项目集成sharding-jdbc

落落落sss2024-09-23 10:51

目录

项目集成sharding-jdbc

1.业务分析

2.数据库构建

3.分库分表策略

项目配置默认数据源

一：导入sharding-jdbc依赖

二：在application文件中编写配置

三：注释掉主配置文件中配置的数据源

[注意：这里添加了spring.main.allow-bean-definition-overriding: true](#注意：这里添加了spring.main.allow-bean-definition-overriding: true)

四：测试

项目配置广播表（公共表）

一:application配置

二：测试

项目使用standard标准模式配置分库算法

一.分库算法类

二.application中配置逻辑表对应的数据节点和分库算法

项目使用stardard标准模式配置分表算法

一.分表算法类

二.application配置

分库分表注意事项

项目集成sharding-jdbc

1.业务分析

我1们分析一下股票数据的预期增长情况：

表名 时间周期 累计数量 分库分表策略
股票流水表-stock_rt_info 月 1(钟)x60（时）x4（天）x21(月)x1500（重点股票）约等于：750W+ 按年分库，按月分表
股票主营业务表-stock_business 3000+ 公共表|广播表 数据量少 数据变化频率低 各个数据库都会用到
国内大盘流水表-stock_market_index_info 年 1x60x4x21x12x10约等于：60W+ 按年分库不分表 方便数据按年维护
外盘流水表-stock_outer_market_index_info 年 1x60x4x21x12x10约等于：60W+ 按年分库不分表 方便数据按年维护
股票板块-stock_block_rt_into 年 1x60x4x21x12x60约等于：360w+ 按年分库不分表 方便数据按年维护
系统表 -sys_log、sys_user、sys_role等 数据量少 单库默认数据源

当前我们选择使用cur_time日期字段作为分库分表的片键比较合适，那如果使用主键字段作为分片，会存在哪些问题呢？

  • 数据库扩容时各节点存储均衡问题
    • 股票数据的持续流入会导致前期分库的各个节点不堪重负，最终势必要进行节点扩容，而新加入的节点和旧的节点之间数据不平衡，需要重新规划，这会导致数据迁移的成本过高；
  • 股票查询条件问题
    • 股票数据多以日期作为条件查询，如果基于主键ID作为分片键，则会导致分库的全节点查询，性能开销加大；

2.数据库构建

  • 对于股票流水表按照月维度和年维护进行库表拆分，也就是说一年会产生一个库用于后期数据归档，而每个库下则按照月份产生12张表，对应一年的数据；
  • 对于板块表和大盘数据表，我们则以年为单位，与股票流水表年份一致即可，也就是按照年分库分表；
  • 对于主营业务表，因为数据量较少，且查询都会用到，作为公共表处理；
  • 对于系统表数据量相对较少，作为默认数据源即可；

3.分库分表策略

经过分析发现大盘、板块、股票相关数据的分库策略是一致的，而分表策略则存在部分差异，所以我们可先定义公共的分库算法类和公共的分表算法类，对于不一致的，则个别定义即可：

表 公共分库算法 公共分表算法 说明
stock_block_rt_inf 是 无
stock_market_index_info 是 无
stock_outer_market_index_info 是 无
stock_rt_info 是 否 根据月份分表
stock_business 否 否 公共表|广播表
系统管理相关表:sys_user等 否 否 默认数据源

项目配置默认数据源

说明:配置默认数据源之后，如果某个逻辑表没有对应的数据节点，就会去默认数据源下去寻找是否与自己同名的物理表，如果有就去操作默认数据源的那张表，如果没有就会报错（空数据源即没有可操作的数据源）

一：导入sharding-jdbc依赖

html 复制代码 
 <!--引入shardingjdbc依赖-->
        <dependency>
            <groupId>org.apache.shardingsphere</groupId>
            <artifactId>sharding-jdbc-spring-boot-starter</artifactId>
        </dependency>

二：在application文件中编写配置

application-shard.properties

Haskell 复制代码 
# 分表配置
# 数据源名称，多数据源以逗号分隔,一个数据库对应一个数据源
spring.shardingsphere.datasource.names=defdb
#让数据源连接指定的数据库
# 数据库连接池类名称
spring.shardingsphere.datasource.defdb.type=com.alibaba.druid.pool.DruidDataSource
# 数据库驱动类名
spring.shardingsphere.datasource.defdb.driver-class-name=com.mysql.jdbc.Driver
# 数据库 url 连接
spring.shardingsphere.datasource.defdb.url=jdbc:mysql://192.168.200.130:3306/stock_sys_db?useUnicode=true&characterEncoding=UTF-8&allowMultiQueries=true&useSSL=false&serverTimezone=Asia/Shanghai
# 数据库用户名
spring.shardingsphere.datasource.defdb.username=root
# 数据库密码
spring.shardingsphere.datasource.defdb.password=1234

# 配置默认数据源（特点：对于不做分片处理的操作，都会直接访问默认数据源
# 未配置分片规则的表将通过默认数据源定位
spring.shardingsphere.sharding.default-data-source-name=defdb

#开启sql显示到终端
spring.shardingsphere.props.sql.show=true

三：注释掉主配置文件中配置的数据源

Haskell 复制代码 
# web定义
server:
  port: 8091
spring:
  profiles:
    active: cache,stock,mq,shard #激活其他配置文件
  main:
    allow-bean-definition-overriding: true # 配置允许容器内的bean资源被覆盖，druid的依赖会自动装配数据源，sharding也会装配数据源，
    # 所以要开启覆盖bean资源，让sharding配置的数据源覆盖掉druid的数据源
    # 配置mysql数据源
#  datasource:
#    druid:
#      username: root
#      password: 1234
#      url: jdbc:mysql://192.168.200.130:3306/stock_db?useUnicode=true&characterEncoding=UTF-8&allowMultiQueries=true&useSSL=false&serverTimezone=Asia/Shanghai
#      driver-class-name: com.mysql.jdbc.Driver
#      # 初始化时建立物理连接的个数。初始化发生在显示调用 init 方法，或者第一次 getConnection 时
#      initialSize: 6
#      # 最小连接池数量
#      minIdle: 2
#      # 最大连接池数量
#      maxActive: 20
#      # 获取连接时最大等待时间，单位毫秒。配置了 maxWait 之后，缺省启用公平锁，
#      # 并发效率会有所下降，如果需要可以通过配置 useUnfairLock 属性为 true 使用非公平锁。
#      maxWait: 60000
# 配置mybatis
mybatis:
  type-aliases-package: com.hhh.stock.pojo.entity  #批量给实体类取别名，方便在xml文件中使用别名
  mapper-locations: classpath:mapper/*.xml  #配置加载mapperXml文件资源
  configuration:
    map-underscore-to-camel-case: true # 开启驼峰映射
#    log-impl: org.apache.ibatis.logging.stdout.StdOutImpl #通过mybatis执行的sql以日志文件输出到终端
    cache-enabled: false #禁止二级缓存 caffiencache
    local-cache-scope: statement # 以及缓存默认开启session
# pagehelper配置
pagehelper:
  helper-dialect: mysql #指定分页数据库类型（方言）
  reasonable: true #合理查询超过最大页，则查询最后一页

注意：这里添加了spring.main.allow-bean-definition-overriding: true

如果不添加这个语句，启动项目时就会报错，**因为下面两个依赖都会自动装配一个druid数据源，导致springboot不知道要使用哪一个数据源，**所以添加spring.main.allow-bean-definition-overriding: true，配置允许容器内的bean资源被覆盖即可，这样就可以去使用sharding-jdbc的数据源了

html 复制代码 
 <dependency>
            <groupId>com.alibaba</groupId>
            <artifactId>druid-spring-boot-starter</artifactId>
        </dependency>
html 复制代码 
 <!--引入shardingjdbc依赖-->
        <dependency>
            <groupId>org.apache.shardingsphere</groupId>
            <artifactId>sharding-jdbc-spring-boot-starter</artifactId>
        </dependency>

四：测试

java 复制代码 
    @Autowired
    private SysUserMapper sysUserMapper;

    /**
     * @Description 测试默认数据源的配置
     */
    @Test
    public void testDefault(){
        SysUser user = sysUserMapper.selectByPrimaryKey(1237361915165020161l);
        System.out.println(user);
    }

可以发现使用了默认数据源defdb

5,23

项目配置广播表（公共表）

前提：每个 库中都要有这张广播表，这样在java程序中对逻辑表操作时，就会操作每个库的这张广播表

一:application配置

Haskell 复制代码 
# 分表配置
# 数据源名称，多数据源以逗号分隔,一个数据库对应一个数据源
spring.shardingsphere.datasource.names=defdb,ds-2022,ds-2023,ds-2024
#让数据源连接指定的数据库
# 数据库连接池类名称
spring.shardingsphere.datasource.defdb.type=com.alibaba.druid.pool.DruidDataSource
# 数据库驱动类名
spring.shardingsphere.datasource.defdb.driver-class-name=com.mysql.jdbc.Driver
# 数据库 url 连接
spring.shardingsphere.datasource.defdb.url=jdbc:mysql://192.168.200.130:3306/stock_sys_db?useUnicode=true&characterEncoding=UTF-8&allowMultiQueries=true&useSSL=false&serverTimezone=Asia/Shanghai
# 数据库用户名
spring.shardingsphere.datasource.defdb.username=root
# 数据库密码
spring.shardingsphere.datasource.defdb.password=1234

#让数据源连接指定的数据库
# 数据库连接池类名称
spring.shardingsphere.datasource.ds-2022.type=com.alibaba.druid.pool.DruidDataSource
# 数据库驱动类名
spring.shardingsphere.datasource.ds-2022.driver-class-name=com.mysql.jdbc.Driver
# 数据库 url 连接
spring.shardingsphere.datasource.ds-2022.url=jdbc:mysql://192.168.200.130:3306/stock_db_2022?useUnicode=true&characterEncoding=UTF-8&allowMultiQueries=true&useSSL=false&serverTimezone=Asia/Shanghai
# 数据库用户名
spring.shardingsphere.datasource.ds-2022.username=root
# 数据库密码
spring.shardingsphere.datasource.ds-2022.password=1234
#让数据源连接指定的数据库
# 数据库连接池类名称
spring.shardingsphere.datasource.ds-2023.type=com.alibaba.druid.pool.DruidDataSource
# 数据库驱动类名
spring.shardingsphere.datasource.ds-2023.driver-class-name=com.mysql.jdbc.Driver
# 数据库 url 连接
spring.shardingsphere.datasource.ds-2023.url=jdbc:mysql://192.168.200.130:3306/stock_db_2023?useUnicode=true&characterEncoding=UTF-8&allowMultiQueries=true&useSSL=false&serverTimezone=Asia/Shanghai
# 数据库用户名
spring.shardingsphere.datasource.ds-2023.username=root
# 数据库密码
spring.shardingsphere.datasource.ds-2023.password=1234

#让数据源连接指定的数据库
# 数据库连接池类名称
spring.shardingsphere.datasource.ds-2024.type=com.alibaba.druid.pool.DruidDataSource
# 数据库驱动类名
spring.shardingsphere.datasource.ds-2024.driver-class-name=com.mysql.jdbc.Driver
# 数据库 url 连接
spring.shardingsphere.datasource.ds-2024.url=jdbc:mysql://192.168.200.130:3306/stock_db_2024?useUnicode=true&characterEncoding=UTF-8&allowMultiQueries=true&useSSL=false&serverTimezone=Asia/Shanghai
# 数据库用户名
spring.shardingsphere.datasource.ds-2024.username=root
# 数据库密码
spring.shardingsphere.datasource.ds-2024.password=1234


# 指定stock_business为公共表，多个公共表以逗号间隔
spring.shardingsphere.sharding.broadcast‐tables=stock_business

# 配置默认数据源（特点：对于不做分片处理的操作，都会直接访问默认数据源
# 未配置分片规则的表将通过默认数据源定位
spring.shardingsphere.sharding.default-data-source-name=defdb

#开启sql显示到终端
spring.shardingsphere.props.sql.show=true

二：测试

java 复制代码 
    /**
     * @Description 测试广播表
     */
    @Test
    public void testBroadCast(){
        StockBusiness pojo = StockBusiness.builder().stockCode("90000")
                .stockName("900000")
                .blockLabel("900000")
                .blockName("900000")
                .business("900000")
                .updateTime(new Date())
                .build();
        stockBusinessMapper.insert(pojo);

        //stockBusinessMapper.deleteByPrimaryKey("90000");
    }

可以发现对四个数据源的sys_business广播表都进行了操作

项目使用standard标准模式配置分库算法

一.分库算法类

java 复制代码 
/**
 * 定义公共的分库算法类：个股，大盘，板块都需要此分库算法
 * 泛型是分片键的类型，分片键是cur_time为datetime类型，java中为Date类型
 */
public class CommonAlg4Db implements PreciseShardingAlgorithm<Date>, RangeShardingAlgorithm<Date> {
    /**
     * 精准查询的分库算法（条件为 = in）
     * select * from stock_block_rt_info where cur_time=xxx
     * @param dsNames 根据逻辑表对应的数据节点获取数据源
     *                ds-2022,ds-2023,ds-2024
     * @param preciseShardingValue 逻辑表名称，分片键名称，条件值
     */

    @Override
    public String doSharding(Collection<String> dsNames, PreciseShardingValue<Date> preciseShardingValue) {
        //获取逻辑表名称
        String logicTableName = preciseShardingValue.getLogicTableName();
        //获取分片键名称
        String columnName = preciseShardingValue.getColumnName();
        //获取条件值
        Date curTime = preciseShardingValue.getValue();
        //获取条件值的年,并转换成String类型
        String year=new DateTime(curTime).getYear()+"";
        //编写分库算法，来决定要返回的数据源
        Optional<String> result = dsNames.stream().filter(dsName -> dsName.endsWith(year)).findFirst();
        //返回数据源，如果没有匹配的数据源，就返回默认值null
        return result.orElse(null);
    }

    /**
     * 范围查询的算法，条件为(between and)
     * select * from stock_block_rt_info where cur_time between xxx and xxx;
     * @param dsNames 根据逻辑表对应的数据节点获取数据源
     *                ds-2022,ds-2023,ds-2024
     * @param rangeShardingValue 逻辑表名称，分片键名称，条件值
     */

    @Override
    public Collection<String> doSharding(Collection<String> dsNames, RangeShardingValue<Date> rangeShardingValue) {
       //获取逻辑表的名称
        String logicTableName = rangeShardingValue.getLogicTableName();
        //获取分片键的名称
        String columnName = rangeShardingValue.getColumnName();
        //获取条件值的范围
        Range<Date> valueRange = rangeShardingValue.getValueRange();
        //判断是否有下限
        if(valueRange.hasLowerBound()){
            //获取下限的年份
            int startYear = new DateTime(valueRange.lowerEndpoint()).getYear();
            //ds-2022,ds-2023,ds-2024
            //编写分库算法，找出年份>=startYear的数据源,以-为分割符，取出年份并转换成int类型，然后过滤出>=startYear的数据源，并收集起来
            dsNames=dsNames.stream().filter(dsName->Integer.parseInt(dsName.split("-")[1])>=startYear).collect(Collectors.toList());
        }
        //判断是否有上限
        if(valueRange.hasUpperBound()){
            //获取上限的年份
            int endYear = new DateTime(valueRange.upperEndpoint()).getYear();
            //ds-2022,ds-2023,ds-2024
            //编写分库算法，找出年份<=endYear的数据源,以-为分割符，取出年份并转换成int类型，然后过滤出<=endYear的数据源，并收集起来
            dsNames=dsNames.stream().filter(dsName->Integer.parseInt(dsName.split("-")[1])<=endYear).collect(Collectors.toList());
        }
        //返回数据源
        return dsNames;
    }
}

二.application中配置逻辑表对应的数据节点和分库算法

Haskell 复制代码 
# 逻辑表对应的配置数据节点
# 由数据源名 + 表名组成，以小数点分隔。多个表以逗号分隔，支持 inline 表达式
spring.shardingsphere.sharding.tables.stock_outer_market_index_info.actual-data-nodes=ds-${2022..2024}.stock_outer_market_index_info
spring.shardingsphere.sharding.tables.stock_market_index_info.actual-data-nodes=ds-${2022..2024}.stock_market_index_info
spring.shardingsphere.sharding.tables.stock_block_rt_info.actual-data-nodes=ds-${2022..2024}.stock_block_rt_info
spring.shardingsphere.sharding.tables.stock_rt_info.actual-data-nodes=ds-2022.stock_rt_info_${202201..202212},ds-2023.stock_rt_info_${202301..202312},ds-2024.stock_rt_info_${202401..202412}




#使用标准标准方式分表
common.algorithm.db=com.hhh.stock.sharding.CommonAlg4Db

# stock_rt_info使用cur_time作为分库的分片键
spring.shardingsphere.sharding.tables.stock_rt_info.database-strategy.standard.sharding-column=cur_time
# 精确分片算法类名称，用于 = 和 IN。该类需实现 PreciseShardingAlgorithm 接口并提供无参数的构造器
spring.shardingsphere.sharding.tables.stock_rt_info.database-strategy.standard.precise-algorithm-class-name=${common.algorithm.db}
# 范围分片算法类名称，用于 BETWEEN，可选。该类需实现 RangeShardingAlgorithm 接口并提供无参数的构造器
spring.shardingsphere.sharding.tables.stock_rt_info.database-strategy.standard.range-algorithm-class-name=${common.algorithm.db}

# stock_outer_market_index_info使用cur_time作为分库的分片键
spring.shardingsphere.sharding.tables.stock_outer_market_index_info.database-strategy.standard.sharding-column=cur_time
# 精确分片算法类名称，用于 = 和 IN。该类需实现 PreciseShardingAlgorithm 接口并提供无参数的构造器
spring.shardingsphere.sharding.tables.stock_outer_market_index_info.database-strategy.standard.precise-algorithm-class-name=${common.algorithm.db}
# 范围分片算法类名称，用于 BETWEEN，可选。该类需实现 RangeShardingAlgorithm 接口并提供无参数的构造器
spring.shardingsphere.sharding.tables.stock_outer_market_index_info.database-strategy.standard.range-algorithm-class-name=${common.algorithm.db}

# stock_market_index_info使用cur_time作为分库的分片键
spring.shardingsphere.sharding.tables.stock_market_index_info.database-strategy.standard.sharding-column=cur_time
# 精确分片算法类名称，用于 = 和 IN。该类需实现 PreciseShardingAlgorithm 接口并提供无参数的构造器
spring.shardingsphere.sharding.tables.stock_market_index_info.database-strategy.standard.precise-algorithm-class-name=${common.algorithm.db}
# 范围分片算法类名称，用于 BETWEEN，可选。该类需实现 RangeShardingAlgorithm 接口并提供无参数的构造器
spring.shardingsphere.sharding.tables.stock_market_index_info.database-strategy.standard.range-algorithm-class-name=${common.algorithm.db}

# stock_block_rt_info使用cur_time作为分库的分片键
spring.shardingsphere.sharding.tables.stock_block_rt_info.database-strategy.standard.sharding-column=cur_time
# 精确分片算法类名称，用于 = 和 IN。该类需实现 PreciseShardingAlgorithm 接口并提供无参数的构造器
spring.shardingsphere.sharding.tables.stock_block_rt_info.database-strategy.standard.precise-algorithm-class-name=${common.algorithm.db}
# 范围分片算法类名称，用于 BETWEEN，可选。该类需实现 RangeShardingAlgorithm 接口并提供无参数的构造器
spring.shardingsphere.sharding.tables.stock_block_rt_info.database-strategy.standard.range-algorithm-class-name=${common.algorithm.db}

项目使用stardard标准模式配置分表算法

一.分表算法类

java 复制代码 
/**
 * 个股流水表的分表算法，使用cur_time分片，泛型是Date类型
 */
public class CommonAlg4Tb implements PreciseShardingAlgorithm<Date>, RangeShardingAlgorithm<Date> {
    /**
     * 精准查询的分库算法（条件为 = in）
     * select * from stock_rt_info where cur_time=xxx
     * @param tbNames 根据逻辑表对应的数据节点获取物理表
     *                stock_rt_info_202201,stock_rt_info_202212
     * @param preciseShardingValue 逻辑表名称，分片键名称，条件值
     */
    @Override
    public String doSharding(Collection<String> tbNames, PreciseShardingValue<Date> preciseShardingValue) {
        //获取逻辑表
        String logicTableName = preciseShardingValue.getLogicTableName();
        //获取分片键名称
        String columnName = preciseShardingValue.getColumnName();
        //获取条件值
        Date curDate = preciseShardingValue.getValue();
        //获取年月
        String yearMonth = new DateTime(curDate).toString(DateTimeFormat.forPattern("yyyyMM"));
        //编写分表算法来找出特定时间的物理表
        Optional<String> result = tbNames.stream().filter(tbName -> tbName.endsWith(yearMonth)).findFirst();
        return result.orElse(null);
    }

    /**
     * 范围查询的算法，条件为(between and)
     * select * from stock_block_rt_info where cur_time between xxx and xxx;
     * @param tbNames 根据逻辑表对应的数据节点获取物理表
     *                stock_rt_info_202201,stock_rt_info_202212
     * @param rangeShardingValue 逻辑表名称，分片键名称，条件值
     */
    @Override
    public Collection<String> doSharding(Collection<String> tbNames, RangeShardingValue<Date> rangeShardingValue) {
       //获取条件值
        Range<Date> valueRange = rangeShardingValue.getValueRange();
        if(valueRange.hasLowerBound()){
            int startYearMonth=Integer.parseInt(new DateTime(valueRange.lowerEndpoint()).toString(DateTimeFormat.forPattern("yyyyMM")));
            //编写分表算法来找出特定时间的物理表
            //stock_rt_info_202201,通过最后一个_来再加1获取起始索引，来截取yearMonth
            tbNames=tbNames.stream().filter(tbName->Integer.parseInt(tbName.substring(tbName.lastIndexOf("_")+1))>=startYearMonth).collect(Collectors.toList());
        }
        if(valueRange.hasUpperBound()){
            int endYearMonth=Integer.parseInt(new DateTime(valueRange.upperEndpoint()).toString(DateTimeFormat.forPattern("yyyyMM")));
            //编写分表算法来找出特定时间的物理表
            //stock_rt_info_202201,通过最后一个_来再加1获取起始索引，来截取yearMonth
            tbNames=tbNames.stream().filter(tbName->Integer.parseInt(tbName.substring(tbName.lastIndexOf("_")+1))<=endYearMonth).collect(Collectors.toList());
        }
        return tbNames;
    }
}

二.application配置

Haskell 复制代码 
#使用标准方式分表
common.algorithm.tb=com.hhh.stock.sharding.CommonAlg4Tb
# stock_rt_info使用cur_time作为分表的分片键
spring.shardingsphere.sharding.tables.stock_rt_info.table-strategy.standard.sharding-column=cur_time
# 精确分片算法类名称，用于 = 和 IN。该类需实现 PreciseShardingAlgorithm 接口并提供无参数的构造器
spring.shardingsphere.sharding.tables.stock_rt_info.table-strategy.standard.precise-algorithm-class-name=${common.algorithm.tb}
# 范围分片算法类名称，用于 BETWEEN，可选。该类需实现 RangeShardingAlgorithm 接口并提供无参数的构造器
spring.shardingsphere.sharding.tables.stock_rt_info.table-strategy.standard.range-algorithm-class-name=${common.algorithm.tb}

分库分表注意事项

基于sharding-jdbc实践分库分表注意事项：

  • 条件查询时分片字段不要使用函数处理，否则分片算法失效，导致全节点查询

    • 举例：select * from stock_rt_info where date_format(cur_time,'%Y%m%d')='20220910' ,函数会造成sharding的分片失效，导致全节点查询；
    • 同时在索引角度看，如果查询的分片字段使用函数，会导致索引失效，导致查询性能较低；

  • 条件查询时尽量使用符合sharding分片条件的关键字

    • 精准查询尽量使用in =,而范围查询尽量使用between ；
    • between和(in =)不要一起使用

  • sharding-jdbc对嵌套查询处理不友好

    • 如果嵌套查询的话，那么最好子查询的条件只命中单张表。如果子查询的条件关联了多张表，那么交易分步骤拆分实现；
    • 示例：我们项目中的K线统计中，需要将SQL拆分，然后分步骤实现；
相关推荐
基础不牢，地动山摇...几秒前
jbcTemplate和namedParameterJdbcTemplate详解
java·开发语言·数据库
逸狼1 分钟前
【JavaEE初阶】文件IO(上)
java·java-ee
科研小白_d.s2 分钟前
数据结构的基础知识
java·开发语言·数据结构
编写美好前程3 分钟前
mysql update语句的执行流程
数据库·mysql
XT46257 分钟前
如何有效的防止SQL注入攻击
数据库·sql
布说在见10 分钟前
Spring Boot管理用户数据
java·spring boot·后端
小七蒙恩17 分钟前
java的排序算法，代码详细说明
java·算法·排序算法
coder what29 分钟前
基于springboot的图书管理系统
java·spring boot·后端·图书管理系统
BYSJMG33 分钟前
计算机毕业设计选题推荐-基于python+Django的全屋家具定制服务平台
开发语言·数据库·python·django·毕业设计·课程设计·毕设
云和恩墨43 分钟前
云和恩墨携手华为，发布zCloud数据库备份管理一体机并宣布共建数据保护生态...
数据库·华为
热门推荐
01组基轨迹建模 GBTM的介绍与实现（Stata 或 R）02RAG 实践- Ollama+RagFlow 部署本地知识库032024年高教社杯数学建模国赛C题超详细解题思路分析04yolov8实战第五天——yolov8+ffmpg实时视频流检测并进行实时推流——（推流，保姆教学）05CCF-CSP认证考试 202406-3 文本分词 100分题解06【2024数模国赛赛题思路公开】国赛B题思路丨附可运行代码丨无偿自提07【SCS-CN】SCS-CN模型中CN值的确定08苍穹外卖面试总结09【2024高教社杯全国大学生数学建模竞赛】B题 生产过程中的决策问题——解题思路 代码 论文10【极空间NAS】使用WebDAV服务 + DDNSTO内网穿透 实现思源笔记的内外网同步