之前我写过关于SQLServer的数据迁移自动化的文章：SQLServer数据库迁移偏方，在上篇文章中设计了一张临时表，这个临时表记录搬迁的配置信息，用一个存储过程读取这张表进行数据的迁移，再由一个Job进行迭代调用这个存储过程。
在这次MySQL的实战中，我的数据库已经做了4个分片，分布在不同的4台机器上，每台机器上的数据量有1.7亿（1.7*4=6.8亿），占用空间260G（260*4=1040G），这次迁移的目的就是删除掉一些历史记录，减轻数据库压力，有人说这为什么不使用表分区呢？这跟我们的业务逻辑有关造成无法使用表分区，至于为什么，参考阅读：MySQL表分区实战，其中最重要就是唯一索引的
在这次MySQL的实战中，我的数据库已经做了4个分片，分布在不同的4台机器上，每台机器上的数据量有1.7亿（1.7*4=6.8亿），占用空间260G（260*4=1040G），这次迁移的目的就是删除掉一些历史记录，减轻数据库压力，有人说这为什么不使用表分区呢？这跟我们的业务逻辑有关造成无法使用表分区，至于为什么，参考阅读：MySQL表分区实战，其中最重要就是唯一索引的
2023/10/13 19:54:24
197KB
1
中科院（亚洲人）人脸数据集[计算机视觉人脸识别]该资源共有500组图片数据，每组数据有5份，共计2500份数据。
分别为part1(1-99)、part2(100-199)、part3(200-299)、part4(300-399)、part5(400-499)；
因数据量过大，分5次上传，欢迎大家下载。
分别为part1(1-99)、part2(100-199)、part3(200-299)、part4(300-399)、part5(400-499)；
因数据量过大，分5次上传，欢迎大家下载。
2023/10/8 8:42:46
187.7MB
1
针对空间科学大数据的快速检索需求，提出了分布式区域检索算法。
算法主要包括四维空间科学数据的索引方法和分布式四维空间科学数据的索引架构两部分。
在KTS存储结构下，通过基于立方体的Block-Grid三维网格剖分方法建立两级空间索引结构，包括分布式节点间的全局索引和分布式节点内的局部索引；
在分布式系统架构下，确定了索引在分布式主从节点的分布策略以及数据在分布式环境下的容错机制。
基于Hadoop基础架构设计了NSSC-Hadoop系统，通过多组试验数据测试算法效率，并与直接基于Hadoop无索引遍历数据方式相比较，数据检索效率提高了将近50倍，随着数据量的增大，算法优势会更加明显。
算法主要包括四维空间科学数据的索引方法和分布式四维空间科学数据的索引架构两部分。
在KTS存储结构下，通过基于立方体的Block-Grid三维网格剖分方法建立两级空间索引结构，包括分布式节点间的全局索引和分布式节点内的局部索引；
在分布式系统架构下，确定了索引在分布式主从节点的分布策略以及数据在分布式环境下的容错机制。
基于Hadoop基础架构设计了NSSC-Hadoop系统，通过多组试验数据测试算法效率，并与直接基于Hadoop无索引遍历数据方式相比较，数据检索效率提高了将近50倍，随着数据量的增大，算法优势会更加明显。
2023/9/27 1:55:58
1.49MB
1
3积分下载的，现在免费送给大家包内含二个数据表1、包含2014年全国邮政编码以及编码所对应的省/市/县区/具体地址的数据库，数据量庞大，约180万条记录；
2、包含2015年全国省/市/县区/街道四级区划数据库，支持树形结构展现，47000条记录；
2、包含2015年全国省/市/县区/街道四级区划数据库，支持树形结构展现，47000条记录；
2023/9/15 17:13:54
30.67MB
1
jquery的smartWizard插件常用在一些向导式的，按步骤的功能中，是的用户按照我们设定的步骤进行操作，这样一方面有较好的用户体验，可以将庞大的表格数据分解成多个步骤，是的每个步骤的数据量减少；
另一方面流程比较清晰，先做那个下一步做什么都是可控可设定的。
另一方面流程比较清晰，先做那个下一步做什么都是可控可设定的。
2023/8/24 18:15:39
4KB
1
高速绘图（轴固定时），允许快速绘制数据无限数量的数据序列（内存是限制）每个数据序列的数据量不受限制支持线图，点图，平面图，柱状图，K线图和甘特图系列最多四个轴（左，下，右和上轴）标准轴，对数轴或日期/时间轴自动伸缩的坐标轴,翻转的坐标轴（相互独立）轴标签点标签平滑的曲线网格图例和标题交互性（在控件中发生特定事件时的通知）支持手动缩放和鼠标平移支持鼠标指针支持轴上的滚动条高度可定制（颜色，标题，标签，边缘，字体等）支持UNICODE支持打印和保存到图像文件
2023/8/19 5:22:37
46.3MB
1
随着万物互联时代的到来，网络边缘设备产生的数据量快速增加，带来了更高的数据传输带宽需求，同时，新型应用也对数据处理的实时性提出了更高要求，传统云计算模型已经无法有效应对，因此，边缘计算应运而生
2023/8/10 4:04:53
966KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB