键值

//构造不可变的map val smap = Map( "rocky" -> 27 , "rocky1" -> 30 ) //smap += ("zhangsan" -> 88) // 不可变） //构造可变map val user =scala.collection.mutable.Map( "rocky" -> 27 , "rocky1" -> 30 ) println (user) val m = scala.collection.mutable.Map[String,Int]() //取值 println ( "rocky=" + user( "rocky" )) println ( "rocky1=" + user( "rocky1" )) //getOrElse 建议使用这个 println ( "rocky1=" + user.getOrElse( "rocky" ,0 )) println ( "rocky1=" + user.getOrElse( "rockyaa" ,0 )) //添加新的键值对 += user += ( "pangzhw" -> 20 ) println (user) //添加多个键值对 += user += ( "zhangsan" -> 21 , "lisi" -> 22 ) println (user) //更新键值对 user(

恰当地设定 Redis 服务器参数，才能保证服务器正确、高性能、安全地运转。通过这些参数，我们还能了解 Redis 服务器内部运转的机制和细节。同时，主从复制和 Redis 集群的部署也要掌握相关配置项。 作者： 王克锋 出处： https://kefeng.wang/2017/08/12/redis-config/ 版权： 自由转载-非商用-非衍生-保持署名 ，转载请标明作者和出处。 1 配置概述 官方文档： Redis 配置 ， redis.conf 1.1 配置项格式 格式： keyword argument1 argument2 ... argumentN 例子： slaveof 127.0.0.1 6379 一个参数名称，后跟1至多个参数值，名称与各值之间以空格分隔。 如果单个值内包含空格，该值必须以双引号界定。 1.2 容量值的形式 有三种格式，单位里的字母大小写无关，比如 kb/kB/Kb/KB 是一样的。 没有单位：单位为字节，比如 4096 表示 4096 字节 无b单位： 1k =1000 字节， 1m =1000x1000 字节， 1g =1000x1000x1000 字节 带b单位： 1kb =1024 字节， 1mb =1024x1024 字节， 1gb =1024x1024x1024 字节 1.3 参数传递方式 服务启动命令行： redis-server

select dbms_metadata.get_ddl('TABLE','TABLE_NAME') from dual; 返回包括索引信息： CONSTRAINT "XXX_PK" PRIMARY KEY ("F1", "F2") DISABLE 关于所以的具体数据结构介绍:https://blog.csdn.net/xiaoxin0630/article/details/88786873 二叉 B- B+ Hash 1、哈希索引就是采用一定的哈希算法把键值换算成新的哈希值，检索时不需要类似B+树那样从根节点到叶子节点逐级查找，只需一次哈希算法即可立刻定位到相应的位置，速度非常快。 2、B+树索引和哈希索引有如下四点明显区别： a、如果是等值查询，那么哈希索引明显有优势，因为只需要经过一次算法即可找到相应的键值； b、如果是范围查询检索，这时候哈希索引没有优势了，因为原先是有序的键值，经过哈希算法后，有可能变成不连续的了，就没办法再利用索引完成范围查询检索； 同理，哈希索引也没办法利用索引完成排序，以及like ‘xxx%’ 这样的部分模糊查询（这种部分模糊查询，其实本质上也是范围查询）；------------------- 这里HBASE 分布式数据库就能做到Row Key order. 不理解为什么做不到。看来是存储方式不灵活 c、哈希索引也不支持多列联合索引的最左匹配规则

目录 笔记记录： 头像上传 ajax 提交数据 获取焦点事件： 笔记记录： 1.AJAX 提交POST 请求数据： 模板语法！！ data:{'csrfmiddlewaretoken':'{{ csrf_token }}' } # 前端参数如果没有起作用 你可以尝试着给参数加一个引号 2.项目数据表个创建： 流程：1.先确定表名 2.确定字段 3.确定表关系 3.表关系 ： 自关联表关系 --eg: 评论区内包含子评论 parent : 跟自己所在的表外键关联（一对多） parent = models.ForeignKey(to='self',null=True) # 语义更明确 4.创建表内的字段： avatar = models.FileField(upload_to='avatar/',default='') # 该字段你直接传文件即可 会自动将文件保存到avatar文件夹下 然后数据库里面存文件路径 （默认一个文件路径） 上传文件(文件，图片，音频，视频) --》默认文件夹 5.数据库： 在mysql的命令模式下，输入：同步数据库 set global time_zone='+8:00'; 6.前端each() : --$.each()是对数组，json和dom结构等的遍历 --通过$.each() 提取相关数据，添加到数组中 {{each(i, card) data}}

1. MapReduce入门 　　 1.1 MapReduce的思想 　　　　MapReduce的思想核心是"分而治之" , 适用于大量的复杂的任务处理场景 (大规模数据处理场景) . 　　　　 Map负责"分" , 即把复杂的任务分解为若干个"简单的任务"来进行处理. 可以进行拆分的前提是这些小任务 并行计算 , 彼此间 几乎没有依赖关系 . 　　　　 Reduce负责"合" , 即对map阶段的结果进行 全局汇总 . 　　　　这两个阶段合起来正是MR思想的体现. 　　 1.2 MapReduce设计构思 　　　　MapReduce是一个分部式运算程序的编程框架, 核心功能 是 将用户编写的业务逻辑代码和自带默认组件整合成一个完整的分布式运算程序 . 并发运行在Hadoop集群上. 　　　　既然是做计算的框架, 那么表现形式就是有个输入 (input) , MR操作这个输入, 通过本身定义好的计算模型, 得到一个输出 (output) . 　　　　MR就是一种简化并行计算的编程模型, 降低了开发并行应用的入门门槛. 　　　　Hadoop MapReduce构思体现在三个方面: 如何对付大数据处理: 分而治之 　　　　对相互间不具有计算依赖关系的大数据, 实现并行最自然的方法就是采取分而治之的策略. 并行计算的第一个重要问题是

试题编号： 201709-3 试题名称： JSON查询 时间限制： 1.0s 内存限制： 256.0MB 问题描述： 问题描述 　　JSON (JavaScript Object Notation) 是一种轻量级的数据交换格式，可以用来描述半结构化的数据。JSON 格式中的基本单元是值 (value)，出于简化的目的本题只涉及 2 种类型的值： 　　* 字符串 (string)：字符串是由双引号 " 括起来的一组字符（可以为空）。如果字符串的内容中出现双引号 "，在双引号前面加反斜杠，也就是用 \" 表示；如果出现反斜杠 \，则用两个反斜杠 \\ 表示。反斜杠后面不能出现 " 和 \ 以外的字符。例如：""、"hello"、"\"\\"。 　　* 对象 (object)：对象是一组键值对的无序集合（可以为空）。键值对表示对象的属性，键是属性名，值是属性的内容。对象以左花括号 { 开始，右花括号 } 结束，键值对之间以逗号 , 分隔。一个键值对的键和值之间以冒号 : 分隔。键必须是字符串，同一个对象所有键值对的键必须两两都不相同；值可以是字符串，也可以是另一个对象。例如：{}、{"foo": "bar"}、{"Mon": "weekday", "Tue": "weekday", "Sun": "weekend"}。 　　除了字符串内部的位置，其他位置都可以插入一个或多个空格使得

概述 对象（object）是 JavaScript 语言的核心概念，也是最重要的数据类型 生成方法 var obj = { foo: 'Hello', bar: 'World' }; 对象就是一组“键值对”（key-value）的集合，是一种无序的复合数据集合。 键名与键值之间用冒号分隔，两个键值对之间用逗号分隔 键名 对象的所有键名都是字符串（ES6 又引入了 Symbol 值也可以作为键名），所以加不加引号都可以。上面的代码也可以写成下面这样。 var obj = { 'foo': 'Hello', 'bar': 'World' }; 如果键名是数值，会被自动转为字符串。 var obj = { 1: 'a', 3.2: 'b', 1e2: true, 1e-2: true, .234: true, 0xFF: true }; obj // Object { // 1: "a", // 3.2: "b", // 100: true, // 0.01: true, // 0.234: true, // 255: true // } obj['100'] // true 上面代码中，对象obj的所有键名虽然看上去像数值，实际上都被自动转成了字符串。 如果键名不符合标识名的条件（比如第一个字符为数字，或者含有空格或运算符），且也不是数字，则必须加上引号，否则会报错。 // 报错

1.Cookie cookie是比较老的前端缓存技术了，它的特点是想要使用它前端必须要有服务（静态网页是不行的），而且存储大小限制在4kb。那么为什么必须要有服务才能使用cookie呢？因为只要有请求涉及cookie，cookie就要在服务器和浏览器之间来回传送，而且由于浏览器的跨域限制，客户端和服务端必须要保证同源的原则（也就是跨域问题，详情见我的其他文章），由于cookie是存放在前端的，所以安全问题一直是个大问题，因此一般重要的信息不建议放在cookie中存放。 2.Session 对于服务端的程序眼来说session大家肯定很熟悉了，session是一种服务端的机制，也就是能把信息存放在服务端，所以安全可以保障，它的原理是通过session id来识别客户端，这个session id是存放在cookie中的（当然session id让用户看见没无妨），服务端会通过session id来识别客户端进行匹配和判断。它和cookie对比起来差距就很明显了，一个是把数据存在客户端；一个存在服务端，从安全性考虑的话一般像用户名密码这种私密信息一般放在session中。 3.localStorage 它的特点就是“持久”，一旦通过保存，不通过手动清除的话，就会一直保存在前端，它的保存格式是键值对的方式也就是“key-value”的方式保存的，它的存储空间大小限制在500万字符左右

原文：https://www.jb51.net/article/142985.htm LMDB的全称是Lightning Memory-Mapped Database(快如闪电的内存映射数据库)，它的文件结构简单，包含一个数据文件和一个锁文件： LMDB文件可以同时由多个进程打开，具有极高的数据存取速度，访问简单，不需要运行单独的数据库管理进程，只要在访问数据的代码里引用LMDB库，访问时给文件路径即可。 让系统访问大量小文件的开销很大，而LMDB使用内存映射的方式访问文件，使得文件内寻址的开销非常小，使用指针运算就能实现。数据库单文件还能减少数据集复制/传输过程的开销。 在python中使用lmdb： linux中，可以使用指令‘pip install lmdb' 安装lmdb包。 1. 生成一个空的lmdb数据库文件 1 # -*- coding: utf-8 -*- 2 import lmdb 3 4 # 如果train文件夹下没有data.mbd或lock.mdb文件，则会生成一个空的，如果有，不会覆盖 5 # map_size定义最大储存容量，单位是kb，以下定义1TB容量 6 env = lmdb.open("./train"，map_size=1099511627776) 7 env.close() 2. LMDB数据的添加、修改、删除 1 # -*- coding:

1.什么是redis 　　redis是用c语言开发的一个开源的高性能键值对（key-value）数据库，它通过提供多种键值数据类型来适应不同场景下的存储需求，目前为止redis支持的键值数据类型如下： 　　a.字符串类型 　　b.散列类型 　　c.列表类型 　　d.集合类型 　　e.有序集合类型 2.redis的应用场景 　　缓存（数据查询、短连接、新闻内存、商品内容等等）（最多使用） 　　聊天室的在线好友列表 　　任务队列（秒杀、抢购、12306等等） 　　应用排行榜 　　网站访问统计 　　数据过期处理（可以精确到毫秒） 　　分布式集群架构中的session分离 3.redis建议安装在Linux服务器上运行 来源： https://www.cnblogs.com/Life-is-Demo/p/11954243.html