在MySQL中，NULL值意味着未知值。
NULL值不是零或空字符”值。
NULL值不等于其自身值。
如果将NULL值与另一个NULL值或任何其他值进行比较，则结果为NULL，因为每个NULL值的值都是未知的。
通常，使用NULL值来表示数据丢失，未知或不适用。
例如，当客户的电话号码可设置为NULL，并且可以稍后添加。
当创建表时，可以通过使用NOTNULL约束来指定列是否接受NULL值。
例如，以下语句创建leads表：因此，id是主键列，因此它不接受任何NULL值。
customer_name和source列使用NOTNULL约
NULL值不是零或空字符”值。
NULL值不等于其自身值。
如果将NULL值与另一个NULL值或任何其他值进行比较，则结果为NULL，因为每个NULL值的值都是未知的。
通常，使用NULL值来表示数据丢失，未知或不适用。
例如，当客户的电话号码可设置为NULL，并且可以稍后添加。
当创建表时，可以通过使用NOTNULL约束来指定列是否接受NULL值。
例如，以下语句创建leads表：因此，id是主键列，因此它不接受任何NULL值。
customer_name和source列使用NOTNULL约
2024/1/13 8:35:50
531KB
1
本案列是重写的arcgisjs中长度和面积测量的方法，扩展性更高，详细描述请见我的博客地址：https://blog.csdn.net/KK_bluebule/article/details/86678744，
2024/1/11 8:53:44
12KB
1
PCA（主成分分析）算法，主要用于数据降维，保留了数据集中对方差贡献最大的若干个特征来达到简化数据集的目的。
实现数据降维的步骤：1、将原始数据中的每一个样本用向量表示，把所有样本组合起来构成一个矩阵，通常需对样本矩阵进行处理，得到中性化样本矩阵2、求样本矩阵的协方差矩阵3、求协方差矩阵的特征值和特征向量4、将求出的特征向量按照特征值的大小进行组合形成一个映射矩阵。
并根据指定的PCA保留的特征个数取出映射矩阵的前n行或者前n列作为最终的映射矩阵。
5、用映射矩阵对数据进行映射，达到数据降维的目的。
实现数据降维的步骤：1、将原始数据中的每一个样本用向量表示，把所有样本组合起来构成一个矩阵，通常需对样本矩阵进行处理，得到中性化样本矩阵2、求样本矩阵的协方差矩阵3、求协方差矩阵的特征值和特征向量4、将求出的特征向量按照特征值的大小进行组合形成一个映射矩阵。
并根据指定的PCA保留的特征个数取出映射矩阵的前n行或者前n列作为最终的映射矩阵。
5、用映射矩阵对数据进行映射，达到数据降维的目的。
2024/1/6 15:32:43
24KB
1
Hbase应用开发实验报告及代码；
（1）列出HBase所有的表的相关信息，例如表名、创建时间等；
（2）在终端打印出指定的表的所有记录数据；
（3）向已经创建好的表添加和删除指定的列族或列；
（4）清空指定的表的所有记录数据（5）统计表的行数。
2.现有以下关系型数据库中的表和数据，要求将其转换为适合于HBase存储的表并插入数据：
（1）列出HBase所有的表的相关信息，例如表名、创建时间等；
（2）在终端打印出指定的表的所有记录数据；
（3）向已经创建好的表添加和删除指定的列族或列；
（4）清空指定的表的所有记录数据（5）统计表的行数。
2.现有以下关系型数据库中的表和数据，要求将其转换为适合于HBase存储的表并插入数据：
2024/1/5 23:18:40
705KB
1
神经网络预测天气的气温数据集，包括了：year,moth,day,week分别表示的具体的时间；
temp_2：前天的最高温度值；
temp_1：昨天的最高温度值；
average：在历史中，每年这一天的平均最高温度值；
actual：这就是我们的标签值了，当天的真实最高温度；
friend：这列用不到暂不用管
temp_2：前天的最高温度值；
temp_1：昨天的最高温度值；
average：在历史中，每年这一天的平均最高温度值；
actual：这就是我们的标签值了，当天的真实最高温度；
friend：这列用不到暂不用管
2023/12/29 14:56:15
11KB
1
最近在研究hadoop与mapReduce，网上教程只有个wordcount程序示范，太简单，故写了个相对复杂点的涉及到多个文件之间同时运算的矩阵乘法的代码用于实验与测试，上传供大家学习与参考。
调用方法：执行：hadoopjarmatrix.jarcom.baosight.mapred.test.MatrixMultileft:/tmp/aright:/tmp/boutput:/tmp/cleftprefix:000000_rightprefix:000000_＞参数1：left:左矩阵路径＞参数2：right:右矩阵路径＞参数3：output:左矩阵乘右矩阵结果路径＞参数4：leftprefix：左矩阵文件前缀如/tmp/a/000000_0,000000_1,000000_2……的000000_＞参数5：rightprefix：右矩阵文件前缀＞左右矩阵按列存储，每个文件只存放一列值，如2x2的单位矩阵，000000_0存放10000000_1存放01
调用方法：执行：hadoopjarmatrix.jarcom.baosight.mapred.test.MatrixMultileft:/tmp/aright:/tmp/boutput:/tmp/cleftprefix:000000_rightprefix:000000_＞参数1：left:左矩阵路径＞参数2：right:右矩阵路径＞参数3：output:左矩阵乘右矩阵结果路径＞参数4：leftprefix：左矩阵文件前缀如/tmp/a/000000_0,000000_1,000000_2……的000000_＞参数5：rightprefix：右矩阵文件前缀＞左右矩阵按列存储，每个文件只存放一列值，如2x2的单位矩阵，000000_0存放10000000_1存放01
2023/12/29 10:37:31
10KB
1
AWS自动修复开源应用程序可通过使用AWSConfig立即修复常见的安全问题。
目录关于自动修复通过SQS队列auto-remediate-config-compliance触发自动修复功能。
SQS队列通过CloudWatchEventauto-remediate-config-complianceremediateauto-remediate-config-compliance从AWSConfig中填充了合规性负载。
CloudWatchEvent的目的是过滤掉AWSConfig生成的所有与违规有关的消息。
触发Lambda函数后，它将尝试修复安全问题。
如果修复失败，则事件有效负载将发送到死信队列（DQL）SQS队列auto-remediate-dlq。
每次将有效负载发送到DLQ时，属性try_count都会增加到SQS消息中。
一旦该计数超过Lambda函数附加的RETRYCOUNT变量，该消息将不再发送到DLQ。
如果对传入的AWSConfig事件不存在任何补救措施，则AWSConfig有效负载将被发送到SNS主题auto-remedia
目录关于自动修复通过SQS队列auto-remediate-config-compliance触发自动修复功能。
SQS队列通过CloudWatchEventauto-remediate-config-complianceremediateauto-remediate-config-compliance从AWSConfig中填充了合规性负载。
CloudWatchEvent的目的是过滤掉AWSConfig生成的所有与违规有关的消息。
触发Lambda函数后，它将尝试修复安全问题。
如果修复失败，则事件有效负载将发送到死信队列（DQL）SQS队列auto-remediate-dlq。
每次将有效负载发送到DLQ时，属性try_count都会增加到SQS消息中。
一旦该计数超过Lambda函数附加的RETRYCOUNT变量，该消息将不再发送到DLQ。
如果对传入的AWSConfig事件不存在任何补救措施，则AWSConfig有效负载将被发送到SNS主题auto-remedia
2023/12/28 19:27:03
88KB
1
java上传处理-Servlet_批量上传大文件依赖的jar包，commons-fileupload-1.1.jar和commons-io-1.1.jar列子
2023/12/27 11:10:09
59KB
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