文章目录

笔记链接

谷粒商城笔记(详细版) IDEA2021 基础篇(1/3).

谷粒商城笔记(详细版) IDEA2021 基础篇(2/3).

ES6 VUE 基础篇前端笔记

谷粒商城笔记(详细版) IDEA2021 基础篇(3/3).

[谷粒商城笔记(详细版) IDEA2021 高级篇(第1篇)

1 全文检索 ElasticSearch 简介

1.1 基础简介

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

1.2 概念划分

在这里插入图片描述

索引对应mysql中的库
类型对应Mysql中的数据表
文档对应mysql中的一条条数据

在这里插入图片描述
在我们插入一条文档记录时
ElasticSearch会将其分成好几个单词存在一张倒排索引表中

在检索时 会对被检索的语句进行分词
到倒排索引表中查找 只要有单词命中就会查找出来对应的记录
看命中几次 会算出相关性得分 并进行排序

2 Docker 安装

在这里插入图片描述

2.1 拉取镜像

下载镜像
docker pull elasticsearch:7.4.2

下载可视化
docker pull kibana:7.4.2

下载后
查看所有镜像 docker images

在这里插入图片描述

2.2 创建实例 进行一定配置

在这里插入图片描述

2.2.1 在linux本机创建elasticsearch文件夹(后面将docker中的elastic配置文件与linux本机的配置文件绑定)

#Linux创建目录
mkdir -p /mydata/elasticsearch/config
mkdir -p /mydata/elasticsearch/data
mkdir -p /mydata/elasticsearch/plugins

# 将一条命令写入linux本机的创建的配置文件中
# es可以被远程任何机器访问
echo "http.host: 0.0.0.0" >/mydata/elasticsearch/config/elasticsearch.yml

# 递归更改权限，es需要访问
chmod -R 777 /mydata/elasticsearch/

关于这一行命令的具体解释

# 递归更改权限，es需要访问
chmod -R 777 /mydata/elasticsearch/

如果不加这一行会出现报错

报错解决
java.nio.file.AccessDeniedException: /usr/share/elasticsearch/data/nodes…

看错误我们会以为是es容器里的/usr/share/elasticsearch/data/nodes文件夹目录没有读写权限，其实给提示误导了，实际是挂载的目录没有读写权限
比如我们宿主主机的配置目录为:/usr/local/es/data，那么我们需要赋予它读写权限：

chmod 777 /usr/local/es/data

2.2.2 启动elasticsearch(将elasticsearch映射到本机)

# 9200是用户交互端口 9300是集群心跳端口
# -e指定是单阶段运行
# -e指定占用的内存大小，生产时可以设置32G
docker run --name elasticsearch -p 9200:9200 -p 9300:9300 \
-e  "discovery.type=single-node" \
-e ES_JAVA_OPTS="-Xms64m -Xmx512m" \
-v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml \
-v /mydata/elasticsearch/data:/usr/share/elasticsearch/data \
-v  /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
-d elasticsearch:7.4.2 


# 设置开机启动elasticsearch
docker update elasticsearch --restart=always

如果你买的是阿里云或者别的云服务器 记得在安全组里放行端口
接着远程ip访问9200端口

在这里插入图片描述

3 全文检索ElasticSearchsDocker安装Kibana

在这里插入图片描述

# 这里-e是自己的elasticsearch服务地址

docker run --name kibana -e ELASTICSEARCH_HOSTS=http://192.168.56.10:9200 -p 5601:5601 -d kibana:7.4.2


# 设置开机启动kibana
docker update kibana  --restart=always

如果是购买的服务器
放行你的端口后访问
服务器对应端口
在这里插入图片描述

4 _cat

在这里插入图片描述
给出一个例子

http://139.224.237.247:9200/_cat/indices

在这里插入图片描述

5 put&post新增数据

5 .1 put 方式发送

必须要求携带id

也是新增和修改二合一

这个id之前没有对应数据则 created创建
如果这个id之前有数据则会改为updated 更新

5 .2 Post 方式发送

在这里插入图片描述
不带id会随机给我们返回一个id 每次都不同 所以一直是新建created

带一个固定Id 第一次是created
接着以后是 updated
在这里插入图片描述

6 get查询数据&乐观锁宇段

在这里插入图片描述
在这里插入图片描述

乐观锁用法：通过“if_seq_no=1&if_primary_term=1”，当序列号匹配的时候，才进行修改，否则不修改。

7 更新文档 put&post修改数据

http://139.224.237.247:9200/customer/external/1/_update

POST customer/externel/1/_update
{
    "doc":{
        "name":"111"
    }
}
或者
POST customer/externel/1
{
    "doc":{
        "name":"222"
    }
}
或者
PUT customer/externel/1
{
    "doc":{
        "name":"222"
    }
}

如果post更改数据带_update 会检查原数据 一样的话不做任何更改
版本号等都不会变
put更改数据不允许带_update

如果post put更改数据不带 _update 不会检查原数据 一旦更新版本号等各项都会改变

8 删除数据

删除文档  数据记录
DELETE customer/external/1

delete
http://139.224.237.xxx:9200/customer/external/1 

{
    "_index": "customer",
    "_type": "external",
    "_id": "1",
    "_version": 18,
    "result": "deleted",
    "_shards": {
        "total": 2,
        "successful": 1,
        "failed": 0
    },
    "_seq_no": 17,
    "_primary_term": 1
}


删除索引  数据库
DELETE customer

delete
http://139.224.237.xxx:9200/customer
{
    "acknowledged": true
}

9 bulk批量操作

在这里插入图片描述

POST /customer/external/_bulk
{"index":{"_id":"1"}}
{"name":"a"}
{"index":{"_id":"2"}}
{"name":"b"}


新增两条数据
新增id为1的  对应 name为a
新增Id为2的  对应 name为b

语法格式
{action:{metadata}}\n
{request body  }\n

{action:{metadata}}\n
{request body  }\n

当某一条执行失败时  下一条仍能继续执行

{
  "took" : 262,
  "errors" : false,
  "items" : [
    {
      "index" : {
        "_index" : "customer",    索引
        "_type" : "external",    类型
        "_id" : "1",             文档
        "_version" : 1,           版本
        "result" : "created",    创建
        "_shards" : {
          "total" : 2,
          "successful" : 1,
          "failed" : 0
        },
        "_seq_no" : 0,
        "_primary_term" : 1,
        "status" : 201           新建成功
      }
    },
    {
      "index" : {
        "_index" : "customer",
        "_type" : "external",
        "_id" : "2",
        "_version" : 1,
        "result" : "created",
        "_shards" : {
          "total" : 2,
          "successful" : 1,
          "failed" : 0
        },
        "_seq_no" : 1,
        "_primary_term" : 1,
        "status" : 201
      }
    }
  ]
}

POST /_bulk
{"delete":{"_index":"website","_type":"blog","_id":"123"}}
{"create":{"_index":"website","_type":"blog","_id":"123"}}
{"title":"my first blog post"}
{"index":{"_index":"website","_type":"blog"}}
{"title":"my second blog post"}
{"update":{"_index":"website","_type":"blog","_id":"123"}}
{"doc":{"title":"my updated blog post"}}

bank测试数据网址

https://gitee.com/xlh_blog/common_content/blob/master/es%E6%B5%8B%E8%AF%95%E6%95%B0%E6%8D%AE.json#

10 进阶:两种查询方式(Query DSL + 路径参数查询)

1 rest风格 + 参数在请求路径中

GET bank/_search?q=*&sort=account_number:asc
说明：
q=* # 查询所有
sort # 排序字段
asc #升序

在这里插入图片描述

2 rest风格 + 参数在请求体中 也被成为Query DSL

GET /bank/_search
{
  "query": { "match_all": {} },
  "sort": [
    { "account_number": "asc" },
    { "balance":"desc"}
  ]
}

查询匹配所有
首先根据acconut number 升序排列
如果相同再 根据blance降序排列

11 进阶 QueryDSL

11.1 基本使用&match_all

基本结构

如果针对于某个字段，那么它的结构如下：
{
  QUERY_NAME:{   # 使用的功能
     FIELD_NAME:{  #  功能参数
       ARGUMENT:VALUE,
       ARGUMENT:VALUE,...
      }   
   }
}

使用时不要加#注释内容
GET bank/_search
{
  "query": {  #  查询的字段
    "match_all": {}
  },
  "from": 0,  # 从第几条文档开始查
  "size": 5,
  "_source":["account_number"],  #指定只返回account_number字段
  "sort": [
    {
      "account_number": {  # 返回结果按哪个列排序
        "order": "desc"  # 降序
      }
    }
  ]
}

结果
在这里插入图片描述

11.2 query/match匹配查询

如果不是查询的值不是字符串则进行精确匹配
是字符串则进行全文检索

例1

GET bank/_search
{
  "query": {
    "match": {
      "account_number": "20"
    }
  }
}

在这里插入图片描述

例2

GET bank/_search
{
  "query": {
    "match": {
      "address": "kings"
    }
  }
}

查询的结果相关性评分越高越靠前
这里相关性评分一致

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 5.9908285,
    "hits" : [
      {
        "_index" : "bank",
        "_type" : "account",
        "_id" : "20",
        "_score" : 5.9908285,
        "_source" : {
          "account_number" : 20,
          "balance" : 16418,
          "firstname" : "Elinor",
          "lastname" : "Ratliff",
          "age" : 36,
          "gender" : "M",
          "address" : "282 Kings Place",
          "employer" : "Scentric",
          "email" : "elinorratliff@scentric.com",
          "city" : "Ribera",
          "state" : "WA"
        }
      },
      {
        "_index" : "bank",
        "_type" : "account",
        "_id" : "722",
        "_score" : 5.9908285,
        "_source" : {
          "account_number" : 722,
          "balance" : 27256,
          "firstname" : "Roberts",
          "lastname" : "Beasley",
          "age" : 34,
          "gender" : "F",
          "address" : "305 Kings Hwy",
          "employer" : "Quintity",
          "email" : "robertsbeasley@quintity.com",
          "city" : "Hayden",
          "state" : "PA"
        }
      }
    ]
  }
}

11.3 query/match_phrase [不拆分匹配]

GET bank/_search
{
  "query": {
    "match_phrase": {
      "address": "mill road" 
    }
  }
}

match_phrase 即不拆分匹配
相当于只查询mill road都包含的address
而不进行拆分查询

结果
只查出一条mill road都包含的文档

{
  "took" : 25,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 8.926605,
    "hits" : [
      {
        "_index" : "bank",
        "_type" : "account",
        "_id" : "970",
        "_score" : 8.926605,
        "_source" : {
          "account_number" : 970,
          "balance" : 19648,
          "firstname" : "Forbes",
          "lastname" : "Wallace",
          "age" : 28,
          "gender" : "M",
          "address" : "990 Mill Road",   只查出一条mill road都包含的文档
          "employer" : "Pheast",
          "email" : "forbeswallace@pheast.com",
          "city" : "Lopezo",
          "state" : "AK"
        }
      }
    ]
  }
}

11.4 query/multi_math【多字段匹配】

查询state 字段 或者 address字段中
有mill的文档

GET bank/_search
{
  "query": {
    "multi_match": { 
      "query": "mill",
      "fields": [ 
        "state",
        "address"
      ]
    }
  }
}

11.5 bool复合查询

must：必须达到must所列举的所有条件
must_not：必须不匹配must_not所列举的所有条件。
should：应该满足should所列举的条件。满足条件最好，不满足也可以，满足得分更高

特别注意
should：应该达到should列举的条件，如果到达会增加相关文档的评分，并不会改变查询的结果。如果query中只有should且只有一种匹配规则，那么should的条件就会被作为默认匹配条件并且改变查询结果

GET bank/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "gender": "M"
          }
        },
        {
          "match": {
            "address": "mill"
          }
        }
      ],
      "must_not": [
        {
          "match": {
            "age": "18"
          }
        }
      ],
      "should": [
        {
          "match": {
            "lastname": "Wallace"
          }
        }
      ]
    }
  }
}

11.6 query/filter【结果过滤】

使用规则和must must_not一样
只不过满足filter不会提供相关性得分

GET bank/_search
{
  "query": {
    "bool": {
      "must": [
        { "match": {"address": "mill" } }
      ],
      "filter": {  # query.bool.filter
        "range": {
          "balance": {  # 哪个字段
            "gte": "10000",
            "lte": "20000"
          }
        }
      }
    }
  }
}

这里先是查询所有匹配address=mill的文档，然后再根据10000<=balance<=20000进行过滤查询结果

11.7 term查询

和match用法一样。匹配某个属性的值。

全文检索字段用match，
其他非text字段匹配用term。

-全文检索字段用match，其他非text字段匹配用term

11.8 属性.keyword

“term”: {
“name.keyword”: “测试名称”
}

相当于对 测试名称进行不分词查询
实现完全匹配

12 aggregations聚合分析

聚合相当于对hits中的数据进行一定分析
并返回结果

有点相似mysql中的group By

"aggs":{ # 聚合
    "aggs_name":{ # 这次聚合的名字，方便展示在结果集中
        "AGG_TYPE":{} # 聚合的类型(avg,term,terms)
     }
}

GET bank/_search
{
  "query": {
    "match": {
      "address": "Mill"
    }
  },
  "aggs": { 
    "ageAgg": {   #聚合名称 自定义
      "terms": {  #聚合类型 terms类型 值统计 会返回有哪些值 这些值有多少
        "field": "age",
        "size": 10
      }
    },
    "ageAvg": { # 聚合名 自定义
      "avg": {   #算平均值
        "field": "age"  #算age的平均值
      }
    },
    "balanceAvg": {
      "avg": {
        "field": "balance"
      }
    }
  }
}

13 映射mapping创建

Mapping(映射)是用来定义一个文档（document），以及它所包含的属性（field）是如何存储和索引的。
mapping可以查看属性类型

类型
在这里插入图片描述
在我们添加数据的时候elasticsearch会自动判断数据类型

查看mapping信息：GET bank/_mapping

  {
    "bank" : {
      "mappings" : {
        "properties" : {
          "account_number" : {
            "type" : "long" # long类型
          },
          "address" : {
            "type" : "text", # 文本类型，会进行全文检索，进行分词
            "fields" : {
              "keyword" : { # addrss.keyword
                "type" : "keyword",  # 该字段必须全部匹配到
                "ignore_above" : 256
              }
            }
          },
          "age" : {
            "type" : "long"
          },
          "balance" : {
            "type" : "long"
          },
          "city" : {
            "type" : "text",
            "fields" : {
              "keyword" : {
                "type" : "keyword",
                "ignore_above" : 256
              }
            }
          },
          "email" : {
            "type" : "text",
            "fields" : {
              "keyword" : {
                "type" : "keyword",
                "ignore_above" : 256
              }
            }
          },
          "employer" : {
            "type" : "text",
            "fields" : {
              "keyword" : {
                "type" : "keyword",
                "ignore_above" : 256
              }
            }
          },
          "firstname" : {
            "type" : "text",
            "fields" : {
              "keyword" : {
                "type" : "keyword",
                "ignore_above" : 256
              }
            }
          },
          "gender" : {
            "type" : "text",
            "fields" : {
              "keyword" : {
                "type" : "keyword",
                "ignore_above" : 256
              }
            }
          },
          "lastname" : {
            "type" : "text",
            "fields" : {
              "keyword" : {
                "type" : "keyword",
                "ignore_above" : 256
              }
            }
          },
          "state" : {
            "type" : "text",
            "fields" : {
              "keyword" : {
                "type" : "keyword",
                "ignore_above" : 256
              }
            }
          }
        }
      }
    }
  }

ElasticSearch7-去掉type概念

Elasticsearch 8.x 不再支持URL中的type参数。

创建映射

PUT /my_index
{
  "mappings": {
    "properties": {
      "age": {
        "type": "integer"
      },
      "email": {
        "type": "keyword" # 指定为keyword
      },
      "name": {
        "type": "text" # 全文检索。保存时候分词，检索时候进行分词匹配
      }
    }
  }
}

注意映射被创建后只能增加不能被更改 新增映射语法如下

添加新的字段映射
PUT /my_index/_mapping

PUT /my_index/_mapping
{
  "properties": {
    "employee-id": {
      "type": "keyword",
      "index": false # 字段不能被检索。检索
    }
  }
}

14 数据迁移

对于已经存在的字段映射，我们不能更新。更新必须创建新的索引，进行数据迁移

相当于把一个表数据传给另一个表
不过另一个表的mapping映射规则可能不同于原表

因为新版本的elasticsearch去除了类型和这个概念
于是数据迁移的写法如下

新写法
POST reindex
{
  "source":{
      "index":"twitter"
   },
  "dest":{
      "index":"new_twitters"
   }
}


老写法 
POST reindex
{
  "source":{
      "index":"twitter",
      "twitter":"twitter"
   },
  "dest":{
      "index":"new_twitters"
   }
}

15 分词:安装ik分词

标准的分词器对中文支持较差
我们安装IK分词器
在这里插入图片描述

docker exec -it 87a /bin/bash

进入对应的容器中

cd到plugins目录下 准备安装分词器

wget https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.4.2/elasticsearch-analysis-ik-7.4.2.zip

发现提示没有wget
我们已经把主机和容器的plugins做映射
于是cd 到 主机的plugins进行安装
wget压缩文件然后解压

接着渠去到容器内部
查看是否安装成功
在这里插入图片描述

接着重启
docker restart 容器id
然后来到kibana再次进行ik分词测试
在这里插入图片描述
智能分词完成

16 分词 自定义扩展词库

修改/usr/share/elasticsearch/plugins/ik/config中的IKAnalyzer.cfg.xml
在这里插入图片描述

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
        <comment>IK Analyzer 扩展配置</comment>
        <!--用户可以在这里配置自己的扩展字典 -->
        <entry key="ext_dict"></entry>
         <!--用户可以在这里配置自己的扩展停止词字典-->
        <entry key="ext_stopwords"></entry>
        <!--用户可以在这里配置远程扩展字典 -->
        <!-- <entry key="remote_ext_dict">words_location</entry> -->
        <!--用户可以在这里配置远程扩展停止词字典-->
        <!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>

主要配置自己的远程扩展字典
使用Nginx做反向代理后就可以实现

17 SpringBoot整合high-everclient

在这里插入图片描述
在这里插入图片描述
由于spring-data-ES 在8.0以后不再被支持
也因为其他连接工具（JestClient RestTemplate）的非官方 封装不完善的特性 我们最终选用 ES-Rest-Client

首先创建一个新moudle

接着在pom文件中引入依赖

        <dependency>
            <groupId>org.elasticsearch.client</groupId>
            <artifactId>elasticsearch-rest-high-level-client</artifactId>
            <version>7.4.2</version>
        </dependency>

接着

spring-boot-dependencies中所依赖的ES版本位6.8.5，要改掉 否则会和你加的7.4.2版本冲突
我这里直接把maven仓库里的配置改了
在这里插入图片描述

在这里插入图片描述
重新刷新maven仓库

然后配置appliction.yml 注册到nacos 配置端口和名称

spring:
  cloud:
    nacos:
      discovery:
        server-addr: 127.0.0.1:8848
  application:
    name: gulimall-search
server:
  port: 10002
logging:
  level:
    com.atguigu.gulimall: debug

配置启动类
主要排除数据库先关依赖 因为这个模块基于common
和开启eureka服务与注册

package com.atguigu.gulimall.search;

import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.boot.autoconfigure.jdbc.DataSourceAutoConfiguration;
import org.springframework.cloud.client.discovery.EnableDiscoveryClient;

@SpringBootApplication(exclude = DataSourceAutoConfiguration.class)
@EnableDiscoveryClient
public class GulimallSearchApplication {

    public static void main(String[] args) {
        SpringApplication.run(GulimallSearchApplication.class, args);
    }

}

在这里插入图片描述

接着编写config
返回一个RestHighLevelClient到LOC容器中

package com.atguigu.gulimall.search;

import org.apache.http.HttpHost;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestClientBuilder;
import org.elasticsearch.client.RestHighLevelClient;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class GuliESConfig {

//    public static final RequestOptions COMMON_OPTIONS;
//
//    static {
//        RequestOptions.Builder builder = RequestOptions.DEFAULT.toBuilder();
//
//        COMMON_OPTIONS = builder.build();
//    }

    @Bean
    public RestHighLevelClient esRestClient() {

        RestClientBuilder builder = null;
        // 可以指定多个es

        builder = RestClient.builder(new HttpHost("139.224.237.24",9200,"http"));

        RestHighLevelClient client = new RestHighLevelClient(builder);
        return client;
    }
}

创建一个controller测试注入是否成功

package com.atguigu.gulimall.search;

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.RequestMapping;

@RequestMapping("/search/test")
public class TestController {

    @Autowired
    GuliESConfig guliESConfig;

    @RequestMapping("/1")
    public void test1(){
        System.out.println(guliESConfig);
    }

}

打印出来了注入的对象
在这里插入图片描述

18 学习Java High Level REST Client的Api(官方文档)

https://www.elastic.co/guide/en/elasticsearch/client/java-rest/7.16/java-rest-high-document-index.html

18 ElasticSearch测试新增数据(api 里的index api)

官方文档
https://www.elastic.co/guide/en/elasticsearch/client/java-rest/7.16/java-rest-high.html
在这里插入图片描述

package com.atguigu.gulimall.search;

import com.alibaba.fastjson.JSON;
import lombok.Data;
import net.minidev.json.JSONArray;
import org.elasticsearch.action.index.IndexRequest;
import org.elasticsearch.action.index.IndexResponse;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.common.xcontent.XContentType;
import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;

import java.io.IOException;

@SpringBootTest
class GulimallSearchApplicationTests {

    @Autowired
    RestHighLevelClient restHighLevelClient;

    @Test
    public void indexData() throws IOException {
        //1 创建 Indexrequest 记得加上在哪个索引下进行初始化
        IndexRequest indexRequest = new IndexRequest("users"); //哪个索引下

        //2  设置 Indexrequest 的数据 Id
        indexRequest.id("1"); //数据的id

        User user = new User();
        user.setAge(18);
        user.setUsername("yyl");
        String s = JSON.toJSONString(user); //要保存的内容

        //3  设置 Indexrequest 的要保存的数据 这里使用json格式
        indexRequest.source(s, XContentType.JSON);

        //4 调用客户端 执行操作 执行index 添加
        IndexResponse index = restHighLevelClient.index(indexRequest, GuliESConfig.COMMON_OPTIONS);

        //提取有用的响应数据
        System.out.println("es的响应数据是");
        System.out.println(index);


    }

    @Data
    class User{
        private String username;
        private Integer age;
    }

    @Test
    void contextLoads() {

        System.out.println("打印的是");
        System.out.println(restHighLevelClient);

    }

}

执行结果
在这里插入图片描述

使用Kibana 查看 数据添加成功

GET users/_search

在这里插入图片描述

总结

# elasticsearch # 搜索引擎 # 大数据
Logo
华为开发者空间

华为开发者空间，是为全球开发者打造的专属开发空间，汇聚了华为优质开发资源及工具，致力于让每一位开发者拥有一台云主机，基于华为根生态开发、创新。

更多推荐

cover

GaussDB数据库高可用部署方案

avatar 华为开发者空间
cover

在华为开发者空间，简单几步带你实现AI风格化编程

avatar 华为开发者空间
cover

GaussDB技术解读——GaussDB架构介绍（四）

avatar 华为开发者空间