首页 文章 精选 留言 我的

精选列表

搜索[腾讯云双十一抄作业],共10004篇文章
优秀的个人博客,低调大师

[Phoenix] 十一、查询计划详解

一、概要 在数据库中,执行计划就是表示一条SQL将要执行的步骤,这些步骤按照不同的数据库运算符号(算子)组成,具体的组成和执行方式由数据库中的查询优化器来决定。换而言之,执行计划决定了SQL的执行效率。在数据库的使用中了解其查询计划的构成,是进行查询性能调优的必要条件。本文将详细介绍Phoenix的查询计划语法、组成结构,以及一些注意事项。 二、查询计划 1. 基本说明 在phoenix中,查询计划能告诉我们如下的信息: 将要扫描的CHUNK数量 客户端并发线程数量 执行模式(并行或串行) 查询过滤字段或者扫描范围 将会查询的表名 估算扫描数据bytes大小(依赖stats信息) 估算扫描数据量大小(依赖stats信息) 估算数量bytes大小和数据量时间 操作符被执行在客户端或者服务端 涉及的查询operations(sort、filter, scan,

优秀的个人博客,低调大师

Coding and Paper Letter(三十一

国庆假期余额不足,好好学习,天天向上,资源整理。 1 Coding: 1.用R做空间分析的小课程。 rspatialdata 2.Pytorch框架下的retinanet。 pytorch retinanet 3.R语言包mgcViz,广义相加模型的可视化工具。 mgcViz 4.Frequentist和混合贝叶斯分层模型简介。 IFBM 5.R语言包MBA,多层B样条逼近。 MBA 6.PyTorch的快速可微分预测控制模型(MPC)求解器。 mpc.pytorch 7.R语言包msmbstyle,为使用R包bookdown生成的HTML书籍提供了另一种设计。 布局由Sweave和LaTeX开发。 msmbstyle 8.R语言包fontHind,提供了基于Hind字体的ggplot2主题。 fontHind 9.R语言包nplcm,用于拟合嵌套的部分潜类模型。 nplcm 10.基于Google Earth Engine的哨兵2数据集的大气校正。 gee atmcorr S2 6SE 11.使用Google Earth Engine进行时间序列的大气校正。 ee atmcorr timeseries 12.使用Py6S对Google Earth Engine中的Sentinel 2图像进行大气校正。 gee atmcorr S2 13.开源书籍GeoSpatial Book,内容为R语言中的地理可视化。 GeoSpatial Book 14.图像分类和深度迁移学习的Jupyter notebook。 cdi dl workshop 15.部分更新ArcGIS Vector Tiles Toolbox基于ArcGIS Pro(版本2.0或更高版本),它是一个支持Vector Tile Package的程序。 使用此工具箱可以更新包的矢量。 PartiallyUpdateArcGISVectorTilesTools 16.Software Carpentry和Data Carpentry的模板,用于为研讨会创建网站。 2018 10 23 ufii geospatial 17.R语言包fields,这是一个用于曲线,曲面和函数拟合的R包,重点是样条曲线,空间数据和空间统计。 fields 18.Data Carpentry地理空间研讨会的概述,设置说明和数据表示。 geospatial workshop 19.高级空间经济软件。 GeoDaSpace 20.Python库spreg,pysal的空间经济包。 spreg 21.时空数据目录资源 - 公开可搜索和可抓取的地理空间数据。 stac spec 22.Python和numpy的多进程处理。 multiproc 23.R语言包gribtrans,用于GDAL的grib转换问题。 gribtrans 24.R语言包R6,R中经典的面向对象编程。 R6 25.R语言包oce,海洋地理数据处理。 oce 26.R语言包auk,用R处理eBird数据。 auk 27.GWDG HPC简介。 gwdg hpc guide 28.R语言统计学的资源。 rstats ed 29.R语言包spBayes,单变量和多变量时空模型。 spBayes 30.文件自动管理工具。 organize 31.用于数学优化的C ++库。 ensamllen 32.用于Planet,Satellogic,Digital Globe和Google Earth Engine图像的CLI命令行。 satadd 2 Paper: 1.Impact of PM10 and meteorological factors on the incidence of hand, foot, and mouth disease in female children in Ningbo, China: a spatiotemporal and time-series study/PM10和气象因素对宁波地区手足口病发病率的影响:时空和时间序列研究 手足口病(HFMD)是一种病毒性疾病,被认为是全球关键的公共卫生挑战。以往的研究表明,气象参数与儿童手足口病的发病率显着相关;然而,很少有研究只关注女性儿童。该研究量化了女性儿童HFMD发病率与气象参数和PM10(空气动力学直径为10μm的粒径)之间的关系。数据为每日手足口病病例,气象变量和可吸入颗粒物水平在宁波,中国,从2012年1月至2016年十二月数据采用分布滞后模型的非线性(DLNM)与泊松分布进行评估。共招募了59,809名年龄在0-15岁的手足口病女童。结果显示,HFMD的最高相对风险(RR)为3°C,滞后效应为3天。 PM10的最高RR为80,滞后效应为5天。空间分析表明,宁波市人群中女性手足口病发病率较高。我们的研究结果表明,手足口病预防策略应该更多地关注当地的气象参数。基于空气污染和气象与手足口病发病率的相关研究,事实证明空气污染已经越来越成为人类健康的重要影响因素。研究方法值得学习。 2.mgwr: A Python implementation of multiscale geographically weighted regression for investigating process spatial heterogeneity and scale/mgwr:用于研究空间过程异质性和尺度的多尺度地理加权回归的Python实现 地理加权回归(GWR)是一种空间统计技术,可用作全局回归模型的标准。 GWR通过Tobler的第一个地理定律的运作来捕捉空间过程的异质性:“一切都与其他事物有关,但近处事物与遥远的事物相关”(1970)。通过“借用”附近的数据,在任意数量的位置校准一组局部线性模型。结果是模型中可能在空间上变化的每个关系的位置特定参数估计的表面,以及提供对过程的地理范围的洞察的单个带宽参数。最近对该框架的扩展允许单独的空间尺度参数,并且被称为多尺度(M)GWR。本文介绍了mgwr,这是一种基于Python的实现,用于灵活校准各种(M)GWR模型和一系列相关诊断。它回顾了一些核心概念,介绍了主要的软件功能,并提供了一些示例。GWR的拓展MGWR,在地理学和生态学中一直很关注的尺度效应问题,而MGWR也很好的为了这个问题提供了一些尝试。这里是MGWR的Python实现,事实上Fothingham团队近来在程序开发和实现上更多考虑了Python。 3.Designing efficient and balanced police patrol districts on an urban street network/在城市街道网络上设计高效平衡的警察巡逻区 在警察规划中,一个领土通常分为几个巡逻区,工作量均衡。传统上,在这个限制性问题中,没有充分考虑街道网络的影响。在这项研究中,我们提出了一个街道网络警察限制问题(SNPDP),明确使用街道作为基本的基础单位。该模型将工作量定义为不同属性的组合,并寻求区域的有效和平衡设计。我们还开发了一种有效的启发式方法,以便在可接受的时间内生成高质量的区域计划。该算法的能力在模拟数据集的精确线性规划中得到证明。 SNPDP模型在伦敦的案例研究中成功实施和测试。此外,我们认为SNPDP优于基于聚合网格的解决方案质量模型。该模型有可能产生基于街道的区域,其中包括区域学校教育和医疗保健限制等其他限制性问题的平衡工作量。这篇文章可以算是CPTED(预防犯罪的环境规划)的一篇典型案例了,分析街道网络警察巡逻的分配问题,利用数据算法进行分析,在犯罪地理学与犯罪侦查辅助上提供了很大帮助。 4.Impacts of socioeconomic factors on cropland transition and its adaptation in Beijing, China/中国北京社会经济因素对耕地转型及其适应性的影响 在过去的几十年里,由于全国城市化,工业化,社会经济发展和生态项目的实施,中国的农田经历了快速增长。这些发展是由持续的经济改革和环境保护政策推动的。农田是受中国人口过剩影响的宝贵土地资源。农田损失威胁着国家粮食安全。本研究涉及农田变化的空间模式,驱动力及其适应性。采用基于对象的方法,利用遥感数据进行精确测量。矩阵和统计回归模型用于探讨社会经济因素对耕地变化的影响。北京的一个案例研究显示,过去35年来,北京的农田减少了47%。城市发展的主要推动力,生态项目的实施,果园种植和水资源保护。城市扩张中的移民和经济发展增加。增加可持续发展,满足增长,农田和其他作物的需求,种植,提高作物产量,降低种植强度,以实现有效的水消耗。城市扩张对于耕地转型与适应性的影响分析。事实上农田或者说耕地的消失,是城市化的一个主要土地利用变化。 5.Examining the impacts of urbanization on surface radiation using Landsat imagery/利用Landsat图像检验城市化对地面辐射的影响 由于快速的城市化,北京大都会面临着许多环境问题,如雾霾和城市热岛。表面短波,长波和净辐射是地表大气辐射预算的关键组成部分。由于大城市受到复杂景观和大气环境的热辐射的影响,因此对遥感数据进行定量和空间显性反演仍然是一项挑战。我们从各种类型的站点收集了表面辐射。我们提出了一种基于遥感的地面辐射反演方法,通过嵌入下面的土地覆盖并整合观测数据。该方法可以准确地反演地表辐射并描绘大城市地区的空间特征。北京大都市地表辐射成分的强烈空间异质性与城市到郊区的土地覆盖格局密切相关。我们还发现,从1984年到2014年,净辐射面积呈下降趋势,该地区的净辐射量低于周边地区。根据地表辐射预算,城市化导致白天净辐射通量的降温效应,这源于大气溶胶浓度的低大气透过率和轻质建筑材料的高表面反照率。事实上地表辐射的变化往往被人们忽视,认为这不是属于环境问题。事实上,尽管它本身并不会造成其他环境问题,但是它会影响城市水热循环以及大气环境,从而造成其他环境问题。因此我想在未来的研究应当更重视这一块。 6.Trends in China’s anthropogenic emissions since 2010 as the consequence of clean air actions/自2010年以来中国人为排放的趋势是清洁空气行动的结果 为了解决严重的空气污染问题,中国近年来实施了积极的空气政策。结果,主要空气污染物的排放量减少,空气质量得到改善。在这里,我们量化中国的人为排放趋势2010年至2017年和认同的这些趋势的主要驱动力通过自下而上的清单和IDA方法相结合。是中国人为排放的相对兑换率在2010 - 2017年如下估计:SO2 -62%,氮氧化物为17%,挥发性有机化合物(非甲烷挥发性有机化合物)11%,NH3为1%,CO为-27%,PM10为-38%,PM2.5为-35%,BC为-27%,OC为-35%,CO2为+ 16%。 IDA结果表明,排放控制措施是世界上最有效的缓解措施。在减排幅度明显加快合作伙伴2013年后,在确认被实施,因为2013年我们估计,在2013 - 2017年,中国的人为排放量降低59%,减少二氧化硫,21%的氮氧化物中国清洁空气行动的有效性,23%对于CO,PM10为36%,PM2.5为33%,BC为28%,OC为32%。 2010 - 2017年期间NMVOC排放量增加,NH3排放量保持稳定,这表明目前政策中NMVOC和NH3缺乏有效的缓解措施。通过未来引入新政策,几年来不同部门对排放的各种贡献发生了变化。基于清单数据和IDA进行指标分解,从而分析空气污染变化的主要贡献。

优秀的个人博客,低调大师

openstack学习笔记十一 Nova

计算节点 跑虚拟机 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 [root@hequan~] #yuminstallopenstack-nova.noarchopenstack-nova-api.noarchopenstack-nova-conductor.noarch openstack-nova-novncproxy.noarchopenstack-nova-scheduler.noarchopenstack-nova-console.noarch ##控制节点 [root@hequan~] #yuminstallopenstack-nova-compute.noarch##计算节点 keystoneuser-create--namenova--passhequan keystoneuser-role-add--usernova--roleadmin--tenantservices keystoneservice-create--namenova-- type compute--descriptionnova |7708b5c40aec4cf3b59d6d84596a5f6b|nova|compute|OpenstackComputeService| |017bdbf9f335436cbd7f65fe74089b28|nova_ec2|ec2|EC2Service| |4f7b60427d304fd89658f4f8c23dd708|novav3|computev3|OpenstackComputeServicev3| +----------------------------------+-----------+-------------------------------------------------+-------------------------------------------------+--------------------------------------------+----------------------------------+ | id |region|publicurl|internalurl|adminurl|service_id| +----------------------------------+-----------+-------------------------------------------------+-------------------------------------------------+--------------------------------------------+----------------------------------+ |0bda7145ebc944a99112c53e97362fa1|RegionOne|http: //115 .29.107.17:8774 /v2/ %(tenant_id)s|http: //115 .29.107.17:8774 /v2/ %(tenant_id)s|http: //115 .29.107.17:8774 /v2/ %(tenant_id)s|7708b5c40aec4cf3b59d6d84596a5f6b| |731be711c3be4497b57c8751ce111986|RegionOne|http: //115 .29.107.17:8773 /services/Cloud |http: //115 .29.107.17:8773 /services/Cloud |http: //115 .29.107.17:8773 /services/Admin |017bdbf9f335436cbd7f65fe74089b28| |7ec9cb12959f4bedb7e0757c79b636fd|RegionOne|http: //127 .0.0.1:8774 /v3 |http: //127 .0.0.1:8774 /v3 |http: //127 .0.0.1:8774 /v3 |4f7b60427d304fd89658f4f8c23dd708| keystoneendpoint-create--service- id --publicul '' --internalurl '' --adminurl '' openstack-db--init--servicenova--passwordhequan--root123456 [root@hequan~] #ls-ld/var/log/nova/ drwxr-x---2novaroot40967月2300:08 /var/log/nova/ [root@hequan~] #chownnova.nova/var/log/nova/-R [root@hequannova(keystone_admin)] #mvnova.confnova.conf.bak [root@hequannova(keystone_admin)] #systemctllist-unit-files|grepnova openstack-nova-api.serviceenabled openstack-nova-cert.serviceenabled openstack-nova-compute.serviceenabled openstack-nova-conductor.serviceenabled openstack-nova-console.servicedisabled openstack-nova-consoleauth.serviceenabled openstack-nova-metadata-api.servicedisabled openstack-nova-novncproxy.serviceenabled openstack-nova-scheduler.serviceenabled openstack-nova-xvpvncproxy.servicedisabled vncserver_proxyclient_address=115.29.107.17 ##改成本机的IP vim nova.conf 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 [DEFAULT] internal_service_availability_zone=internal default_availability_zone=nova novncproxy_host=0.0.0.0 novncproxy_port=6080 notify_api_faults=False state_path= /var/lib/nova report_interval=10 enabled_apis=ec2,osapi_compute,metadata ec2_listen=0.0.0.0 ec2_listen_port=8773 ec2_workers=1 osapi_compute_listen=0.0.0.0 osapi_compute_listen_port=8774 osapi_compute_workers=1 metadata_listen=0.0.0.0 metadata_listen_port=8775 metadata_workers=1 compute_manager=nova.compute.manager.ComputeManager service_down_time=60 rootwrap_config= /etc/nova/rootwrap .conf volume_api_class=nova.volume.cinder.API auth_strategy=keystone use_forwarded_for=False heal_instance_info_cache_interval=60 reserved_host_memory_mb=512 cpu_allocation_ratio=16.0 ram_allocation_ratio=1.5 network_api_class=nova.network.neutronv2.api.API default_floating_pool=public force_snat_range=0.0.0.0 /0 metadata_host=115.29.107.17 dhcp_domain=novalocal security_group_api=neutron scheduler_default_filters=RetryFilter,AvailabilityZoneFilter,RamFilter,ComputeFilter,ComputeCapabilitiesFilter,ImagePropertiesFilter,CoreFilter scheduler_driver=nova.scheduler.filter_scheduler.FilterScheduler compute_driver=libvirt.LibvirtDriver vif_plugging_is_fatal=True ##修改False如果有报错实例执行请求失败 vif_plugging_timeout=300 ##修改为0 firewall_driver=nova.virt.firewall.NoopFirewallDriver force_raw_images=True debug=False verbose=True log_dir= /var/log/nova use_syslog=False syslog_log_facility=LOG_USER use_stderr=True notification_topics=notifications rpc_backend=rabbit amqp_durable_queues=False sql_connection=mysql: //nova :hequan@115.29.107.17 /nova image_service=nova.image.glance.GlanceImageService lock_path= /var/lib/nova/tmp osapi_volume_listen=0.0.0.0 vncserver_proxyclient_address=115.29.107.17 ##修改本机地址 vnc_keymap=en-us vnc_enabled=True vncserver_listen=0.0.0.0 novncproxy_base_url=http: //115 .29.107.17:6080 /vnc_auto .html [api_database] [barbican] [cells] [cinder] catalog_info=volumev2:cinderv2:publicURL [conductor] [cors] [cors.subdomain] [database] [ephemeral_storage_encryption] [glance] api_servers=115.29.107.17:9292 [guestfs] [hyperv] [image_file_url] [ironic] [keymgr] [keystone_authtoken] auth_uri=http: //115 .29.107.17:5000 /v2 .0 identity_uri=http: //115 .29.107.17:35357 admin_user=nova admin_password=hequan admin_tenant_name=services [libvirt] virt_type=qemu inject_password=False inject_key=False inject_partition=-1 live_migration_uri=qemu+tcp: //nova @%s /system cpu_mode=none vif_driver=nova.virt.libvirt.vif.LibvirtGenericVIFDriver [matchmaker_redis] [matchmaker_ring] [metrics] [neutron] service_metadata_proxy=True metadata_proxy_shared_secret=hequan url=http: //115 .29.107.17:9696 admin_username=neutron admin_password=hequan admin_tenant_name=services region_name=RegionOne admin_auth_url=http: //115 .29.107.17:5000 /v2 .0 auth_strategy=keystone ovs_bridge=br-int extension_sync_interval=600 timeout=30 default_tenant_id=default [osapi_v21] [oslo_concurrency] [oslo_messaging_amqp] [oslo_messaging_qpid] [oslo_messaging_rabbit] kombu_reconnect_delay=1.0 rabbit_host=115.29.107.17 rabbit_port=5672 rabbit_hosts=115.29.107.17:5672 rabbit_use_ssl=False rabbit_userid=guest rabbit_password=guest rabbit_virtual_host=/ rabbit_ha_queues=False heartbeat_timeout_threshold=0 heartbeat_rate=2 [oslo_middleware] [rdp] [serial_console] [spice] [ssl] [trusted_computing] [upgrade_levels] [vmware] [vnc] [workarounds] [xenserver] [zookeeper] [osapi_v3] enabled=False 1 2 3 4 5 6 7 8 9 10 11 12 [root@hequan~] #nova-manageservicelist [root@hequan~(keystone_admin)] #novahost-list +---------------+-------------+----------+ |host_name|service|zone| +---------------+-------------+----------+ |hequan.lol|consoleauth|internal| |hequan.lol|scheduler|internal| |hequan.lol|conductor|internal| |hequan.lol|compute|nova| |hequan.lol|cert|internal| [root@hequan~] #systemctlis-activelibvirtd.service active 本文转自 295631788 51CTO博客,原文链接:http://blog.51cto.com/hequan/1832697,如需转载请自行联系原作者

优秀的个人博客,低调大师

海量存储系列之十一

上一期我们主要在介绍hash相关的切分方式,那么这次我们来看一下有序结构的切分 有序结构的拆分,目前主要就是使用树或类似树的结构进行拆分,这里主要就是指HBase和MongoDB. 使用树结构切分,带来的好处就如hbase和mongoDB的宣传标语一样,可以无缝的实现自由扩展。但反过来,带来的问题其实也不少,下面我们一起来看一看吧。 首先复习B树知识 http://qing.weibo.com/1765738567/693f0847330008ii.html 在B树中,最关键的处理逻辑是如果单个节点数据满的时候,应该进行节点分裂和节点合并。 那么,其实在HBase中也有类似这样的过程。 对于巨大量的数据来说,整个树的Branch节点都有可能超过单机的内存大小上限,甚至超过单机的硬盘大小上限。 这时候就需要把BTree进行拆分,这种拆分的最标准实现映射,就是HBase. (图片版权方在: http://blog.csdn.net/HEYUTAO007/article/details/5766951 ) 看这个图可能会比较晕,没关系,听我分析之。 首先,整个Hbase就是为了解决一个B树非常巨大,以至于单机无法承载其branch and root节点之后,使用分布式存储的方式来提升整个树的容灾量的一种尝试。 抽象的来看,每一个HRegion都是一个Btree的Node,这个Node会挂在在某个Region server上面,RangeServer内可以存放多个Hregion ,其实就是Btree的branch节点了,但因为Branch也很多,以至于单机无法存放所有branch节点,因此就还需要一层结构来处理这个问题。这就是HMaster 。 上图 虽然可能有点抽象,不过本质来说就是这样一个东西。 当然,细节有点变化: HMaster ,在上面的图中是单个点,实际的实现是一个btree,三层结构的。 因为HMaster的数据不经常发生变化,同时,每次请求都去访问HMaster,那么HMaster所承担的读写压力就过大了。所以,HBase增加了一个客户端的Cache.来存HMaster中的这几层BTree. 于是,可怜的Hbase又得考虑如何能够将HClient和HMaster中的数据进行同步的问题。 针对这个问题,Hbase提出的解决思路是,既然变动不大,那就允许他错吧,只要咱知道出错了,改正了就行了。 也即,允许HClient根据错误的Btree选择到错误的Region Server,但一旦发现自己所选的数据在那台Region server上无法找到,则立刻重新更新自己的HMaster表。已达到同步。 这基本上就是BTree的分布式实践中做的最好的HBase的一些过程了。 然后然后,私货时间开始: ) 借助HDFS,Hbase几乎实现了无限的扩展性,但整体结构过于复杂和庞大了,最终,他只解决了一个K-V写入的问题,同时又希望对所有用户屏蔽底层的所有数据节点的具体位置。 这套思路有其优势之处(也就是Btree的优势): 1. 纯粹log场景,btree管理起来非常方便 2. 支持范围查询 但可能的劣势其实也很多 1. 结构繁杂,在各种角色中进行数据同步,这件事本身听起来就已经很吓人了。然而,最终,他只是解决了一个按照K找到V的过程。。Hash一样可以做到 2. Region server ,维护难度较高,核心数据结构点,虽然该机器可以认为是个接近无状态的机器,但如果想拿一台空机器恢复到可以承担某个Region server的指责,这个过程需要的时间会很长,导致的问题就是,系统的一部分数据不可用,甚至发生雪崩。 3. BTree 在不断追加append的时候,其实是有热点的,目前没有很好地办法能在按照时间序或按照自增id序列的时候保证所有的数据存储机都能够比较均衡的写入数据。会存在热点问题,这个问题的源头在BTree需要有序并连续,这意味着连续的数据只会被写在一个region块内,这个问题在单机btree其实也是存在的,但有raid技术,以及有二级索引,所以问题没有那么明显。(感谢@bluedavy) 综上,HBase其实从一开始是一个面向后端处理的数据引擎,在数据一致性上是可以期待的,但对于线上系统来说,他违背了重要的一个原则:简单。所以我“个人”对这一点持保留态度。 不过,这么多大牛在努力的经营HBase这个产品,那么我也乐观其成,毕竟能把这么复杂的东西整的能在这么多台机器上用,也是个巨大成就了。 MongoDB其实也是在学Hbase的这种有序的BTree结构,不过它的实现就简单的多了。 就是把数据拆分成一段一段的数据,用一个公用的配置角色存储这段数据所在的分片。查询时进行二分查找找到。 思路类似。 从角色来看 他的规则引擎实现就是个有序数据的实现,可以认为是个两层有序结构查找.第一层决定数据的具体机器(Mongos+config server),第二层决定数据在该机的具体位置MongoServer。 好了,画个图用了20分钟,今天的介绍就到这里,下期我们来探讨分布式场景下一个必要的过程。数据的迁移方式讨论。 本文来源于"阿里中间件团队播客",原文发表时间"2012-01-22"

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源,继承了IntelliJ IDEA强大的JS部分的功能。

用户登录
用户注册