十二、Hive 函数

news2025/5/18 9:20:37

作者：IvanCodes
日期：2025年5月1日
专栏：Hive教程

在数据处理的广阔天地中，我们常常需要对数据进行转换、计算、清洗或提取特定信息。Hive 提供了强大的内置运算符和丰富的内置函数库，它们就像魔法师手中的魔法棒，能帮助我们灵活高效地操控数据，挖掘其深层价值。

思维导图

在这里插入图片描述
在这里插入图片描述

一、Hive 内置运算符概览

在深入函数之前，我们先快速回顾一下 Hive 支持的常见内置运算符，这些是构成表达式的基本组件：

  1. 算术运算符：+, -, *, /, %, DIV
  2. 关系运算符：=, <>, !=, <, >, <=, >=, IS NULL, IS NOT NULL, BETWEEN, IN, NOT IN, LIKE, RLIKE, REGEXP
  3. 逻辑运算符：AND ( && ), OR ( || ), NOT ( ! )
  4. 位运算符：&, |, ^, ~
  5. 复杂类型构造器：MAP(), STRUCT(), ARRAY(), NAMED_STRUCT()
  6. 复杂类型访问运算符：A[key], A.col

二、Hive 内置函数详解

我们可以通过 SHOW FUNCTIONS; 查看所有可用函数，DESC FUNCTION [EXTENDED] <function_name>; 查看特定函数详情。

1. 数值函数 (Mathematical Functions)

  • round(DOUBLE a): 四舍五入为BIGINT。
SELECT round(3.14159); -- 输出: 3
  • round(DOUBLE a, INT d): 四舍五入到小数点后d位。
SELECT round(3.14159, 2); -- 输出: 3.14
  • floor(DOUBLE a): 不大于a的最大整数。
SELECT floor(3.7); -- 输出: 3
  • ceil(DOUBLE a) 或 ceiling(DOUBLE a): 不小于a的最小整数。
SELECT ceil(3.1); -- 输出: 4
  • abs(DOUBLE a): 绝对值。
SELECT abs(-5.5); -- 输出: 5.5
  • pow(DOUBLE a, DOUBLE p) 或 power(DOUBLE a, DOUBLE p): a的p次方。
SELECT pow(2, 3); -- 输出: 8.0
  • sqrt(DOUBLE a): 平方根。
SELECT sqrt(16); -- 输出: 4.0
  • rand() 或 rand(INT seed): 0到1之间的随机数。
SELECT rand(); -- 输出: (一个随机小数)
  • bin(BIGINT a): 二进制字符串。
SELECT bin(10); -- 输出: 1010
  • hex(BIGINT a) 或 hex(STRING a): 十六进制字符串。
SELECT hex(255); -- 输出: FF
  • conv(BIGINT num, INT from_base, INT to_base): 进制转换。
SELECT conv('A', 16, 10); -- 输出: 10

2. 字符串函数 (String Functions)

  • length(STRING a): 字符串长度。
SELECT length('hello'); -- 输出: 5
  • concat(STRING|BINARY a, STRING|BINARY b...): 连接字符串。
SELECT concat('Hi, ', 'Hive'); -- 输出: Hi, Hive
  • concat_ws(STRING separator, STRING a, STRING b...): 带分隔符连接。
SELECT concat_ws('-', 'A', 'B', 'C'); -- 输出: A-B-C
  • lower(STRING a) 或 lcase(STRING a): 转小写。
SELECT lower('HELLO'); -- 输出: hello
  • upper(STRING a) 或 ucase(STRING a): 转大写。
SELECT upper('world'); -- 输出: WORLD
  • trim(STRING a): 去两端空格。
SELECT trim('  Hive  '); -- 输出: Hive
  • substring(STRING a, INT start[, INT len]): 取子串。
SELECT substring('HelloWorld', 1, 5); -- 输出: Hello
  • replace(STRING a, STRING old, STRING new): 替换子串。
SELECT replace('banana', 'na', 'PA'); -- 输出: baPAPA
  • instr(STRING str, STRING substr): 子串首次出现位置。
SELECT instr('apple-banana-orange', 'banana'); -- 输出: 7
  • split(STRING str, STRING pat): 按正则分割，返回数组。
SELECT split('a,b,c', ','); -- 输出: ["a","b","c"]
  • lpad(STRING str, INT len, STRING pad): 左填充。
SELECT lpad('hi', 5, '*'); -- 输出: ***hi
  • rpad(STRING str, INT len, STRING pad): 右填充。
SELECT rpad('hi', 5, '*'); -- 输出: hi***
  • regexp_extract(STRING subject, STRING pattern, INT index): 正则提取。
SELECT regexp_extract('user_123_name', 'user_(\\d+)_name', 1); -- 输出: 123
  • regexp_replace(STRING initial_string, STRING pattern, STRING replacement): 正则替换。
SELECT regexp_replace('100-200', '-', ':'); -- 输出: 100:200

3. 日期函数 (Date Functions)

  • current_date(): 当前日期。
SELECT current_date(); -- 输出: (类似 2023-10-27)
  • current_timestamp(): 当前日期时间。
SELECT current_timestamp(); -- 输出: (类似 2023-10-27 10:30:00.123)
  • unix_timestamp(): 当前Unix时间戳。
SELECT unix_timestamp(); -- 输出: (当前秒级时间戳)
  • unix_timestamp(STRING date[, STRING pattern]): 日期转Unix时间戳。
SELECT unix_timestamp('2023-10-27', 'yyyy-MM-dd'); -- 输出: (对应时间戳)
  • from_unixtime(BIGINT unixtime[, STRING format]): Unix时间戳转日期字符串。
SELECT from_unixtime(1698381000, 'yyyy/MM/dd HH:mm'); -- 输出: 2023/10/27 10:30
  • to_date(STRING timestamp): 提取日期部分。
SELECT to_date('2023-10-27 10:30:00'); -- 输出: 2023-10-27
  • date_format(STRING/TIMESTAMP/DATE ts, STRING fmt): 格式化日期。
SELECT date_format(current_date(), 'yyyy年MM月dd日'); -- 输出: (类似 2023年10月27日)
  • year(STRING date), month(STRING date), day(STRING date): 提取年/月/日。
SELECT year('2023-10-27'), month('2023-10-27'); -- 输出: 2023, 10
  • date_add(STRING/TIMESTAMP/DATE startdate, INT days): 日期加天数。
SELECT date_add('2023-10-27', 3); -- 输出: 2023-10-30
  • date_sub(STRING/TIMESTAMP/DATE startdate, INT days): 日期减天数。
SELECT date_sub('2023-10-27', 3); -- 输出: 2023-10-24
  • datediff(STRING enddate, STRING startdate): 日期天数差。
SELECT datediff('2023-10-30', '2023-10-27'); -- 输出: 3

4. 条件函数 (Conditional Functions)

  • if(boolean testCondition, T valueTrue, T valueFalseOrNull): IF判断。
SELECT if(1 > 0, 'Yes', 'No'); -- 输出: Yes
  • CASE WHEN a THEN b [WHEN c THEN d]* [ELSE e] END: 标准CASE WHEN。
SELECT
CASE
WHEN score >= 90 THEN 'A'
WHEN score >= 80 THEN 'B'
ELSE 'C'
END AS grade
FROM (SELECT 85 AS score) t; -- 输出: B
  • COALESCE(T v1, T v2, ...): 返回首个非NULL值。
SELECT COALESCE(NULL, 'Default1', 'Default2'); -- 输出: Default1
  • NVL(T value, T default_value): value非NULL则返回value，否则返回default_value。
SELECT NVL(NULL, 'Is Null'); -- 输出: Is Null

5. 类型转换函数 (Type Conversion Functions)

  • cast(expr AS type): 强制类型转换。
SELECT cast('123' AS INT) + cast('7' AS INT); -- 输出: 130

6. 聚合函数 (Aggregate Functions) (常与 GROUP BY 联用)

  • count(*) 或 count(expr) 或 count(DISTINCT expr): 计数。
SELECT count(*) FROM my_table;
SELECT count(DISTINCT user_id) FROM user_logs;
  • sum(col) 或 sum(DISTINCT col): 求和。
SELECT sum(sales_amount) FROM sales_data;
  • avg(col) 或 avg(DISTINCT col): 平均值。
SELECT avg(score) FROM student_scores;
  • min(col): 最小值。
SELECT min(price) FROM products;
  • max(col): 最大值。
SELECT max(temperature) FROM weather_records;

7. 集合函数 (Collection Functions) (处理ARRAY, MAP, STRUCT)

  • size(MAP<K,V> m) 或 size(ARRAY<T> a): 返回Map或Array的大小。
SELECT size(array(1, 2, 3)); -- 输出: 3
SELECT size(map('a', 1, 'b', 2)); -- 输出: 2
  • array_contains(ARRAY<T> a, value): 判断Array是否包含指定值。
SELECT array_contains(array('apple', 'banana'), 'apple'); -- 输出: true
  • map_keys(MAP<K,V> m): 返回Map的所有键组成的Array。
SELECT map_keys(map('name', 'Alice', 'age', 30)); -- 输出: ["name","age"] (顺序可能不同)
  • map_values(MAP<K,V> m): 返回Map的所有值组成的Array。
SELECT map_values(map('name', 'Alice', 'age', 30)); -- 输出: ["Alice","30"] (顺序可能不同)
  • sort_array(ARRAY<T> a): 对Array进行排序。
SELECT sort_array(array(3, 1, 2)); -- 输出: [1,2,3]

8. 表生成函数 (Table-Generating Functions - UDTF)

  • explode(ARRAY<T> a): 将数组每个元素转为一行。
SELECT explode(array('A', 'B')) AS item;
-- 输出:
-- A
-- B
  • explode(MAP<K,V> m): 将Map每个键值对转为一行两列。
SELECT explode(map('key1', 'val1')) AS (my_key, my_value);
-- 输出:
-- key1  val1
  • posexplode(ARRAY<T> a): 类似 explode(array)，额外输出元素在数组中的位置(从0开始)。
SELECT posexplode(array('X', 'Y')) AS (pos, val);
-- 输出:
-- 0  X
-- 1  Y
  • inline(ARRAY<STRUCT<f1:T1, f2:T2, ...>> a): 将结构体数组展开，每个结构体的字段成为独立的列。
-- 假设table t有列 arr_struct: ARRAY<STRUCT<name:STRING, age:INT>>
-- 且某行 arr_struct 值为 [named_struct('name','Tom','age',20), named_struct('name','Jerry','age',18)]
-- SELECT inline(arr_struct) FROM t;
-- 输出 (对于该行会产生两行结果):
-- Tom   20
-- Jerry 18

9. 数据脱敏函数 (Data Masking/Anonymization - 通过组合或UDF实现)

Hive 内置的直接、专用的脱敏函数较少。通常通过组合现有字符串函数来实现，或者编写用户自定义函数 (UDF) 来完成复杂的脱敏逻辑。

  • 示例：部分屏蔽手机号 (组合字符串函数)
-- 假设 phone_number 是 '13812345678'
SELECT concat(substring(phone_number, 1, 3), '****', substring(phone_number, 8)) AS masked_phone
FROM (SELECT '13812345678' AS phone_number) t;
-- 输出: 138****5678
  • 示例：屏蔽邮箱用户名 (组合字符串函数)
-- 假设 email 是 'user_example@domain.com'
SELECT concat(
    substring(email, 1, 1), -- 第一个字符
    '****',                  -- 屏蔽符
    substring(email, locate('@', email) - 1, 1), -- @前一个字符
    substring(email, locate('@', email)) -- @及之后的部分
) AS masked_email
FROM (SELECT 'user_example@domain.com' AS email) t;
-- 输出: u****e@domain.com (这是一个简化示例，更复杂的正则UDF效果更好)

对于更复杂或通用的脱敏需求（如身份证号、银行卡号按规则屏蔽，或基于角色的动态脱敏），通常推荐开发 UDF。

10. 用户自定义函数 (拓展)

当内置函数无法满足特定的业务逻辑时，Hive 允许用户使用 Java (或其他语言，但Java最常见) 编写自己的函数。

  • UDF (User-Defined Function): 一对一或多对一函数，输入一行中的一个或多个值，输出一个值。

    • 例如，创建一个 to_uppercase(string_col) 函数，将输入字符串转为大写（虽然已有内置upper）。
    • 创建和使用步骤 (简要)：
      1. 编写 Java 类继承 org.apache.hadoop.hive.ql.exec.UDF。
      2. 实现 evaluate() 方法。
      3. 将 Java 项目打成 JAR 包。
      4. 在 Hive 中注册 JAR 包: ADD JAR /path/to/your.jar;
      5. 创建临时或永久函数: CREATE TEMPORARY FUNCTION my_upper AS 'com.example.MyUpperUDF';
      6. 使用函数: SELECT my_upper(name) FROM my_table;

  • UDAF (User-Defined Aggregate Function): 多对一函数，类似 SUM(), COUNT()，对分组数据进行聚合。编写 UDAF 相对复杂。

  • UDTF (User-Defined Table-Generating Function): 一对多函数，类似 explode()，输入一行，输出多行。

练习题

  1. 将字符串 “hive is great” 中的所有空格替换为下划线 _。
  2. 计算日期 “2023-01-15” 之后45天的日期。
  3. 有一个用户评分表 ratings (user_id INT, score INT)，如果用户评分低于60则标记为 “不及格”，否则标记为 “及格”。写出查询。
  4. 将字符串 “ID:123,Name:Alice,Age:30” 按逗号分割，然后对每个部分按冒号分割，提取出 Name 的值 “Alice”。
  5. 有一个字段 tags 其值为 ARRAY 类型，如 ['TagA', 'TagB', 'TagC']。检查该数组是否包含 ‘TagB’。
  6. 将一个包含用户月消费金额的数组 monthly_spend ARRAY<INT> (例如 [100, 150, 120]) 展开成多行，每行显示一个月的消费金额。
  7. 假设有一个字段 ip_address 存储IP地址字符串，请使用内置函数（如果可能）将其最后一个点之后的部分替换为 ‘XXX’ (例如 ‘192.168.1.100’ -> ‘192.168.1.XXX’)。如果内置函数难以实现，请描述UDF的思路。
  8. 将 Unix 时间戳 1672531200 (代表 2023-01-01 00:00:00 UTC) 格式化为 “YYYY年MM月DD日 HH时mm分ss秒” 的形式。
  9. 从字符串 “apple,banana,orange,apple” 中提取出所有不重复的水果名称，并计算不重复水果的数量。
  10. 如何使用 COALESCE 函数处理一个可能为NULL的 middle_name 字段，如果它为NULL，则在拼接全名时用空字符串代替？例如，first_name, middle_name, last_name。

练习题答案

  1. 将字符串 “hive is great” 中的所有空格替换为下划线 _。
SELECT replace('hive is great', ' ', '_');
  1. 计算日期 “2023-01-15” 之后45天的日期。
SELECT date_add('2023-01-15', 45);
  1. 有一个用户评分表 ratings (user_id INT, score INT)，如果用户评分低于60则标记为 “不及格”，否则标记为 “及格”。写出查询。
SELECT user_id, score, if(score < 60, '不及格', '及格') AS status FROM ratings;
-- 或者使用 CASE WHEN
-- SELECT user_id, score, CASE WHEN score < 60 THEN '不及格' ELSE '及格' END AS status FROM ratings;
  1. 将字符串 “ID:123,Name:Alice,Age:30” 按逗号分割，然后对每个部分按冒号分割，提取出 Name 的值 “Alice”。
SELECT split(kv[1], ':')[1] AS name_value
FROM (
    SELECT split('ID:123,Name:Alice,Age:30', ',') AS kv_array
) t
LATERAL VIEW explode(kv_array) exploded_table AS kv_pair_str
WHERE split(kv_pair_str, ':')[0] = 'Name';
-- 更简洁的方式如果知道Name总在第二个位置:
SELECT split(split('ID:123,Name:Alice,Age:30', ',')[1], ':')[1];
  1. 有一个字段 tags 其值为 ARRAY 类型，如 ['TagA', 'TagB', 'TagC']。检查该数组是否包含 ‘TagB’。
SELECT array_contains(tags, 'TagB') FROM (SELECT array('TagA', 'TagB', 'TagC') AS tags) t;
  1. 将一个包含用户月消费金额的数组 monthly_spend ARRAY<INT> (例如 [100, 150, 120]) 展开成多行，每行显示一个月的消费金额。
SELECT spend
FROM (SELECT array(100, 150, 120) AS monthly_spend) t
LATERAL VIEW explode(monthly_spend) exploded_table AS spend;
  1. 假设有一个字段 ip_address 存储IP地址字符串，请使用内置函数（如果可能）将其最后一个点之后的部分替换为 ‘XXX’ (例如 ‘192.168.1.100’ -> ‘192.168.1.XXX’)。如果内置函数难以实现，请描述UDF的思路。
    使用内置函数比较复杂，需要多次使用 instr 和 substring 或 regexp_replace：
SELECT regexp_replace(ip_address, '\\.[^.]+$', '.XXX') AS masked_ip
FROM (SELECT '192.168.1.100' AS ip_address) t;
-- 或者更精确控制，找到最后一个点的位置
-- SELECT concat(substring(ip_address, 1, instr(reverse(ip_address), '.') * -1 + length(ip_address) -1), '.XXX') ... (这种方式更复杂且易错)

UDF思路：编写一个Java UDF，输入IP字符串。在Java中使用 lastIndexOf('.') 找到最后一个点的位置，然后使用 substring() 截取前面的部分，并拼接上 “.XXX”。

  1. 将 Unix 时间戳 1672531200 (代表 2023-01-01 00:00:00 UTC) 格式化为 “YYYY年MM月DD日 HH时mm分ss秒” 的形式。
SELECT from_unixtime(1672531200, 'yyyy年MM月dd日 HH时mm分ss秒');
  1. 从字符串 “apple,banana,orange,apple” 中提取出所有不重复的水果名称，并计算不重复水果的数量。
SELECT collect_set(fruit) AS unique_fruits, size(collect_set(fruit)) AS unique_fruit_count
FROM (
    SELECT explode(split('apple,banana,orange,apple', ',')) AS fruit
) t_fruits;
  1. 如何使用 COALESCE 函数处理一个可能为NULL的 middle_name 字段，如果它为NULL，则在拼接全名时用空字符串代替？例如，first_name, middle_name, last_name。
SELECT concat_ws(' ', first_name, COALESCE(middle_name, ''), last_name) AS full_name
FROM (
    SELECT 'John' AS first_name, NULL AS middle_name, 'Doe' AS last_name
    UNION ALL
    SELECT 'Jane' AS first_name, 'M' AS middle_name, 'Smith' AS last_name
) t_names;
-- 对于 'John', NULL, 'Doe' 会输出 "John  Doe" (注意concat_ws对空字符串的处理)
-- 如果希望中间没有多余空格，可以这样：
-- SELECT trim(concat(first_name, ' ', COALESCE(concat(middle_name, ' '), ''), last_name)) AS full_name ...

更优雅的方式是针对 concat_ws 的特性，如果 COALESCE(middle_name, NULL) 结果是 NULL，concat_ws 会跳过它。但如果希望它是空字符串而不是被跳过（比如为了保持名字间的空格），上面的 COALESCE(middle_name, '') 是对的。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2378401.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

No More Adam: 新型优化器SGD_SaI

No More Adam: 新型优化器SGD_SaI

一.核心思想和创新点 2024年12月提出的SGD-SaI算法&#xff08;Stochastic Gradient Descent with Scaling at Initialization&#xff09;本质上是一种在训练初始阶段对不同参数块&#xff08;parameter block&#xff09;基于**梯度信噪比&#xff08;g-SNR, Gradient Signa…
阅读更多...
JSP链接MySQL8.0（Eclipse+Tomcat9.0+MySQL8.0）

JSP链接MySQL8.0（Eclipse+Tomcat9.0+MySQL8.0）

所用环境 Eclipse Tomcat9.0 MySQL8.0.21(下载&#xff1a;MySQL Community Server 8.0.21 官方镜像源下载 | Renwole&#xff09; mysql-connector-java-8.0.21&#xff08;下载&#xff1a;MySQL :: Begin Your Download&#xff09; .NET Framework 4.5.2&#xff08;下…
阅读更多...
SEO长尾词与关键词优化实战

SEO长尾词与关键词优化实战

内容概要 在SEO优化体系中&#xff0c;长尾关键词与核心关键词的协同作用直接影响流量获取效率与用户转化路径。长尾词通常由3-5个词组构成&#xff0c;搜索量较低但意图明确&#xff0c;能精准触达细分需求用户&#xff1b;核心关键词则具备高搜索量与广泛覆盖能力&#xff0…
阅读更多...
机器学习-人与机器生数据的区分模型测试-数据处理1

机器学习-人与机器生数据的区分模型测试-数据处理1

附件为训练数据&#xff0c;总体的流程可以作为参考。 导入依赖 import pandas as pd import os import numpy as np from sklearn.model_selection import train_test_split,GridSearchCV from sklearn.ensemble import RandomForestClassifier,VotingClassifier from skle…
阅读更多...
HelloWorld

HelloWorld

HelloWorld 新建一个java文件 文件后缀名为 .javahello.java【注意】系统可能没有显示文件后缀名&#xff0c;我们需要手动打开 编写代码 public class hello {public static void main(String[] args) {System.out.print(Hello,World)} }编译 javac java文件&#xff0c;会生…
阅读更多...
SEO 优化实战：ZKmall模板商城的 B2C商城的 URL 重构与结构化数据

SEO 优化实战：ZKmall模板商城的 B2C商城的 URL 重构与结构化数据

在搜索引擎算法日益复杂的今天&#xff0c;B2C商城想要在海量信息中脱颖而出&#xff0c;仅靠优质商品和营销活动远远不够。ZKmall模板商城以实战为导向&#xff0c;通过URL 重构与结构化数据优化两大核心策略&#xff0c;帮助 B2C 商城实现从底层架构到搜索展示的全面升级&…
阅读更多...
数字万用表与指针万用表使用方法及注意事项

数字万用表与指针万用表使用方法及注意事项

在电子测量领域&#xff0c;万用表是极为常用的工具&#xff0c;数字万用表和指针万用表各具特点。熟练掌握它们的使用方法与注意事项&#xff0c;能确保测量的准确性与安全性。下面为您详细介绍&#xff1a; 一 、数字万用表按钮功能 > 进入及退出手动量程模式 每 按 […
阅读更多...
【读代码】端到端多模态语言模型Ultravox深度解析

【读代码】端到端多模态语言模型Ultravox深度解析

一、项目基本介绍 Ultravox是由Fixie AI团队开发的开源多模态大语言模型，专注于实现音频-文本的端到端实时交互。项目基于Llama 3、Mistral等开源模型，通过创新的跨模态投影架构，绕过了传统语音识别（ASR）的中间步骤，可直接将音频特征映射到语言模型的高维空间。 核心优…
阅读更多...
RabbitMQ工作流程及使用方法

RabbitMQ工作流程及使用方法

一、什么是RabbitMQ RabbitMQ 是一款基于 ‌AMQP&#xff08;高级&#xff0c;消息队列协议&#xff09;‌ 的开源消息中间件&#xff0c;专为分布式系统设计&#xff0c;用于实现应用程序间的异步通信&#xff0c;其核心功能是通过 ‌消息代理&#xff08;Message Broker&…
阅读更多...
算法：分治法

算法：分治法

实验内容 在一个2kⅹ2k个方格组成的棋盘中&#xff0c;若恰有一个方格与其他方格不同&#xff0c;则称该方格为特殊方格&#xff0c;且称该棋盘为一特殊棋盘。 显然&#xff0c;特殊方格出现的位置有4k 种情况&#xff0c;即k>0,有4k 种不同的特殊棋盘 棋盘覆盖&#xff1a…
阅读更多...
MySQL初阶：sql事务和索引

MySQL初阶：sql事务和索引

索引&#xff08;index&#xff09; 可以类似理解为一本书的目录&#xff0c;一个表可以有多个索引。 索引的意义和代价 在MySQL中使用select进行查询时会经过&#xff1a; 1.先遍历表 2.将条件带入每行记录中进行判断&#xff0c;看是否符合 3.不符合就跳过 但当表中的…
阅读更多...
docker部署第一个Go项目

docker部署第一个Go项目

1.前期准备 目录结构 main.go package mainimport ("fmt""github.com/gin-gonic/gin""net/http" )func main() {fmt.Println("\n .::::.\n .::::::::.\n :::::::::::\n …
阅读更多...
Visual Studio2022跨平台Avalonia开发搭建

Visual Studio2022跨平台Avalonia开发搭建

由于我已经下载并安装了 VS2022版本&#xff0c;这里就跳过不做阐述。 1.安装 Visual Studio 2022 安装时工作负荷Tab页勾选 ‌“.NET 桌面开发”‌ 和“Visual Studio扩展开发”‌ &#xff0c;这里由于不是用的微软的MAUI&#xff0c;所以不用选择其他的来支持跨平台开发&a…
阅读更多...
css iconfont图标样式修改，js 点击后更改样式

css iconfont图标样式修改，js 点击后更改样式

背景&#xff1a; 在vue项目中&#xff0c;通过点击/鼠标覆盖&#xff0c;更改选中元素的样式&#xff0c;可以通过js逻辑&#xff0c;也可以根据css样式修改。包括以下内容&#xff1a;iconfont图标的引入以及使用&#xff0c;iconfont图标样式修改【导入文件是纯白&#xff0…
阅读更多...
开源项目实战学习之YOLO11：12.4 ultralytics-models-sam-memory_attention.py源码分析

开源项目实战学习之YOLO11：12.4 ultralytics-models-sam-memory_attention.py源码分析

👉 点击关注不迷路 👉 点击关注不迷路 👉 另外，前些天发现了一个巨牛的AI人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。感兴趣的可以点击相关跳转链接。 点击跳转到网站。 ultralytics-models-sam 1.sam-modules-memory_attention.pyblocks.py： 定义模…
阅读更多...
【沉浸式求职学习day42】【算法题：滑动窗口】

【沉浸式求职学习day42】【算法题：滑动窗口】

沉浸式求职学习 长度最小的子数组水果成篮 关于算法题&#xff1a;滑动窗口的几个题目 长度最小的子数组 给定一个含有 n 个正整数的数组和一个正整数 s &#xff0c;找出该数组中满足其和 ≥ s 的长度最小的 连续 子数组&#xff0c;并返回其长度。如果不存在符合条件的子数组…
阅读更多...
LIIGO ❤️ RUST 12 YEARS

LIIGO ❤️ RUST 12 YEARS

LIIGO &#x1f496; RUST 12 YEARS 今天是RUST语言1.0发布十周年纪念日。十年前的今天&#xff0c;2015年的今天&#xff0c;Rust 1.0 正式发行。这是值得全球Rust支持者隆重纪念的日子。我借此机会衷心感谢Rust语言创始人Graydon Hoare&#xff0c;Mozilla公司&#xff0c;以…
阅读更多...
Linux基础开发工具二（gcc/g++，自动化构建makefile）

Linux基础开发工具二（gcc/g++，自动化构建makefile）

3. 编译器gcc/g 3.1 背景知识 1. 预处理&#xff08;进行宏替换/去注释/条件编译/头文件展开等) 2. 编译&#xff08;生成汇编) 3. 汇编&#xff08;生成机器可识别代码&#xff09; 4. 连接&#xff08;生成可执行文件或库文件) 3.2 gcc编译选项 格式 &#xff1a; gcc …
阅读更多...
全局异常处理：如何优雅地统一管理业务异常

全局异常处理：如何优雅地统一管理业务异常

在软件开发中&#xff0c;异常处理是保证系统健壮性的重要环节。一个良好的异常处理机制不仅能提高代码的可维护性&#xff0c;还能为使用者提供清晰的错误反馈。本文将介绍如何通过全局异常处理和业务异常统一处理来编写更加优雅的代码。 一、传统异常处理的痛点 1.1 典型问…
阅读更多...
动态规划-LCR 166.珠宝的最大价值-力扣(LeetCode)

动态规划-LCR 166.珠宝的最大价值-力扣(LeetCode)

一、题目解析 frame二维矩阵中每个值代表珠宝的价值&#xff0c;现在从左上角开始拿珠宝&#xff0c;只能向右或向下拿珠宝&#xff0c;到达右下角时停止拿珠宝&#xff0c;要求拿的珠宝价值最大。 二、算法解析 1.状态表示 我们想要知道的是到达[i,j]为位置时的最大价值&am…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023