<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Code_is_a_swhite的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Code_is_a_swhite</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Code_is_a_swhite]]></copyright><item><title><![CDATA[Doris MPP分析型数据库简介]]></title><link>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/135365432</link><guid>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/135365432</guid><author>Code_is_a_swhite</author><pubDate>Wed, 03 Jan 2024 15:56:54 +0800</pubDate><description><![CDATA[Apache Doris是一个现代化的MPP分析型数据库产品。仅需亚秒级响应时间即可获得查询结果，有效地支持实时数据分析。Apache Doris的分布式架构非常简洁，易于运维，并且可以支持10PB以上的超大数据集。Apache Doris可以满足多种数据分析需求，例如固定历史报表，实时数据分析，交互式数据分析和探索式数据分析等。令您的数据分析工作更加简单高效！]]></description><category></category></item><item><title><![CDATA[navicat 如何查看已经连接了的数据库账号和密码]]></title><link>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/132080608</link><guid>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/132080608</guid><author>Code_is_a_swhite</author><pubDate>Thu, 03 Aug 2023 11:59:48 +0800</pubDate><description><![CDATA[https://blog.51cto.com/u_13002884/5894541]]></description><category></category></item><item><title><![CDATA[Win10各版本介绍及区别:]]></title><link>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/131111567</link><guid>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/131111567</guid><author>Code_is_a_swhite</author><pubDate>Thu, 08 Jun 2023 16:59:44 +0800</pubDate><description><![CDATA[1.Win10家庭版，主要是面向消费者和个人PC用户的电脑系统版本，适合个人或者家庭电脑用户推荐。

2.Win10专业版也是面向个人电脑用户，相比家庭版要稍微好些，并且Win10专业版还面向大屏平板电脑，笔记本、PC平板二合一变形本等桌面设备。

3.Win10移动版，则主要面向小尺寸的触摸设备，主要针对智能手机、小屏平板电脑等移动设备。

4.Win10企业版，主要是在专业版基础上，增加了专门给大中型企业的需求开发的高级功能，适合企业用户推荐。

5.Win10教育版，主要基于企业版进行开发，专门为了符]]></description><category></category></item><item><title><![CDATA[手机热点中的AP频段2.4GHz和5.0GHz有什么区别?]]></title><link>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/130808565</link><guid>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/130808565</guid><author>Code_is_a_swhite</author><pubDate>Mon, 22 May 2023 15:44:05 +0800</pubDate><description><![CDATA[手机热点中AP频段2.4ghz和5.0ghz有什么区别?
AP频段2.4穿透性更好、AP频段5.0频率更高、传播距离更远]]></description><category></category></item><item><title><![CDATA[传输大数据最快的方法是什么？？？传输大数据最快的方法竟然是用卡车拉硬盘，它的速度完爆网络传输！]]></title><link>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/130605374</link><guid>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/130605374</guid><author>Code_is_a_swhite</author><pubDate>Wed, 10 May 2023 17:15:53 +0800</pubDate><description><![CDATA[传输大数据最快的方法是什么？？？
传输大数据最快的方法竟然是用卡车拉硬盘，它的速度完爆网络传输！]]></description><category></category></item><item><title><![CDATA[Mysql修改密码安全策略方法，临时修改和永久修改方法]]></title><link>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/130250394</link><guid>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/130250394</guid><author>Code_is_a_swhite</author><pubDate>Wed, 19 Apr 2023 18:44:21 +0800</pubDate><description><![CDATA[Mysql修改密码安全策略方法，临时修改和永久修改方法]]></description><category></category></item><item><title><![CDATA[Duplicate entry ‘0‘ for key ‘PRIMARY‘]]></title><link>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/130247564</link><guid>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/130247564</guid><author>Code_is_a_swhite</author><pubDate>Wed, 19 Apr 2023 16:40:06 +0800</pubDate><description><![CDATA[Navicat mysql中Duplicate entry '0' for key 'PRIMARY'报错解决]]></description><category></category></item><item><title><![CDATA[人民币记账中，数字中间的逗号是什么意思？]]></title><link>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/129946916</link><guid>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/129946916</guid><author>Code_is_a_swhite</author><pubDate>Tue, 04 Apr 2023 10:37:35 +0800</pubDate><description><![CDATA[用逗号隔开对外国人来说是为了使数据更加清晰，就是不考虑中国国情，照单抄袭引进的西方货，结果坑了自己人，方便了外国人的玩意，用逗号隔开对外国人来说是为了使数据更加清晰，对中国人来说就不太清晰了。这个也与英语有关，因为在英语中没有“万”这个词,只有“千”（thousand）,“百万”（million）,“十亿”等等。咱们的是万进制读数，中国人的帐主要是中国人看，所以中国人民币记账，应该4位一逗号，以方便中国人使用,而不是为了方便老外使用。逗号是分结号，意思是:千位分隔符，每三个数字一组，又叫千分号。]]></description><category></category></item><item><title><![CDATA[IPV6简述与IPV4的区别]]></title><link>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/129946413</link><guid>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/129946413</guid><author>Code_is_a_swhite</author><pubDate>Tue, 04 Apr 2023 10:20:46 +0800</pubDate><description><![CDATA[IPv6是InternetProtocolVersion6的缩写，其中InternetProtocol译为“互联网协议”。IPv6是IETF（互联网工程任务组，InternetEngineeringTaskForce）设计的用于替代现行版本IP协议（IPv4）的下一代IP协议。]]></description><category></category></item><item><title><![CDATA[数仓命名规范大全]]></title><link>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/129923462</link><guid>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/129923462</guid><author>Code_is_a_swhite</author><pubDate>Mon, 03 Apr 2023 10:27:52 +0800</pubDate><description><![CDATA[数据仓库的建设实施和落地需要团队中不同成员的参与和配合，需要各种各样 的规范 ，    规范的分层定义和表命名能让使用者轻而易举地明白该表的作用和含义。因此本文档重点介绍分层规范和可落地的表命名规范。]]></description><category></category></item><item><title><![CDATA[Chat GPT-4，大增长时代的开始！]]></title><link>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/129796537</link><guid>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/129796537</guid><author>Code_is_a_swhite</author><pubDate>Thu, 30 Mar 2023 17:17:29 +0800</pubDate><description><![CDATA[虽然我们早在 2017 年就预测了超大模型的到来，因此才搞了分布式深度学习框架 OneFlow（github.com/Oneflow-Inc/oneflow/），且 2020 年的 GPT-3 也掀起了大模型热潮（OneFlow——让每一位算法工程师都有能力训练 GPT） ，但当时各项测试屠榜的 GPT-3 的超高训练成本和大模型落地难的问题一直困扰业界。2022 年是互联网寒冬，在杭州出差和一位 AI 芯片合作方的工程师闲聊，对方问我，大环境差，做 AI 还是一个合适的选择吗？其实我心里也没有底。我说，其]]></description><category></category></item><item><title><![CDATA[Python File(文件) 方法]]></title><link>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/124940549</link><guid>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/124940549</guid><author>Code_is_a_swhite</author><pubDate>Tue, 24 May 2022 09:34:36 +0800</pubDate><description><![CDATA[open() 方法
Python open() 方法用于打开一个文件，并返回文件对象，在对文件进行处理过程都需要使用到这个函数，如果该文件无法被打开，会抛出 OSError。
注意：使用 open() 方法一定要保证关闭文件对象，即调用 close() 方法。
open() 函数常用形式是接收两个参数：文件名(file)和模式(mode)。
open(file, mode=‘r’)
完整的语法格式为：
open(file, mode=‘r’, buffering=-1, encoding=None, err]]></description><category></category></item><item><title><![CDATA[电脑x64和x86安装软件的区别讲解分享]]></title><link>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/124727641</link><guid>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/124727641</guid><author>Code_is_a_swhite</author><pubDate>Thu, 12 May 2022 11:34:34 +0800</pubDate><description><![CDATA[x64和x86的区别，软件安装x64的还是x86的？]]></description><category></category></item><item><title><![CDATA[数据单位:概况容量 Byte、KB、MB、GB、TB、PB、EB、ZB、YB、NB、DB、CB、XB]]></title><link>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/106856058</link><guid>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/106856058</guid><author>Code_is_a_swhite</author><pubDate>Fri, 19 Jun 2020 14:41:11 +0800</pubDate><description><![CDATA[(bit).Byte (B).KiloByte (KB).MegaByte (MB).GigaByte (GB).TeraByte (TB).PetaByte (PB).ExaByte (EB).ZetaByte (ZB).YottaByte (YB).NonaByte (NB).DoggaByte (DB)
1B（Byte字节）；
1KB（Kilobyte） = 2^10 B = 1024 B；
1MB（Megabyte） = 2^10 KB = 1024 KB = 2^20 B；
1GB（Gigabyt]]></description><category></category></item><item><title><![CDATA[转载:Hive开窗函数总结]]></title><link>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/106635234</link><guid>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/106635234</guid><author>Code_is_a_swhite</author><pubDate>Tue, 09 Jun 2020 10:10:21 +0800</pubDate><description><![CDATA[转载:Hive开窗函数总结
https://blog.youkuaiyun.com/Abysscarry/article/details/81408265
背景：
平常我们使用 hive或者 mysql时，一般聚合函数用的比较多。但对于某些偏分析的需求，group by可能很费力，子查询很多，这个时候就需要使用窗口分析函数了~
注：hive、oracle提供开窗函数，mysql8之前版本不提供，但Oracle发布的 MySQL 8.0版本支持窗口函数（over）和公用表表达式（with）这两个重要的功能！
版本：Hiv]]></description><category></category></item><item><title><![CDATA[HIVE相关问题]]></title><link>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/106635081</link><guid>https://blog.youkuaiyun.com/Code_is_a_swhite/article/details/106635081</guid><author>Code_is_a_swhite</author><pubDate>Tue, 09 Jun 2020 10:04:04 +0800</pubDate><description><![CDATA[1)Hive数据倾斜问题：
倾斜原因： map输出数据按Key Hash分配到reduce中,由于key分布不均匀、或者业务数据本身的特点。】【等原因造成的reduce上的数据量差异过大。
1.1)key分布不均匀
1.2)业务数据本身的特性
1.3)SQL语句造成数据倾斜
解决方案：
1&gt;参数调节：
hive.map.aggr=true
hive.groupby.skewindata=true
有数据倾斜的时候进行负载均衡，当选项设定为true,生成的查询计划会有两个MR Job。第一个MR Jo.]]></description><category></category></item></channel></rss>