墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
2.5k累计阅读
2.6k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
sudo vim /etc/clickhouse-server/config.xml
sudo /usr/local/bin/xsync.sh /etc/clickhouse-server/config.xml
sudo systemctl start clickhouse-server
南京大数据开发实战：基于Flink与Iceberg构建实时用户行为分析平台
实时数据处理是现代大数据架构的核心能力，其原理在于对持续产生的数据流进行低延迟的采集、处理与分析，以支持秒级甚至毫秒级的业务决策。这项技术的核心价值在于将数据处理从传统的T+1批处理模式，升级为能够即时响应业务变化的实时模式，广泛应用于实时风控、实时推荐、物联网监控和运营看板等场景。Apache Flink作为当前流处理领域的事实标准，凭借其高吞吐、低延迟和精确一次（Exactly-Once）语义保障，成为构建实时数据管道的首选。而数据湖技术，如Apache Iceberg，通过提供开放的表格格式和ACID
大数据应用之 --- clickhouse的端口修改
9000端口与其他端口冲突： 将默认的9000端口为5566(不能为9009、8123)，并分发到其他节点
Flink checkopint使用教程
Flink checkpoint 需要写入远程持久化存储（如 HDFS、S3 等），不能直接存在本地，因为 Kubernetes Pod 是临时易失的。正常使用PVC = 本地硬盘(快，独享)，MinIO/S3 = 共享网盘(慢，共享)正常公司使用PVC即可。
ClickHouse部署全攻略——安全配置
配额安全配置、用户安全配置、日志记录、启用TLS功能及其相关证书生成方法、启用TLS后的工具访问方法等
【信息科学与工程学】【数据中心】 第七篇 智算中心CLOS组网整体设计
区域主要功能网络要求技术选型安全等级可用性要求训练区大规模AI模型训练，分布式计算超高带宽(100G+)，超低延迟(<1ms)，无损网络RoCEv2，PFC，DCQCN，多路径P4(最高)99.99%推理区实时AI推理，模型服务低延迟(<10ms)，高可用，弹性扩展智能负载均衡，服务网格，容器网络P3(高)99.999%公共服务区统一认证，API网关，数据服务多租户隔离，安全防护，弹性带宽VXLAN，EVPN，微隔离P3(高)99.99%存储区高性能存储，数据湖超高带宽，低延迟，高IOPSNVMe-
【信息科学与工程学】计算机科学与自动化—第十五篇 云计算 11 算法篇02
但若第一个应用需求40GB/s，第二个10GB/s，总需求50GB/s>40GB/s，第一个得32GB/s，第二个得8GB/s，不公平。但若分区负载不均（分区1-2各有100任务/s，分区3-4各有50任务/s），A负责1-2（200/s），B负责3-4（100/s），仍均衡。任务 τi 的计算需求 Wi（CPU周期），在频率 f 下执行时间 Ti=Wi/f，能耗 Ei=Pdyn⋅Ti=Ceff⋅V2⋅f⋅(Wi/f)=Ceff⋅V2⋅Wi。若 Mneed>Mi，需使用远程显存。
clickhosue:8123和9000
如果您想通过主机访问容器中的服务，可以使用对应的主机端口，如上述的示例中的 8123 和 9000 端口。在容器的端口映射中，"0.0.0.0:8123->8123/tcp"、"0.0.0.0:9000->9000/tcp" 和 "9009/tcp" 是指容器内部的端口与主机（宿主机）之间的映射关系。"0.0.0.0:9000->9000/tcp"：表示容器内部的 9000 端口映射到主机的 9000 端口。8123和9000是ClickHouse数据库的两个不同的端口，它们具有不同的功能和使用方式。
基于Spark Streaming的实时新闻日志分析系统：从数据流到可视化全链路实践
实时数据处理是构建现代数据驱动应用的核心能力，其原理在于对连续产生的数据流进行即时计算与分析，而非传统的批量处理模式。这项技术的核心价值在于能够快速响应业务变化，为实时监控、个性化推荐、风险预警等场景提供即时洞察。在技术实现上，Apache Spark Streaming作为经典的微批处理框架，通过将数据流划分为小批次（DStream）进行处理，平衡了吞吐量与延迟，是学习流处理原理的绝佳入口。结合Kafka作为高吞吐的消息队列进行数据缓冲，以及Redis作为高性能的内存数据库存储实时结果，构成了一个稳健的实
clickhouse 8123 9000 9004 9005 9009端口
clickhouse端口详解
2026 最新实战教程：AI 重构开发全流程（从需求→上线→运维）
1）做什么系统2）技术栈3）功能模块4）部署要求plaintext我要做一个：待办事项（Todo）全栈应用技术栈：前端：React + TypeScript + Tailwind后端：Node.js + Express + MongoDB部署：Docker + 本地运行（后续可上云）功能：- 增删改查任务- 任务状态切换（完成/未完成）- 简单错误处理请按企业级标准生成：架构设计 + 全部代码 + 接口文档 + 启动命令。
【GD32F407】i2c主机发送，从机中断接收
前言 现在手里负责的一个项目需要用i2c和主芯片进行通信主动发送，中断接收，这就需要支持i2c主机模式和从机模式，先查看原理图 这里我们用到了两条i2c总线进行数据的交替传输，避免在使用一条总线是发送数据和接收数据冲突 初始化i2c控制器 s32_k i2cDevInit(u8 byBusId, TI2cBus *pTI2cBus) { //PCLK = 36000000 BOOL retFlg = FALSE; int I2xSCL = pTI2cBus->byFastMode ?
ClickHouse 的安装以及使用
1. ClickHose 的安装 1.1上传安装文件：如下  1.2 执行安装命令：sudo rpm -ivh *.rpm 1.3 修改配置文件： sudo vim /etc/clickhouse-server/config.xml 中的 把 <listen_host>::</listen_host> 的注释打开，这样的话才能让
Python多进程实战：用BaoStock高效下载股票历史数据的5个优化技巧
本文详细介绍了使用Python多进程技术通过BaoStock高效下载股票历史数据的5个优化技巧。从理解BaoStock的数据获取机制到进程池配置、智能任务分片、异常处理及性能监控，帮助开发者显著提升数据下载效率，特别适合量化交易领域的数据采集需求。
ClickHouse快速学习
ClickHouse的场景 为什么要用clickHouse? 1.clickHouse是c开发的,快 2.用到OLAP(联机分析处理) 3.对Hadoop技术栈的补充,专门用来对数据进行分析的,补充spark和hive没有涉及的维度查询 联机分析处理OLAP是一种软件技术，它使分析人员能够迅速、一致、交互地从各个方面观察信息，以达到深入理解数据的目的。它具有FASMI(Fast Analysis of Shared Multidimensional Information)，即共享多维信息的快速
彻底卸载Ubuntu双系统，并完美回收100G空间给D盘
本文记录了安全卸载Ubuntu双系统并回收磁盘空间的全过程。作者首先通过Windows命令行彻底清除Ubuntu启动项，避免GRUB引导报错；随后在磁盘管理中删除Linux分区，将100G未分配空间合并至相邻的D盘。针对C盘空间不足问题，作者采用Dism++清理系统文件，并将用户文档、聊天记录等迁移至扩容后的D盘。最终实现了引导纯净、空间合理分配的目标，特别强调分区扩展必须遵循"相邻原则"，建议通过间接迁移而非直接扩容来优化系统盘空间管理。
数字后端设计实现 | 数字后端PR工具Innovus中如何创建不同高度的row？
数字IC后端设计实现之innovus中如何创建不同高度的row?
大数据原生集群 (Hadoop3.X为核心) 本地测试环境搭建三
本文摘要： Azkaban 3.72.0集群部署指南，从源码编译开始详细记录搭建过程。重点包括：1）源码环境准备与依赖镜像源调整；2）Node.js和Gradle环境配置；3）多节点部署架构设计（1个Web+MySQL节点，2个Executor节点）；4）MySQL数据库初始化注意事项；5）Web服务SSL证书生成方法；6）配置文件修改注意事项。特别强调国内网络环境下的编译问题和低版本MySQL驱动兼容性问题，提供完整的多执行器模式生产环境部署方案。
【定位模块算法】amcl（蒙特卡洛）粒子滤波定位算法（附C++代码）
系列文章目录 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 TODO:写完再整理 文章目录系列文章目录前言（1）amcl定位框架介绍（2）amcl定位框架组成（1）ROS-TF坐标转换树【ROS的工具】（2）robot_pose_ekf扩展卡尔曼位姿估计算法（3）定位amcl自适应蒙特卡洛定位，adaptive monte carlo localizaion**（3）amcl定位节点的订阅与发布（4）amcl定位功能包用法(1)编写amcl节点相关的launch(amcl_omni.l
大数据原生集群 (Hadoop3.X为核心) 本地测试环境搭建二
本文介绍了多个大数据组件的安装配置要点，包括MySQL5.6、Spark3.2.1、Presto0.272、Zeppelin0.11.2、Kafka3.7.2、Doris2.1和Apache Celeborn0.5.4。重点强调了各组件安装时的版本兼容性问题和关键配置项，如Spark3.x的端口修改、Guava包替换、Presto与Hadoop3.0的适配、Zeppelin的Spark配置准确性等。特别对国产组件Doris和新兴的Shuffle服务Celeborn进行了详细介绍，包括版本选择建议和典型配置参
基于Matlab的无迹卡尔曼滤波惯性导航与DVL组合导航
航天航空领域中的惯性导航是一种基于惯性测量单元（Inertial Measurement Unit，IMU）的导航方法，可以提供航向、速度和位置等信息。深度/速度测量器（Doppler Velocity Log，DVL）是一种常用的传感器，可用于测量水下航行器的速度。通过将DVL与无迹卡尔曼滤波相结合，可以实现高精度的组合导航。本文介绍了基于Matlab的无迹卡尔曼滤波（UKF）惯性导航与DVL组合导航的方法。以上是一种简化的示例代码，您可以根据实际应用需求进行相应的修改和优化。
最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版
Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf：最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版，包括SDIO 接口的外设，SDIO 接口官方协议等。
大数据技术实战：从Hadoop+Spark部署到端到端数据处理管道搭建
大数据技术体系是应对海量、多源、高速数据挑战的核心解决方案，其核心原理在于通过分布式计算框架对数据进行并行处理。从经典的MapReduce分而治之模型，到基于内存计算的Spark DAG执行引擎，技术演进大幅提升了数据处理效率。在工程实践中，构建完整的数据处理链路具有重要价值，能够支撑实时分析、用户画像等应用场景。本文以Hadoop和Spark为核心，通过部署伪分布式集群和编写数据分析程序，演示如何搭建从数据采集、存储、计算到可视化的实战管道，并融入数据治理与生产环境最佳实践，为构建企业级数据平台提供可落地
visio安装包
Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表，创建专业级图表以简化复杂的信息。
clickhouse 安装踩坑
clickhouse配置
SIMATIC S7-1200, S7-1500 PID 控制[手册]
SIMATIC S7-1200, S7-1500 PID 控制[手册]
IEM模型，地表粗糙度模拟
利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟
报错：Code: 210. DB::NetException: Connection refused (localhost:9000). (NETWORK_ERROR）
报错：Code: 210. DB::NetException: Connection refused (localhost:9000). (NETWORK_ERROR）clickhouse-client -m --password 123456 启动 clickhouse命令。cd /var/log/clickhouse-server/ //进入日志文件目录。
10.Clickhouse 单机部署
大约156行找到 :: 的配置项，取消注释，这样就同时支持IPv4和IPv6了。（一般都用这种方式）也可以选择取消注释0.0.0.0，就仅支持IPv4，不允许IPv6。配置完成后，输入自己的主机名加8123端口即可远程访问。在依次解压第四个并执行即可。按照题目修改为 9001。
安装clickhouse后namenode无法启动
一次启动hadoop集群发现namenode始终无法启动，找了很多方法后，发现是新安装的clickhouse占用了9000端口，导致namenode无法启动 解决方法： netstat -lnp | grep 9000 然后kill -9 杀死9000端口的进程号 之后就可以正常启动namenode了 ...
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
391
扫一扫
