Druid：为OLAP而生，多快好省高。
•多，可以处理海量的数据，Druid官网说可以扩展到PB级，这个量非常大。
•快，亚秒级响应，官网说10亿量级下做到亚秒响应，我们实际应用也是亚秒响应，实时导入，导入即可查询。
导入了以后我们就可以查询到，这个还是非常非常的牛的。
•好，就是高可用，分布式容错架构，可以做到无宕机。
•省，采用列存储，高效压缩。
我举一下我们的例子，我们原始日志是10亿量级，我们选取16个维度，22个度量值，每天生成的索引是几百兆。
•高，它支持高并发，可以是作为面向用户的应用
•多，可以处理海量的数据，Druid官网说可以扩展到PB级，这个量非常大。
•快，亚秒级响应，官网说10亿量级下做到亚秒响应，我们实际应用也是亚秒响应，实时导入，导入即可查询。
导入了以后我们就可以查询到，这个还是非常非常的牛的。
•好，就是高可用，分布式容错架构，可以做到无宕机。
•省，采用列存储，高效压缩。
我举一下我们的例子，我们原始日志是10亿量级，我们选取16个维度，22个度量值，每天生成的索引是几百兆。
•高，它支持高并发，可以是作为面向用户的应用
2023/12/1 11:23:02
266KB
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
1、在同一图片框中分别定制3个用户坐标系统（坐标轴、坐标刻度、刻度值），分别绘制3条不同的函数曲线；
2、曲线中的参数由用户自选；
3、用动画的方式绘制函数曲线，显示曲线绘制的全过程；
4、对曲线上的坐标值进行读数（粗略读数和精确读数）；
5、操作界面美观大方，使用方便，容错性强。
2、曲线中的参数由用户自选；
3、用动画的方式绘制函数曲线，显示曲线绘制的全过程；
4、对曲线上的坐标值进行读数（粗略读数和精确读数）；
5、操作界面美观大方，使用方便，容错性强。
2023/8/29 11:53:16
222KB
1
随着大规模计算技术的发展，虚拟机技术已经成为云计算中的重要技术。
为了提高云计算实验平台的运行效率，提出了一种虚拟机容错机制，并进行了研究，详细论述了实现的过程以及关键技术。
通过实验表明，该容错技术能有效的提高实验平台的性能。
为了提高云计算实验平台的运行效率，提出了一种虚拟机容错机制，并进行了研究，详细论述了实现的过程以及关键技术。
通过实验表明，该容错技术能有效的提高实验平台的性能。
2023/8/21 1:51:04
1.22MB
1
旅馆管理系统北邮大二下学期数据结构课程设计语言：C++平台：Qt功能：基于Qt的图形化界面，使用了SQLite数据库，完善的数据结构设计，稳定容错。
评分：95
评分：95
2023/8/6 19:21:51
240KB
1
拜占庭容错状态机复制(BFT)协议是一种复制协议，它容忍少量副本的任意故障。
但现有的BFT协议在故障发生时不能提供可接受的性能。
这是由于所有现有的针对高吞吐量的BFT协议都使用了一个称为主副本primary的特殊副本，它向其他副本指示应该处理请求的顺序。
这个主程序可以是恶意的，在不被正确的副本检测的情况下降低系统的性能。
但现有的BFT协议在故障发生时不能提供可接受的性能。
这是由于所有现有的针对高吞吐量的BFT协议都使用了一个称为主副本primary的特殊副本，它向其他副本指示应该处理请求的顺序。
这个主程序可以是恶意的，在不被正确的副本检测的情况下降低系统的性能。
2023/8/6 5:33:47
447KB
1
StructuredStreaming是一个可拓展，容错的，基于SparkSQL执行引擎的流处理引擎。
使用小量的静态数据模拟流处理。
伴随流数据的到来，SparkSQL引擎会逐渐连续处理数据并且更新结果到最终的Table中。
你可以在SparkSQL上引擎上使用DataSet/DataFrameAPI处理流数据的聚集，事件窗口，和流与批次的连接操作等。
最后StructuredStreaming系统快速，稳定，端到端的恰好一次保证，支持容错的处理。
使用小量的静态数据模拟流处理。
伴随流数据的到来，SparkSQL引擎会逐渐连续处理数据并且更新结果到最终的Table中。
你可以在SparkSQL上引擎上使用DataSet/DataFrameAPI处理流数据的聚集，事件窗口，和流与批次的连接操作等。
最后StructuredStreaming系统快速，稳定，端到端的恰好一次保证，支持容错的处理。
2023/8/6 3:19:22
6.64MB
1
针对线性奇异摄动系统,提出一种基于PI(proportionalintegral)观测器的故障诊断和最优容错控制方法.基.于奇异摄动系统相关理论和矩阵变换技术,给出PI全维观测器存在的条件,该观测器可以观测系统的快慢状态和.故障系统的状态.在估测到系统状态的基础上进一步考虑最优性,应用最优控制理论,设计状态反馈控制器,提出基.于PI观测器的故障诊断器和最优容错控制器的设计方法.最后的数值算例验证了所提出方法的可行性和正确性.
2023/8/3 16:33:15
629KB
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