简介 基于ElasticSearch7.3.2版本的通用搜索系统 使用rest-high-level-client操作ES 封装常用api，包含索引的CRUD，文档的CRUD，索引定制化，模糊搜索，精准匹配搜索 是一套操作简单的搜索系统脚手架，稍加修改即可在项目中快速建造起搜索系统 使用rest-high-level-client整合Es的原因 TransportClient存在并发危害 rest-client版本无法支持新特性 SpringBoot的Es模板ElasticsearchRepository更新较慢，不支持高版本的ES 使用方式 git clone按需复制到自己的项目里即可 组件版本 组件 版本 弹性搜索 7.3.2 Elasticsearch-rest-high-client 7.3.2 Fastjson 1.2.60 弹簧靴 2.1.0。发布 目录 ├── sr

开箱即用，利用vuepress快速搭建自己的类element-ui的组件文档

Android mvvm快速搭建 Navigation koin框架框 Retrofit2 WorkManager

DuckCha聊天系统源码 快速搭建聊天系统 DuckChat是一款安全的私有聊天系统，基于PHP环境，可运行在Docker、Linux、Windows、MacOS等各种平台上，它帮助我们简化企业办公、客服系统、互联网创业，提供了完善的IM相关功能。 目前支持的功能列表 ---------------------------------- 支持语音、文字、图片类型的消息 支持个人、群组聊天 支持好友关系管理、通讯录 支持站点管理、多站点同时连接 支持多种数据库，应对不同用户量级 新版本即将支持 ---------------------------------- 文件传输 视频消息 群组禁言和豁免发言人 阅后即焚

有时候我们训练了一个模型, 希望保存它下次直接使用,不需要下次再花时间去训练 ，本节我们来讲解一下PyTorch快速搭建神经网络及其保存提取方法详解 一、PyTorch快速搭建神经网络方法 先看实验代码： import torch import torch.nn.functional as F # 方法1，通过定义一个Net类来建立神经网络 class Net(torch.nn.Module): def __init__(self, n_feature, n_hidden, n_output): super(Net, self).__init__() self.hi

windows7下快速搭建php环境.pdf

手把手视频详细讲解项目开发全过程，需要的小伙伴自行百度网盘下载，链接见附件，永久有效。 课程简介 从0开始构建BI商业大数据分析平台，以实际的电商分析业务，贯穿数据生成，数据仓库、ETL、数据分析以及可视化分析和商业BI报表，让你三天零基础快速搭建商业化BI分析平台 课程亮点 1，零基础讲解，从数据存储到商业可视化分析，一步步逐渐深入 2，理论+实践，让你既能学懂也能学会 3，图文并茂，化繁为简，让知识通俗易懂，不再抽象 4，以实际企业业务需求讲解，让学生学有所用，学完即可上手BI 适用人群 1、对大数据感兴趣的在校生及应届毕业生。 2、对目前职业有进一步提升要求，希望从事大数据行业高薪工作的在职人员。 3、对大数据行业感兴趣的相关人员。 课程内容 第一章：MySQL数据库入门 1.1 大数据应用及数据存储 1.2 MySQL的介绍 1.3 MySQL数据库部署 1.4 DataGrip可视化工具部署 1.5 DataGrip与MySQL连接配置 第二章：SQL分析之DDL 2.1 SQL的分类与规则 2.2 DDL之数据库管理 2.3 DDL之数据表创建与查询 2.4 DDL之数据表删除与描述 第三章：SQL分析之DML 3.1 DML之数据的插入 3.2 DML之数据的修改 3.3 DML之数据的删除 第四章：SQL分析之DQL 4.1 DQL基本查询规则 4.2 DQL之入门查询 4.3 DQL之条件查询where 4.4 DQL之聚合查询聚合函数 4.5 DQL之分组查询group by 4.6 DQL之排序查询order by 4.7 DQL之分页查询limit 4.8 DQL之结果保存 第五章：多表复杂分析查询 5.1 多表查询：表与表之间的关系 5.2 多表查询：Join关联 5.3 多表查询：子查询 第六章：数据仓库与ETL 6.1 数据仓库入门 6.2 ETL与Kettle的介绍 6.3 JDK及Kettle的部署 第七章：Kettle的ETL开发实战 7.1 Kettle中概念详解 7.2 Kettle实现文本输入与Excel输出 7.3 Kettle实现Excel输入与表输出 7.4 表输入组件开发 7.5 插入更新组件开发 7.6 Kettle作业开发 第八章：BI可视化与实战需求 8.1 数据可视化背景 8.2 FIneBI的功能与部署 8.3 电商业务介绍 8.4 技术架构及数据准备 第九章：ETL与数据分析实战 9.1 基于MySQL实现数据内容拆解 9.2 基于Kettle实现数据的ETL 9.3 指标分析：每日订单总额及订单个数 9.4 指标分析：独立用户数以及热门商品Top10 9.5 指标分析：每天每个小时上架商品及订单个数 9.6 指标分析：每日不同支付方式的订单总金额及订单个数 9.7 指标分析：每日每个省份的订单总金额及订单个数 9.8 指标分析：每日不同商品分类的订单个数统计 第十章：BI可视化分析实战 10.1 FIneBI的基本使用 10.2 仪表盘显示每日订单信息 10.3 柱状图及曲线图的构建 10.4 饼图及雷达图的构建 10.5 混合图及词云图构建

基于 IoT 服务快速搭建智能家居平台

1、安装前准备： 安装 git、curl、pip sudo apt-get install git sudo apt-get install curl sudo apt-get install python-pip pip install --upgrade pip 2、安装go 我这次安装的是go12.5 wget https://storage.googleapis.com/golang/go1.12.5.linux-amd64.tar.gz sudo tar -C /usr/local -xzf go1.12.5.linux-amd64.tar.gz 接下来编辑当前用户的环境变量：

官网地址:https://www.elastic.co/cn/ 官网权威指南:https://www.elastic.co/guide/cn/elasticsearch/guide/current/index.html 安装指南：https://www.elastic.co/guide/en/elasticsearch/reference/5.x/rpm.html ELK是Elasticsearch、Logstash、Kibana的简称，这三者是核心套件，但并非全部。 Elasticsearch是实时全文搜索和分析引擎，提供搜集、分析、存储数据三大功能；是一套开放REST和JAVA API等结