      Vivo en una casa pequeña y el estilo de vida de dos puntos uno está casi aislado del mundo exterior. También tengo suerte. Las personas que me rodean son muy amables conmigo. No importa lo que hagan, no lo harán intencionalmente. Me lastimé, así que no esperaba provocar el bien y el mal, deliberadamente malinterpretados por los demás y luego odiados unos a otros. Usan métodos de falsificación fuera de contexto o varios, como reproducir un segmento interceptado de una grabación en una situación especial para hacer que la gente malinterprete y se enoje, o incluso manipulación emocional directa de alta tecnología para hacer que usted colapse emocionalmente, y luego Deje deliberadamente que otros lo vean y digan esto. Así es la gente. . . Hay infinitas formas de ennegrecerte. . .

      En este entorno particular, la capacidad de autorregularse es importante. Hace algún tiempo publiqué algunas opiniones personales en un blog para personas mayores y los registros son los siguientes:

    Personalmente, en el nuevo entorno, tal vez sería mejor añadir algo de "dureza". Es decir, no importa cómo cambie el mundo (personas, cosas, cosas), puede resistir los golpes, mantener la paz interior y la capacidad de autorregulación, afrontar con calma y adecuadamente diversos accidentes y garantizar el progreso normal de todas las cosas. . .

    No sé cómo explicar "resiliencia", "resiliencia" es la experiencia que he resumido recientemente bajo el golpe y ataque anormal, es decir, no importa los golpes y dificultades que encuentre, intentaré volver a mi original. estado Cambiar el carácter original de uno debido al cambio, no enfadarse por el cambio, no culpar a los demás por el cambio y no renunciar a lo que uno quiere hacer debido al cambio. . . .

    "Dureza" no significa violar las leyes de la naturaleza y hacerse daño deliberadamente, pero, ¿cómo debería decirlo? Similar a la resistencia personal a los golpes. A veces la sensación de seguridad está fuera de nuestro control. En circunstancias especiales, cierta sensación de seguridad sólo puede tratarse con la palabra "dureza" que acabo de mencionar. Este tipo de "dureza" es una "dureza" que no puede ser superada. confíe en la capacidad de autorregulación para volver al estado original, ignore las dificultades y tenga una sensación de seguridad.
Por ejemplo,
         1. Alguien te molestó hoy sin motivo alguno y dijo algunas palabras desagradables para irritarte. Necesitas aprender a regularte. Hay
         muchas cosas difíciles, algunas de las cuales están más allá de tu capacidad original de aceptar. Cuando estás exhausto y casi colapsado, pero no hay nadie a tu alrededor que pueda entenderte, todo el dolor necesita ser curado por ti mismo.
         3. Cuando cosas que originalmente se pensaban que eran perfectas en el plan, de repente se encontraron con accidentes inexplicables sin motivo alguno, lo que resultó en. . . Cómo adaptarse para limpiar el desorden en el menor tiempo
         4. Cuando familiares y amigos tienen varios problemas (disputas, enfermedades e incluso problemas irrazonables), sus propios proyectos tienen prisa y no van bien, y parece que usted Tienes muchos problemas cuando estás cansado. . . La perspectiva está confusa y perdida, ¿cómo secarse las lágrimas y afrontar la vida con una sonrisa?
         . . .

      Perfeccione repetidamente el colapso y la autocuración. . . Es difícil y todavía estoy estudiando mucho, pero cuando regrese, seguiré siendo el niño que era entonces.

      Sigue adelante bajo la lluvia. En el próximo segundo, nadie sabrá cómo cambiará el destino. Los amargos susurros a espaldas son el bautismo para crecer. El yo que no se puede copiar me hace lucir elegante incluso cuando estoy herido. Esto no es temperamento, sino la llamada ambición y coraje. Puedes empujarme por un precipicio y puedo aprender a volar. Nunca escuches las órdenes de nadie, muy independiente, ¡los oídos están acostumbrados a escuchar el propio corazón!

      PD:

A esos amigos que se preocupan por mí:

Estoy bien, no te preocupes, sigo siendo la misma persona que era, no he cambiado. Tengo muchas cosas que quiero decir, pero no puedo decirlas. Sólo puedo decir una frase: por favor cuídense mucho. Todavía estoy esperando el día en que el tiempo mejore y ustedes me lo dirán. lo que pasó en ese momento.

Sobrio en la adversidad

2023.9.5

2. El concepto de recopilación de big data

Según los diferentes campos involucrados, las tecnologías clave de big data se pueden dividir en recopilación de big data, preprocesamiento de big data, almacenamiento y gestión de big data, procesamiento de big data, análisis y minería de big data y procesamiento de big data. : recopilación de big data, preprocesamiento de big data, almacenamiento y gestión de big data, análisis y minería de big data, visualización y aplicación de big data (recuperación de big data, visualización de big data, aplicación de big data, seguridad de big data, etc.)

La adquisición de big data es el primer eslabón del ciclo de vida de big data y es la piedra angular de la industria de big data.

La recopilación de big data es la entrada al análisis de big data y un vínculo crucial en el análisis de big data.

gran recopilación de datos

La recopilación de big data se refiere al proceso de recopilación y organización de grandes cantidades de datos a través de diversos medios técnicos. Los datos recopilados pueden provenir de diferentes fuentes de datos, incluidos datos estructurados y datos no estructurados, como datos de sitios web, datos de redes sociales, correos electrónicos, archivos de registro, sensores, aplicaciones empresariales, etc.

El proceso de adquisición suele requerir el uso de diversas herramientas y plataformas técnicas, como rastreadores web, minería de datos, procesamiento de lenguaje natural, etc.

En el campo de las aplicaciones de big data, la recopilación es una parte muy importante de todo el proceso de procesamiento de datos. La recopilación de información útil a partir de big data ya es uno de los factores clave en el desarrollo de big data.

3. Pasos para la recopilación de big data

(3.1), pasos de recopilación de big data (perspectiva general)

La recopilación de big data suele incluir los siguientes pasos:

Determine el alcance y el propósito de la recopilación de datos: determine la hora, la ubicación, el tipo de datos, el formato de los datos y el volumen de datos de la recopilación de datos.

Adoptar tecnología adecuada para diferentes fuentes de datos: por ejemplo, la recopilación de datos de sensores puede requerir el uso de tecnología de IoT, y la recopilación de datos de redes sociales puede requerir el uso de API.

Diseñar el proceso de recopilación y procesamiento de datos: incluida la extracción, transformación y carga de datos (Extract, Transform, Load, ETL para abreviar).

Garantice la precisión e integridad de los datos: garantice la calidad de los datos mediante la limpieza, deduplicación, formateo y otras operaciones.

Almacenamiento de datos: almacenar los datos recopilados en una base de datos o almacén de datos adecuado para su posterior análisis y aplicación.

(3.2), pasos de recopilación de big data (perspectiva del conjunto de datos)

(3.3), pasos de recopilación de big data (perspectiva del conjunto de datos)

Pasos de adquisición de big data (perspectiva del conjunto de datos):

Requisitos de recopilación, configuración de reglas, programación de tareas, monitoreo de tareas, recopilación de datos, publicación de datos, transacción de datos, entrega de datos

En el proceso de recopilación de big data, se deben considerar cuestiones como la privacidad y la seguridad de los datos para garantizar que los datos recopilados no sean robados ni utilizados indebidamente.

Cuarto, la relación entre fuentes de datos y tipos de datos.

4.1 , datos del sistema de big data

En el sistema de big data, los datos tradicionales se dividen en datos comerciales y datos industriales. Las nuevas fuentes de datos que no se han considerado en el sistema de datos tradicional incluyen datos de contenido, datos de comportamiento en línea y datos de comportamiento fuera de línea.

Las nuevas fuentes de datos incluyen:

▷ Datos de comportamiento online: datos de página, datos de interacción, datos de formulario, datos de sesión, etc.

▷ Datos de comportamiento fuera de línea: como la tecnología de reconocimiento facial y de huellas dactilares que recopila características biométricas, hasta sondas WiFi que recopilan características del dispositivo y la tecnología de reconocimiento iBeacon, todas estas tecnologías intentan recopilar y analizar big data fuera de línea.

▷ Datos de contenido: registros de aplicaciones, documentos electrónicos, datos de máquinas, datos de voz, datos de redes sociales, etc.

Las diferentes tecnologías de reconocimiento tienen sus propias funciones en diferentes campos. Estas tecnologías de reconocimiento pueden existir como un sistema separado y también pueden integrarse de varias maneras.

4.2, la relación entre fuente de datos y tipo de datos

Para el procesamiento de big data, se requieren diferentes métodos y tecnologías de procesamiento para diferentes tipos de datos, como Hadoop y Spark para el procesamiento distribuido de datos estructurados, y algoritmos de aprendizaje automático para la clasificación y etiquetado de datos no estructurados. Por lo tanto, en el proceso de procesamiento de big data, es muy importante comprender la relación entre las fuentes de datos y los tipos de datos.

En el sistema de big data, la relación entre fuentes de datos y tipos de datos se muestra en la siguiente figura:

En el sistema de big data, las fuentes y los tipos de datos están estrechamente relacionados.

Las fuentes de datos generalmente se refieren al punto de partida del almacenamiento y procesamiento de big data, y las fuentes de datos pueden incluir varios tipos de fuentes de datos, como sensores, sitios web, redes sociales, dispositivos IoT, aplicaciones móviles, almacenamiento en la nube, bases de datos, etc.

Diferentes fuentes de datos pueden contener diferentes tipos de datos; por ejemplo, los datos de los sensores suelen ser datos estructurados, mientras que las publicaciones y comentarios de las redes sociales son datos semiestructurados, mientras que las fotos y los vídeos son datos no estructurados.

5. Tipos de datos en el sistema de big data

El tipo de datos en el sistema de big data se refiere al tipo y formato de los datos, e involucra principalmente tres tipos de datos estructurados, datos semiestructurados y datos no estructurados.

5.1 Datos estructurados

datos estructurados:

Los datos estructurados se refieren a datos organizados en un formato y reglas específicos, y existe una relación y jerarquía clara entre sus elementos de datos, que es fácil de almacenar, procesar y analizar. Los elementos de datos están organizados en un formato fijo y se pueden organizar, categorizar, indexar, buscar y consultar fácilmente. Los datos normalmente se presentan en forma de tablas, bases de datos relacionales o XML, como datos tabulares en bases de datos relacionales, hojas de cálculo y datos en archivos CSV (valores separados por comas). Este tipo de datos suele ser fácil de procesar y analizar, y su formato también está muy estandarizado, fácil de almacenar, gestionar y consultar.

Estas estructuras de datos se centran en números, fechas, texto, montos, monedas de marca de tiempo, proporciones, certificados, direcciones, números de teléfono, correos electrónicos y más, con tipos de datos y nombres de campos bien definidos. Los datos estructurados son fáciles de manejar y gestionar, se pueden analizar y procesar mediante consultas SQL y otras herramientas de análisis de datos. La estructura clara y la forma organizativa de los datos estructurados los hacen ampliamente utilizados en análisis de datos, aprendizaje automático, aplicaciones de inteligencia artificial y otros campos. Como sistemas de gestión de datos empresariales, informes comerciales, etc.

Los datos estructurados se refieren a datos almacenados en forma tabular y sus características incluyen:

1. Los datos están organizados según una estructura fija y cada elemento de datos tiene tipos de datos y atributos claramente definidos;

2. El método de almacenamiento de datos es simple y claro, generalmente se almacena en forma de una base de datos relacional, lo cual es conveniente para consultas y análisis;

3. El procesamiento y la gestión de datos son relativamente sencillos y se pueden utilizar lenguajes estandarizados como SQL para las operaciones;

4. La precisión y coherencia de los datos son altas, lo que favorece el mantenimiento y la gestión de la calidad de los datos;

5. El método de procesamiento de datos estructurados es relativamente fijo y se pueden utilizar algoritmos estadísticos y de aprendizaje automático comunes para el análisis y la minería.

5.2 Datos semiestructurados

Datos semiestructurados:

Los datos semiestructurados se refieren a datos que no cumplen con los requisitos del modelo de datos de bases de datos relacionales tradicionales. Generalmente se refieren a un tipo de datos que no tiene una estructura específica y se encuentran entre datos estructurados y datos no estructurados. Su estructura está menos estandarizada que los datos estructurados. . . Sin embargo, existen datos de identificación y descripción, como XML, JSON y YAML;

Los datos semiestructurados se utilizan principalmente en aplicaciones web, procesamiento de textos, análisis semántico y otros campos, y pueden cumplir con los requisitos de flexibilidad del procesamiento de datos. Las fuentes de datos semiestructuradas comunes incluyen archivos de registro, datos de redes sociales, datos de sensores, etc.

Los datos semiestructurados suelen tener las siguientes características:

1. Los datos tienen una determinada estructura, pero no tienen estrictamente la forma de una tabla y pueden contener múltiples niveles de estructuras anidadas.

2. Los campos de los datos se pueden agregar o eliminar dinámicamente según sea necesario, sin necesidad de definir la estructura de la tabla por adelantado.

3. Los datos se pueden adaptar de manera muy flexible a diferentes escenarios y necesidades de aplicación.

4. Los datos suelen almacenarse y transmitirse en formatos como XML y JSON.

5.3 Datos no estructurados

Datos no estructurados:

Los datos no estructurados se refieren a datos sin una estructura clara, como documentos de texto, audio, video, imágenes y otros tipos de datos. Estos datos suelen ser muy complejos y diversos y no se pueden convertir fácilmente en formas tabulares o matriciales bidimensionales. Difícil de procesar utilizando métodos tradicionales de gestión y almacenamiento de datos estructurados. Por lo tanto, se requieren técnicas y herramientas especiales para analizar y procesar estos datos.

Este tipo de datos a menudo requiere procesamiento y análisis mediante técnicas como análisis de texto, procesamiento de lenguaje natural y procesamiento de imágenes. En la actualidad, el uso de datos no estructurados está aumentando y tiene una amplia gama de valores de aplicación en inteligencia artificial, aprendizaje automático y otros campos.

Por lo tanto, los diferentes tipos de fuentes de datos a menudo tienen un impacto en el tipo de datos, y los diferentes tipos de datos también requieren diferentes tecnologías y métodos de procesamiento y análisis.

6. Tecnología de recopilación de big data

La recopilación de big data se puede dividir en cuatro categorías a partir de las fuentes de datos:

6.1, recopilación de datos web

(Esta imagen proviene de Internet www.yisu.com/news/id_335.html)

La recopilación de datos de la red se refiere al proceso de obtener información de datos de sitios web a través de rastreadores web o API públicas de sitios web.

El rastreador web comenzará desde la URL de una o varias páginas web iniciales, obtendrá el contenido de cada página web y, en el proceso de rastreo de páginas web, extraerá continuamente nuevas URL de la página actual y las colocará en la cola hasta que se cumpla la condición de parada establecida. reunió.

De esta manera, los datos no estructurados y los datos semiestructurados se pueden extraer de las páginas web y almacenarse en un sistema de almacenamiento local de forma estructurada.

6.2 Recopilación de registros del sistema

(Esta imagen proviene de la red desarrollador.aliyun.com/article/594990)

Colección de registros del sistema

      La recopilación de registros del sistema se refiere a la recopilación de información de registros generada dentro del sistema informático, como registros generados por sistemas operativos, aplicaciones y dispositivos de red. La recopilación de esta información de registro ayuda a los gerentes de seguridad o administradores de sistemas a monitorear el estado operativo del sistema en tiempo real, encontrar fallas o anomalías del sistema y tomar medidas oportunas para garantizar el funcionamiento seguro y estable del sistema.

      La recopilación de registros del sistema generalmente instala agentes o software de recopilación de registros para recopilar información de registros en un servidor de registros central o una plataforma de administración de registros centralizada para su almacenamiento y administración para consultas, análisis e informes posteriores. La información de registro del sistema recopilada se puede utilizar para la resolución de problemas, la auditoría de seguridad y la supervisión del cumplimiento.

      Alta disponibilidad, alta confiabilidad y escalabilidad son las características básicas de un sistema de recopilación de registros. Todas las herramientas de recopilación de registros del sistema adoptan una arquitectura distribuida, que puede cumplir con los requisitos de recopilación y transmisión de datos de registros de cientos de MB por segundo.

6.3 Adquisición de bases de datos

Adquisición de Big Data de bases de datos

La recopilación de big data de bases de datos generalmente se refiere a la recopilación de una gran cantidad de datos de diferentes fuentes de datos en una base de datos centralizada para su análisis y aplicación. Estas fuentes de datos pueden incluir diversas fuentes de datos como sensores, sitios web, redes sociales, dispositivos móviles, etc. El propósito de la recopilación de datos es recopilar suficientes datos para un análisis y extracción en profundidad a fin de revelar tendencias y patrones potenciales y tomar decisiones comerciales más informadas.

Al recopilar big data, se deben considerar los siguientes aspectos:

1. El tipo de datos recopilados: El tipo de datos puede ser estructurado, semiestructurado o no estructurado. Los métodos y herramientas de recopilación de estos tipos de datos son diferentes y las herramientas de recopilación deben seleccionarse de acuerdo con los diferentes tipos de datos.

2. Fuente de datos: normalmente existen múltiples fuentes de datos para recopilar datos, incluidos sensores, bases de datos, sitios web, redes sociales, etc. Los métodos y herramientas de recopilación deben seleccionarse según las características de la fuente de datos.

3. Tecnología de recopilación de datos: las tecnologías de recopilación de datos incluyen rastreadores, ETL, etc. Es necesario seleccionar la tecnología de recopilación adecuada según el tipo y la fuente de los datos recopilados.

4. Frecuencia de recopilación de datos: Determine la frecuencia de recopilación de datos de acuerdo con diferentes fuentes y tipos de datos para garantizar la puntualidad y precisión de los datos.

5. Almacenamiento y procesamiento de la recopilación de datos: Los datos recopilados deben almacenarse y procesarse para su posterior análisis y aplicación. Es necesario seleccionar la tecnología de almacenamiento y procesamiento adecuada para satisfacer las necesidades.

Las empresas tradicionales utilizarán bases de datos relacionales tradicionales como MySQL y Oracle para almacenar datos.

6.4 Otros datos (recopilación de datos, como equipos sensoriales)

(Esta imagen proviene de Internet)

La recopilación de datos de dispositivos de percepción se refiere a la recopilación automática de señales, imágenes o videos a través de sensores, cámaras y otros terminales inteligentes para obtener datos. El sistema de percepción inteligente de big data necesita realizar la identificación, posicionamiento, seguimiento, acceso, transmisión, conversión de señales, monitoreo, procesamiento preliminar y gestión inteligente de datos masivos estructurados, semiestructurados y no estructurados. Sus tecnologías clave incluyen identificación inteligente, percepción, adaptación, transmisión y acceso a fuentes de big data.

Siete, método de recopilación de big data

Método de recopilación de grandes datos:

▷ 1. Recopilación por lotes: se refiere a la recopilación de una gran cantidad de datos de un determinado sitio web o sistema, y al análisis y procesamiento de los datos recopilados.

▷ 2. Recopilación en tiempo real: se refiere a la recopilación de datos en tiempo real para su procesamiento y análisis en tiempo real.

▷ 3. Recopilación incremental: se refiere a la recopilación incremental periódica de datos existentes para obtener los datos más recientes.

▷ 4. Recopilación automática: utilice procedimientos automáticos para realizar la recopilación de datos, reducir la intervención manual y mejorar la eficiencia de la recopilación.

▷ 5. Recopilación cooperativa: mediante la cooperación con otras instituciones u organizaciones, para obtener datos compartidos y realizar análisis de big data.

8. Características de la recopilación de big data

En comparación con la tecnología tradicional de recopilación de datos, la tecnología de recopilación de big data tiene las siguientes características:

▷ 1. Mayor escala: la tecnología de adquisición de big data puede manejar datos a mayor escala, incluidos datos estructurados, semiestructurados y no estructurados.

▷ 2. Velocidad más rápida: la tecnología de adquisición de big data puede adquirir datos rápidamente y procesarlos en tiempo real o casi en tiempo real para tomar decisiones más rápido.

▷ 3. Mayor diversidad: la tecnología de recopilación de big data puede recopilar datos de diferentes fuentes, incluidas redes sociales, sensores, registros, videos y otros datos.

▷ 4. Mayor precisión: la tecnología de adquisición de big data puede procesar datos más precisos y finos, y realizar operaciones como inducción y clasificación de datos para mejorar la calidad de los mismos.

▷ 5. Mayor grado de automatización: la tecnología de adquisición de big data puede adquirir y procesar datos automáticamente, reduciendo la intervención manual y los errores.

▷ 6. Menor costo: el costo de la tecnología de adquisición de big data suele ser menor que el de la tecnología de adquisición de datos tradicional, incluido el costo de hardware y software.

Artículos de big data:

Big data (1) Definición y características
Big data (2) Estadísticas relacionadas con la industria de big data
Big data (3) Trabajos relacionados con big data
Cree una pantalla grande de visualización de big data basada en Echarts
Big Data (4) Tecnología convencional de Big Data
La tecnología clave de big data: recopilación de big data

Lectura recomendada:

[¿Has encontrado a alguien que te tome de la mano toda la vida? ] Especial chino del día de San Valentín

¿Puede la tecnología digital devolver la vida a los libros antiguos?

Cuando esté de mal humor, ayúdese a entrenar un animador emocional de IA (basado en el ajuste fino de PALM 2.0)

Marco de aprendizaje profundo TensorFlow

Flujo de trabajo del desarrollador de IA, percepciones y estadísticas de herramientas

Estadísticas de la encuesta para desarrolladores de junio de 2023: tecnologías más populares (2)

Estadísticas de la encuesta para desarrolladores de junio de 2023: tecnologías más populares (1)

Deja que Ai nos ayude a dibujar un zongzi, ¿cómo será?



Cambiar el color de fondo de la foto (python+opencv)	Doce categorías de gatos	Humano digital virtual basado en un modelo grande__ejemplo de anclaje virtual

Visión por computadora__Operaciones básicas de imágenes (mostrar, leer, guardar)	Histograma (histograma de color, histograma de escala de grises)	Ecualización de histograma (ajustar el brillo y el contraste de la imagen)

Práctica de reconocimiento de voz (código Python) (1)	Conceptos básicos de la inteligencia artificial	Conceptos básicos de visión por computadora__Características de la imagen



Comprobación rápida de la visualización del efecto de estilo de dibujo propio de matplotlib (28 tipos, todos)




Explicación detallada del ejemplo de Three.js ___ niña elfa giratoria (con código completo y recursos) (1)



Código fuente de dibujo de rosa multicapa tridimensional__Colección de código fuente de dibujo de Rose Python	Visualización 3D de Python (1)	Mejore su trabajo: el método para crear una nube de palabras Word Cloud (basado en Python, WordCloud, stylecloud)

Uso de la función Format() de Python___Ejemplo detallado (1) (completo, muchos ejemplos)___Varios reemplazos de formato, impresión de alineación de formato	Escribe romance con code__Collection (python, matplotlib, Matlab, java para dibujar corazones, rosas, efectos especiales de front-end, rosas, corazones)	Colección de código fuente de Python Love (18 modelos)

Uso de la función Print() en Python___Ejemplos detallados (completos, muchos ejemplos)	La colección completa de explicaciones detalladas de ejemplos de métodos y funciones de Python (actualizando...)	"Serie de explicación detallada de ejemplo completo de lista de Python (1)" Catálogo general de la serie __, concepto de lista

Celebra el Festival del Medio Otoño con código, ¿quieres comer un bocado de pastel de luna de tortuga pitón?	directorio de ejercicios de Python

Dibujo de tortuga pitón oso fresa (versión molino de viento) con código fuente	Código de dibujo de la tortuga pitón Strawberry Bear (versión rosa) con código fuente	Dibujo de pitón de oso de fresa (versión del Festival de Primavera, versión de copo de nieve de cuenta regresiva de Navidad) con código fuente



Dibujo de la tortuga pitón de Buzz Lightyear__con código fuente	Dibujo de tortuga pikachu tortuga pitón (versión power ball) con código fuente



Node.js (v19.1.0npm 8.19.3) Tutorial de instalación y configuración de vue.js (súper detallado)	Tabla de comparación de colores y colores (1) (nombres hexadecimales, RGB, CMYK, HSV, chino e inglés)	Varias organizaciones autorizadas en abril de 2023____Clasificaciones de lenguajes de programación__Estado salarial



La pantalla del teléfono está rota____cómo exportar los datos que contiene (18 métodos)	[CSDN Cloud IDE] Experiencia personal y sugerencias (incluidos tutoriales de operación ultra detallados) (python, dirección webGL)	Verifique la ruta de instalación de jdk, implemente la solución de coexistencia de múltiples java jdk en Windows y resuelva los caracteres confusos del terminal después de instalar java19



Tutorial de creación de proyectos Vue3 (basado en create-vue, vite, Vite + Vue)

La segunda parte de las bendiciones del Festival de Primavera de 2023: les envío un conejo guardián, dejen que los caliente a cada uno de ustedes [html5 css3] dibujando y moviendo un conejito, carga genial, fuente especial	Álbum de confesión de San Valentín único, original, hermoso y romántico (hay copia disponible) (html5, css3, svg) código de confesión de amor (4 juegos)	Serie de explicaciones detalladas de ejemplos de SVG (1) (descripción general de svg, diferencia entre mapas de bits y gráficos vectoriales (diagrama), ejemplos de aplicaciones SVG)

[Programming Life] Dibujo de tortuga Python de elementos de la Copa del Mundo en Qatar (con código fuente), 5 efectos especiales frontales del tema de la Copa del Mundo (con código fuente)	HTML+CSS+svg dibuja un exquisito árbol de Navidad con luces intermitentes de colores, HTML+CSS+Js cuenta regresiva de Año Nuevo en tiempo real (con código fuente)	La primera parte de la Serie de Bendiciones del Festival de Primavera de 2023 (Parte 1) (haciendo volar linternas Kongming para orar por bendiciones y desearles a todos buena salud) (con el código fuente completo y recursos para descargar de forma gratuita)


Configuración de instalación de Tomcat11, Tomcat10 (entorno Windows) (gráficos detallados)	Configuración del puerto Tomcat (detallada)	Conjunto de resolución de problemas de flashback de inicio de Tomcat (ocho categorías en detalle)

La tecnología clave de big data: recopilación de big data