，可以很容易地通过增加节点来扩展其存储和计算能力。这种扩展性使得HBase能够处理PB级别的数据，并应对高并发的读写请求。

  3. 实时性：HBase提供了实时的读写能力，使得数据可以被快速地插入、更新和查询。这对于需要实时分析或处理大量数据的场景来说非常重要。

  4. 容错性：HBase建立在Hadoop HDFS之上，继承了HDFS的高容错性。数据在HBase中会被复制并存储在多个节点上，即使部分节点出现故障，数据也不会丢失，保证了数据的可靠性。

  5. 灵活性：HBase支持动态列，这意味着列可以在运行时添加或删除，而无需预先定义表结构。这种灵活性使得HBase能够适应不断变化的数据需求。

  6. 社区支持：HBase是Apache的一个开源项目，有着庞大的用户群体和活跃的开发者社区。这意味着当遇到问题时，可以很容易地找到解决方案或得到社区的帮助。

  7. 与Hadoop生态集成：HBase与Hadoop生态系统中的其他组件（如MapReduce、Spark等）紧密集成，可以方便地利用这些组件进行数据处理和分析。

综上所述，HBase的这些优势使得它成为处理大规模、实时、非结构化数据的理想选择，广泛应用于大数据处理、实时分析、日志存储等领域。

什么时候可以用Hbase

HBase在以下场景中特别适用：

  1. 大数据存储：当数据量非常大，达到PB级别时，传统的关系型数据库可能无法满足存储需求。HBase作为分布式存储系统，可以轻松地扩展存储能力，处理大规模数据。

  2. 实时读写：对于需要实时或近乎实时地处理大量数据读写操作的场景，HBase的实时性能力使其成为一个很好的选择。它可以迅速响应读取和写入请求，满足实时分析、日志记录等需求。

  3. 列式存储需求：当数据具有稀疏性，或者只需要读取特定列的数据时，面向列的存储方式更加高效。HBase的列式存储设计可以减少不必要的I/O操作，提高查询效率。

  4. 非结构化或半结构化数据存储：对于没有固定模式或结构的数据，传统的关系型数据库可能不太适用。HBase可以灵活地处理这类数据，不需要预先定义严格的表结构。

  5. 与Hadoop生态集成：如果你已经在使用Hadoop或相关的组件（如MapReduce、Spark等），HBase可以与这些工具无缝集成，方便地进行数据处理和分析。

  6. 高并发访问：对于需要处理大量并发读写请求的应用，HBase的分布式架构可以提供高并发处理能力，确保系统的稳定性和性能。

  7. 容错和可靠性要求：HBase建立在Hadoop HDFS之上，具有高度的容错性和可靠性。即使部分节点出现故障，数据也不会丢失，保证了数据的持久性和可用性。

综上所述，当面对大数据存储、实时读写、列式存储需求、非结构化或半结构化数据存储、与Hadoop生态集成、高并发访问以及容错和可靠性要求等场景时，可以考虑使用HBase作为解决方案。

怎么使用Hbase

Hbase的核心概念

HBase 是一个开源的非关系型分布式数据库（NoSQL），它运行在 Hadoop 分布式文件系统（HDFS）之上，是 Apache 的 Hadoop 项目的一部分。HBase 提供了对大规模数据集的随机实时读/写访问，并且是一个面向列的数据库，它通过列簇（Column Family）来存储数据。

以下是 HBase 中的一些核心概念：

  1. 列簇（Column Family）：

    • 在 HBase 中，列簇是表的一个逻辑分组，包含那些在存储和访问上拥有共同特性的列。数据在列簇级别进行压缩和存储，因此推荐将经常一起被访问的列放在同一个列簇中。

  2. RowKey：

    • RowKey 是 HBase 表中的主键，用于唯一标识每一行数据。它是一个二进制数组，可以是任意字符串，且在表中按照字典顺序进行排序。RowKey 的设计对于查询性能至关重要，因为 HBase 支持基于 RowKey 的单行查询和范围扫描。

  3. Timestamp（时间戳）：

    • 每个单元格（Cell）中的数据都有一个时间戳，它允许 HBase 存储同一 RowKey 下的多个版本的数据。时间戳默认由 HBase 在数据写入时自动赋值，用户也可以自定义时间戳。

  4. Cell：

    • HBase 中的 Cell 是由行键、列簇、列限定符（Column Qualifier）和时间戳唯一确定的数据单元。Cell 中的数据未解析，全部以字节码形式存储。

  5. Region：

    • HBase 表的水平切片称为 Region，每个 Region 负责一定范围的 RowKey。随着数据量的增长，表可以分裂成更多的 Region 以支持数据的水平扩展。

  6. HLog（Write-Ahead Log，预写日志）：

    • HLog 是 HBase 的一种日志系统，用于记录对数据库的所有修改操作，确保在系统故障时能够恢复数据。

  7. HMaster 和 HRegionServer：

    • HMaster 负责管理集群的元数据和监控所有 HRegionServer 的状态。HRegionServer 负责处理对数据的读写请求，以及与底层 HDFS 的交互。

  8. HDFS（Hadoop Distributed File System）：

    • HBase 依赖于 HDFS 作为其底层存储系统，HDFS 提供了高可靠性和可扩展性的数据存储。

  9. ZooKeeper：

    • HBase 使用 ZooKeeper 来进行集群协调，如 RegionServer 的监控、元数据的入口以及集群配置的维护。

这些概念共同构成了 HBase 数据模型和架构的基础，使其能够有效地存储和处理大规模数据集。

Hbase的存储结构

HBase 是一个分布式的、面向列的数据库，其存储结构设计用于高效地处理大量数据。以下是 HBase 的主要存储结构组件：

  1. HDFS (Hadoop Distributed File System)：

    • HBase 依赖于 HDFS 作为其底层存储系统。HDFS 负责数据的可靠存储，并将数据分散在多个廉价的硬件设备上，以实现高吞吐量的数据访问。

  2. Table：

    • HBase 中的表是数据的集合，类似于关系型数据库中的表。HBase 表不要求有预定义的模式，可以动态地添加列。

  3. Region：

    • HBase 表是水平分割的，每个分割的部分称为 Region。每个 Region 负责存储表中一定范围的行，由 RowKey 确定。当 Region 增长到一定大小后，会自动分裂成两个新的 Region，以保持系统的可扩展性。

  4. Store：

    • Store 是 Region 中的一个存储单元，对应于表中的一个列簇（Column Family）。Store 由 MemStore 和 StoreFile 组成。

  5. MemStore：

    • MemStore 是一种内存缓存，用于暂存最近写入的数据。当数据通过 HBase API 写入时，首先写入 MemStore，直到 MemStore 达到一定阈值后，数据会被刷新到 StoreFile。

  6. StoreFile：

    • StoreFile 是 MemStore 刷新到磁盘上的文件，以 HFile 格式存储。StoreFile 是不可变的，一旦创建，其内容就不会改变。

  7. HFile：

    • HFile 是 HBase 中的底层存储文件格式，用于存储键值对数据。HFile 支持快速的随机读取。

  8. Compaction：

    • 随着时间的推移，Store 中会积累许多小的 StoreFile，这会导致读取操作效率降低。因此，HBase 会定期执行 Compaction 操作，将多个 StoreFile 合并成少数几个大的 StoreFile。

  9. HLog (Write-Ahead Log)：

    • HLog 是 HBase 的日志系统，用于记录对数据的所有变更操作。在数据写入 MemStore 之前，先写入 HLog，以确保在系统故障时能够恢复数据。

  10. ZooKeeper：

    • HBase 使用 ZooKeeper 进行集群协调，如监控 RegionServer 的状态、管理元数据等。

  11. HMaster：

    • HMaster 负责管理集群的元数据信息，监控所有 RegionServer 的状态，并负责 Region 的分配和负载均衡。

  12. HRegionServer：

    • HRegionServer 是 HBase 中负责处理客户端读写请求的进程，每个 HRegionServer 管理一部分表的 Region。

HBase 的存储结构设计允许它高效地处理大数据，并且具有良好的扩展性。通过 Region 的自动分裂和合并，以及 MemStore 和 StoreFile 的使用，HBase 能够支持高并发的数据读写操作。同时，HLog 保证了数据的持久性和一致性。

Hbase数据表特点


 HBase 最基本的单元是列（colume），一个列或者多个列形成一行。
 每个行（row）都拥有唯一的行键（row key）来标定这个行的唯一性。
 每个列都有多个版本，多个版本的值存储在单元格（cell）中。
 若干个列又可以被归类为一个列族。

在这里插入图片描述
在这里插入图片描述

与传统的关系型数据库对比：

  1. 传统数据库是严格的行列对齐。比如这行有三列 a、b、c，下行肯定也有三列 a、b、c。其中每个行都是不可分割的，也就是说三个列必须在一起，而且要被存储在同一台机器上，甚至是同一个文件里面
  2. HBase 中行跟行的列可以完全不一样，比如这一行有三列 a、b、c，下一个行也许是 4 列 a、e、f、g。并且这个行的数据跟另一个行的数据也可以存储在不同的机器上，甚至同一个行内的列也可以存储在完全不同的机器上
  3. 行键（rowkey）
    3.1 rowkey 类似 MySQL、Oracle 中的主键，不过它是由用户指定的一串不重复的字符串，规则随我们定义。在 HBASE 内部，RowKey 保存为字节数组
    3.2 RowKey 可以是任意字符串（最大长度是 64KB，实际应用中长度一般为 10-100bytes）
    3.3 rowkey 决定这个 row 的存储位置。HBase 中无法根据某个 column 来排序，系统永远是根据 rowkey 来排序的，排序规则为：根据字典排序。因此设计 RowKey 时，要充分利用排序存储这个特性，将经常一起读取的行存储放到一起。(位置相关性)
    3.4 访问 HBASE table 中的行，只有三种方式
    3.4.1 通过单个 RowKey 访问
    3.4.2 通过 RowKey 的 range（正则）
    3.4.3 全表扫描
  4. 插入 HBase 的时候，如果用了之前已经存在的 rowkey 的话，会把之前存在的那个 row 更新掉。更新后之前存在的值并不会丢掉，而是会被放在这个单元格的历史记录里面，只是我们需要带上版本参数才可以找到这个值
  5. 列族（column family）
    5.1 在 HBase 中，若干列可以组成列族。或者说表中的每个列，都归属于某个列族
    5.2 建表的时候我们不需要指定列，因为列是可变的。但是一个表有几个列族必须一开始就定好
    5.3 表的许多属性，比如过期时间、数据块缓存以及是否压缩等都定义在列族上，而不是定义在表或者列上
    5.4 同一个表里的不同列族可以有完全不同的属性配置，但是同一个列族内的所有列都会有相同的属性
    5.5 列名都以列族作为前缀。例如 courses:history、courses:math 都属于 courses 这个列族
    5.6 列族存在的意义是：HBase 会把相同列族的列尽量放在同一台机器上。所以如果想让某几个列被放在一起，我们就要给他们定义相同的列族
  6. 单元格（cell）
    6.1 虽然列已经是 HBase 的最基本单位，但一个列上可以存储多个版本的值，多个版本的值被存储在多个单元格里，多个版本之间用版本号（Version）来区分
    6.2 唯一确认一条结果的表达式应该是“行键:列族:列:版本号”（rowkey:column family:column:version）
    6.3 版本通过时间戳来索引。时间戳的类型是 64 位整型。这个时间戳默认由 Habse（在数据写入时自动）赋值，也可以由用户指定
    6.4 每个 cell 中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面
    6.5 为了避免数据存在过多版本造成的的管理 (包括存贮和索引)负担，HBASE 提供了两种数据版本回收方式。一是保存数据的最后 n 个版本，二是保存最近一段时间内的版本（比如最近七天）。 用户可以针对每个列族进行设置

使用docker部署Hbase

  1. 先部署并启动hbase容器
docker run -d -h docker-hbase -p 2181:2181 -p 8080:8080 -p 8085:8085 -p 9090:9090 -p 9000:9000 -p 9095:9095 -p 16000:16000 -p 16010:16010 -p 16201:16201 -p 16301:16301 -p 16020:16020 --name hbase harisekhon/hbase
  1. 进入hbase容器内部执行一些命令
执行 docker ps ，查看 【容器id】

执行 docker exec -it 【容器id】 bash ，进入到镜像内部的bash命令行

执行 hbase shell ,等待几秒，提示ok后

执行 exit

执行 hbase zkcli ,等待几秒，提示ok后

执行 exit
  1. 配置linux hosts文件
hosts文件中添加上
127.0.0.1     docker-hbase
  1. 先查询linux服务器ip ,然后配置win11 hosts文件
hosts文件中添加上
服务器ip       docker-hbase
  1. 浏览器访问hbase web监控页面
http://docker-hbase:16010/master-status

在java代码中使用hbase-client操作hbase数据库

引入pom依赖

<dependency>
            <groupId>org.apache.hbase</groupId>
            <artifactId>hbase-client</artifactId>
            <version>2.1.3</version>
            <exclusions>
               <!-- 这里要排除一些依赖，否则会导致springboot报错 -->
                <exclusion>
                    <groupId>org.slf4j</groupId>
                    <artifactId>slf4j-log4j12</artifactId>
                </exclusion>
                <exclusion>
                    <groupId>log4j</groupId>
                    <artifactId>log4j</artifactId>
                </exclusion>
                <exclusion>
                    <groupId>javax.servlet</groupId>
                    <artifactId>servlet-api</artifactId>
                </exclusion>
            </exclusions>
        </dependency>

编写自定义HBaseConfig配置类

package org.example.demo2024.hbase;

import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.client.Admin;
import org.apache.hadoop.hbase.client.Connection;
import org.apache.hadoop.hbase.client.ConnectionFactory;
import org.springframework.boot.context.properties.ConfigurationProperties;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

import java.io.IOException;
import java.util.HashMap;
import java.util.Map;

/**
 * @program: demo24
 * @description:
 * @author: 作者名
 * @create: 2024/04/23
 */
@Configuration
@ConfigurationProperties(prefix = "hbase")
public class HBaseConfig {
   

    private Map<String, String> config = new HashMap<>();

    public Map<String, String> getConfig() {
   
        return config;
    }

    public void setConfig(Map<String, String> config) {
   
        this.config = config;
    }

    public org.apache.hadoop.conf.Configuration configuration() {
   
        org.apache.hadoop.conf.Configuration configuration = HBaseConfiguration.create();
        for(Map.Entry<String, String> map : config.entrySet()){
   
            configuration.set(map.getKey(), map.getValue());
        }
        return configuration;
    }

    @Bean
    public Admin admin() {
   
        Admin admin = null;
        try {
   
            Connection connection = ConnectionFactory.createConnection(configuration());
            admin = connection.getAdmin();
        } catch (IOException e) {

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mfbz.cn/a/582931.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

部署YUM仓库及NFS共享服务

部署YUM仓库及NFS共享服务

YUN仓库服务 YUM概述 基于RPM包构建的软件更新机制 可以自动解决依赖关系 所有软件包由YUM集中的软件仓库提供 yum软件仓库的常用类型 本地源仓库&#xff1a;baserulfile:// 在线源仓库&#xff1a;baserulhttp:// 或 https:// ftp源仓库&#xff1a;baserulftp:// RPM…
阅读更多...
【Java那些事】关于前端收到后端返回的时间格式“2024-04-28T14:48:41“非想要的格式

【Java那些事】关于前端收到后端返回的时间格式“2024-04-28T14:48:41“非想要的格式

问题&#xff1a; 后端操作后返回时间格式是"2024-04-28T14:48:41" 而我们想要的是&#xff1a;"2024-04-28 14:48:41", 两个解决方法&#xff1a; 方法一&#xff1a;使用 JsonFormat注解 Data AllArgsConstructor NoArgsConstructor public class Use…
阅读更多...
代码随想录算法训练营第五十一天| LeetCode309.最佳买卖股票时机含冷冻期、714.买卖股票的最佳时机含手续费

代码随想录算法训练营第五十一天| LeetCode309.最佳买卖股票时机含冷冻期、714.买卖股票的最佳时机含手续费

一、LeetCode309.最佳买卖股票时机含冷冻期 题目链接/文章讲解/视频讲解&#xff1a;https://programmercarl.com/0309.%E6%9C%80%E4%BD%B3%E4%B9%B0%E5%8D%96%E8%82%A1%E7%A5%A8%E6%97%B6%E6%9C%BA%E5%90%AB%E5%86%B7%E5%86%BB%E6%9C%9F.html 状态&#xff1a;已解决 1.思路 …
阅读更多...
实验一: 设备密码配置与远程管理

实验一: 设备密码配置与远程管理

1.实验环境 用路由器和交换机搭建实验环境 2.需求描述 实现管理员主机对交换机和路由器的远程管理 设备上配置的密码都要被加密 3.推荐步骤 对路由器配置的步骤如下&#xff1a; 实现路由器和PC的连通性配置VTY密码和特权模式密码在PC上Telnet 到路由器。 对交换机配置的…
阅读更多...
03-JAVA设计模式-观察者模式

03-JAVA设计模式-观察者模式

观察者模式 什么是观察者模式 Java中的观察者模式是一种常见的设计模式&#xff0c;它允许对象&#xff08;观察者&#xff09;订阅另一个对象&#xff08;被观察者&#xff09;的状态变化&#xff0c;并在状态变化时自动得到通知。 核心&#xff1a; 观察者模式主要用于1&a…
阅读更多...
HTML学习笔记（二）

HTML学习笔记（二）

1.HTML图像 图像标签&#xff08;<img>)和源属性&#xff08;src&#xff09; HTML中&#xff0c;图像由<img>标签来定义&#xff0c;<img>是空标签&#xff0c;只包含属性&#xff0c;没有闭合标签。在页面上显示图像需要使用源属性&#xff08;src),src是指…
阅读更多...
Docker基本操作 Linux里边操作

Docker基本操作 Linux里边操作

docker镜像操作命令: docker images:查看所有镜像; docker rmi:删除镜像 后边可以跟镜像的名字或者id指定要删除的镜像&#xff1b; docker pull:拉取镜像&#xff1b; docker push:推送镜像到服务&#xff1b; docker save :打包镜像 后边有用法; docker load:加载镜像&…
阅读更多...
前端JS必用工具【js-tool-big-box】，字符串反转，驼峰转换以及版本号对比

前端JS必用工具【js-tool-big-box】，字符串反转，驼峰转换以及版本号对比

这一小节&#xff0c;我们针对前端工具包&#xff08;npm&#xff09;js-tool-big-box的使用做一些讲解&#xff0c;主要是针对字符串反转&#xff0c;aa-bb-cc转驼峰&#xff0c;以及版本号对比的内容 目录 1 安装和引入 2 字符串反转 3 带有横岗的转驼峰 3.1 转小驼峰 3…
阅读更多...
docker-compose编排集成工具，

docker-compose编排集成工具，

一、引言 我们知道使用一个 Dockerfile 模板文件可以定义一个单独的应用容器&#xff0c;如果需要定义多个容器就需要服务编排。服务编排有很多种技术方案&#xff0c;今天给大家介绍 Docker 官方产品 Docker-Compose Dockerfile 可以定义一个单独的应用容器&#xff1…
阅读更多...
linux,从零安装mysql 8.0.30 ，并且更新至mysql 8.0.36

linux,从零安装mysql 8.0.30 ，并且更新至mysql 8.0.36

前言&#xff1a; 系统使用的CentOS 7&#xff0c;系统默认最小安装。 一、基础配置 配置虚拟机IP&#xff0c;需要更改的内容&#xff0c;如下红框中 修改之后 至此&#xff0c;基础配置完成。注意&#xff1a;此处虚拟机网络适配器使用的是&#xff1a;桥接模式 二、软件…
阅读更多...
【问题实操】银河麒麟高级服务器操作系统实例，CPU软锁报错触发宕机

【问题实操】银河麒麟高级服务器操作系统实例，CPU软锁报错触发宕机

1.服务器环境以及配置 处理器&#xff1a; Kunpeng 920 内存&#xff1a; 256G DDR4 整机类型/架构&#xff1a; TaiShan 200 (Model 2280) 内核版本 4.19.90-23.8.v2101.ky10.aarch64 2.问题现象描述 两台搭载麒麟v10 sp1的机器均在系统CPU软锁报错时&#xff0c;触…
阅读更多...
Springboot+mybatis升级版（Postman测试）

Springboot+mybatis升级版（Postman测试）

一、项目结构 1.导入依赖 <?xml version"1.0" encoding"UTF-8"?> <project xmlns"http://maven.apache.org/POM/4.0.0"xmlns:xsi"http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation"http://maven.apach…
阅读更多...
高级数据结构与算法期中测试题

高级数据结构与算法期中测试题

一、判断题 1、In dynamic programming algorithms, some results of subproblems have to be stored even they do not compose the optimal solution of a larger problem. T F 解析：T。在动态规划算法中，必须存储子问题的某些结果，因为他们可能需要用来…
阅读更多...
区块链技术：NFG元宇宙电商模式

区块链技术：NFG元宇宙电商模式

大家好&#xff0c;我是微三云周丽 随着互联网技术的迅猛发展&#xff0c;电子商务行业逐渐崛起为现代经济的重要支柱。而在这一浪潮中&#xff0c;元宇宙电商以其独特的商业模式和巨大的发展潜力&#xff0c;成为行业的新宠。其中&#xff0c;NFG作为元宇宙电商模式的代表&am…
阅读更多...
【4110】基于小程序实现的名片管理系统

【4110】基于小程序实现的名片管理系统

作者主页&#xff1a;Java码库 主营内容&#xff1a;SpringBoot、Vue、SSM、HLMT、Jsp、PHP、Nodejs、Python、爬虫、数据可视化、小程序、安卓app等设计与开发。 收藏点赞不迷路 关注作者有好处 文末获取源码 技术选型 【后端】&#xff1a;Java 【框架】&#xff1a;spring…
阅读更多...
std::ignore的定义

std::ignore的定义

有个全局变量。 把一个变量赋值给ignore&#xff0c;还行&#xff0c;没有拷贝等动作&#xff0c;不用担心性能损失。 VS2017D:\DevTools\VS2017\VC\Tools\MSVC\14.16.27023\include\tuple// STRUCT _Ignore struct _Ignore{ // struct that ignores assignmentstemplate<…
阅读更多...
如何利用 GPT 自我提高写作能力

如何利用 GPT 自我提高写作能力

GPT革命&#xff1a;如何用AI技术重新定义写作 介绍 在我们的数字时代&#xff0c;了解自我提高写作的必要性至关重要。 随着 GPT 的兴起&#xff0c;我们正在见证书写的变革时代。 这篇扩展文章深入探讨了 GPT 如何显着提高写作技能。 拥抱未来&#xff1a; 人工智能时代的写…
阅读更多...
Oracle 数据迁移同步优化(三)

Oracle 数据迁移同步优化(三)

简述 CloudCanal 最近再次对其 Oracle 源端数据同步进行了一系列优化&#xff0c;这些优化基于用户在真实场景中的反馈&#xff0c;具备很强的生产级别参考意义。 本文将简要介绍这些优化项&#xff0c;希望带给读者一些收获。 增量事件 SCN 乱序问题MISSING_SCN 事件干扰新…
阅读更多...
物联网和互联网有什么区别？从多个方面进行探讨——青创智通

物联网和互联网有什么区别？从多个方面进行探讨——青创智通

工业物联网解决方案-工业IOT-青创智通 物联网和互联网是现代信息技术的两大重要领域&#xff0c;它们在许多方面有着紧密的联系&#xff0c;但也有着明显的区别。本文将从多个方面对物联网和互联网的区别进行探讨。 首先&#xff0c;从定义上来看&#xff0c;互联网是一种全球…
阅读更多...
38.WEB渗透测试-信息收集-信息收集-企业信息收集（5）

38.WEB渗透测试-信息收集-信息收集-企业信息收集（5）

免责声明&#xff1a;内容仅供学习参考&#xff0c;请合法利用知识&#xff0c;禁止进行违法犯罪活动&#xff01; 内容参考于&#xff1a; 易锦网校会员专享课 上一个内容&#xff1a;37.WEB渗透测试-信息收集-企业信息收集&#xff08;4&#xff09; 上个内容用到了cdn&am…
阅读更多...
最新文章

Copyright @ 2022~2023

友情链接： 我的编程经验分享 一条长河网 尧图网站开发 尧图建网站