Solr-搜索引擎-入门到精通

以下是对 Apache Solr 的简介及其常用语法的快速入门指南：

一、Solr 是什么？

• 核心定位：Apache Solr 是一个基于 Lucene 的高性能、开源的搜索平台，支持全文检索、分词、高亮、聚合统计等功能。
• 核心功能：
• 全文搜索：快速检索海量文本数据。
• 数据聚合（Facet）：统计字段分布、范围、词频等。
• 分布式架构：支持水平扩展，处理 PB 级数据。
• 实时索引：支持近实时（NRT）数据更新。
• 适用场景：电商搜索、日志分析、大数据检索、推荐系统等。

二、快速安装与启动

1. 下载与启动
# 下载 Solr（以 9.x 为例）
wget https://dlcdn.apache.org/solr/solr/9.5.0/solr-9.5.0.tgz
tar -xzf solr-9.5.0.tgz
cd solr-9.5.0# 启动 Solr（单机模式）
bin/solr start
2. 创建核心（Core）
bin/solr create -c my_core

三、常用语法示例

1. 基础查询（q）

• 搜索所有文档：

q=*:*

• 指定字段搜索：

q=title:"智能手机"

• 多条件组合（布尔逻辑）：

q=title:apple AND (category:phone OR price:[1000 TO 2000])
2. 过滤查询（fq）

• 过滤特定分类：

fq=category:electronics

• 范围过滤（价格 100-500）：

fq=price:[100 TO 500]
3. 排序（sort）

• 按价格升序，评分降序：

sort=price asc, score desc
4. 分页（start 和 rows）

• 获取第 2 页，每页 10 条：

start=10&rows=10
5. 返回字段限制（fl）

• 指定返回字段：

fl=id,title,price

• 包含评分和计算字段：

fl=title,price,score,sum(price,tax) as total
6. 高亮（hl）

• 高亮标题和内容中的关键词：

hl=true&hl.fl=title,content
7. 分组（group）

• 按分类分组，每组返回前 3 条：

group=true&group.field=category&group.limit=3
8. 分面统计（facet）

• 统计分类分布和价格区间：

facet=true
&facet.field=category
&facet.range=price
&facet.range.start=0
&facet.range.end=1000
&facet.range.gap=100

四、高级功能语法

1. 使用 eDisMax 解析器
defType=edismax
&qf=title^2 content^1          # 字段加权
&bq=in_stock:true^10           # 提升库存商品
&bf=log(sales)                 # 按销量动态加权
2. 模糊搜索与通配符

• 模糊匹配（允许 1 字符差异）：

q=applle~1

• 通配符搜索：

q=title:app*     # 匹配 "apple", "application" 等
3. 函数查询

• 按时间衰减排序：

sort=recip(ms(NOW,create_time),1,1000,1000) desc

五、最佳实践

  1. 优先使用 fq 过滤：提升性能（结果可缓存）。
  2. 限制返回字段（fl）：减少网络传输开销。
  3. 避免全通配符 *:*：大数据集下性能差。
  4. 合理配置分词器：根据业务需求定制字段的分词规则。

六、总结

Solr 是一个功能强大的搜索引擎，适用于复杂查询和大规模数据场景。掌握以上语法后，可快速实现以下操作：
• 基础搜索、过滤、排序
• 聚合统计（分面、分组）
• 动态评分与高亮
• 分布式扩展与优化

通过结合 eDisMax 解析器和函数查询，能实现更灵活的搜索排序策略！

一、常用内置函数

1. 数学函数

函数

说明

示例

应用场景

abs(x)

绝对值

abs(-5)

→ 5

计算误差范围

sqrt(x)

平方根

sqrt(16)

→ 4

数据标准化处理

log(x)

自然对数

log(10)

→ 2.302

平滑指数（如销量加权）

pow(x,y)

x 的 y 次幂

pow(2,3)

→ 8

非线性评分调整

sum(x,y,...)

求和

sum(1,2,3)

→ 6

多字段数值相加

product(x,y,...)

乘积

product(2,3)

→ 6

综合权重计算

div(x,y)

除法

div(10,2)

→ 5

计算单价、比率

场景示例：

  • 商品评分加权：log(sales)*0.5 + rating*10
  • 价格区间标准化：div(price, 100) 将价格转换为百元单位。
2. 字符串函数

函数

说明

示例

应用场景

concat(str1,str2)

字符串拼接

concat("Hello","World")

→ "HelloWorld"

生成复合字段

split(str,sep)

按分隔符拆分字符串

split("A,B,C", ",")

→ ["A","B","C"]

多标签分类统计

substr(str,start,len)

截取子字符串

substr("Solr",1,2)

→ "ol"

提取部分编码字段

strdist(str1,str2,alg)

计算字符串相似度

strdist("apple","app", "jw")

→ 0.96

模糊匹配度评分

场景示例：

  • 地址模糊匹配：strdist(address, "北京市海淀区", "jw")
  • 动态生成标题：concat(brand, "-", model)。
3. 日期函数

函数

说明

示例

应用场景

now()

当前时间

now()

→ "2024-07-30T12:00:00Z"

实时数据过滤

ms(date1, date2)

计算两个日期的毫秒差

ms(now(), publish_time)

→ 86400000

时间衰减排序

dateMath(expr)

日期运算

dateMath(now()-1DAY)

动态时间范围过滤

场景示例：

  • 新闻时效性排序：recip(ms(now(), publish_time), 3.16e-11, 1, 1)
  • 过滤最近一周数据：fq=publish_date:[NOW-7DAYS TO NOW]。
4. 条件与逻辑函数

函数

说明

示例

应用场景

if(cond, trueVal, falseVal)

条件判断

if(price>100, "高价", "低价")

动态分类标记

exists(field)

判断字段是否存在

exists(description)

→ 1 或 0

过滤缺失关键字段的文档

and(x,y)

/ or(x,y)

逻辑与/或

and(in_stock, price<100)

组合布尔条件

场景示例：

  • 促销商品标识：if(is_promotion, "促销中", "无促销")
  • 过滤无效商品：fq=exists(image_url)。

二、聚合函数（Faceting）

Solr 的聚合统计通过 Facet 实现，核心函数如下：

聚合类型

说明

示例

应用场景

count

统计文档数

facet.field=category

按分类统计商品数量

sum

求和

facet.query=sum(sales)

计算总销售额

avg

平均值

facet.query=avg(price)

计算平均价格

min

/ max

最小值/最大值

facet.query=min(price)

价格区间分析

unique

唯一值计数（基数统计）

facet.query=unique(user_id)

统计独立访问用户数

range

按范围分组统计

facet.range=price&facet.range.start=0&...

价格区间分布统计

场景示例：

  • 电商数据分析：
bashfacet=true
&facet.field=category
&facet.query=sum(sales)
&facet.range=price
&facet.range.start=0
&facet.range.end=1000
&facet.range.gap=100

输出结果：

    • 各分类商品数
    • 总销售额
    • 价格在 0-100、100-200 等区间的商品数量。

三、高级应用场景

1. 综合评分排序（电商搜索）
bashq=手机&
defType=edismax&
qf=title^2 brand^1&
bf=product(log(sales), recip(price,1,1000,1000))&
fl=title,price,sales,score
  • 效果：销量高且价格低的商品排名更靠前。
2. 时间衰减排序（新闻推荐）
bashq=科技&
bf=recip(ms(NOW,publish_time), 3.16e-11, 1, 1)&
fl=title,publish_time,score
  • 效果：新发布的新闻优先展示。
3. 动态价格分段统计（数据分析）
bashfacet.range=price&
facet.range.start=0&
facet.range.end=1000&
facet.range.gap=100&
facet=on
  • 效果：统计不同价格区间的商品数量（0-100元、100-200元等）。

四、最佳实践

  1. 优先使用 fq 过滤数据：提升聚合性能。
  2. 避免复杂函数嵌套：如 sqrt(log(div(x,y))) 可能影响性能。
  3. 合理选择聚合粒度：范围查询（facet.range）的间隔（gap）不宜过小。
  4. 结合缓存机制：对高频聚合查询启用结果缓存。

日期查询【最近七天】：

在 Solr 中，日期范围查询的正确语法应使用 **NOW 和日期数学表达式**，而不是 date_math 函数。以下是修复后的语法及详细说明：

正确语法

bashcreate_time:[NOW-7DAYS TO NOW]

或（更严谨的格式，指定时间单位）：

bashcreate_time:[NOW-7DAYS/DAY TO NOW/DAY]  # 精确到天的范围

语法说明

1. 核心规则
  • **NOW**：表示当前时间（UTC 时区）。
  • **-7DAYS**：日期数学表达式，向前推 7 天。
  • **[start TO end]**：闭区间范围（包含边界值）。
  • **/DAY**：将时间截断到天级别（可选，用于对齐日期边界）。
2. 动态时间计算

表达式

含义

示例值（假设当前为 2024-07-30

）

NOW-7DAYS

7 天前的当前时刻

2024-07-23T12:00:00Z

NOW-7DAYS/DAY

7 天前的零点（UTC）

2024-07-23T00:00:00Z

NOW/DAY

当前日期的零点（UTC）

2024-07-30T00:00:00Z

3. URL 转义

在 HTTP 请求中需转义特殊字符（如 [, ], /）：

bash# 实际请求示例（注意转义方括号和斜杠）
q=create_time:%5BNOW-7DAYS%20TO%20NOW%5D

完整示例

场景：查询最近 7 天内创建的数据
bashhttp://localhost:8983/solr/your-core/select?
q=*:*&
fq=create_time:[NOW-7DAYS TO NOW]&
fl=id,create_time
结果
json{"response": {"docs": [{ "id": "1", "create_time": "2024-07-25T08:30:00Z" },{ "id": "2", "create_time": "2024-07-28T15:45:00Z" }]}
}

常见问题

1. 时区问题
  • Solr 默认使用 UTC 时区，若数据存储为本地时间（如 CST），需转换时区：
bashcreate_time:[NOW-7DAYS+8HOURS TO NOW+8HOURS]  # 假设数据为 UTC+8 时区
2. 字段类型

确保 create_time 字段类型为 Solr 日期类型（如 date 或 datePoint）。

3. 精确时间对齐

若需按天过滤（忽略时分秒），使用截断语法：

bashcreate_time:[NOW-7DAYS/DAY TO NOW/DAY]

等价于：

bashcreate_time:[2024-07-23T00:00:00Z TO 2024-07-30T00:00:00Z]

进阶用法

动态时间范围

结合参数化请求（如 $__time 占位符）：

bashcreate_time:[$__time-7DAYS TO $__time]

通过此语法，你可以精准筛选出指定时间范围内的文档，避免语法错误！

bq bf q^的区别

在 Solr 中，bq（Boost Query）、bf（Boost Function）和 q 中的 ^ 字段加权都能影响文档评分，但它们的机制和应用场景有本质区别。以下是详细对比和场景指南：

一、核心区别

功能

**q

字段加权 (title^2

)**

**bq

**

**bf

**

作用阶段

主查询的匹配评分计算阶段

主查询后，添加额外查询条件并加权

主查询后，通过函数动态调整评分

评分机制

直接影响字段的匹配得分（TF-IDF 等）

独立计算附加条件的得分，再叠加到总分

根据函数计算结果直接调整总分

适用场景

简单字段优先级调整

复杂逻辑的条件加权（如促销、库存）

动态数值计算（如时间衰减、销量加权）

语法灵活性

仅支持字段加权

支持完整 Lucene 查询语法

支持 Solr 函数表达式

二、使用场景对比

1. q 中的字段加权 (title^2)
  • 场景：明确提升某个字段的匹配权重。
  • 示例：
bashq=title:apple^2 content:apple
    • title 字段匹配 "apple" 的得分是 content 的 2 倍。
2. bq（Boost Query）
  • 场景：基于额外条件（如库存状态、分类）提升评分。
  • 示例：
bashq=title:apple&bq=in_stock:true^10
    • 主查询匹配 "apple"，库存为 true 的文档总分额外增加 10 倍。
3. bf（Boost Function）
  • 场景：根据动态数值（如时间、销量）调整评分。
  • 示例：
bashq=title:apple&bf=log(sales)^2
    • 销量越高的文档，评分提升越多（按对数计算）。

三、为什么需要 bq 和 bf？

1. 解决 q 字段加权的局限性
  • 无法处理复杂条件：
    q 中的 ^ 仅能加权字段匹配得分，而 bq 可以附加任意查询条件（如 in_stock:true AND price<100）。
  • 无法动态计算评分：
    bf 支持数学函数（如时间衰减 recip(ms(NOW,date))），直接操作评分值。
2. 提升灵活性和性能
  • 独立评分叠加：
    bq 和 bf 的评分独立于主查询，可复用缓存结果（如 fq 过滤后的文档集）。
  • 解耦业务逻辑：
    将主查询（相关性匹配）与业务规则（如促销优先级）分离，便于维护。

四、为什么需要 eDisMax？

1. 扩展 DisMax 的局限性
  • DisMax 不足：
    • 不支持通配符 (*)、模糊搜索 (~)、布尔逻辑 (AND/OR)。
    • 无法使用 bq 和 bf 等高级功能。
  • eDisMax 增强：
    • 支持所有 DisMax 功能 + 通配符、模糊搜索、函数查询。
    • 允许更复杂的评分策略（bq/bf）。
2. 典型场景
  • 电商搜索：
bashdefType=edismax
q=apple watch
qf=title^2 content^1
bq=is_promotion:true^100
bf=log(sales)^2
    • 主查询匹配关键词，促销商品和高销量商品优先排序。

五、推荐使用策略

  1. 优先使用 qf + ^：
    明确提升关键字段的匹配权重（如 title 比 content 更重要）。
  2. 复杂条件用 bq：
    需要组合多个字段或业务规则时（如 in_stock:true AND category:electronics）。
  3. 动态计算用 bf：
    依赖数值、时间等动态因素时（如新发布的文档优先）。
  4. 始终选择 eDisMax：
    除非明确需要 DisMax 的极简功能，否则优先使用 eDisMax 的扩展能力。

六、总结

  • **q 字段加权**：简单直接，适合基础相关性优化。
  • **bq**：灵活添加业务规则，适合条件叠加。
  • **bf**：动态数值计算，适合时间、销量等场景。
  • eDisMax：功能全面，是复杂搜索场景的首选解析器。

分面分组的区别

一句话总结：
• 分面：统计字段分布（如分类数量统计）
• 分组：按字段将文档归类（如按作者显示所有文章）

1. 分面（Faceting）

作用：统计字段值的分布情况。
示例：统计商品分类的数量

q=*:*&  
facet=true&  
facet.field=category

返回结果：

"facet_counts": {  "category": {  "electronics": 120,  "books": 80,  "clothing": 200  }  
}
2. 分组（Grouping）

作用：按字段将文档分组，每组显示指定数量的文档。
示例：按作者分组显示文章（每组最多3篇）

q=*:*&  
group=true&  
group.field=author&  
group.limit=3

返回结果：

"groups": {  "author": {  "groups": [  {  "groupValue": "张三",  "doclist": [{文章1}, {文章2}, {文章3}]  },  {  "groupValue": "李四",  "doclist": [{文章A}, {文章B}]  }  ]  }  
}

eDisMax vs DisMax的区别

一句话总结：
• DisMax：基础版，支持简单字段加权，不支持通配符/模糊搜索。
• eDisMax：增强版，支持通配符/模糊搜索/布尔逻辑，推荐优先使用。

1. DisMax 示例
q=apple watch&  
defType=dismax&  
qf=title^2 content

结果：
• 搜索 title 或 content 中的 "apple watch"。
• 不支持 apple* 或 apple~ 等语法。

2. eDisMax 示例
q=(apple OR samsung) AND phone~2&  
defType=edismax&  
qf=title^3 brand

结果：
• 搜索 "apple" 或 "samsung"，且包含 "phone"（允许2个字符差异）。
• 支持通配符（app*）、模糊搜索（phone~2）、布尔逻辑（AND/OR）。

三、对比总结

功能

分面（Faceting）

分组（Grouping）

DisMax

eDisMax

核心用途

统计字段分布

按字段归类文档

简单多字段搜索

高级搜索（通配符/模糊）

返回形式

统计数值（如数量）

按组返回文档列表

普通文档列表

普通文档列表

典型场景

商品分类数量统计

按作者显示所有文章

基础搜索框

复杂搜索（电商/日志）

是否改结构

不改结构，只加统计

改变结构，分组展示

-

-

一句话选型：
• 需要统计字段分布 → 分面
• 需要按字段归类文档 → 分组
• 需要通配符/模糊搜索 → eDisMax

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/899019.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

原生后台GPS位置限制，降低功耗

原生后台GPS位置限制，降低功耗

1.后台 GPS 位置限制的背景 为了控制功耗&#xff0c;Android 平台对后台应用获取位置信息的频率进行了限制。后台的定义与后台执行限制一致&#xff0c;即应用不在前台运行时被视为后台应用。 2.更新间隔限制&#xff1a; 后台应用获取位置信息的更新间隔不能超过一定阈值。…
阅读更多...
Docker 搭建 PlantUML 服务：高效生成 UML 图的最佳实践

Docker 搭建 PlantUML 服务：高效生成 UML 图的最佳实践

PlantUML 是一款开源的 UML 图形生成工具&#xff0c;它支持生成类图、时序图、用例图、活动图等多种类型的 UML 图&#xff0c;广泛应用于软件设计、文档编写以及团队沟通中。通过 Docker 安装 PlantUML&#xff0c;开发者可以快速搭建环境&#xff0c;轻松生成 UML 图&#x…
阅读更多...
简鹿办公汇总快速打开 Windows 资源管理器的几种方式

简鹿办公汇总快速打开 Windows 资源管理器的几种方式

无论你是刚开始使用电脑的新手&#xff0c;还是已经有一定经验的用户&#xff0c;了解如何在 Windows 系统中打开资源管理器都是一个非常基本且重要的技能。Windows 资源管理器&#xff08;现在称为“文件资源管理器”&#xff09;是帮助你浏览、查找和管理计算机上所有文件的主…
阅读更多...
嵌入式 python 安装

嵌入式 python 安装

下载嵌入式Python后解压 https://www.python.org/ftp/python/3.12.9/python-3.12.9-embed-amd64.zip cd python-3.12.9-embed-amd64 安装 pip .\python.exe .\get-pip.py 放开限制 嵌入式 Python 为了减少体积&#xff0c;默认会有一些限制。你需要编辑 python312._pth 文…
阅读更多...
DeepSeek底层揭秘——GEMM

DeepSeek底层揭秘——GEMM

目录 1. 什么是 GEMM&#xff1f; (1) 定义 (2) 核心目标 2. 核心功能 3. 对比传统通用矩阵乘法库 4. 技术要素 (1) 硬件感知优化 (2) 自动调优 (3) 高效内存管理 (4) 混合精度计算 5. 难点挑战&#xff08;含解决方案&#xff09; 6. 技术路径 7. 具体技术实现 8…
阅读更多...
DNA-PAINT

DNA-PAINT

参考: 【科研教程】NUPACK网页版使用教程 https://www.bilibili.com/video/BV1G94y1W7mN/NUPACK新版网页版教程-模拟部分 https://zhuanlan.zhihu.com/p/678730568NUPACK 4.0 User Guide https://docs.nupack.org/NUPACK网页版使用指南 https://zhuanlan.zhihu.com/p/55024017…
阅读更多...
小程序内表格合并功能实现—行合并

小程序内表格合并功能实现—行合并

功能介绍&#xff1a;支付宝小程序手写表格实现行内合并&#xff0c;依据动态数据自动计算每次需求合并的值&#xff0c;本次记录行内合并&#xff0c;如果列内合并&#xff0c;同理即可实现 前端技术&#xff1a;grid布局 display&#xff1a;grid 先看实现效果: axml&…
阅读更多...
计算机视觉cv2入门之角点检测

计算机视觉cv2入门之角点检测

角点是指图像中两条边缘线的交点&#xff0c;这些交点通常代表了图像中的重要特征。在计算机视觉中&#xff0c;角点检测是一种关键的技术&#xff0c;它可以帮助我们从图像中提取出这些重要的特征点&#xff0c;进而用于图像匹配、物体识别、图像拼接等多种应用。 角点检测示例…
阅读更多...
抽奖的诱惑系统注册与登录功能测试报告

抽奖的诱惑系统注册与登录功能测试报告

目录 一&#xff1a;项目背景 二&#xff1a;项目功能 &#xff08;1&#xff09; 注册功能 &#xff08;2&#xff09; 登录功能 电话 密码登录 电话 短信登录 三&#xff1a;设计测试用例 四&#xff1a;功能测试 五&#xff1a;自动化测试代码 七&#xff1a;遗留风…
阅读更多...
【多媒体交互】Unity Kinect实现UI控件的点击

【多媒体交互】Unity Kinect实现UI控件的点击

在Unity中&#xff0c;通过Kinect实现UI控件的点击功能&#xff0c;主要涉及手部追踪、坐标映射和手势检测三个核心环节。 实现步骤 初始化Kinect与关节追踪 使用KinectManager获取用户ID和手部关节点&#xff08;如JointType.HandLeft&#xff09;的坐标。 long userId _…
阅读更多...
【蓝桥杯】每日练习 Day12 贡献法

【蓝桥杯】每日练习 Day12 贡献法

前言 今天给大家带来两道贡献法的问题&#xff0c;先来讲一下什么是贡献法。 贡献法&#xff0c;与其说是一种算法&#xff0c;不如说是一种数学方法&#xff0c;是一种思维方式。 先来给大家举个例子&#xff0c;假设现在有个问题&#xff0c;需要你在一个只有小写字母的字…
阅读更多...
go test相关命令

go test相关命令

在 Go 项目中&#xff0c;go test 可以用于运行整个工程中的测试文件。以下是几种方式&#xff1a; 1. 运行当前模块或整个工程的测试 go test ./..../... 表示递归测试所有子目录中的测试文件&#xff08;*_test.go&#xff09;。适用于 Go Modules 或 GOPATH 结构的项目。 …
阅读更多...
RocketMQ 详细知识点总结

RocketMQ 详细知识点总结

RocketMQ 详细知识点总结 1. 核心概念 1.1 基础组件 Producer（生产者） 消息的发送者支持同步、异步和单向发送方式提供事务消息功能Consumer（消费者） 消息的接收者支持Push和Pull两种消费模式支持集群消费和广播消费NameServer（命名服务） 路由注册中心无状态节点，可集…
阅读更多...
文字也能生成视频？【蓝耘实践】：通义万相2.1文生视频

文字也能生成视频？【蓝耘实践】：通义万相2.1文生视频

文字也能生成视频&#xff1f;【蓝耘实践】&#xff1a;通义万相2.1文生视频 上次我们已经介绍了关于在蓝耘云平台实践通义万相的基本玩法&#xff0c;这次将介绍进阶玩法&#xff0c;也就是使用文字来生成视频。 首先我们还是先注册或者登录蓝耘云平台。 通过蓝耘平台进入流…
阅读更多...
蓝桥杯 跑步计划

蓝桥杯 跑步计划

问题描述 小蓝计划在某天的日期中出现 1 时跑 5 千米&#xff0c;否则只跑 1 千米。注意&#xff1a;日期中出现 1 不仅指年月日&#xff0c;也指星期。 请问按照小蓝的计划&#xff0c;2023 年小蓝总共会跑步锻炼多少千米&#xff1f; 例如&#xff1a; 5 月 1 日1 月 13 …
阅读更多...
K8S集群新增和删除Node节点（K8s Cluster Adds and Removes Node Nodes）

K8S集群新增和删除Node节点（K8s Cluster Adds and Removes Node Nodes）

实战&#xff1a;在已有K8S集群如何新增和删除Node节点 在Kubernetes (K8S) 集群中&#xff0c;Node节点是集群中的工作节点&#xff0c;它们运行着容器的实际实例。管理K8S集群中的Node节点&#xff0c;包括新增和删除节点&#xff0c;是一个常见且重要的操作&#xff0c;可以…
阅读更多...
ASP.NET Web的 Razor Pages应用，配置热重载，解决.NET Core MVC 页面在更改后不刷新

ASP.NET Web的 Razor Pages应用，配置热重载，解决.NET Core MVC 页面在更改后不刷新

Razor Pages应用&#xff0c;修改页面查看修改效果&#xff0c;如果没有热重载&#xff0c;改一句话跑一次&#xff0c;这个活就没法干了。 1、VS2022中的NuGet中安装RuntimeCompilation Microsoft.AspNetCore.Mvc.Razor.RuntimeCompilation 需要配套你的.net sdk版本&#x…
阅读更多...
死亡并不是走出生命 而是走出时间

死亡并不是走出生命 而是走出时间

目录 第一章 倒春寒 第二章 悖论与共生 第三章 坍缩与永恒 第四章 在时差里相爱 终章 你从未离开 第一章 倒春寒 2022年春天的扬州东关街&#xff0c;青衣在文昌阁古槐下调试着「时间胶囊」算法。这个能将人类记忆转化为数据流的程序&#xff0c;是他用三年时间对抗渐冻…
阅读更多...
网络安全基础：五类安全服务、八种安全机制与OSI七层模型的全面解析

网络安全基础：五类安全服务、八种安全机制与OSI七层模型的全面解析

目录 引言 五类安全服务 2.1 认证服务 2.2 访问控制 2.3 数据保密性 2.4 数据完整性 2.5 不可否认性 八种安全机制 3.1 加密机制 3.2 数字签名 3.3 访问控制机制 3.4 数据完整性机制 3.5 认证交换机制 3.6 流量填充机制 3.7 路由控制机制 3.8 公证机制 OSI七层…
阅读更多...
PhotoShop学习02

PhotoShop学习02

1.添加文本 这个工具栏是文字工具栏&#xff0c;快捷键是T。选择之后鼠标会变成一个竖杠外貌&#xff0c;我们可以借此在图片中写入文字。 选择后&#xff0c;上方的工具栏会变为专门调整文字工具 这个框点击旁边的小箭头可以选择我们我们电脑系统自带的字体&#xff0c;同时可…
阅读更多...
最新文章

Copyright @ 2022~2023