<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Edwardyd的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Edwardyd</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Edwardyd]]></copyright><item><title><![CDATA[使用waferid字段做GaussDB的分表设计]]></title><link>https://blog.youkuaiyun.com/Edwardyd/article/details/144335474</link><guid>https://blog.youkuaiyun.com/Edwardyd/article/details/144335474</guid><author>Edwardyd</author><pubDate>Mon, 09 Dec 2024 00:40:26 +0800</pubDate><description><![CDATA[在处理大规模数据时，单表存储可能会面临性能和扩展性的问题。为了提高系统的性能和可扩展性，通常会采用分表（Sharding）技术。分表的核心思想是将大表拆分成若干小表，以降低单表的数据量，从而提升查询和写入性能。在GaussDB中，可以通过哈希分区、范围分区等方式实现分表。]]></description><category></category></item><item><title><![CDATA[Python 基础知识：数据结构、面向对象编程、模块和包、模块化编程、调试和测试]]></title><link>https://blog.youkuaiyun.com/Edwardyd/article/details/141308126</link><guid>https://blog.youkuaiyun.com/Edwardyd/article/details/141308126</guid><author>Edwardyd</author><pubDate>Mon, 19 Aug 2024 00:33:03 +0800</pubDate><description><![CDATA[Python 关于数据结构、面向对象编程、模块和包、模块化编程、调试和测试的基础知识]]></description><category></category></item><item><title><![CDATA[登录log处理程序]]></title><link>https://blog.youkuaiyun.com/Edwardyd/article/details/136996116</link><guid>https://blog.youkuaiyun.com/Edwardyd/article/details/136996116</guid><author>Edwardyd</author><pubDate>Sun, 24 Mar 2024 22:04:53 +0800</pubDate><description><![CDATA[三种格式的log处理方法]]></description><category></category></item><item><title><![CDATA[用SQL计算列均值]]></title><link>https://blog.youkuaiyun.com/Edwardyd/article/details/135052822</link><guid>https://blog.youkuaiyun.com/Edwardyd/article/details/135052822</guid><author>Edwardyd</author><pubDate>Sun, 17 Dec 2023 23:57:27 +0800</pubDate><description><![CDATA[的数据，并且你想计算该列中值的均值，可以使用SQL中的字符串函数和聚合函数来实现。如果数据格式不同，你可能需要根据实际情况进行适当的修改。请注意，上述示例假设列中的数据是逗号分隔的整数列表，例如。该查询在每行中计算了列值的均值，并将结果作为新的。当数据行中的某一列包含类似于。列返回，同时保持其他列不变。]]></description><category></category></item><item><title><![CDATA[oracle中replace函数]]></title><link>https://blog.youkuaiyun.com/Edwardyd/article/details/134301228</link><guid>https://blog.youkuaiyun.com/Edwardyd/article/details/134301228</guid><author>Edwardyd</author><pubDate>Thu, 09 Nov 2023 00:13:31 +0800</pubDate><description><![CDATA[当你使用 REGEXP_REPLACE 函数或其他正则表达式相关函数时，你可以在 replacement 参数中使用 \1, \2, \3, 等来引用在模式中定义的捕获组。这允许你在替换操作中使用正则表达式捕获组的内容。在这个示例中，\1, \2, 和 \3 分别引用正则表达式中的第一个、第二个和第三个捕获组，从而将日期格式替换为 “yyyy/mm/dd” 形式。例如，如果你的正则表达式模式中有一个捕获组 (pattern)，你可以在 replacement 中使用 \1 来引用该捕获组的内容。]]></description><category></category></item><item><title><![CDATA[监控linux文件空间变化等小脚本]]></title><link>https://blog.youkuaiyun.com/Edwardyd/article/details/134257151</link><guid>https://blog.youkuaiyun.com/Edwardyd/article/details/134257151</guid><author>Edwardyd</author><pubDate>Mon, 06 Nov 2023 23:29:52 +0800</pubDate><description><![CDATA[liunx]]></description><category></category></item><item><title><![CDATA[python脚本监控目录变化]]></title><link>https://blog.youkuaiyun.com/Edwardyd/article/details/134171848</link><guid>https://blog.youkuaiyun.com/Edwardyd/article/details/134171848</guid><author>Edwardyd</author><pubDate>Wed, 01 Nov 2023 22:44:17 +0800</pubDate><description><![CDATA[在脚本中，我们使用os.listdir函数获取源目录中的文件列表，并与上次扫描的文件列表进行比较，发现新文件时将其复制到目标目录A和B，并记录日志。如果超过设定的时间阈值没有发现新文件，则触发报警并记录日志。监控指定目录下的文件变化，并在发现新文件时将其复制到目标目录，并记录日志。如果超过一定时间没有发现新文件，则触发报警并记录日志。]]></description><category></category></item><item><title><![CDATA[Linux磁盘空间监控脚本]]></title><link>https://blog.youkuaiyun.com/Edwardyd/article/details/134171582</link><guid>https://blog.youkuaiyun.com/Edwardyd/article/details/134171582</guid><author>Edwardyd</author><pubDate>Wed, 01 Nov 2023 22:31:23 +0800</pubDate><description><![CDATA[每行配置的格式为目录=阈值，例如/var/log=90表示监控/var/log目录，当磁盘空间使用率达到90%时触发报警。在check_disk_space函数中，我们根据配置文件中的目录和阈值设置来检查磁盘空间使用情况，并根据需要触发报警。因此，整个while循环的作用是遍历配置文件中的每一行，并将每一行作为参数传递给check_disk_space函数进行处理。while循环用于读取配置文件中的每一行，并逐行调用check_disk_space函数来检查磁盘空间使用情况并触发报警。]]></description><category></category></item><item><title><![CDATA[shell监控数据库脚本（项目完善中ing）]]></title><link>https://blog.youkuaiyun.com/Edwardyd/article/details/134046588</link><guid>https://blog.youkuaiyun.com/Edwardyd/article/details/134046588</guid><author>Edwardyd</author><pubDate>Thu, 26 Oct 2023 00:26:40 +0800</pubDate><description><![CDATA[shell监控数据库脚本]]></description><category></category></item><item><title><![CDATA[使用Neovis.js+vue2可视化demo]]></title><link>https://blog.youkuaiyun.com/Edwardyd/article/details/132179112</link><guid>https://blog.youkuaiyun.com/Edwardyd/article/details/132179112</guid><author>Edwardyd</author><pubDate>Wed, 09 Aug 2023 00:35:05 +0800</pubDate><description><![CDATA[【代码】使用Neovis.js+vue2可视化demo。]]></description><category></category></item><item><title><![CDATA[Neo4j和Elasticsearch相关介绍草稿内容(更新中ing)]]></title><link>https://blog.youkuaiyun.com/Edwardyd/article/details/132157580</link><guid>https://blog.youkuaiyun.com/Edwardyd/article/details/132157580</guid><author>Edwardyd</author><pubDate>Mon, 07 Aug 2023 23:59:39 +0800</pubDate><description><![CDATA[Neo4j和Elasticsearch是两个不同的开源软件，用于不同的用途。Neo4j是一个图数据库管理系统，专注于处理和存储图结构数据。它使用节点（nodes）和关系（relationships）来表示数据，提供了高效的图遍历和查询功能。Neo4j适用于需要处理复杂关系和连接的数据集，例如社交网络、推荐系统、知识图谱等。Elasticsearch是一个分布式搜索和分析引擎，基于Apache Lucene开发。它被设计用于快速、可扩展地搜索和分析大规模的结构化和非结构化数据。]]></description><category></category></item><item><title><![CDATA[文件更新后记录变化的处理方式]]></title><link>https://blog.youkuaiyun.com/Edwardyd/article/details/132052986</link><guid>https://blog.youkuaiyun.com/Edwardyd/article/details/132052986</guid><author>Edwardyd</author><pubDate>Tue, 01 Aug 2023 23:44:42 +0800</pubDate><description><![CDATA[文件有3列数据，通过一列名为ppid的列可以唯一确定行数据，现在这个文件里的数据发生了变化，有些行数据改变了，有些删除了，也有新增数据行，现在需要将他们行的变化标出，是新建、修改还是删除。]]></description><category></category></item><item><title><![CDATA[Linux集群部署Elasticsearch-8.8.2]]></title><link>https://blog.youkuaiyun.com/Edwardyd/article/details/131993479</link><guid>https://blog.youkuaiyun.com/Edwardyd/article/details/131993479</guid><author>Edwardyd</author><pubDate>Sat, 29 Jul 2023 12:30:09 +0800</pubDate><description><![CDATA[vm虚拟机搭建Linux集群部署Elasticsearch-8.8.2]]></description><category></category></item><item><title><![CDATA[vue 2.x 学习文档(持续更新中ing)]]></title><link>https://blog.youkuaiyun.com/Edwardyd/article/details/131907132</link><guid>https://blog.youkuaiyun.com/Edwardyd/article/details/131907132</guid><author>Edwardyd</author><pubDate>Mon, 24 Jul 2023 23:36:24 +0800</pubDate><description><![CDATA[Vue 是一套用于构建用户界面的前端渐进式框架。Vue Router 是 Vue.js 的官方路由。Vuex 是一个专为 Vue.js 应用程序开发的状态管理模式 + 库，可以集中式存储管理应用的所有组件的状态。]]></description><category></category></item><item><title><![CDATA[sql 学习文档(持续更新中...)]]></title><link>https://blog.youkuaiyun.com/Edwardyd/article/details/131820326</link><guid>https://blog.youkuaiyun.com/Edwardyd/article/details/131820326</guid><author>Edwardyd</author><pubDate>Thu, 20 Jul 2023 00:07:17 +0800</pubDate><description><![CDATA[SQL(Structured Query Language:结构化查询语言)；可以对数据库里的数据插入、查询、更新和删除。]]></description><category></category></item><item><title><![CDATA[Elasticsearch的介绍与使用]]></title><link>https://blog.youkuaiyun.com/Edwardyd/article/details/131777966</link><guid>https://blog.youkuaiyun.com/Edwardyd/article/details/131777966</guid><author>Edwardyd</author><pubDate>Tue, 18 Jul 2023 00:35:24 +0800</pubDate><description><![CDATA[Elasticsearch 是一个基于 Apache Lucene 引擎的开源搜索和分析引擎，它可以快速地搜索和分析大量数据。Elasticsearch 可以处理各种类型的数据，包括结构化和非结构化数据。它支持全文搜索、实时数据分析、日志分析等多种功能，同时提供了强大的查询语言和聚合框架。Elasticsearch 具有高可用性和可扩展性，可以轻松地扩展到多个节点和集群中。它还提供了灵活的数据建模和索引策略，可以优化查询性能和存储空间利用率。]]></description><category></category></item><item><title><![CDATA[Web应用安全ppt大纲]]></title><link>https://blog.youkuaiyun.com/Edwardyd/article/details/131058341</link><guid>https://blog.youkuaiyun.com/Edwardyd/article/details/131058341</guid><author>Edwardyd</author><pubDate>Mon, 05 Jun 2023 23:56:07 +0800</pubDate><description><![CDATA[Web应用安全-SQL注入-XSS(跨站脚本攻击)-CSRF(跨站请求伪造)-密码管理-会话管理]]></description><category></category></item><item><title><![CDATA[基于knn的图像检测分类方法简单介绍]]></title><link>https://blog.youkuaiyun.com/Edwardyd/article/details/131039575</link><guid>https://blog.youkuaiyun.com/Edwardyd/article/details/131039575</guid><author>Edwardyd</author><pubDate>Mon, 05 Jun 2023 00:36:51 +0800</pubDate><description><![CDATA[朴素贝叶斯算法是一种基于概率统计的分类算法，它假设所有特征之间相互独立，并且对于给定的样本，根据先验概率和条件概率来计算其属于某个类别的概率。需要注意的是，在实际应用中，可能会遇到样本不平衡的情况，一些类别的样本数量很少。KNN 是一种不需要训练过程的分类算法，它的基本思想是找到与新样本最近的 K 个邻居，在这些邻居中出现次数最多的类别作为预测结果。训练 KNN 模型：利用训练集中的数据来训练 KNN 模型，对于每个样本，找到其 K 个最近邻居，并根据它们的类型给出该样本的分类结果。方法来输出分类结果。]]></description><category></category></item><item><title><![CDATA[vue2多个文件上传后再解析的小组件]]></title><link>https://blog.youkuaiyun.com/Edwardyd/article/details/130737576</link><guid>https://blog.youkuaiyun.com/Edwardyd/article/details/130737576</guid><author>Edwardyd</author><pubDate>Thu, 18 May 2023 00:09:01 +0800</pubDate><description><![CDATA[vue2-上传3~4个文件后，解析文件信息，返回结果。]]></description><category></category></item><item><title><![CDATA[使用opencv(cv2)来计算两张有位移的图片间的区别]]></title><link>https://blog.youkuaiyun.com/Edwardyd/article/details/130376632</link><guid>https://blog.youkuaiyun.com/Edwardyd/article/details/130376632</guid><author>Edwardyd</author><pubDate>Tue, 25 Apr 2023 23:50:03 +0800</pubDate><description><![CDATA[使用opencv来计算两张有位移的图片间的区别]]></description><category></category></item></channel></rss>