微服务学习——分布式搜索

业界资讯 2023-06-05 08:44:06 阅读次数: 0

初识elasticsearch

什么是elasticsearch

elasticsearch是一款非常强大的开源搜索引擎，可以帮助我们从海量数据中快速找到需要的内容。

elasticsearch结合kibana、Logstash、Beats，也就是elastic stack(ELK)。被广泛应用在日志数据分析、实时监控等领域。

elasticsearch是elastic stack的核心，负责存储、搜索、分析数据。

1

elasticsearch的发展

Lucene是一个Java语言的搜索引擎类库，是Apache公司的顶级项目，由DougCutting于1999年研发。官网地址: https://lucene.apache.orgl。

Lucene的优势:

  • 易扩展
  • 高性能(基于倒排索引)

Lucene的缺点:

  • 只限于Java语言开发
  • 学习曲线陡峭
  • 不支持水平扩展

2004年Shay Banon基于Lucene开发了Compass

2010年Shay Banon重写了Compass，取名为Elasticsearch。

官网地址: https://www.elastic.co/cn/目前最新的版本是:8.7.0

相比与lucene，elasticsearch具备下列优势:

  • 支持分布式，可水平扩展
  • 提供Restful接口，可被任何语言调用

为什么学习elasticsearch?

搜索引擎技术排名:

  1. Elasticsearch:开源的分布式搜索引擎
  2. Splunk:商业项目
  3. Solr: Apache的开源搜索引擎

什么是elasticsearch?

  • 一个开源的分布式搜索引擎，可以用来实现搜索、日志统计、分析、
    系统监控等功能

什么是elastic stack (ELK)?

  • 是以elasticsearch为核心的技术栈，包括beats、Logstash、kibana、elasticsearch

什么是Lucene?

  • 是Apache的开源搜索引擎类库，提供了搜索引擎的核心API

正向索引和倒排索引

传统数据库（如MySQL）采用正向索引，例如给下表(tb_goods）中的id创建索引:

2

elasticsearch采用倒排索引:

  • 文档（ document) :每条数据就是一个文档
  • 词条（term) :文档按照语义分成的词语

3

什么是文档和词条?

  • 每一条数据就是一个文档
  • 对文档中的内容分词，得到的词语就是词条

什么是正向索引?

  • 基于文档id创建索引。查询词条时必须先找到文档，而后判断是否包
    含词条

什么是倒排索引?

  • 对文档内容分词，对词条创建索引，并记录词条所在文档的信息。查询时先根据词条查询到文档id，而后获取到文档

文档

elasticsearch是面向文档存储的，可以是数据库中的一条商品数据，一个订单信息。

文档数据会被序列化为json格式后存储在elasticsearch中。

索引(lndex)

  • 索引(index) :相同类型的文档的集合
  • 映射（mapping) :索引中文档的字段约束信息，类似表的结构约束

4

概念对比

5

架构

Mysql:擅长事务类型操作，可以确保数据的安全和一致性

Elasticsearch:擅长海量数据的搜索、分析、计算

6

  • 文档:一条数据就是一个文档，es中是Json格式
  • 字段:Json文档中的字段
  • 索引:同类型文档的集合
  • 映射:索引中文档的约束，比如字段名称、类型

elasticsearch与数据库的关系:

  • 数据库负责事务类型操作
  • elasticsearch负责海量数据的搜索、分析、计算

安装elasticsearch、kibana

1.部署单点es

1.1.创建网络

因为我们还需要部署kibana容器，因此需要让es和kibana容器互联。这里先创建一个网络：

docker network create es-net

1.2.加载镜像

这里我们采用elasticsearch的7.12.1版本的镜像，这个镜像体积非常大，接近1G。不建议大家自己pull。将镜像上传到虚拟机中，然后运行命令加载即可：

# 导入数据
docker load -i es.tar

同理还有kibana的tar包也需要这样做。

1.3.运行

运行docker命令，部署单点es：

docker run -d \
	--name es \
    -e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \
    -e "discovery.type=single-node" \
    -v es-data:/usr/share/elasticsearch/data \
    -v es-plugins:/usr/share/elasticsearch/plugins \
    --privileged \
    --network es-net \
    -p 9200:9200 \
    -p 9300:9300 \
elasticsearch:7.12.1

命令解释：

  • -e "cluster.name=es-docker-cluster"：设置集群名称
  • -e "http.host=0.0.0.0"：监听的地址，可以外网访问
  • -e "ES_JAVA_OPTS=-Xms512m -Xmx512m"：内存大小
  • -e "discovery.type=single-node"：非集群模式
  • -v es-data:/usr/share/elasticsearch/data：挂载逻辑卷，绑定es的数据目录
  • -v es-logs:/usr/share/elasticsearch/logs：挂载逻辑卷，绑定es的日志目录
  • -v es-plugins:/usr/share/elasticsearch/plugins：挂载逻辑卷，绑定es的插件目录
  • --privileged：授予逻辑卷访问权
  • --network es-net ：加入一个名为es-net的网络中
  • -p 9200:9200：端口映射配置

在浏览器中输入：http://ip地址:9200 即可看到elasticsearch的响应结果：

7

2.部署kibana

kibana可以给我们提供一个elasticsearch的可视化界面，便于我们学习。

2.1.部署

运行docker命令，部署kibana

docker run -d \
--name kibana \
-e ELASTICSEARCH_HOSTS=http://es:9200 \
--network=es-net \
-p 5601:5601  \
kibana:7.12.1
  • --network es-net ：加入一个名为es-net的网络中，与elasticsearch在同一个网络中
  • -e ELASTICSEARCH_HOSTS=http://es:9200"：设置elasticsearch的地址，因为kibana已经与elasticsearch在一个网络，因此可以用容器名直接访问elasticsearch
  • -p 5601:5601：端口映射配置

kibana启动一般比较慢，需要多等待一会，可以通过命令：

docker logs -f kibana

查看运行日志，当查看到下面的日志，说明成功：

8

此时，在浏览器输入地址访问：http://ip地址:5601，即可看到结果

2.2.DevTools

kibana中提供了一个DevTools界面：

9

这个界面中可以编写DSL来操作elasticsearch。并且对DSL语句有自动补全功能。

分词器

es在创建倒排索引时需要对文档分词;在搜索时，需要对用户输入内容分词。但默认的分词规则对中文处理并不友好。我们在kibana的DevTools中测试:

# 测试分词器
POST /_analyze
{
    
    
  "text": "霁华学Java",
  "analyzer": "standard"
}

语法说明:

  • POST:请求方式
  • /_analyze:请求路径，这里省略了http://192.168.150.101:9200，有kibana帮我们补充
  • 请求参数，json风格:
    • analyzer:分词器类型，这里是默认的standard分词器
    • text:要分词的内容

10

处理中文分词，一般会使用IK分词器。https://github.com/medcl/elasticsearch-analysis-ik

安装IK分词器

1.在线安装ik插件（较慢）

# 进入容器内部
docker exec -it elasticsearch /bin/bash

# 在线下载并安装
./bin/elasticsearch-plugin  install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip

#退出
exit
#重启容器
docker restart elasticsearch

2.离线安装ik插件（推荐）

1）查看数据卷目录

安装插件需要知道elasticsearch的plugins目录位置，而我们用了数据卷挂载，因此需要查看elasticsearch的数据卷目录，通过下面命令查看:

docker volume inspect es-plugins

显示结果：

[
    {
    
    
        "CreatedAt": "2023-04-29T04:11:49+08:00",
        "Driver": "local",
        "Labels": null,
        "Mountpoint": "/var/lib/docker/volumes/es-plugins/_data",
        "Name": "es-plugins",
        "Options": null,
        "Scope": "local"
    }
]

说明plugins目录被挂载到了：/var/lib/docker/volumes/es-plugins/_data 这个目录中。

2）解压缩分词器安装包

下面我们需要把ik分词器解压缩，重命名为ik

3）上传到es容器的插件数据卷中

也就是/var/lib/docker/volumes/es-plugins/_data ：

4）重启容器
# 4、重启容器
docker restart es

# 查看es日志
docker logs -f es
5）测试：

IK分词器包含两种模式：

  • ik_smart：最少切分

  • ik_max_word：最细切分

11.1

11.2

ik分词器-拓展词库

要拓展ik分词器的词库，只需要修改一个ik分词器目录中的config目录中的IKAnalyzer.cfg.xml文件:

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
	<comment>IK Analyzer 扩展配置</comment>
	<!--用户可以在这里配置自己的扩展字典 -->
	<entry key="ext_dict">ext.dic</entry>
</properties>

然后在名为ext.dic的文件中，添加想要拓展的词语即可:

白嫖
鸡你太美
奥力给

ik分词器-停用词库

要禁用某些敏感词条，只需要修改一个ik分词器目录中的config目录中的IKAnalyzer.cfg.xml文件:

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
	<comment>IK Analyzer 扩展配置</comment>
	<!--用户可以在这里配置自己的扩展字典 -->
	<entry key="ext_dict">ext.dic</entry>
	 <!--用户可以在这里配置自己的扩展停止词字典-->
	<entry key="ext_stopwords">stopword.</entry>
</properties>

然后在名为stopword.dic的文件中，添加想要拓展的词语即可:

的
了
哦
嗯
啊

索引库操作

mapping属性

mapping是对索引库中文档的约束，常见的mapping属性包括:

  • type:字段数据类型，常见的简单类型有:
    • 字符串: text (可分词的文本)、keyword（精确值，例如:品牌、国家、ip地址)
    • 数值:long、integer、short、byte、double、float
    • 布尔: boolean
    • 日期:date
    • 对象:object
  • index:是否创建索引，默认为true
  • analyzer:使用哪种分词器
  • properties:该字段的子字段

创建索引库

ES中通过Restful请求操作索引库、文档。请求内容用DSL语句来表示。创建索引库和mapping的DSL语法如下:

{
    
    
	"mappings": {
    
    
		"properties": {
    
    
			"字段名": {
    
    
				"type": "text",
				"analyzer ": "ik_smart"
			},
			"字段名2": {
    
    
				"type": "keyword",
				"index": "false"
			},
			"字段名3": {
    
    
				"properties": {
    
    
					"子字段": {
    
    
						"type ": "keyword"
					}
				}
			},
			// ...略
		}
	}
}

例如：

# 创建索引库
PUT /jihua
{
    
    
  "mappings": {
    
    
    "properties": {
    
    
      "info": {
    
    
        "type": "text",
        "analyzer": "ik_smart"
      },
      "email": {
    
    
        "type": "keyword",
        "index": false
      },
      "name": {
    
    
        "type": "object",
        "properties": {
    
    
          "firstName": {
    
    
            "type": "keyword"
          },
          "lastName": {
    
    
            "type": "keyword"
          }
        }
      }
    }
  }
}

查看、删除索引库

  • 查看索引库语法:
GET /索引库名
  • 删除索引库的语法:
DELETE /索引库名

修改索引库

索引库和mapping一旦创建无法修改，但是可以添加新的字段，语法如下:

PUT/索引库名/ _mapping
{
    
    
    "properties" : {
    
    
    	"新字段名":{
    
    
    		"type" : "integer"
        }
    }
}

例如：

# 修改索引库
PUT /jihua/_mapping
{
    
    
  "properties": {
    
    
    "age": {
    
    
      "type": "integer"
    }
  }
}

文档操作

新增文档

新增文档的DSL语法如下:

POST /索引库名/_doc/文档id
{
    
    
	"字段1":"值1",
    "字段2":"值2",
    "字段3": {
    
    
		"子属性1":"值3",
        "子属性2":"值4"
    },
	//...
}

例如：

# 插入文档
POST /jihua/_doc/1
{
    
    
  "info": "这里是介绍信息",
  "email": "",
  "name": {
    
    
    "firstName": "ji",
    "lastName": "hua"
  },
  "age": 21
}

查询文档

查看文档语法:

GET /索引库名/_doc/文档id

删除文档

DELETE /索引库名/_doc/文档id

修改文档

方式一:全量修改，会删除旧文档，添加新文档

# 修改文档
PUT /jihua/_doc/1
{
    
    
    "字段1":"值1",
    "字段2":"值2",
    // ...略
}

方式二:增量修改，修改指定字段值

# 修改文档
POST /_update/_doc/1
{
    
    
    "doc":{
    
    
        "字段名":"新的值"
    }
}

RestClient操作索引库

什么是RestClient

ES官方提供了各种不同语言的客户端，用来操作ES。这些客户端的本质就是组装DSL语句，通过http请求发送给ES。

官方文档地址: https://www.elastic.co/guide/en/elasticsearch/client/index.html

案例

利用JavaRestClient实现创建、删除索引库，判断索引库是否存在

根据课前资料提供的酒店数据创建索引库，索引库名为hotel，mapping属性根据数据库结构定义。

基本步骤如下:

  1. 导入课前资料Demo

  2. 分析数据结构，定义mapping属性

    mapping要考虑的问题:
    字段名、数据类型、是否参与搜索、是否分词、如果分词，分词器是什么?

    ES中支持两种地理坐标数据类型:

    • geo_point:由纬度（latitude）和经度( longitude）确定的一个点。例如:“32.8752345,120.2981576”
    • geo_shape:有多个geo_point组成的复杂几何图形。例如一条直线，
      “LINESTRING (-77.03653 38.897676,-77.009051 38.889939)”

    字段拷贝可以使用copy_to属性将当前字段拷贝到指定字段。示例:

    "all": {
      
      
    "type" : "text",
    "analyzer" : "ik_max_word"
},
"brand": {
      
      
    "type " : "keyword",
    "copy_to": "all"
}

    最终的mapping：

    # 酒店的mapping
PUT /hotel
{
      
      
  "mappings": {
      
      
    "properties": {
      
      
      "id": {
      
      
        "type": "keyword"
      },
      "name": {
      
      
        "type": "text",
        "analyzer": "ik_max_word",
        "copy_to": "all"
      },
      "address": {
      
      
        "type": "keyword",
        "index": false
      },
      "price": {
      
      
        "type": "integer"
      },
      "score": {
      
      
        "type": "integer"
      },
      "brand": {
      
      
        "type": "keyword",
        "copy_to": "all"
      },
      "city": {
      
      
        "type": "keyword"
      },
      "starName": {
      
      
        "type": "keyword"
      },
      "business": {
      
      
        "type": "keyword",
        "copy_to": "all"
      },
      "location": {
      
      
        "type": "geo_point"
      },
      "pic": {
      
      
        "type": "keyword",
        "index": false
      },
      "all": {
      
      
        "type": "text",
        "analyzer": "ik_max_word"
      }
    }
  }
}

  3. 初始化JavaRestClient

    1. 引入es的RestHighLevelclient依赖:

      <!--elasticsearch-->
<dependency>
    <groupId>org.elasticsearch.client</groupId>
    <artifactId>elasticsearch-rest-high-level-client</artifactId>
    <version>7.12.1</version>
</dependency>

    2. 因为SpringBoot默认的ES版本是7.6.2，所以我们需要覆盖默认的ES版本:

      <properties>
    <java.version>1.8</java.version>
    <elasticsearch.version>7.12.1</elasticsearch.version>
</properties>

    3. 初始化RestHighLevelClient:

      package cn.itcast.hotel;

import org.apache.http.HttpHost;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;

import java.io.IOException;

public class HotelIndexTest {
        
        
    private RestHighLevelClient client;

    @Test
    void testInit() {
        
        
        System.out.println(client);
    }

    @BeforeEach
    void setUp() {
        
        
        this.client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://192.168.5.131:9200")
        ));
    }

    @AfterEach
    void tearDown() throws IOException {
        
        
        this.client.close();
    }
}

  4. 利用JavaRestClient创建索引库

12

package cn.itcast.hotel.constants;

public class HotelConstants {
    
    
    public static final String MAPPING_TEMPLATE = "{\n" +
            "  \"mappings\": {\n" +
            "    \"properties\": {\n" +
            "      \"id\": {\n" +
            "        \"type\": \"keyword\"\n" +
            "      },\n" +
            "      \"name\": {\n" +
            "        \"type\": \"text\",\n" +
            "        \"analyzer\": \"ik_max_word\",\n" +
            "        \"copy_to\": \"all\"\n" +
            "      },\n" +
            "      \"address\": {\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"index\": false\n" +
            "      },\n" +
            "      \"price\": {\n" +
            "        \"type\": \"integer\"\n" +
            "      },\n" +
            "      \"score\": {\n" +
            "        \"type\": \"integer\"\n" +
            "      },\n" +
            "      \"brand\": {\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"copy_to\": \"all\"\n" +
            "      },\n" +
            "      \"city\": {\n" +
            "        \"type\": \"keyword\"\n" +
            "      },\n" +
            "      \"starName\": {\n" +
            "        \"type\": \"keyword\"\n" +
            "      },\n" +
            "      \"business\": {\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"copy_to\": \"all\"\n" +
            "      },\n" +
            "      \"location\": {\n" +
            "        \"type\": \"geo_point\"\n" +
            "      },\n" +
            "      \"pic\": {\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"index\": false\n" +
            "      },\n" +
            "      \"all\": {\n" +
            "        \"type\": \"text\",\n" +
            "        \"analyzer\": \"ik_max_word\"\n" +
            "      }\n" +
            "    }\n" +
            "  }\n" +
            "}";
}

@Test
void createHotelIndex() throws IOException {
    
    
    //1.创建Request对象
    CreateIndexRequest request = new CreateIndexRequest("hotel");
    //2.准备请求的参数:DSL语句
    request.source(MAPPING_TEMPLATE, XContentType.JSON);
    //3.发送请求
    client.indices().create(request, RequestOptions.DEFAULT);
}

  1. 利用JavaRestClient删除索引库

    @Test
void testDeleteHotelIndex() throws IOException {
      
      
    //1.创建Request对象
    DeleteIndexRequest request = new DeleteIndexRequest("hotel");
    //2.发送请求
    client.indices().delete(request, RequestOptions.DEFAULT);
}

  2. 利用JavaRestClient判断索引库是否存在

    @Test
void testExistsHotelIndex() throws IOException {
      
      
    //1.创建Request对象
    GetIndexRequest request = new GetIndexRequest("hotel");
    //2.发送请求
    boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);
    //3.输出
    System.err.println(exists?"索引库已经存在！" : "索引库不存在！");
}

RestClient操作文档

案例1

利用JavaRestClient实现文档的CRUD

去数据库查询酒店数据，导入到hotel索引库，实现酒店数据的CRUD。基本步骤如下:

  1. 初始化JavaRestClient

    新建一个测试类，实现文档相关操作，并且完成JavaRestClient的初始化

    public class ElasticsearchDocumentTest {
      
      
    //客户端
    private RestHighLevelClient client;

    @BeforeEach
    void setUp() {
      
      
        this.client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://192.168.5.131:9200")
        ));
    }

    @AfterEach
    void tearDown() throws IOException {
      
      
        this.client.close();
    }
}

  2. 利用JavaRestClient新增酒店数据

    先查询酒店数据，然后给这条数据创建倒排索引，即可完成添加:

    @Test
void testAddDocument() throws IOException {
      
      
    //根据id查询酒店数据
    Hotel hotel = hotelService.getById(61083L);
    //转换为文档类型
    HotelDoc hotelDoc = new HotelDoc(hotel);

    //1.准备Request对象
    IndexRequest request = new IndexRequest("hotel").id(hotel.getId().toString());
    //2.准备Json文档
    request.source(JSON.toJSONString(hotelDoc), XContentType.JSON);
    //3.发送请求
    client.index(request, RequestOptions.DEFAULT);
}

  3. 利用JavaRestClient根据id查询酒店数据

    根据id查询到的文档数据是json，需要反序列化为java对象:

    @Test
void testGetDocumentById() throws IOException {
      
      
    //1.创建request对象
    GetRequest request = new GetRequest("hotel", "61083");
    //2.发送请求，得到结果
    GetResponse response = client.get(request, RequestOptions.DEFAULT);
    //3.解析结果
    String json = response.getSourceAsString();
    HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
    System.out.println(hotelDoc);
}

  4. 利用JavaRestClient删除酒店数据

    修改文档数据有两种方式:

    方式一:全量更新。再次写入id一样的文档，就会删除旧文档，添加新文档(同新增)

    方式二:局部更新。只更新部分字段：

    @Test
void testUpdateDocument() throws IOException {
      
      
    // 1.准备Request
    UpdateRequest request = new UpdateRequest("hotel", "61083");
    // 2.准备请求参数
    request.doc(
            "price", "952",
            "starName", "四钻"
    );
    // 3.发送请求
    client.update(request, RequestOptions.DEFAULT);
}

  5. 利用lavaRestClient修改酒店数据

    @Test
void testDeleteDocument() throws IOException {
      
      
    // 1.准备Request
    DeleteRequest request = new DeleteRequest("hotel", "61083");
    // 2.发送请求
    client.delete(request, RequestOptions.DEFAULT);
}

案例2

利用JavaRestClient批量导入酒店数据到ES

需求:批量查询酒店数据，然后批量导入索引库中
思路:

  1. 利用mybatis-plus查询酒店数据
  2. 将查询到的酒店数据(Hotel)转换为文档类型数据（HotelDoc)
  3. 利用JavaRestClient中的Bulk批处理，实现批量新增文档
@Test
void testBulkRequest() throws IOException {
    
    
    //批量查询数据库
    List<Hotel> hotels = hotelService.list();

    // 1.创建Request
    BulkRequest request = new BulkRequest();
    // 2.准备参数，添加多个新增的Request
    for (Hotel hotel : hotels) {
    
    
        //转换为文档类型HotelDoc
        HotelDoc hotelDoc = new HotelDoc(hotel);
        //创建新增文档的Request对象
        request.add(new IndexRequest("hotel")
                .id(hotelDoc.getId().toString())
                .source(JSON.toJSONString(hotelDoc), XContentType.JSON));
    }
    // 3.发送请求
    client.bulk(request, RequestOptions.DEFAULT);
}

t
DeleteRequest request = new DeleteRequest(“hotel”, “61083”);
// 2.发送请求
client.delete(request, RequestOptions.DEFAULT);
}


## 案例2

利用JavaRestClient**批量导入**酒店数据到ES

需求:批量查询酒店数据，然后批量导入索引库中
思路:

1. 利用mybatis-plus查询酒店数据
2. 将查询到的酒店数据(Hotel)转换为文档类型数据（HotelDoc)
3. 利用JavaRestClient中的Bulk批处理，实现批量新增文档

```java
@Test
void testBulkRequest() throws IOException {
 //批量查询数据库
 List<Hotel> hotels = hotelService.list();

 // 1.创建Request
 BulkRequest request = new BulkRequest();
 // 2.准备参数，添加多个新增的Request
 for (Hotel hotel : hotels) {
     //转换为文档类型HotelDoc
     HotelDoc hotelDoc = new HotelDoc(hotel);
     //创建新增文档的Request对象
     request.add(new IndexRequest("hotel")
             .id(hotelDoc.getId().toString())
             .source(JSON.toJSONString(hotelDoc), XContentType.JSON));
 }
 // 3.发送请求
 client.bulk(request, RequestOptions.DEFAULT);
}

猜你喜欢

转载自blog.csdn.net/jihuaTEL/article/details/130477196
今日推荐
TIOBE 5 月榜单：Fortran “复活”进入 Top 10
GCC 14.1 发布
面壁智能发布 Eurux-8x22B 开源大模型 —— 堪称「理科状元」
开源日报 | 谷歌扶持鸿蒙上位；开源Rabbit R1；Docker加持的安卓手机；微软的焦虑和野心；海尔电器把开放平台关了
中国码农的“35岁魔咒”
蘭雅 CorelDRAW 插件 2024.5.1 国际劳动节版，免费下载
Arc Browser for Windows 1.0 正式 GA
90后程序员开发视频搬运软件、不到一年获利超 700 万，结局很刑！
周排行
基本数据类型封装类比较 Java源码解读(一) 8种基本类型对应的封装类型
JS实现无缝滚动上
深入解析HashMap原理（基于JDK1.8）
mysql的连接池
关于.htc
linux下的ubuntu12.04图形界面
【数论】好推不好记的扩展欧几里德
设备树详解
cscope + tags 简单设置
xml学习
每日归档
更多
2024-05-09(35)
2024-05-08(42)
2024-05-07(14)
2024-05-06(40)
2024-05-05(0)
2024-05-04(7)
2024-05-03(19)
2024-05-02(0)
2024-05-01(4)
2024-04-30(1)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022