大数据之ELK

业界资讯 2023-07-01 23:03:23 阅读次数: 0

ELK

ELK

1.1、ElasticSearch

1.1.1、名词解释

  1. 基本术语：
    在这里插入图片描述

 文档document
用户存储在es中的数据文档
 元数据
_index:文档所在索引名称
_type:文档所在类型名称
_id:文档唯一id
_uid:组合id，由_type和_id组成（6.x后，_type不再起作用，同_id）
_source:文档的原始Json数据，包括每个字段的内容
_all:将所有字段内容整合起来，默认禁用（用于对所有字段内容检索）
 索引Index
由具有相同字段的文档列表组成，用于定义字段名和字段值，一个集群或elasticsearch由多个索引组成，例如可以按照日期生成多个索引，方便数据搜索
 类型Type
具有相同特征文档的集合（ES6之后一个索引中只能定义一个type）
 字段Field
具有相同特性数据名称
在这里插入图片描述

类型名称 组成
字符串 text、keyword
数值型 long、integer、short、byte、double、float、half_float、scaled_float(长度短)
布尔 boolean
日期 Date
二进制 binary
范围类型 Integer_range、float_range、long_range、double_range、date_range(做数据范围查询)

  1. 集群术语：
     节点Node
    一个Elasticsearch的运行实例，时集群构成的基本单元
     集群cluster
    由一个或多个节点组成，对外提供服务
    1.1.2、Elasticsearch的Rest API
     REST访问ES方式（需要Http Method、URI）
  2. 浏览器（postman）

在这里插入图片描述在这里插入图片描述

  1. Linux命令行
    请求：
[root@localcurl -XPOST 'http://192.168.14.12:9200/atguig/doc'
-i -H 
"Content-Type:application/json" 
-d
'{"name":"haha","age":"10"}'

相应：
HTTP/1.1 201 Created
Location: /atguig/doc/KF_t32QBxRaDZXTftAxg
content-type: application/json; charset=UTF-8
content-length: 172

{
   
   "_index":"atguig","_type":"doc","_id":"KF_t32QBxRaDZXTftAxg","_version":1,"result":	"created","_shards":{
   
   "total":2,"successful":1,"failed":0},"_seq_no":0,"_primary_term":	1}

  1. Kibana的Dev Tools
    在这里插入图片描述

  2. Cerebro插件
    在这里插入图片描述

 ES状态查看命令
语法：ip:post/_cat/args
（?v表示显示字段说明,?format=json&pretty表示显示成json格式）
1、查看所有索引
GET _cat/indices?v
2、查看es集群状态
GET _cat/health?v
3、集群节点健康查看
GET _cat/nodes?v
4、列出倒叙索引
GET _cat/segment?v
 查看集群的状态
语法：GET _cluster/(args][?v | ?format=json&pretty)
（?v表示显示字段说明,?format=json&pretty表示显示成json格式）
 索引操作
1、添加
语法：PUT index名称
2、查看索引信息
语法：GET index名称
3、删除索引
语法：DELETE index名称
4、查看索引状态
语法：HEAD index名称
语法：GET index名称/_status
 文档操作
1、添加和修改
语法：(PUT|POST) index名称/type名称/[id]?
不添加id会自动生成id
2、删除
语法：DELETE index名称/type名称/[id]
4、查看
语法：GET index名称/type名称/[id]

1.1.3、正排索引和倒排索引

 正排索引
记录文档Id到文档内容、单词的关联关系

 倒排索引
记录单词到文档id的关联关系，包含：
单词词典（Term DicTionary）：记录所有文档的单词，一般比较大
倒排索引（Posting List）：记录单词倒排列表的关联信息

1、Term Dictionary

扫描二维码关注公众号，回复： 15555918 查看本文章

2、Posting List
DocId TF Position Offset
1 1 0 <0,2>
3 1 0 <0,2>
DocId：文档id，文档的原始信息
TF：单词频率，记录该词再文档中出现的次数，用于后续相关性算分
Position：位置，记录Field分词后，单词所在的位置，从0开始
Offset：偏移量，记录单词在文档中开始和结束位置，用于高亮显示等

3、内存结构
B+Tree

在这里插入图片描述

每个文档字段都有自己的倒排索引

1.1.4、分词

分词是指将文本转换成一系列单词（term or token）的过程，也可以叫做文本分析，在es里面称为Analysis
在这里插入图片描述

 分词机制
在这里插入图片描述

 分词API

1、直接指定测试（指定分词器）

Request:

POST _analyze
{
  "analyzer": "standard",
  "text":"hello 1111"
}

Response:

{
  "tokens": [
    {
      "token": "hello",				#分词
      "start_offset": 0,				#开始偏移
      "end_offset": 5,				#结束偏移
      "type": "<ALPHANUM>",		#单词类型
      "position": 0				#位置
    },
    {
      "token": "world",
      "start_offset": 6,
      "end_offset": 11,
      "type": "<NUM>",
      "position": 1
    }
  ]
}

2、针对索引的字段进行分词测试（利用该字段的分词器）
Request：

POST atguigu/_analyze
{
  "field": "name",
  "text":"hello world"
}

Response:

{
  "tokens": [
    {
      "token": "hello",
      "start_offset": 0,
      "end_offset": 5,
      "type": "<ALPHANUM>",
      "position": 0
    },
    {
      "token": "world",
      "start_offset": 6,
      "end_offset": 11,
      "type": "<ALPHANUM>",
      "position": 1
    }
  ]
}

3、自定义分词器
Request:

POST _analyze
{
  "tokenizer": "standard",
  "filter": ["lowercase"],
  "text":"Hello WORLD"
}

Response:

{
  "tokens": [
    {
      "token": "hello",
      "start_offset": 0,
      "end_offset": 5,
      "type": "<ALPHANUM>",
      "position": 0
    },
    {
      "token": "world",
      "start_offset": 6,
      "end_offset": 11,
      "type": "<ALPHANUM>",
      "position": 1
    }
  ]
}

 Elasticsearch自带的分词器
在这里插入图片描述

 中文分词
在这里插入图片描述

 Character Filters
在进行Tokenizer之前对原始文本进行处理，如增加、删除或替换字符等
在这里插入图片描述

注意：进行处理后，会影响后续tokenizer解析的position和offset

Request：

POST _analyze
{
  "tokenizer": "keyword",
  "char_filter": ["html_strip"],
  "text":"<div><h1>B<sup>+</sup>Trees</h1></div>"
}

Response:

{
  "tokens": [
    {
      "token": """


B+Trees


""",
      "start_offset": 0,
      "end_offset": 38,
      "type": "word",
      "position": 0
    }
  ]
}

 Token Filter
在这里插入图片描述

Request:

POST _analyze
{
  "tokenizer": "standard",
  "text":"a Hello World",
  "filter": [
      "stop",
      "lowercase",
      {
        "type":"ngram",
        "min_gram":3,
        "max_gram":4
        
      }
    ]
}

Response:

{
  "tokens": [
    {
      "token": "hel",
      "start_offset": 2,
      "end_offset": 7,
      "type": "<ALPHANUM>",
      "position": 1
    },
    {
      "token": "hell",
      "start_offset": 2,
      "end_offset": 7,
      "type": "<ALPHANUM>",
      "position": 1
    },
    {
      "token": "ell",
      "start_offset": 2,
      "end_offset": 7,
      "type": "<ALPHANUM>",
      "position": 1
    },
    {
      "token": "ello",
      "start_offset": 2,
      "end_offset": 7,
      "type": "<ALPHANUM>",
      "position": 1
    },
    {
      "token": "llo",
      "start_offset": 2,
      "end_offset": 7,
      "type": "<ALPHANUM>",
      "position": 1
    },
    {
      "token": "wor",
      "start_offset": 8,
      "end_offset": 13,
      "type": "<ALPHANUM>",
      "position": 2
    },
    {
      "token": "worl",
      "start_offset": 8,
      "end_offset": 13,
      "type": "<ALPHANUM>",
      "position": 2
    },
    {
      "token": "orl",
      "start_offset": 8,
      "end_offset": 13,
      "type": "<ALPHANUM>",
      "position": 2
    },
    {
      "token": "orld",
      "start_offset": 8,
      "end_offset": 13,
      "type": "<ALPHANUM>",
      "position": 2
    },
    {
      "token": "rld",
      "start_offset": 8,
      "end_offset": 13,
      "type": "<ALPHANUM>",
      "position": 2
    }
  ]
}

 自定义分词api

Request:

PUT my_analyzer
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my":{
          "tokenizer":"punctuation",
          "type":"custom",
          "char_filter":["emoticons"],
          "filter":["lowercase","english_stop"]
        }
      },
      "tokenizer": {
        "punctuation":{
          "type":"pattern",
          "pattern":"[.,!?]"
        }
      },
      "char_filter": {
        "emoticons":{
          "type":"mapping",
          "mappings":[
              ":)=>_happy_",
              ":(=>_sad_"
            ]
        }
      },
      "filter": {
        "english_stop":{
          "type":"stop",
          "stopwords":"_english_"
        }
      }
    }
  }
}

测试：
POST my_analyzer/_analyze

{
  "analyzer": "my",
  "text":"l'm a :) person,and you?"
}

{
  "tokens": [
    {
      "token": "l'm a _happy_ person",
      "start_offset": 0,
      "end_offset": 15,
      "type": "word",
      "position": 0
    },
    {
      "token": "and you",
      "start_offset": 16,
      "end_offset": 23,
      "type": "word",
      "position": 1
    }
  ]
}

 分词使用场景
1、索引时分词：创建或更新文档时，会对相应得文档进行分词(指定字段分词)
PUT my_test

{
“mappings”:{
“doc”:{
“properties”:{
“title”:{
“type”:”text”,
“analyzer”:”whitespace”
}
}
}
}
}

2、查询时分词：查询时会对查询语句进行分词
POST my_test/_search

{
“query”:{
“match”:{
“message”:{
“query”:”hello”,
“analyzer”:”standard”
}
}
}
}

PUT my_test

{
“mappings”:{
“doc”:{
“properties”:{
“title”:{
“type”:”text”,
“analyzer”:”whitespace”,
“search_analyzer”:”standard”				#查询指定分词器
}
}
}
}
}

一般不需要特别指定查询时分词器，直接使用索引时分词器即可，否则会出现无法匹配得情况，如果不需要分词将字段type设置成keyword，可以节省空间

1.1.5、Mapping

 作用：
定义数据库中的表的结构的定义，通过mapping来控制索引存储数据的设置
a. 定义Index下的字段名（Field Name）
b. 定义字段的类型，比如数值型、字符串型、布尔型等
c. 定义倒排索引相关的配置，比如documentId、记录position、打分等
 获取索引mapping
不进行配置时，自动创建的mapping
请求：
GET /atguigu/_mapping
响应：

{
  "atguigu": {										#索引名称
    "mappings": {									#mapping设置
      "student": {									#type名称
        "properties": {								#字段属性
          "clazz": {								
            "type": "text",							#字段类型，字符串默认类型
            "fields": {								#子字段属性设置
              "keyword": {						#分词类型（不分词）
                "type": "keyword",				
                "ignore_above": 256
              }
            }
          },
          "description": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "name": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          }
        }
      }
    }
  }
}

 自定义mapping
请求：
PUT my_index #索引名称

{
  "mappings":{
    "doc":{								#类型名称
      "dynamic":false, 					
      "properties":{		
        "title":{
          "type":"text"					#字段类型
        },
        "name":{
          "type":"keyword"
        },
        "age":{
          "type":"integer"
        }
      }
    }
  }
}

响应：

{
  "acknowledged": true,
  "shards_acknowledged": true,
  "index": "my_index"
}

 Dynamic Mapping
在这里插入图片描述

 注意：
mapping中的字段类型一旦设定后，禁止修改
原因：Lucene实现的倒排索引生成后不允许修改(提高效率)
如果要修改字段的类型，需要从新建立索引，然后做reindex操作
 dynamic设置
a. true：允许自动新增字段（默认的配置）
b. False：不允许自动新增字段，但是文档可以正常写入，无法对字段进行查询操作
c. strict：文档不能写入（如果写入会报错）

 cope_to
作用:将字段的值赋值到目标字段，实现类似_all的作用

例如：
1、创建mapping，包含copy_to字段
PUT my_index

{
    "mappings":{
        "doc":{
            "properties":{
                "frist_name":{
                    "type":"text",
                    "copy_to":"full_name"
                },
                "last_name":{
                    "type":"text",
                    "copy_to":"full_name"
                },
                "full_name":{
                    "type":"text"
                }
            }
        }
    }
}

2、创建文档

PUT my_index/doc/1

{
  "frist_name":"John",
  "last_name":"Smith"
}

3、查询文档
GET my_index/_search

{
  "query":{
    "match": {
      "full_name":{
        "query":"John Smith",
        "operator":"and"
      }
    }
  }
}

 Index属性
Index属性，控制当前字段是否索引，默认为true，即记录索引，false不记录，即不可以搜索，比如：手机号、身份证号等敏感信息，不希望被检索

例如：
1、创建mapping
PUT my_index

{
  "mappings": {
    "doc":{
      "properties": {
        "cookie":{
          "type":"text",
          "index": false
        }
      }
    }
  }
}

2、创建文档
PUT my_index/doc/1

{
  "cookie":"123",
  "name":"home"
}

3、查询
GET my_index/_search

{
 "query": {
   "match": {
     "cookie":"123"
   }
 } 
}
#报错
GET my_index/_search
{
 "query": {
   "match": {
     "name":"home"
   }
 } 
}
#有结果

 index_option用于记录倒排索引记录的内容，有一下4种配置
1、docs只记录doc id
2、freqs记录docid和term frequencies
3、positions记录docid、term frequencies和term position
4、offsets记录docid、term frequencies、term position和character offsets
Text类型默认配置为positions，其他默认为docs
记录的内容越多暂用的空间越大

PUT my_index

{
“doc”:{
“properties”:{
“cookie”:{
“type”:”text”,
“index_option”:”offsets”
}
}
}
}

 null_value
当字段遇到null值时，默认为null，即空值，此时而社会忽略该值。可以通过设定该值设定字段的默认值

1.1.6、数据类型

 核心数据类型
字符串型：text、keyword
数值型：long、integer、short、byte、double、float、half_float、scaled_float
日期类型：date
布尔类型：boolean
二进制类型：binary
范围类型：integer_range、float_range、long_range、double_range、date_range
 复杂数据类型
数组类型：array
对象类型：object
嵌套类型：nested object
 地理位置数据类型
geo_point(点)、geo_shape(形状)
 专用类型
记录IP地址ip
实现自动补全completion
记录分词数：token_count
记录字符串hash值母乳murmur3
 多字段特性multi-fields
允许对同一个字段采用不同的配置，比如分词，例如对人名实现拼音搜索，只需要在人名中新增一个子字段为pinyin即可
1、创建mapping
PUT my_index1

{
  "mappings": {
    "doc":{
      "properties":{
        "username":{
          "type": "text", 
          "fields": {
            "pinyin":{
              "type": "text"
            }
          }
        }
      }
    }
  }
}

2、创建文档
PUT my_index1/doc/1

{
  "username":"haha heihei"
}

3、查询
GET my_index1/_search

{
  "query": {
    "match": {
      "username.pinyin": "haha"
    }
  }
}

 Dynamic Mapping
es可以自动识别文档字段类型，从而降低用户使用成本
PUT /test_index/doc/1

{
  "username":"alfred",
  "age":1
}

{
  "test_index": {
    "mappings": {
      "doc": {
        "properties": {
          "age": {
            "type": "long"
          },
          "username": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          }
        }
      }
    }
  }
}

age自动识别为long类型，username识别为text类型
PUT test_index/doc/1

{
  "username":"samualz",
  "age":14,
  "birth":"1991-12-15",
  "year":18,
  "tags":["boy","fashion"],
  "money":"100.1"
}

{
  "test_index": {
    "mappings": {
      "doc": {
        "properties": {
          "age": {
            "type": "long"
          },
          "birth": {
            "type": "date"
          },
          "money": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "tags": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "username": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "year": {
            "type": "long"
          }
        }
      }
    }
  }
}

日期的自动识别可以自行配置日期格式，以满足各种需求
1、自定义日期识别格式
PUT my_index

{
  "mappings":{
    "doc":{
      "dynamic_date_formats": ["yyyy-MM-dd","yyyy/MM/dd"]
    }
  }
}

2、关闭日期自动识别
PUT my_index

{
  "mappings": {
    "doc": {
      "date_detection": false
    }
  }
}

字符串是数字时，默认不会自动识别为整形，因为字符串中出现数字时完全合理的
Numeric_datection可以开启字符串中数字的自动识别

PUT my_index

{
  "mappings":{
    "doc":{
      "numeric_datection": true
    }
  }
}

 Dynamic Templates
允许根据es自动识别的数据类型、字段名等来自动设定字段类型
-所有字符串类型都设定为keyword类型，即默认不分词
-所有以message开头的字段都设定为text类型，即分词
-所有以long_开头的字段都设定为long类型
-所有自动匹配为double类型的都设定为float类型，以节省空间

1、匹配规则
match_mapping_type：匹配es自动识别的字段类型，如boolean，long，string等
match,unmatch：匹配字段名
path_match,path_unmatch：匹配对象内部字段
2、例子
把所有字符串类型的匹配成keyword类型
PUT test_index

{
  "mappings": {
    "doc": {
      "dynamic_templates":[					#数组，可指定多个模板
        {
          "strings":{							#模板名称
            "match_mapping_type":"string",		#匹配规则
            "mapping":{						#设置mapping信息
              "type":"keyword"				
            }
          }  
        }
      ]
    }
  }
}

以message开头的字段都设置成text类型
PUT test_index

{
  "mappings": {
    "doc":{
      "dynamic_templates":[
        {
          "message_as_text":{
            "match_mapping_type":"string",
            "match":"message*",
            "mapping":{
              "type":"text"
            }
          }
        }
      ]
    }
  }
}

double类型设定为float，节省空间
PUT test_index

{
  "mappings": {
    "doc":{
      "dynamic_templates":[
        {
          "message_as_text":{
            "match_mapping_type":"double",
            "mapping":{
              "type":"float"
            }
          }
        }
      ]
    }
  }
}

 索引模板
用于在新建索引时自动应用预先设定的配置，简化索引创建的操作步骤
1、可以设定索引的配置和mapping
2、可以有多个模板，根据order设置，order大的覆盖小的配置
3、

 自定义mapping步骤
1、写入一条文档到es的临时索引中，获取es自动生成的mapping
2、修改步骤1得到的mapping，自定义相关配置
3、使用步骤2中的mapping创建实际所需的索引

PUT _template/test_template

{
  "index_patterns":["te*","bar*"],
  "order":0,						#order越大，优先级越高，覆盖order小的模板
  "settings": {
    "number_of_shards": 1
  },
  "mappings": {
    "doc":{
      "_source":{
        "enabled":false
      },
      "properties":{
        "name":{
          "type":"keyword"
        }
      }
    }
  }
}

有时索引创建出问题，首先查看模板

1.1.7、Search API(URI)

GET /_search #查询所有索引文档
GET /my_index/_search #查询指定索引文档
GET /my_index1,my_index2/search #多索引查询
GET /my*/_search
 URI查询方式（查询有限制，很多配置不能实现）
GET /my_index/_search?q=user:alfred #指定字段查询
GET /my_index/_search?q=alfred&df=user&sort=age:asc&from=4&size=10&timeout=1s
在这里插入图片描述

 term与phrase
term相当于单词查询，phrase相当于词语查询
term：Alfred way等效于alfred or way
phrase：”Alfred way” 词语查询，要求先后顺序
 泛查询
Alfred等效于在所有字段去匹配该term(不指定字段查询)
 指定字段
name:alfred
 Group分组设定（），使用括号指定匹配的规则
（quick OR brown）AND fox：通过括号指定匹配的优先级
status:(active OR pending) title:(full text search)：把关键词当成一个整体
 查询案例及详解
1、批量创建文档
POST test_search_index/doc/_bulk

{
  "index":{
    "_id":1
  }
}
{
  "username":"alfred way",
  "job":"java engineer",
  "age":18,
  "birth":"1991-12-15",
  "isMarried":false
}
{
  "index":{
    "_id":2
  }
}
{
  "username":"alfred",
  "job":"java senior engineer and java specialist",
  "age":28,
  "birth":"1980-05-07",
  "isMarried":true
}
{
  "index":{
    "_id":3
  }
}
{
  "username":"lee",
  "job":"java and ruby engineer",
  "age":22,
  "birth":"1985-08-07",
  "isMarried":false
}
{
  "index":{
    "_id":4
  }
}
{
  "username":"lee junior way",
  "job":"ruby engineer",
  "age":23,
  "birth":"1986-08-07",
  "isMarried":false
}

2、泛查询
GET test_search_index/_search?q=alfred

3、查询语句执行计划查看
GET test_search_index/_search?q=alfred

{
  "profile":true
}

4、term查询
GET test_search_index/_search?q=username:alfred way #alfred OR way

5、phrase查询
GET test_search_index/_search?q=username:“alfred way”

6、group查询
GET test_search_index/_search?q=username:(alfred way)

7、布尔操作符
（1）AND(&&),OR(||),NOT(!)
例如：name:(tom NOT lee)
#表示name字段中可以包含tom但一定不包含lee
（2）+、-分别对应must和must_not
例如：name:(tom +lee -alfred)
#表示name字段中，一定包含lee，一定不包含alfred，可以包含tom
注意：+在url中会被解析成空格，要使用encode后的结果才可以，为%2B

GET test_search_index/_search?q=username:(alfred %2Bway)

 范围查询，支持数值和日期
1、区间：闭区间：[]，开区间:{}
age:[1 TO 10] #1<=age<=10
age:[1 TO 10} #1<=age<10
age:[1 TO ] #1<=age
age:[* TO 10] #age<=10
2、算术符号写法
age:>=1
age:(>=1&&<=10)或者age:(+>=1 +<=10)
 通配符查询
?:1个字符
:0或多个字符
例如：name:t?m
name:tom
name:t*m
注意：通配符匹配执行效率低，且占用较多内存，不建议使用，如无特殊要求，不要讲?/*放在最前面
 正则表达式
name:/[mb]oat/
 模糊匹配fuzzy query
name:roam~1
匹配与roam差1个character的词，比如foam、roams等
 近似度查询proximity search
“fox quick”~5
以term为单位进行差异比较，比如”quick fox” “quick brown fox”

1.1.8、Search API(Request Body Search)

 Match Query
对字段作全文检索，最基本和常用的查询类型

GET test_search_index/_search

{
  "profile":true,
  "query":{
    "match": {
      "username": "alfred way"
    }
  }
}

通过operator参数可以控制单词间的匹配关系，可选项为or和and
GET test_search_index/_search

{
  "query":{
    "match": {
      "username": {
        "query":"alfred way",
        "operator":"and"
      }
    }
  }
}

通过minimum_should_match参数可以控制需要匹配的单词数
如下例子，匹配alfred way分词后，其中的一个词即可

GET test_search_index/_search

{
  "query": {
    "match": {
      "username": {
        "query": "alfred way",
        "minimum_should_match":1
      }
    }
  }
}

1.1.9、相关性算分

相关性算分是指文档与查询语句间的相关度，英文为relevance
本质就是搜索结果返回文档的排序问题
在这里插入图片描述

猜你喜欢

转载自blog.csdn.net/weixin_45529272/article/details/123056834
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
Java自定义时间格式
同步整形电路
在开发中最最最常用的字符串的属性大集合
Linux 查看端口占用并杀掉
Java基础四：ArrayList
多线程之死锁就是这么简单
mysql 基础命令集
awk 命令详解
Centos6.3编译安装nginx+php步骤
OCR （Optical Character Recognition，光学字符识别）
每日归档
更多
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)
2024-04-29(40)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022