笔记:如何使用postgresql做顺序扣减库存

2023年6月3日上午12:48 • 大数据 • 阅读 81

如何使用postgresql做顺序扣减库存

[TencentCloudSDKException] code:FailedOperation.ServiceIsolate message:service is stopped due to arrears, please recharge your account in Tencent Cloud requestId:06a7824d-a9c1-4bfb-a4e4-0d833270b905

[En]

[TencentCloudSDKException] code:FailedOperation.ServiceIsolate message:service is stopped due to arrears, please recharge your account in Tencent Cloud requestId:851c51b6-0371-473a-b3ea-8f59c19ad84c

[TencentCloudSDKException] code:FailedOperation.ServiceIsolate message:service is stopped due to arrears, please recharge your account in Tencent Cloud requestId:b8790823-13f1-47dc-93e3-7ebe24740c69

[En]

[TencentCloudSDKException] code:FailedOperation.ServiceIsolate message:service is stopped due to arrears, please recharge your account in Tencent Cloud requestId:69498efe-7c46-4e21-b715-6e2ebae93098

库存数据
select * from t_product_inventory;id type 产品代码日期数量 7 in 99999279 2018-11-01 24480 8 in 99999279 2018-11-03 20832 9 in 99999279 2018-12-02 21360 10 in 99999279 2019-06-14 18768 11 in 99999279 2019-06-16 9552 12 in 99999279 2019-07-12 2304 13 in 99999279 2019-09-05 3696 14 in 99999279 2019-09-06 16 15 in 99999279 2019-10-22 48 16 in 99999279 2019-11-03 14112 17 in 99999279 2019-12-02 2160 18 in 99999279 2019-12-04 720 19 in 99999279 2019-12-12 12960 20 in 99999290 2019-12-23 6336 21 in 99999290 2019-12-26 50 29 in 99999777 2021-04-08 10011
出库数据
select * from t_product_out;id type 产品代码数量 1 out 99999279 77777 2 out 99999290 10000
实际库存（结果）id– –产品代码– –日期(库存批次日期)– –数量(库存)– –数量_出– –出_入差异（出-库存) 7 99999279 24480 24480 0 8 99999279 2018-11-03 20832 20832 0 9 99999279 2018-12-02 21360 21360 0 10 99999279 2019-06-14 18768 11105 7663 11 99999279 2019-06-16 9552 0 9552 12 99999279 2019-07-12 2304 0 2304 13 99999279 2019-09-05 3696 0 3696 14 99999279 2019-09-06 16 0 16 15 99999279 2019-10-22 48 0 48 16 99999279 2019-11-03 14112 0 14112 17 99999279 2019-12-02 2160 0 2160 18 99999279 2019-12-04 720 0 720 19 99999279 2019-12-12 12960 0 12960 20 99999290 2019-12-23 6336 6336 0 21 99999290 2019-12-26 50 50 3614 29 99999777 2021-04-08 10011 0 10011

首先要说sql的思考过程还是比较复杂滴（当然可以确定是我自跟儿写的），而整个过程几乎就是走一步看一步的解决问题的过程🤣，掉了多少头发可想而知了。。。

  SELECT
    i.id,
    i.type,
    i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;",
    i."&#x65E5;&#x671F;",
    i."&#x6570;&#x91CF;",
    o."&#x51FA;_&#x6C47;&#x603B;"
  FROM t_product_inventory i
   LEFT JOIN (
   SELECT t_product_out."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;",
    sum(t_product_out."&#x6570;&#x91CF;") AS "&#x51FA;_&#x6C47;&#x603B;"
    FROM t_product_out
    GROUP BY t_product_out."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;"
  ) o ON i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;" = o."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;"
  ORDER BY i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;", i."&#x65E5;&#x671F;" NULLS FIRST;

id type 产品代码日期数量出_汇总 7 in 99999279 24480 77777 8 in 99999279 2018-11-03 20832 77777 9 in 99999279 2018-12-02 21360 77777 10 in 99999279 2019-06-14 18768 77777 11 in 99999279 2019-06-16 9552 77777 12 in 99999279 2019-07-12 2304 77777 13 in 99999279 2019-09-05 3696 77777 14 in 99999279 2019-09-06 16 77777 15 in 99999279 2019-10-22 48 77777 16 in 99999279 2019-11-03 14112 77777 17 in 99999279 2019-12-02 2160 77777 18 in 99999279 2019-12-04 720 77777 19 in 99999279 2019-12-12 12960 77777 20 in 99999290 2019-12-23 6336 6386 21 in 99999290 2019-12-26 50 6386 29 in 99999777 2021-04-08 10011

[注意：因为所给的出库数据是没有重复的，以上是可以略去 sum 聚合这个操作的，因为两张表是按产品代码做关联的（很显然)，另外就是日期是可以降序排列的，但是在日期有null值的情况下null所在的记录默认是降序排在最后的，所以要 order by 要指定 NULLS FIRST 这样才能为后面null批次的做优先扣减 🤗]

觉得还是先回顾下需求吧，我们的需求是每个产品下每一个批次顺序扣减的最终结果（还有批次扣减的数），其中扣减数量应该就是=当前批次(库存)数量-出库数量，公式是确定的，看起来似乎简单，然而难点是如何算出这个”扣减数量（出库数量）”呢？？？😂😂 。。。想想，我们用当前产品出库总数按批次往下减，这样会出现一个问题是批次剩余数量=出库总数-当前批次数量，而且这个批次剩余数量并不能累加，只能用出库数量依次递减才是，。。。好了，这又是一个难点，继续思考下，目前我们是不是没法做(至少是没法简单的)获取到库存数量-出库数量；幸运的是。。。如果将产品库存数量依次递减，这样不就可以算出库存差异了（事实上这样也有各种各样的问题）。。。让我们试试看吧

SELECT
    i.id,
    i.type,
    i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;",
    i."&#x65E5;&#x671F;",
    i."&#x6570;&#x91CF;",
    o."&#x51FA;_&#x6C47;&#x603B;",
    sum(i."&#x6570;&#x91CF;") OVER (PARTITION BY i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;" ORDER BY i."&#x65E5;&#x671F;" NULLS FIRST, i."&#x6570;&#x91CF;") AS "&#x5165;_&#x9012;&#x589E;"
FROM (t_product_inventory i
 LEFT JOIN ( SELECT t_product_out."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;",
        sum(t_product_out."&#x6570;&#x91CF;") AS "&#x51FA;_&#x6C47;&#x603B;"
        FROM t_product_out
        GROUP BY t_product_out."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;") o
 ON (((i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;")::text = (o."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;")::text)))
ORDER BY i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;", i."&#x65E5;&#x671F;" NULLS FIRST;

id type 产品代码日期数量出_汇总入_递增 7 in 99999279 24480 77777 24480 8 in 99999279 2018-11-03 20832 77777 45312 9 in 99999279 2018-12-02 21360 77777 66672 10 in 99999279 2019-06-14 18768 77777 85440 11 in 99999279 2019-06-16 9552 77777 94992 12 in 99999279 2019-07-12 2304 77777 97296 13 in 99999279 2019-09-05 3696 77777 100992 14 in 99999279 2019-09-06 16 77777 101008 15 in 99999279 2019-10-22 48 77777 101056 16 in 99999279 2019-11-03 14112 77777 115168 17 in 99999279 2019-12-02 2160 77777 117328 18 in 99999279 2019-12-04 720 77777 118048 19 in 99999279 2019-12-12 12960 77777 131008 20 in 99999290 2019-12-23 6336 10000 6336 21 in 99999290 2019-12-26 50 10000 6386 29 in 99999777 2021-04-08 10011 10011

[看,我们将各个产品库存数量按照批次的顺序依次递增累加了（入_递增这一列），注意窗口函数内需要排序！]

SELECT t1.id,
  t1.type,
  t1."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;",
  t1."&#x65E5;&#x671F;",
  t1."&#x6570;&#x91CF;",
  t1."&#x51FA;_&#x6C47;&#x603B;",
  t1."&#x5165;_&#x9012;&#x589E;",
      CASE
          WHEN (((t1."&#x51FA;_&#x6C47;&#x603B;" - t1."&#x5165;_&#x9012;&#x589E;") > (0)::numeric) /*AND (t1.rk <> t1.rk_ct)*/) THEN (0)::numeric
          ELSE (t1."&#x5165;_&#x9012;&#x589E;" - t1."&#x51FA;_&#x6C47;&#x603B;")
      END AS "&#x51FA;_&#x5165;&#x5DEE;&#x5F02;"
 FROM (
    SELECT i.id,
          i.type,
          i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;",
          i."&#x65E5;&#x671F;",
          i."&#x6570;&#x91CF;",
          o."&#x51FA;_&#x6C47;&#x603B;",
          sum(i."&#x6570;&#x91CF;") OVER (PARTITION BY i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;" ORDER BY i."&#x65E5;&#x671F;" NULLS FIRST, i."&#x6570;&#x91CF;") AS "&#x5165;_&#x9012;&#x589E;"
         FROM (t_product_inventory i
           LEFT JOIN ( SELECT t_product_out."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;",
                  sum(t_product_out."&#x6570;&#x91CF;") AS "&#x51FA;_&#x6C47;&#x603B;"
                 FROM t_product_out
                GROUP BY t_product_out."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;") o ON (((i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;")::text = (o."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;")::text)))
        ORDER BY i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;", i."&#x65E5;&#x671F;" NULLS FIRST
) t1

id type 产品代码日期数量出_汇总入_递增出_入差异 7 in 99999279 24480 77777 24480 0 8 in 99999279 2018-11-03 20832 77777 45312 0 9 in 99999279 2018-12-02 21360 77777 66672 0 10 in 99999279 2019-06-14 18768 77777 85440 7663 11 in 99999279 2019-06-16 9552 77777 94992 17215 12 in 99999279 2019-07-12 2304 77777 97296 19519 13 in 99999279 2019-09-05 3696 77777 100992 23215 14 in 99999279 2019-09-06 16 77777 101008 23231 15 in 99999279 2019-10-22 48 77777 101056 23279 16 in 99999279 2019-11-03 14112 77777 115168 37391 17 in 99999279 2019-12-02 2160 77777 117328 39551 18 in 99999279 2019-12-04 720 77777 118048 40271 19 in 99999279 2019-12-12 12960 77777 131008 53231 20 in 99999290 2019-12-23 6336 10000 6336 0 21 in 99999290 2019-12-26 50 10000 6386 0 29 in 99999777 2021-04-08 10011 10011

[看似一切都没有问题，所以中间我特意将 99999290 这款产品临时改为10000，这样你就会看到2019-12-26这个出_入差异值为零，零，怎么可能为零呢。。。不要计较了一定是sql有缺陷😆]

首先要确定的是 99999290 -> 2019-12-26 这个批次的差异应该是3614，造成这样的原因无非就是(最后一个批次的)出库数大于库存数~，看出问题了就不能无视缺陷的存在😎，所以对于最后一个批次如果出库数量仍然大于当前批次的数量，他的差异（出_入差异）应该就是负数；等等，那我如何确定每个产品的最后一个批次呢，让我们试着用sql找找看😂

  SELECT t1.id,
            t1.type,
            t1."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;",
            t1."&#x65E5;&#x671F;",
            t1."&#x6570;&#x91CF;",
            t1."&#x51FA;_&#x6C47;&#x603B;",
            t1.rk,
            t1.rk_ct,
            t1."&#x5165;_&#x9012;&#x589E;",
            CASE
              WHEN (((t1."&#x51FA;_&#x6C47;&#x603B;" - t1."&#x5165;_&#x9012;&#x589E;") > (0)::numeric) AND (t1.rk <> t1.rk_ct)) THEN (0)::numeric
              ELSE (t1."&#x5165;_&#x9012;&#x589E;" - t1."&#x51FA;_&#x6C47;&#x603B;")
            END AS "&#x51FA;_&#x5165;&#x5DEE;&#x5F02;"
         FROM (
         SELECT i.id,
                i.type,
                i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;",
                i."&#x65E5;&#x671F;",
                i."&#x6570;&#x91CF;",
                o."&#x51FA;_&#x6C47;&#x603B;",
                row_number() OVER (PARTITION BY i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;" ORDER BY i."&#x65E5;&#x671F;" NULLS FIRST, i."&#x6570;&#x91CF;") AS rk,
                count(1) OVER (PARTITION BY i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;") AS rk_ct,
                sum(i."&#x6570;&#x91CF;") OVER (PARTITION BY i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;" ORDER BY i."&#x65E5;&#x671F;" NULLS FIRST, i."&#x6570;&#x91CF;") AS "&#x5165;_&#x9012;&#x589E;"
                FROM (t_product_inventory i
                 LEFT JOIN ( SELECT t_product_out."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;",
                    sum(t_product_out."&#x6570;&#x91CF;") AS "&#x51FA;_&#x6C47;&#x603B;"
                    FROM t_product_out
                    GROUP BY t_product_out."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;") o ON (((i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;")::text = (o."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;")::text)))
                ORDER BY i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;", i."&#x65E5;&#x671F;" NULLS FIRST
) t1;

id type 产品代码日期数量出_汇总 rk rk_ct 入_递增出_入差异 7 in 99999279 24480 77777 1 13 24480 0 8 in 99999279 2018-11-03 20832 77777 2 13 45312 0 9 in 99999279 2018-12-02 21360 77777 3 13 66672 0 10 in 99999279 2019-06-14 18768 77777 4 13 85440 7663 11 in 99999279 2019-06-16 9552 77777 5 13 94992 17215 12 in 99999279 2019-07-12 2304 77777 6 13 97296 19519 13 in 99999279 2019-09-05 3696 77777 7 13 100992 23215 14 in 99999279 2019-09-06 16 77777 8 13 101008 23231 15 in 99999279 2019-10-22 48 77777 9 13 101056 23279 16 in 99999279 2019-11-03 14112 77777 10 13 115168 37391 17 in 99999279 2019-12-02 2160 77777 11 13 117328 39551 18 in 99999279 2019-12-04 720 77777 12 13 118048 40271 19 in 99999279 2019-12-12 12960 77777 13 13 131008 53231 20 in 99999290 2019-12-23 6336 10000 1 2 6336 0 21 in 99999290 2019-12-26 50 10000 2 2 6386 -3614 29 in 99999777 2021-04-08 10011 1 1 10011

[看，以上处理方式是不是赞👍，前面的缺陷完美滴解决，总结重点就是：通过窗口函数算出最后一列，这一列通过rk以及rk_ct比较得来的，想想看是不是很妙 😉]

[虽然我们可能注意到了出库数超出的情况，但是你可能忽略了最后一个问题，如果某个产品最近根本就没有出库呢…不妨看看 99999777 这款产品是不是…是不是。。😥 ，当然对于出库数不存在的解决办法就相当easy了，当然如果你认真揣度过上面的sql的话。。。应该就不存在困难，如果不看以下sql，试试看~（相信你可以哟😎） ]

 SELECT
    tt1.id,
    tt1.type,
    tt1."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;",
    tt1."&#x65E5;&#x671F;",
    tt1."&#x6570;&#x91CF;",
    tt1."&#x51FA;_&#x6C47;&#x603B;",
    tt1.rk,
    tt1.rk_ct,
    tt1."&#x5165;_&#x9012;&#x589E;",
    tt1."&#x51FA;_&#x5165;&#x5DEE;&#x5F02;",
    case when  tt1."&#x51FA;_&#x6C47;&#x603B;" is null  then 0 else
    ((tt1."&#x6570;&#x91CF;")::numeric - COALESCE((tt1."&#x51FA;_&#x5165;&#x5DEE;&#x5F02;" - lag(tt1."&#x51FA;_&#x5165;&#x5DEE;&#x5F02;", 1, (0)::numeric) OVER (PARTITION BY tt1."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;" ORDER BY tt1."&#x65E5;&#x671F;" NULLS FIRST, tt1."&#x6570;&#x91CF;")),0)) end AS "&#x6570;&#x91CF;_&#x51FA;",
    case when  tt1."&#x51FA;_&#x6C47;&#x603B;" is null  then tt1."&#x6570;&#x91CF;" else
    (COALESCE(tt1."&#x51FA;_&#x5165;&#x5DEE;&#x5F02;",0) - lag(tt1."&#x51FA;_&#x5165;&#x5DEE;&#x5F02;", 1, (0)::numeric) OVER (PARTITION BY tt1."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;" ORDER BY tt1."&#x65E5;&#x671F;" NULLS FIRST, tt1."&#x6570;&#x91CF;")) end AS "&#x51FA;_&#x5165;&#x5DEE;&#x5F02;_result"
   FROM (
     SELECT t1.id,
            t1.type,
            t1."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;",
            t1."&#x65E5;&#x671F;",
            t1."&#x6570;&#x91CF;",
            t1."&#x51FA;_&#x6C47;&#x603B;",
            t1.rk,
            t1.rk_ct,
            t1."&#x5165;_&#x9012;&#x589E;",
                CASE
                    WHEN (((t1."&#x51FA;_&#x6C47;&#x603B;" - t1."&#x5165;_&#x9012;&#x589E;") > (0)::numeric) AND (t1.rk <> t1.rk_ct)) THEN (0)::numeric
                    ELSE (t1."&#x5165;_&#x9012;&#x589E;" - t1."&#x51FA;_&#x6C47;&#x603B;")
                END AS "&#x51FA;_&#x5165;&#x5DEE;&#x5F02;"
           FROM (
           SELECT
            i.id,
                    i.type,
                    i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;",
                    i."&#x65E5;&#x671F;",
                    i."&#x6570;&#x91CF;",
                    o."&#x51FA;_&#x6C47;&#x603B;",
                    row_number() OVER (PARTITION BY i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;" ORDER BY i."&#x65E5;&#x671F;" NULLS FIRST, i."&#x6570;&#x91CF;") AS rk,
                    count(1) OVER (PARTITION BY i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;") AS rk_ct,
                    sum(i."&#x6570;&#x91CF;") OVER (PARTITION BY i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;" ORDER BY i."&#x65E5;&#x671F;" NULLS FIRST, i."&#x6570;&#x91CF;") AS "&#x5165;_&#x9012;&#x589E;"
                   FROM (t_product_inventory i
                     LEFT JOIN ( SELECT t_product_out."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;",
                            sum(t_product_out."&#x6570;&#x91CF;") AS "&#x51FA;_&#x6C47;&#x603B;"
                           FROM t_product_out
                          GROUP BY t_product_out."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;") o ON (((i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;")::text = (o."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;")::text)))
                  ORDER BY i."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;", i."&#x65E5;&#x671F;" NULLS FIRST

              ) t1
) tt1
  ORDER BY tt1."&#x4EA7;&#x54C1;&#x4EE3;&#x7801;", tt1."&#x65E5;&#x671F;" NULLS FIRST;

id type 产品代码日期数量出_汇总 rk rk_ct 入_递增出_入差异数量_出出_入差异_result 7 in 99999279 24480 77777 1 13 24480 0 24480 0 8 in 99999279 2018-11-03 20832 77777 2 13 45312 0 20832 0 9 in 99999279 2018-12-02 21360 77777 3 13 66672 0 21360 0 10 in 99999279 2019-06-14 18768 77777 4 13 85440 7663 11105 7663 11 in 99999279 2019-06-16 9552 77777 5 13 94992 17215 0 9552 12 in 99999279 2019-07-12 2304 77777 6 13 97296 19519 0 2304 13 in 99999279 2019-09-05 3696 77777 7 13 100992 23215 0 3696 14 in 99999279 2019-09-06 16 77777 8 13 101008 23231 0 16 15 in 99999279 2019-10-22 48 77777 9 13 101056 23279 0 48 16 in 99999279 2019-11-03 14112 77777 10 13 115168 37391 0 14112 17 in 99999279 2019-12-02 2160 77777 11 13 117328 39551 0 2160 18 in 99999279 2019-12-04 720 77777 12 13 118048 40271 0 720 19 in 99999279 2019-12-12 12960 77777 13 13 131008 53231 0 12960 20 in 99999290 2019-12-23 6336 10000 1 2 6336 0 6336 0 21 in 99999290 2019-12-26 50 10000 2 2 6386 -3614 3664 -3614 29 in 99999777 2021-04-08 10011 1 1 10011 0 10011

[注意: 以上 出_入差异_result 这一列即为最终求解哈，为了这一列费老多力了😄]

很多时候我们以为的似乎并不是那么难，只是你很少去思考而已，当然呐，以上只是个人拙见，解决方法肯定还有很多，各位不妨试试看囖~ 😘

Original: https://www.cnblogs.com/funnyzpc/p/15207267.html
Author: funnyZpC
Title: 笔记:如何使用postgresql做顺序扣减库存

原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/562390/

转载文章受原作者版权保护。转载请注明原作者出处！

大数据

【自取】最近整理的，有需要可以领取学习：

Linux核心资料大放送~

全栈面试题汇总（持续更新&可下载）

一个提高学习100%效率的工具！

【超详细】深度学习面试题目！

LeetCode Python刷题答案下载！

LeetCode Java版刷题答案下载！

LeetCode C++ 版本，抓紧保存！

LeetCode GO语言刷题答案下载！

Flink、Hive、Flume

Hive简介 Hive和数据库比较由于Hive采用了类似SQL的查询语言HQL（Hive Query Language)，因此很容易将hive理解为数据库。其实从结构上来看，Hi…

大数据 2023年11月12日
0046
Android数据库Room之二实体之间的关系

一.定义对象之间的关系由于 SQLite 是关系型数据库，因此您可以定义各个实体之间的关系。尽管大多数对象关系映射库都允许实体对象互相引用，但 Room 明确禁止这样做。如需了解…

大数据 2023年11月10日
0044
Tapdata Cloud 2.1.5来啦：新增支持Amazon RDS数据库，错误日志查询更便捷，Agent部署细节再优化

需求持续更新，优化一刻不停——Tapdata Cloud 2.1.5 来啦！最新发布的版本中，数据连接再上新，同时新增任务报错相关信息快速查询入口，开始支持 JVM 参数自定义设…

大数据 2023年6月3日
0082
在Unity中使用Sqlite创建数据库

可以实现本地数据存储和查询功能。您可以按照以下步骤进行操作： 1. 下载插件，例如 3d或。 2. 将插件导入到。 3. 和表结构。您可以命令或插件提供的API来执行此操作…

大数据 2023年11月10日
0037
Sqoop教程（二）使用Sqoop在MySQL与Hive之间进行数据导入导出操作

Sqoop主要作用是提供方便的Hive表和关系型数据库表的数据的导入导出操作。运行Sqoop需要启动Hadoop、Hive服务在hp1的MySQL中新建数据库test_sqoop，…

大数据 2023年11月13日
0094
NLP 中文形近字相似度算法开源实现

项目简介 nlp-hanzi-similar 为汉字提供相似性的计算。 ; 创作目的有一个小伙伴说自己在做语言认知科学方向的课题研究，看了我以前写的 NLP 中文形近字相似度计算…

大数据 2023年5月28日
0096
CentOS下ISCSI共享存储配置

配置iscsid.conf文件: [root@node1 ~]# vim /etc/iscsi/iscsid.conf 取消注释以下配置项，并填写用户名和密码 [En] Uncom…

大数据 2023年5月27日
0066
多云容器编排 Karmada-Operator 实践

作者：vivo 互联网服务器团队-Zhang Rong Karmada作为开源的云原生多云容器编排项目，吸引了众多企业共同参与项目开发，并运行于生产环境中。同时多云也逐步成为数据中…

大数据 2023年6月2日
0065
2021-12-10 sqlite数据库 sqlite表

建设表CREATE TABLE arg_info(no TEXT,name TEXT,energy REAL,protein REAL); 增加INSERT INTO arg_in…

大数据 2023年11月12日
0049
kettle8.2 连接 cdh6.3.2 root directory access 问题记录

因业务需要，切换到cdh6.3.2平台，虽然用起来不是很熟悉，但总体还是能快速入手spark、hive及sqoop等使用。但导数据时发现sqoop其实并不见得那么好用，反而不如使…

大数据 2023年11月12日
0032
【NLP】基于Pytorch lightning与BiLSTM-CRF的NER实现

; 背景前文已介绍了BiLSTM+CRF进行序列标注的理论内容，参见：【NLP】基于BiLSTM-CRF的序列标注，也做了：【NLP】基于隐马尔可夫模型（HMM）的命名实体识别（…

大数据 2023年5月28日
0080
外部访问docker容器(docker run -p/-P 指令)

容器中可以运行一些网络应用，要让外部也可以访问这些应用，可以通过 -P（大写）或 -p （小写）参数来指定端口映射。（1）当使用 -P 标记时，Docker 会随机映射一个 4…

大数据 2023年5月29日
0088
Hadoop生态之Yarn

由于博主最近在忙着期末考试捏所以一直没有更新博客，昨天也是刚考完试火急火燎的赶到了公司，博主在这里劝诫大家一定要多方位核查自己即将去的公司，并且该问的问清楚了,太难了。。。在生活…

大数据 2023年11月13日
0030
CV和NLP的区别

本质（根）上没有区别，都是信息信号处理，都是高维信号的分解和组合，但是信号的结构特征有区别，所以需要不同的策略来挖掘数据信息，即使用不同的分解和组合策略； CV：图像处理纹理信息…

大数据 2023年5月28日
0058
ranger2.1.0源码编译以及安装

ranger2.1.0源码编译以及安装编译环境准备环境需求示例版本 JDK8 Java(TM) SE Runtime Environment (build 1.8.0_231…

大数据 2023年6月3日
0069
BERT参数量计算

目前，预训练模型在NLP领域占据核心地位。预训练模型的参数量是庞大的，例如BERT(base)的参数量是110M，BERT(large)的参数量是330M。为了深入认识，我决定思考…

大数据 2023年5月28日
0093

2024 年 4 月
一	二	三	四	五	六	日
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

笔记:如何使用postgresql做顺序扣减库存

如何使用postgresql做顺序扣减库存

大家都在看