当前位置： 首页 > news >正文

关系型数据库——GaussDB的简单学习

news 2025/9/2 11:20:54

摘要：GaussDB是一种基于PostgreSQL开发的关系型数据库管理系统，与PostgreSQL高度相似，都支持标准 SQL 查询语言，其语法格式同SQL十分相似，GaussDB扩展了一些新的东西，比如GaussDB是分布式架构，支持多节点扩展云原生部署，华为云提供，而PostgreSQL，Mysql都是单机或主从架构；GaussDB还增加了一些数据类型和一些函数操作。本片文章重点是学习GaussDB的一些SQL语言风格。

MySQL相信大家都非常熟悉了，在有MySQL的基础上学习GaussDB会简单得多，因为他们都是使用的SQL语言，只不过不同的数据库都有自己独特的SQL语言风格，其写法上会存在一些差异

GaussDB 兼容多种 SQL 语言风格，以适应不同背景的开发者和迁移需求，比如

  1. PostgreSQL 风格（原生支持）
  2. MySQL 风格
  3. Oracle 风格
  4. 标准 SQL风格

通过SET sql_compatibility = 'POSTGRESQL/MYSQL/ORACLE'来设置GaussDB的兼容模式

GaussDB 的兼容模式主要是为了：

  • 默认行为调整：改变某些函数、数据类型的默认行为
  • 语法兼容性：优先支持特定数据库的语法
  • 函数映射：提供别名函数以兼容不同数据库

参考文档

PostgreSQL学习文档：

PostgreSQL UPDATE 语句 | 菜鸟教程PostgreSQL UPDATE 语句 如果我们要更新在 PostgreSQL 数据库中的数据，我们可以用 UPDATE 来操作。 语法 以下是 UPDATE 语句修改数据的通用 SQL 语法： UPDATE table_name SET column1 = value1, column2 = value2...., columnN = valueN WHERE [condition]; 我们可以同时更新一个或者多个字段。 我们可以..https://www.runoob.com/postgresql/postgresql-update.htmlGaussDB官方中文文档：https://doc.hcs.huawei.com/db/zh-cn/gaussdb/25.1.30/productdesc/gaussdb_01_003.htmlhttps://doc.hcs.huawei.com/db/zh-cn/gaussdb/25.1.30/productdesc/gaussdb_01_003.html

什么是GaussDB？

        GaussDB是华为公司推出的一款分布式数据库，专为企业级应用设计，旨在提供高效、安全、可靠的数据存储与管理解决方案。GaussDB支持多种数据模型，包括关系型、文档型和图形型，能够满足不同场景下的需求，为用户提供更加灵活的数据处理能力。GaussDB的核心优势在于其高可用性和扩展性。通过分布式架构，GaussDB能够支持大量并发访问，适用于大规模数据处理场景。此外，系统还具备自动故障恢复能力，当出现节点故障时，可以迅速切换到备份节点，确保服务持续可用，最大限度地降低业务中断的风险.

        GaussDB是一种基于PostgreSQL开发的关系型数据库管理系统，它支持SQL语言和ACID事务

基本语法

常用的数据类型

1. 时间日期类型

  • date：没有时区的年月日(yyyy-mm-dd)
  • time without time zone： 没有时区的时分秒（时间 00:00:00）
  • time with time zone ：有时区信息的时分秒（时间 00:00:00）
  • timestamp without time zone： 没有时区的年月日时分秒(yyyy-mm-dd 00:00:00)
  • timestamp with time zone： 有时区的年月日时分秒(yyyy-mm-dd 00:00:00)
  • smalldatetime： 会将秒数四舍五入的时间(大于等于30秒时，分钟+1秒数清零；小于等于29秒时，秒数清零)
  • interval day to second(4) ：时间间隔，second后面是秒数的精度，范围是0~6，据说这个类型是为了适配oracle数据库，但是并没有实现什么具体的功能
  • reltime： 相对时间间隔，以30天为单位划分一个月来输出时间，例如如果输入'60'，则会显示 2 mons；输入 '-100'，则会显示 -3 mons -10 days

2. 字符串类型

  • varchar： 不定长字符串，最大长度10485760
  • char： 定长字符串，最大长度10485760
  • text ：不定长字符串，最大长度1073733621

3. 数字类型

  • tinyint： 微整数，0~255
  • smallint ：小整数，-32768~32767
  • int： 整数类型，-2147483648~2147483647（常用类型）
  • bigint： 大整数，-9223372036854775808~9223372036854775807
  • float： 浮点型小数类型，有小数时整数和小数一共可以保存15位长度，超过15位时小数不显示，截取的部分进行数字的四舍五入；
  • decimal和number ：两个类型是一样的没有区别，都是自定义数字类型，整数部分的范围是1~1000，小数精度的范围是0~1000，未指定精度的情况下，小数点前最大131072位，小数点后最大16383位；

4. 货币类型

money ：货币金额类型，在显示的时候前面会有货币符号展示出来。money类型的数据范围是：-92233720368547758.08~92233720368547758.07（注意：money类型的数字只能转换成decimal和number，转换其它类型会报错。）

money类型的值可以转换为numeric类型而不丢失精度。转换为其他类型可能丢失精度

5. 二进制数据类型

  • blob： 二进制大对象(列存不支持)
  • raw： 变长的十六进制数据(列存不支持)
  • bytea： 变长的二进制字符串

三种类型的存储空间都是最大支持1G~8203字节

注意的就是blob这种二进制大对象的数据添加方式：

1. 要先用 empty_blob() 往blob字段中插入空值

2. 然后使用for update对这一行数据进行上锁

3. 根据id列等，对这个数据字段进行update更新，写入二进制的字符数据

6. 序列类型

  • smallserial：二字节序列整型，1~32767
  • serial： 四字节序列整型，1~2147483647
  • bigserial： 八字节序列整型，1~9223372036854775807

注意官方给出说明：

7. 布尔类型

BOOLEAN：t-真，f-假，null-未知（显示用字母t和f输出Boolean值）

  • “真”值的有效文本值是：

TRUE、't'、'true'、'y'、'yes'、'1' 、'TRUE'、true、'on'、以及所有非0数值。

  • “假”值的有效文本值是：

FALSE、'f'、'false'、'n'、'no'、'0'、0、'FALSE'、false、'off'。

8. 网络地址类型

9. 位串类型

位串就是一串1和0的字符串。它们可以用于存储位掩码。n最大取值为83886080

  • bit(n)：必须准确匹配长度n，如果存储的数据长度不匹配都会报错，没有长度的bit等效于bit(1)
  • bit varying(n)：最长为n的变长类型，长度超过n时会被拒绝，没有长度的bit varying表示没有长度限制。

10. 文本检索类型

  • tsvector：是一种被全文检索优化后的文档数据类型，通过to_tsvector给文档进行分词规范化
  • tsquery：表示文本查询类型，to_tsquery这个函数作用是用来把文本转化为可查询的语句

例如 SELECT to_tsvector('ngram', '华为深圳')

文本：华为深圳会被分词器ngram分词成多个词组

to_tsvector和to_tsquery配合实现全文检索，关键字搜索

解释：“华为深圳”被分词成{'为深':2 '华为':1 '深圳':3}，to_tsquery（'华为&深圳'）表示‘华为’和‘深圳’两个词组，也就是被分词后的{'为深':2 '华为':1 '深圳':3}是否同时包含华为’和‘深圳’两个词组

11. UUID类型

UUID是一个小写十六进制数字的序列，由连字符分成几组，一组8位数字+三组4位数字+一组12位数字，总共32个数字代表128位，对分布式系统而言，这种标识符比序列能更好的保证唯一性，因为序列只能在单一数据库中保证是唯一。

12. JSON/JSONB类型

JSON(JavaScript Object Notation)数据，可以是单独的一个标量，也可以是一个数组，也可以是一个键值对象，其中数组和对象可以统称容器(container)：

  • 标量(scalar)：单一的数字、bool、string和null都可以称作标量。
  • 数组(array)：[]结构，里面存放的元素可以是任意类型的JSON，并且不要求数组内所有元素都是同一类型。
  • 对象(object)：{}结构，存储key:value的键值对，其键只能是用""包裹起来的字符串，值可以是任意类型的JSON，对于重复的键，按最后一个键值为准。

13. HLL数据类型

用于存储 HLL 结构（HyperLogLog），大小为固定的1280 bytes，可直接计算得到distinct值，数据计算的误差率最大在2.3%左右。HyperLogLog是一个具有固定大小，类似于集合结构，用于可调精度的不同值计数。

它的作用是统计一个集合中不重复的元素的个数。

14. 数组数据类型

数组数据类型一般通过在数组元素的数据类型名称后面加方括号[]进行命名。

 CREATE TABLE sal_emp (name            text,pay_by_quarter  integer[],phone_numbers   varchar(11)[]
);

15. 向量数据类型

  • floatvector数据类型：是指多维数据中含有的数据为float类型，例如[1.0,3.0,11.0,110.0,62.0,22.0,4.0]。

  • boolvector数据类型：是指多维数据中含有的数据为bool类型，例如[0,0,0,0,0,1,0,0,1,0,0,0]。

细节注意

注意1：GaussDB 遵循 PostgreSQL 的严格类型系统，对类型转换有更严格的限制。即使表为空，它也会检查类型之间的可转换性，类型是否兼容的问题。

如果是MySQL，允许数据表为空时将任何字段的类型修改为其他任何类型，数据表不为空时会检查转换的类型是否兼容可转。

但是GaussDB 遵循 PostgreSQL 的严格类型系统，即使数据为空，也会检查转换的类型是否兼容。比如一开始字段是date类型，你想修改为time类型，因为date只有日期没有时间，所以date无法转换成time类型，反过来也是如此。

注意2：GaussDB 在不同兼容模式下数据类型存在一些差异，主要体现在默认行为、类型推导和兼容性处理方面

数据库常量

  • CURRENT_CATALOG：当前数据库
  • CURRENT_ROLE：当前用户
  • CURRENT_SCHEMA：当前数据库模式
  • CURRENT_USER：当前用户
  • LOCALTIMESTAMP：当前会话时间（无时区）
  • NULL：空值
  • SESSION_USER：当前系统用户
  • SYSDATE：当前系统日期
  • USER：当前用户，此用户为CURRENT_USER的别名

特殊语法操作

GaussDB 继承了 PostgreSQL 的丰富语法特性，包含许多特殊的操作符和语法结构。以下是一些常见的特殊语法：

类型转换操作符

':: '表示类型转换操作符

-- 基本类型转换
SELECT '123'::INTEGER;           -- 字符串转整数
SELECT 123::TEXT;               -- 整数转字符串
SELECT '2023-01-01'::DATE;      -- 字符串转日期
SELECT now()::TIMESTAMP;        -- 时间转时间戳-- 数组类型转换
SELECT '{1,2,3}'::INTEGER[];    -- 字符串数组转整数数组-- JSON 转换
SELECT '{"name": "张三"}'::JSONB;

全文检索操作符

'@@'表示匹配操作符，用于全文检索的匹配操作

SELECT * FROM articles 
WHERE search_vector @@ to_tsquery('GaussDB & 性能');

‘<->’表示邻近操作符

SELECT '数据库 技术'::tsvector @@ '数据库 <-> 技术'::tsquery;  -- 紧邻匹配

‘<@’表示跟随操作符

SELECT '数据库 技术 创新'::tsvector @@ '数据库 <@ 技术'::tsquery;  -- 数据库在技术之前

‘@>’表示包含操作符

SELECT '数据库 技术 创新'::tsvector @@ '数据库 @> 创新'::tsquery;  -- 包含关系

数组操作符

'@>'表示包含操作符

SELECT ARRAY[1,2,3] @> ARRAY[1,2];  -- true

'<@'表示被包含操作符

SELECT ARRAY[1,2] <@ ARRAY[1,2,3];  -- true

'&&'表示重叠操作符，共同的元素

SELECT ARRAY[1,2,3] && ARRAY[3,4,5];  -- true (有共同元素)

'(数组)[n]'表示访问数组元素，数组的第n个元素是

SELECT (ARRAY[1,2,3])[1];  -- 返回 1 (第一个元素)

'(数组)[start:end]'表示数组切片，数组第start到end元素列表，包括边界

SELECT (ARRAY[1,2,3,4,5])[2:4];  -- 返回 {2,3,4}

JSON/JSONB操作符

‘->’或者‘->>’表示访问JSON/JSONB的属性值

-- -> 返回 JSON 对象
SELECT '{"name": "张三", "age": 25}'::JSONB -> 'name';  -- "张三"

‘数组->n’JSON/JSONB数组的第n个元素

-- 数组元素访问
SELECT '[1,2,3]'::JSONB -> 1;  -- 2

‘#>’或者‘#>>’表示路径访问

-- 路径访问
SELECT '{"user": {"name": "张三"}}'::JSONB #> '{user,name}';  -- "张三"
SELECT '{"user": {"name": "张三"}}'::JSONB #>> '{user,name}';  -- 张三

‘@>’表示包含操作符，JSON对象是否包含某个JSON对象里面的所有键值对

-- 包含操作符 @>
SELECT '{"name": "张三", "age": 25}'::JSONB @> '{"name": "张三"}'::JSONB;  -- true

‘？’表示存在键操作符，JSON对象是否存在某个属性名

-- 存在键操作符 ?
SELECT '{"name": "张三", "age": 25}'::JSONB ? 'name';  -- true

‘-’表示删除键操作符，JSON对象删除某个属性

-- 删除键操作符 -
SELECT '{"name": "张三", "age": 25}'::JSONB - 'age';  -- {"name": "张三"}

模式匹配操作符

‘~’表示匹配操作符，正则表达式匹配

-- 匹配以 hello 开头的字符串
SELECT 'hello world' ~ '^hello';  -- true (^ 表示行首)-- 匹配包含 hello 的字符串
SELECT 'hello world' ~ 'hello';  -- true-- 匹配 hello 后跟任意字符
SELECT 'hello world' ~ 'hello.*';  -- true (. 表示任意字符，* 表示重复)-- 匹配以 hello 结尾的字符串
SELECT 'say hello' ~ 'hello$';  -- true ($ 表示行尾)

‘!~’表示不匹配操作符，正则表达式匹配

-- 不匹配操作符 !~
SELECT 'hello world' !~ 'goodbye';  -- true

'~*' 表示大小写不敏感匹配，正则表达式匹配

-- 大小写不敏感匹配 ~*
SELECT 'Hello World' ~* 'hello';  -- true

simial to 操作符类似正则表达式匹配

SELECT 'abc' SIMILAR TO 'a.c';  -- true (类似正则)
SELECT 'abc' SIMILAR TO '(a|b)c';  -- false

范围操作符

-- 包含操作符 @>
SELECT '[1,5]'::INT4RANGE @> 3;  -- true-- 被包含操作符 <@
SELECT 3 <@ '[1,5]'::INT4RANGE;  -- true-- 重叠操作符 &&
SELECT '[1,5]'::INT4RANGE && '[3,7]'::INT4RANGE;  -- true-- 相邻操作符 -|-
SELECT '[1,3]'::INT4RANGE -|- '[4,6]'::INT4RANGE;  -- true

其他

复合类型访问

-- 创建复合类型
CREATE TYPE person_type AS (name TEXT, age INTEGER);-- 访问复合类型字段
SELECT (person_column).name FROM people;
SELECT (person_column).age FROM people;

总结

函数操作

具体函数使用细节自行到官网里面了解：https://doc.hcs.huawei.com/db/zh-cn/gaussdb/25.1.30/devg-dist/gaussdb-12-0437.html

注意：GaussDB在不同兼容模式下，函数使用上也有一些差异，比如某些函数只有在MYSQL兼容模式下才生效

  1. 高级窗口分析函数：GaussDB支持更丰富的窗口函数，如 NTILE() 函数可以将结果集分成指定数量的桶，FIRST_VALUE() 和 LAST_VALUE() 获取分区中的第一个和最后一个值
  2. 数学计算扩展函数：GaussDB提供 FACTORIAL() 阶乘函数、GCD() 最大公约数函数、LCM() 最小公倍数函数等高级数学运算函数
  3. JSON处理增强函数：GaussDB拥有 JSON_ARRAY_LENGTH() 获取JSON数组长度、JSON_EACH() 展开JSON对象、JSON_STRIP_NULLS() 移除JSON中null值等高级JSON处理函数
  4. 字符串处理扩展：GaussDB支持 INITCAP() 首字母大写转换、TRANSLATE() 字符映射替换、SPLIT_PART() 按分隔符分割并提取指定部分等字符串函数
  5. 全文检索函数：GaussDB内置 to_tsvector() 文本向量化、to_tsquery() 查询向量化、ts_rank() 相关性评分等全文检索函数，而MySQL需要使用专门的全文索引功能且功能相对简单。
  6. 数组操作函数：GaussDB原生支持数组类型，并提供 ARRAY_APPEND() 数组追加元素、UNNEST() 展开数组、ARRAY_TO_STRING() 数组转字符串等数组处理函数
  7. XML处理函数：GaussDB提供 XMLPARSE() XML解析、XMLELEMENT() 创建XML元素、XMLAGG() 聚合XML等完整的XML处理函数
  8. 网络地址函数：GaussDB支持 HOST() 获取IP主机部分、MASKLEN() 获取子网掩码长度、NETWORK() 获取网络地址等网络地址处理函数
  9. 高级日期时间函数：GaussDB提供 AGE() 计算时间间隔、JUSTIFY_DAYS() 标准化时间间隔、时区转换等高级时间处理功能
  10. 自定义聚合函数：GaussDB支持创建自定义聚合函数和更复杂的用户定义函数，扩展性比MySQL更强，可以满足特定业务需求。

全文检索

GaussDB继承了postgresql强大的全文检索功能，相较于MySQL,GaussDB内置多种语言的分词器，支持中文分词（需要配置中文词典），可自定义词典和停用词，Mysql内置分词器比较基础不支持中文分词需要自行配置分词器。

GaussDB全文检索的使用：

-- 创建全文检索字段
CREATE TABLE documents (id SERIAL PRIMARY KEY,title TEXT,content TEXT,search_vector TSVECTOR
);-- 使用触发器自动更新向量
CREATE TRIGGER tsvectorupdate BEFORE INSERT OR UPDATE
ON documents FOR EACH ROW EXECUTE FUNCTION
tsvector_update_trigger('search_vector', 'pg_catalog.chinese_zh', 'title', 'content');-- 全文检索查询
SELECT * FROM documents 
WHERE search_vector @@ to_tsquery('数据库 & GaussDB');
-- 基本匹配
SELECT * FROM documents WHERE search_vector @@ '数据库';-- 逻辑操作
SELECT * FROM documents WHERE search_vector @@ 'GaussDB & (性能 | 优化)';-- 权重匹配
SELECT * FROM documents WHERE search_vector @@ 'title:数据库';-- 距离查询（相邻词）
SELECT * FROM documents WHERE search_vector @@ '数据库 <-> 技术';

数据库操作基本语法

表数据插入

--GaussDB数据插入语法格式
[ WITH [ RECURSIVE ] with_query [, ...] ]
INSERT [/*+ plan_hint */] [ IGNORE ] INTO table_name [ { [alias_name] [ ( column_name [, ...] ) ] } | { [partition_clause] [ AS alias ] [ ( column_name [, ...] ) ] } ] { DEFAULT VALUES| { VALUES | VALUE } {( { expression | DEFAULT } [, ...] ) }[, ...] | query }[ { ON DUPLICATE KEY UPDATE { NOTHING | { column_name = { expression | DEFAULT } } [, ...] [ WHERE condition ] } }| { [ ON CONFLICT [ conflict_target ] conflict_action ] } ][ RETURNING {* | {output_expression [ [ AS ] output_name ] }[, ...]} ];

与咱们熟悉的Mysql数据插入区别不大，存在以下区别是，GaussDB支持

  • 更强大的冲突处理：同时支持 MySQL 和 PostgreSQL 风格的冲突处理
  • RETURNING 子句：可以直接返回插入的结果，无需额外查询
  • WITH 子句支持：可以在插入前进行复杂的数据处理，MySql在8开始才支持
  • 更丰富的分区支持：显式的分区子句
  • 计划提示：支持查询优化器提示
  • Oracle风格的INSERT ALL插入

示例：

-- GaussDB
INSERT INTO users (name, email) VALUES ('张三', 'zhang@example.com')
RETURNING id; --直接一条语句就可以执行插入并返回插入的行数据-- MySQL（需要额外查询）
INSERT INTO users (name, email) VALUES ('张三', 'zhang@example.com'); --先执行插入
SELECT id FROM users WHERE name='张三' AND 'emial'= 'zhang@example.com'; --再查询

数据更新

--GaussDB更新语法格式
[ WITH [ RECURSIVE ] with_query [, ...] ]
UPDATE [/*+ plan_hint */] [ ONLY ] {table_name [ partition_clause ] | subquery | view_name} [ * ] [ [ AS ] alias ]
SET {column_name = { expression | DEFAULT } |( column_name [, ...] ) = {( { expression | DEFAULT } [, ...] ) |sub_query }}[, ...][ FROM from_list] [ WHERE condition | WHERE CURRENT OF cursor_name ][ ORDER BY {expression [ [ ASC | DESC | USING operator ]
[ LIMIT { count } ][ RETURNING {* | {output_expression [ [ AS ] output_name ]} [, ...] }];where sub_query can be:
SELECT [ ALL | DISTINCT [ ON ( expression [, ...] ) ] ]
{ * | {expression [ [ AS ] output_name ]} [, ...] }
[ FROM from_item [, ...] ]
[ WHERE condition  ]
[ GROUP BY grouping_element [, ...] ]
[ HAVING condition [, ...] ]
[ ORDER BY {expression [ [ ASC | DESC | USING operator ] | nlssort_expression_clause ] [ NULLS { FIRST | LAST } ]} [, ...] ]
[ LIMIT { [offset,] count | ALL } ]

GaussDB 的 UPDATE 语法相比 MySQL 更加丰富和灵活，主要体现在：

  • 更强的关联更新能力：直接支持 FROM 子句
  • RETURNING 子句：可以直接返回更新结果
  • WITH 子句支持：支持复杂的公用表表达式
  • 更丰富的更新语法：支持元组更新、游标更新等
  • 计划提示：支持查询优化器提示
  • 继承表控制：支持 ONLY 关键字

示例：

1.关联表更新差异：
-- GaussDB：直接支持 FROM 子句
UPDATE employees 
SET salary = salary * 1.1
FROM departments 
WHERE employees.dept_id = departments.id AND departments.name = 'Sales';-- MySQL：使用 JOIN 语法
UPDATE employees e
JOIN departments d ON e.dept_id = d.id
SET e.salary = e.salary * 1.1
WHERE d.name = 'Sales';

GaussDB兼容多种数据库Sql语言风格，MySQL可以的GaussDB基本都可以。

分布式事务

一、分布式事务实现机制

核心架构组件
  • 全局事务管理器（GTM）：生成全局唯一的事务ID（GTID）和逻辑时间戳（CSN），协调分布式事务的时序一致性，确保跨节点事务的全局快照同步。
  • 协调节点（CN）：接收SQL请求，拆分查询计划并路由到数据节点（DN），充当两阶段提交（2PC）的协调者。
  • 数据节点（DN）：存储分片数据，执行本地事务并反馈状态，作为2PC的参与者。
事务原子性保障：两阶段提交（2PC）优化
  • 准备阶段
    CN向所有DN发送PREPARE请求，DN执行事务但不提交，持久化日志后返回确认。
  • 提交阶段
    若所有DN确认成功，CN通知GTM分配CSN，并行发送COMMIT命令；否则触发全局回滚。
  • 容错机制
  1. 参与者故障：自动重试（默认3次）或超时回滚（通过global_transaction_timeout配置）。
  2. 协调者故障：GTM通过日志恢复事务状态，确保最终一致性。
隔离性与一致性实现
  • 多版本并发控制（MVCC）：每个事务启动时获取CSN快照，读操作访问快照版本，写操作生成新版本，避免读写阻塞。
  • 全局快照同步：GTM分发的CSN保证所有节点基于同一时间点判断数据可见性，解决分布式幻读问题。
  • 锁机制优化
  1. 行级锁（默认）：减少OLTP场景锁冲突。
  2. 表级锁分段（Segment Locking）：针对热点数据（如库存）自动升级锁粒度，提升并发效率。

与传统单机数据库对比

分布式事务管理方面

  • 传统单机数据库：传统单机数据库比如MySQl本身无法实现分布式事务，需要额外借助seata来帮助我们管理协调分布式事务来保证分布式场景下的数据一致性。
  • GaussDB：GaussDB 作为分布式数据库，原生支持分布式事务，无需额外的组件，系统自动管理跨节点事务，对应用层透明。也就是说在微服务架构下，操作同一个数据库实例时只需要使用@Transactional标准 Spring 事务注解即可实现分布式事务管理

性能方面

http://www.dtcms.com/a/362014.html

相关文章：

  • 《投资-43》- 自然=》生物=》人类社会=》商业=》金融=》股市=》投资的共同逻辑：生存竞争与进化论
  • 前端实现查询数据【导出】功能
  • 自制扫地机器人(二) Arduino 机器人避障设计——东方仙盟
  • A股大盘数据-20250901 分析
  • 设计模式：代理模式（Proxy Pattern）
  • HOW - 前端团队组长提升（沟通篇）
  • kubectl-etcd
  • RSA的CTF题目环境和做题复现第1集
  • nacos微服务介绍及环境搭建
  • linux 函数 kthread_should_stop
  • 「Unity3D」RectTransform的AnchorMin与Max直接定位到Rect四角，使得Left-Top-Right-Bottom都为0
  • 【Spark Core】（三）RDD的持久化
  • MT-Workflow: Odoo 可视化工作流引擎
  • 程序员与杀毒软件：一场不必要的“战争”？程序员用什么杀毒软件？-优雅草卓伊凡
  • 人工智能语音交互开发(五)麦克风频率响应范围
  • PostgreSQL 索引大全
  • 奇偶破题：当反函数撞上奇函数
  • Nano Banana一战封神，我总结了10种官方不会告诉你的神级技巧。
  • 太浅显数学常识暴露太重大数学真相：同样是有首项的无穷数列，此列的项可多于彼列的项
  • 使用修改过的arj源码编译和测试
  • java中常见的几种排序算法
  • 算法练习——189.轮转数组
  • 二、SVN基础命令速查表
  • Python OpenCV图像处理与深度学习：Python OpenCV对象检测入门-Haar级联分类器与人脸检测
  • LeetCode刷题-top100（ 除自身以外数组的乘积）
  • MATLAB 实现同步压缩小波变换
  • C++ 虚继承：破解菱形继承的“双亲困境”
  • 拆解期货交易所：清算交收体系！
  • 配置sscms时被sql server处处刁难
  • 从 Skip Take 到 Keyset：C# 分页原理与实践