注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. CC1100/CC1100E/CC1101大数据包发送流程(小于255)

  2. CC1100/CC1100E/CC1101大数据包发送流程(小于255),

  3. 所属分类：Java

    • 发布日期：2010-08-13
    • 文件大小：25600
    • 提供者：summitily

  1. cc2541从向主发送大数据3.35s发送20k字节

  2. 采用 ti的cc2540协议栈，采用通知方式从机向主机发送大数据 发送20k byte用时3.35s

  3. 所属分类：硬件开发

    • 发布日期：2016-07-13
    • 文件大小：39936
    • 提供者：woshishiyaod

  1. java大数据作业_1云计算、大数据、hadoop

  2. 课后作业 1.SAAS、PAAS、IAAS、XAAS都是什么意思？另外猜猜DAAS是什么意思？ 2.大数据的4个特点是什么？ 3.虚拟机与主机构成闭环局域网的链接叫什么？ 4.在用户目录下的test目录下，创建一个文件hello.txt，文件内容是包含usr的运行进程列表，然后将目录的所有文件发送到主机名为test的服务器的/opt目录上，并使用soft01用户接收这些文件 5.简述3种加密方式的概念意义，并说明非对称加密中公钥与私钥的作用 6.列举Hadoop生态环境的至少5个核心项目，并标

  3. 所属分类：Java

    • 发布日期：2018-01-23
    • 文件大小：17408
    • 提供者：xiaoli_shen

  1. 利用大数据分析，赋能以客户为中心的业务转型.docx

  2. 利用大数据分析，赋能以客户为中心的业务转型 几年前，银行总是能通过短信、电话等渠道向你发送各种推荐信息，比如一张新的信用卡，新的房屋贷款，针对新企业新的信用额度等。显而易见，这种海量推送式的市场营销说明银行实际上对自己客户的需求和个性缺乏了解。但好消息是，这种乱七八糟的小广告似的推送信息将很快就会成为历史。今天，绝大多数的银行机构正在引入大数据分析技术，尝试利用大数据技术来帮助它们转变客户的体验。一如其他客户主导的其他产业，银行也在通过预判客户的行为和需求来努力争取客户。

  3. 所属分类：算法与数据结构

    • 发布日期：2020-03-01
    • 文件大小：23552
    • 提供者：u013998480

  1. 西门子_利用BSEND BRCV功能实现S7-300 400与WinCC Professional的大数据量交换.pdf

  2. 西门子_利用BSEND BRCV功能实现S7-300 400与WinCC Professional的大数据量交换pdf,功能介绍 同经典 相同, 也支持 (原始数据)类型 的变量,可以实现和的批量数据交换。其中 类型的 变量因其受尺寸的限制( 字节),故最大数据尺寸为 字节,能够实现中小规模的批量数据交换。 但对于人批量的数据交换可以考虑使用 和 功能。两 者都需要端调用功能块,主动将最大字节的数据发到 变量。 只适用于 系列 不支持。关于此内 容请参见 的帮助文档和西门子下载中心中号为 的《如

  3. 所属分类：其它

    • 发布日期：2019-09-20
    • 文件大小：1048576
    • 提供者：weixin_38744270

  1. 西门子_利用BSEND BRCV功能实现S7-300 400与WinCC的大数据量交换.pdf

  2. 西门子_利用BSEND BRCV功能实现S7-300 400与WinCC的大数据量交换pdf,WinCC send/BRcV功能介绍 aGgE∽◎ Winco支持 Rawdata(原始数据)类型的变量,可以灾现和PLc的批量数据交 换。其中Send/ Receive类型的 Rawdata变量因其受PDU尺寸的限制 (240/480字节),故最大数据尺寸为208/448字节,能够实现中小规模的批量 数据交换。 但对于大批量的数据交换可以考虑使用 AR SEND和 BSEND/BRCV功能。两 者都

  3. 所属分类：其它

    • 发布日期：2019-09-14
    • 文件大小：823296
    • 提供者：weixin_38743737

  1. 大数据时代下制造类企业的组织创新

  2. 科技的迅速发展、移动互联网的盛行,使人们更为便利地实时搜索、发送和接收信息,数据的产生以过去几十倍的速度增长着,大数据时代已经到来。对传统的制造类企业而言,大数据时代的到来既是机遇、又是挑战。为适应大数据这一环境,制造类企业必须进行组织创新。文章认为,在大数据时代下,制造类企业必须进行组织结构的扁平化管理,采用产品事业部制的组织结构形式,并鼓励员工自组织而形成团队的组织创新方法。另外,本文在人员设置和企业决策制定方面,也提出了创新方案。

  3. 所属分类：其它

    • 发布日期：2020-07-09
    • 文件大小：404480
    • 提供者：weixin_38502183

  1. 大数据实时处理系统技术方案.docx

  2. 对于Flume而言，关键在于如何采集数据，并且将其发送到Kafka上，并且由于我们这里了使用Flume集群的方式，Flume集群的配置也是十分关键的。而对于Kafka，关键就是如何接收来自Flume的数据。从整体上讲，逻辑应该是比较简单的，在Kafka中创建一个用于我们实时处理系统的topic，然后Flume将其采集到的数据发送到该topic上即可。

  3. 所属分类：互联网

    • 发布日期：2020-08-07
    • 文件大小：2097152
    • 提供者：qq_42891281

  1. 大数据框架整理

  2. 大数据离线部分 　　一、HDFS 　　1：HDFS的架构部分及工作原理 　　NameNode：负责管理元素据，将信息保存在内存中 　　DataNode：保存数据，以块的形式保存。启动后需要定时的向NameNode发送心跳，报告自身存储的块信息 　　2：HDFS的上传过程 　　3：HDFS的下载 　　4：NameNode的元数据安全机制 　　以记日志的形式将每一个操作写在磁盘的日志文件中，然后借助Secondary NameNode的checkpoint功能将fsImage和日志进

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：103424
    • 提供者：weixin_38592134

  1. 面试官：怎么设计大文件、大数据场景下的传输加密方案？

  2. 某年某月某一天，冷冽寒风中，姚小毛走进了某家公司，开始了新一轮的面试。 一阵寒暄后。 面试官：“你好，看你的项目经验中有做过数据加密的工作，你是使用什么加密算法加解密的？” 姚小毛：“嗯，我是采用的 非对称加密 + 对称加密 的混合加密算法。” 面试官：“为什么要用混合加密的方式？” 姚小毛：“非对称加密跟对称加密都各有优缺点。 非对称安全性好点，由发送方跟接收方分别持有公钥、私钥。 但是缺点是在做大数据量的加密传输时，传输速度会比较慢。” 面试官：“那对称算法呢？” 姚小毛：“对称加密的优点是

  3. 所属分类：其它

    • 发布日期：2021-01-08
    • 文件大小：68608
    • 提供者：weixin_38689027

  1. 【大数据入门笔记系列】第三节 Hdfs读、写数据处理流程

  2. 【大数据入门笔记系列】第三节 Hdfs读、写数据处理流程Hdfs简介写数据处理流程读数据处理流程后记跳转 Hdfs简介 一般而言，Hdfs是由一个NameNode节点和若干个DataNode节点组成（非高可用，高可用还有一个SecondNameNode）。 NameNode：管理分布式文件系统的元数据，这些元数据是一些诸如描述文件的存储路径以及block具体在哪些DataNode上的具体位置等； DataNode：DataNode节点用来保存文件数据块（block），它只负责接受存储、查询发送

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：729088
    • 提供者：weixin_38678550

  1. 如何实现大数据系统

  2. 摘要:以上所述是对“大数据”和实时决策的端到端观察。大数据让我们能够利用海量的数据和处理资源得出精确的模型。它还让我们能够确定以前无法预期的种种事情，从而产生更精确的模型以及新思想、新业务等等。经常有人问我有关“大数据”的问题，而且多半情况下我们似乎是在各种不同的抽象和理解级别进行交谈。实时和高级分析之类的词语频频现身，并且我们总是立即开始谈论产品，这通常并不是一个好主意。希望将类似本文的技术文章发送到您的收件箱吗？请订阅系统社区新闻快讯—仅包含面向系统管理员和开发人员的技术内容。因此我们来回顾

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：427008
    • 提供者：weixin_38721119

  1. 流式大数据处理的三种框架：Storm，Spark和Samza

  2. 许多分布式计算系统都可以实时或接近实时地处理大数据流。本文将对三种Apache框架分别进行简单介绍，然后尝试快速、高度概述其异同。在Storm中，先要设计一个用于实时计算的图状结构，我们称之为拓扑（topology）。这个拓扑将会被提交给集群，由集群中的主控节点（masternode）分发代码，将任务分配给工作节点（workernode）执行。一个拓扑中包括spout和bolt两种角色，其中spout发送消息，负责将数据流以tuple元组的形式发送出去；而bolt则负责转换这些数据流，在bolt

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：333824
    • 提供者：weixin_38719578

  1. 链家网大数据平台枢纽——工具链

  2. 链家网于2015年成立大数据部门，开始构建基于Hadoop的技术体系，初期大数据部门以运营数据报表需求、公司核心指标需求为主。随着2015年链家网发力线上业务，toB与toC业务齐头并进，数据需求量激增的情况也随之在2016年突显，数据量增至PB级。我们开始思考如何改变现状，如何高效支撑未来可预见的众多数据需求。链家网大数据部门成立之初，面对着零散的数据需求，最早期的办法是配置定时任务跑脚本，将结果通过邮件方式发送给需求方。2015年期间，随着运营数据需求的增加、希望查阅数据的人员增多，邮件的方

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：356352
    • 提供者：weixin_38725734

  1. BigData-Notes：大数据入门指南-源码

  2. 大数据注释 大数据入门指南 如果需要离线阅读，可以在公众号上发送“ bigdata”获取《大数据入门指南》离线阅读版！ :black_nib:前言 一，Hadoop 二，蜂巢 三，火花 Spark Core： Spark SQL： 火花流： 四，暴风雨 五，Flink 六，HBase 七，卡夫卡 八，动物园管理员 九，水槽 十，Sqoop 十一，阿兹卡班 十二，Scala 十三，公共内容 :bookmark_tabs:后记

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：20971520
    • 提供者：weixin_42157188

  1. 如何实现大数据系统

  2. 摘要:以上所述是对“大数据”和实时决策的端到端观察。大数据让我们能够利用海量的数据和处理资源得出精确的模型。它还让我们能够确定以前无法预期的种种事情，从而产生更精确的模型以及新思想、新业务等等。经常有人问我有关“大数据”的问题，而且多半情况下我们似乎是在各种不同的抽象和理解级别进行交谈。实时和高级分析之类的词语频频现身，并且我们总是立即开始谈论产品，这通常并不是一个好主意。希望将类似本文的技术文章发送到您的收件箱吗？请订阅系统社区新闻快讯—仅包含面向系统管理员和开发人员的技术内容。因此我们来回顾

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：427008
    • 提供者：weixin_38654382

  1. 链家网大数据平台枢纽——工具链

  2. 链家网于2015年成立大数据部门，开始构建基于Hadoop的技术体系，初期大数据部门以运营数据报表需求、公司核心指标需求为主。随着2015年链家网发力线上业务，toB与toC业务齐头并进，数据需求量激增的情况也随之在2016年突显，数据量增至PB级。我们开始思考如何改变现状，如何高效支撑未来可预见的众多数据需求。 链家网大数据部门成立之初，面对着零散的数据需求，最早期的办法是配置定时任务跑脚本，将结果通过邮件方式发送给需求方。2015年期间，随着运营数据需求的增加、希望查阅数据的人员增多，邮件的

  3. 所属分类：其它

    • 发布日期：2021-02-01
    • 文件大小：356352
    • 提供者：weixin_38683195

  1. MySQL大数据量快速插入方法和语句优化

  2. MySQL大数据量快速插入方法和语句优化是本文我们主要要介绍的内容，接下来我们就来一一介绍，希望能够对您有所收获！插入一个记录需要的时间由下列因素组成，其中的数字表示大约比例：连接：（3）发送查询给服务器：（2）分析查询：（2）插入记录：（1x记录大小）插入索引：（1x索引）关闭：（1）这不考虑打开表的初始开销，每个并发运行的查询打开。表的大小以logN（B树）的速度减慢索引的插入。如果同时从同一个客户端插入很多行，使用含多个VALUE的INSERT语句同时插入几行。这比使用单行INSERT语句

  3. 所属分类：其它

    • 发布日期：2021-01-31
    • 文件大小：86016
    • 提供者：weixin_38664556

  1. 流式大数据处理的三种框架：Storm，Spark和Samza

  2. 许多分布式计算系统都可以实时或接近实时地处理大数据流。本文将对三种Apache框架分别进行简单介绍，然后尝试快速、高度概述其异同。在Storm中，先要设计一个用于实时计算的图状结构，我们称之为拓扑（topology）。这个拓扑将会被提交给集群，由集群中的主控节点（master node）分发代码，将任务分配给工作节点（workernode）执行。一个拓扑中包括spout和bolt两种角色，其中spout发送消息，负责将数据流以tuple元组的形式发送出去；而bolt则负责转换这些数据流，在bol

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：333824
    • 提供者：weixin_38608189

  1. 流式大数据处理的三种框架：Storm，Spark和Samza

  2. 其他：Flink、Storm 将对三种Apache框架分别进行简单介绍，然后尝试快速、高度概述其异同。 Apache Storm 在Storm中，先要设计一个用于实时计算的图状结构，我们称之为拓扑（topology）。这个拓扑将会被提交给集群，由集群中的主控节点（master node）分发代码，将任务分配给工作节点（worker node）执行。一个拓扑中包括spout和bolt两种角色，其中spout发送消息，负责将数据流以tuple元组的形式发送出去；而bolt则负责转换这些数据流，在bo

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：53248
    • 提供者：weixin_38624628
« 12 3 4 5 6 7 8 9 10 ... 50 »