详细设计说明书
 
1引言
 
1.1编写目的
 


 
   本详细设计说明书，是在概要设计说明书的基础上进一步明确系统结构，详细的介绍系统的各个模块，为进行后面的编码和测试做准备。
 
          预期读者为：系统维护人员和开发人员
 


 
 
 


 
1.2背景
 


 
    待开发的系统的名称：机房收费系统
 
          本项目的任务提出者：雪下机房管理人员
 
          开发者：周小强
 


 
1.3 定义
 


 
    系统结构：对系统整体布局的宏观的描述。
 
     算法：对于程序内部流程计算的逻辑表达方式。
 


 
1.4参考资料
 


 
 《软件工程概论》 李存珠 编著 南京大学计算机系出版 2001年8月
 


 
 2程序系统的结构
 

 


 
3程序1（标识符）设计说明
 
3.1程序描述
 


 
    在本阶段逐个的描述每个程序要实现的功能，以及内部的结构和算法，为下一步的编码工作做准备。
 


 
3.2功能
 


 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
模块名称：机房管理
设计者：周小强
使用单位：机房
编程要求：
VB6.0 SQL
输入部分
处理部分
输出部分
1.     学生基本信息
2.     教师基本信息
3.     输入充值金额
4.     学生输入学号
5.     教师登录信息
将学生基本信
1.     息写入到用户信息表
2.     将教师基本信息写入到教师基本表中
3.     对学生进行充值
4.     进行上机
5.     上机值班
1.     学生基本档案
2.     教师基本档案
3.     学生充值记录
4.     消费收据
5.     值班记录
 
 
 
 
 
 


 
 
 


 
3.3性能
 


 
  精度：
 
学生上机计时消费时间要精确到秒。
对于结账方面的管理，要精确到小数两位。
 
       灵活性：
 


 
学生可以刷卡上机，也可以输入自己的卡号上机。
当出现错误的时候，给予相应的提示。
输入的数据类型要匹配一致
模块之间的设计要考虑到可移植性
 


 
时间
 


 
 如果程序运行没有反应的时间超过30秒的话，应提示要重新运行程序。
 如果在添加用户或者学生的时候，在30秒内没有反应的话，则需要重新录入数据。
 


 
3.4输入项   
 


 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
数据提示符
数据类型
取值范围
数据提示符
数据类型
取值范围
姓名
文本
 
上机时间
时间
 
班级
文本
 
下机日期
时间
 
性别
文本
男/女
下机时间
时间
 
卡号
文本
 
登录日期
时间
 
管理级别
文本
 
登录时间
时间
 
上机日期
时间
 
消费金额
货币
 
递增时间
时间
 
最少上机时间
货币
 
充值日期
时间
 
退卡金额
货币
 
退卡日期
时间
 
结账员
文本
 
充值金额
货币
 
 
 
 
 


 
3.5输出项
 


 
 输出项内容与输入项内容一致
 


 
3.6算法
 


 
售卡计算公式
 


 
      售卡张数=未结账卡数
 


 
退卡计算公式
 退卡张数=未结账退卡数目
 


 
3）充值和退卡金额
 


 
  充值金额=未结账充值金额汇总
 


 
   退卡金额=未结账退卡金额汇总
 


 
4）结账
 


 
  账目汇总=充值总金额-退卡总金额
 


 
3.7流程逻辑
 


 
上机流程

 


 
B．注册卡流程
 


 
 
 
3.8接口
 


 
 暂无
 


 
3.9存储分配
 


 
 对于数据库中的记录，将分配10完条记录的存储空间
 


 
3.10注释设计
 


 
模块首部的注释，要大体上说明模块要实现的功能
各个语句后面的注释要说明语句实现的功能
注释要规范，命名要标准
 


 
3.11限制条件
 


 
  暂无
 


 
3.12测试计划
 


 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
测试名称
测试进度安排
测试目的
测试内容
基本数据输入
系统完成后
系统功能是否达到要求
输入简单的一致的数据
非法数据输入
基本数据测试后
系统对非法数据的反应
输入一些特殊字符和字符串、边界值的数据
空字符串
非法测试以后
系统对空字符串的反应
在信息上输入空字符
 


 
3.13尚未解决的问题
 


 
      暂无
 


 

  
 
            

再分享一下我老师大神的人工智能教程吧。零基础！通俗易懂！风趣幽默！还带黄段子！希望你也加入到我们人工智能的队伍中来！https://blog.csdn.net/jiangjunshow

API详细说明
 
注释汇总
 
作用范围
API
使用位置
对象属性
@ApiModelProperty
用在出入参数对象的字段上
协议集描述
@Api
用于controller类上
协议描述
@ApiOperation
用在controller的方法上
Response集
@ApiResponses
用在controller的方法上
Response
@ApiResponse
用在 @ApiResponses里边
非对象参数集
@ApiImplicitParams
用在controller的方法上
非对象参数描述
@ApiImplicitParam
用在@ApiImplicitParams的方法里边
描述返回对象的意义
@ApiModel
用在返回对象类上
 
@RequestMapping此注解的推荐配置 
 value 
 method 
 produces
 
示例：
 
    @ApiOperation("信息软删除")
    @ApiResponses({ @ApiResponse(code = CommonStatus.OK, message = "操作成功"),
            @ApiResponse(code = CommonStatus.EXCEPTION, message = "服务器内部异常"),
            @ApiResponse(code = CommonStatus.FORBIDDEN, message = "权限不足") })
    @ApiImplicitParams({ @ApiImplicitParam(paramType = "query", dataType = "Long", name = "id", value = "信息id", required = true) })
    @RequestMapping(value = "/remove.json", method = RequestMethod.GET, produces = MediaType.APPLICATION_JSON_UTF8_VALUE)
    public RestfulProtocol remove(Long id) {
 
    @ApiModelProperty(value = "标题")
    private String  title;
 
@ApiImplicitParam
 
属性
取值
作用
paramType
查询参数类型
path
以地址的形式提交数据
query
直接跟参数完成自动映射赋值
body
以流的形式提交 仅支持POST
header
参数在request headers 里边提交
form
以form表单的形式提交 仅支持POST
dataType
参数的数据类型 只作为标志说明，并没有实际验证
Long
String
name
接收参数名
value
接收参数的意义描述
required
参数是否必填
true
必填
false
非必填
defaultValue
默认值
 
paramType 示例详解
 
path
 
 @RequestMapping(value = "/findById1/{id}", method = RequestMethod.GET, produces = MediaType.APPLICATION_JSON_UTF8_VALUE)

 @PathVariable(name = "id") Long id
 
body
 
  @ApiImplicitParams({ @ApiImplicitParam(paramType = "body", dataType = "MessageParam", name = "param", value = "信息参数", required = true) })
  @RequestMapping(value = "/findById3", method = RequestMethod.POST, produces = MediaType.APPLICATION_JSON_UTF8_VALUE, consumes = MediaType.APPLICATION_JSON_VALUE)

  @RequestBody MessageParam param

  提交的参数是这个对象的一个json，然后会自动解析到对应的字段上去，也可以通过流的形式接收当前的请求数据，但是这个和上面的接收方式仅能使用一个（用@RequestBody之后流就会关闭了）
 
header
 
  @ApiImplicitParams({ @ApiImplicitParam(paramType = "header", dataType = "Long", name = "id", value = "信息id", required = true) }) 

   String idstr = request.getHeader("id");
        if (StringUtils.isNumeric(idstr)) {
            id = Long.parseLong(idstr);
        }
 
Form
 
@ApiImplicitParams({ @ApiImplicitParam(paramType = "form", dataType = "Long", name = "id", value = "信息id", required = true) })
 @RequestMapping(value = "/findById5", method = RequestMethod.POST, produces = MediaType.APPLICATION_JSON_UTF8_VALUE, consumes = MediaType.APPLICATION_FORM_URLENCODED_VALUE)

前言：小伙伴们是用什么看日志的呢？我是用的loki，今天我跟大家分享下loki的使用，喜欢的话一键三连点收藏哦！
 


 
loki使用超详细说明
 
一、loki简介
二、Loki 使用
三、Loki语法说明
四、Loki错误信息查看
五、范围查询
六、集合运算
七、Loki Url 表达式编写
八、Loki api使用

 
一、loki简介
 
Loki是 Grafana Labs 团队最新的开源项目，是一个水平可扩展，高可用性，多租户的日志聚合系统。它的设计非常经济高效且易于操作，因为它不会为日志内容编制索引，而是为每个日志流编制一组标签。项目受 Prometheus 启发，官方的介绍就是：Like Prometheus, but for logs，类似于 Prometheus 的日志系统。
 
与其他日志聚合系统相比，Loki具有下面的一些特性：
 
不对日志进行全文索引。通过存储压缩非结构化日志和仅索引元数据，Loki 操作起来会更简单，更省成本。
通过使用与 Prometheus 相同的标签记录流对日志进行索引和分组，这使得日志的扩展和操作效率更高。
特别适合储存 Kubernetes Pod 日志; 诸如 Pod 标签之类的元数据会被自动删除和编入索引。
受 Grafana 原生支持。
 Loki 由以下3个部分组成：
 
loki是主服务器，负责存储日志和处理查询。
 
promtail是代理，负责收集日志并将其发送给 loki 。
Grafana用于 UI 展示
 
二、Loki 使用
 
切换到 grafana 左侧区域的Explore，即可进入到Loki的页面：
 

 
 然后点击Log labels就可以把当前系统采集的日志标签给显示出来，可以根据这些标签进行日志的过滤查询
 
 
三、Loki语法说明
 
选择器
 对于查询表达式的标签部分，将其包装在花括号中{}，然后使用键值对的语法来选择标签，多个标签表达式用逗号分隔，比如
 
|=：日志行包含字符串。
!=：日志行不包含字符串。
|~：日志行匹配正则表达式。
!~：日志行与正则表达式不匹配
 
# 精确匹配：|="2020-11-16 "
{app_kubernetes_io_instance="admin-service-test2-container-provider"}|="2020-11-16 "
 
# 模糊匹配：|~"2020-11-16 "
{app_kubernetes_io_instance="admin-service-test2-container-provider"}|~"2020-11-16 "
 
# 排除过滤：!=/!~ "数据中心"
{app_kubernetes_io_instance="admin-service-master-container-provider"}!="数据中心"
{app_kubernetes_io_instance="admin-service-master-container-provider"}!~"数据中心"
 
# 正则匹配： |~ "()"
{app_kubernetes_io_instance="admin-service-master-container-provider"}!~"(admin|web)"
{app_kubernetes_io_instance="admin-service-master-container-provider"}|~"ERROR|error"
 
四、Loki错误信息查看
 
先通过表达式查询出有错误的日志
 
 再根据上下文查看异常堆栈信息
 

 异常信息如下
 
 
如果行数不够，可以点击Load 10 more，点击一次将会增加10行，左边将会显示Found 20 rows
 
历史查询使用，选择历史查询记录，查询，默认保留7天查询记录
 

 分屏功能使用，根据不同标签选择器查询不同的日志
 
 
根据标签选择器，自动刷新日志
 
 
五、范围查询
 
rate：计算每秒的条目数
count_over_time：计算给定范围内每个日志流的条目
 
# 三十分钟日志行记录
count_over_time({app_kubernetes_io_instance="admin-service-master-container-web"}[30m]) 

# 12h小时内出现错误的速率
rate({app_kubernetes_io_instance=~".*master-container.*"} |~ "ERROR|error" [12h])
 
六、集合运算
 
与PromQL一样，LogQL支持内置聚合运算符的一个子集，可用于聚合单个向量的元素，从而产生具有更少元素但具有集合值的新向量：
 
sum：计算标签上的总和
min：选择最少的标签
max：选择标签上方的最大值
avg：计算标签上的平均值
stddev：计算标签上的总体标准差
stdvar：计算标签上的总体标准方差
count：计算向量中元素的数量
bottomk：通过样本值选择最小的k个元素
topk：通过样本值选择最大的k个元素
 
# 统计1个小时日志量最大的前10个服务 
topk(10,sum(rate({app_kubernetes_io_instance=~".*master-container.*"}[60m])) by(container))

# 统计最近6小时内错误日志计数
sum(count_over_time({app_kubernetes_io_instance=~".*master-container.*"}|~"ERROR"[6h])) by (container)
 
七、Loki Url 表达式编写
 
url如下：
 
 https://grafana-liwenliang.com/explore?orgId=1&left=%5B%22now-1h%22,%22now%22,%22Loki%22,%7B%22expr%22:%22%7Bapp_kubernetes_io_instance%3D~%5C%22user-service-test2-container-provider%5C%22%7D%7C~%5C%222020-11-05%5C%22%7C~%5C%22ERROR%5C%22%7C~%5C%22.com.test.scrm.%5C%22%22,%22maxLines%22:5000%7D%5D
 
分析：
 
%7C 表示|
%5C%22 表示"
时间：now-1h 可替换 now-1min或者 now-5min
项目名称：user-service-test2-container-provider 可替换为 .test2-container. 或者 event-service-test2-container-provider
查询日志：2020-11-05 可替换为 2020-11-04
删除一个管道 %7C%5C%22ERROR%5C%22%7C%5C%22.com.dadi01.scrm.%5C%22 这一段删除
最后生成的链接粘贴到浏览器访问
 
url加解密：
 
上述可通过url加解密生成最终查询url链接
 
进入指定网站中：https://www.sojson.com/encodeurl.html
 
 
上例中解密如下：
 
 https://grafana-liwenliang.com/explore?orgId=1&left=["now-1h","now","Loki",{"expr":"{app_kubernetes_io_instance%3D~\"user-service-test2-container-provider\"}|~\"2020-11-05\"|~\"ERROR\"|~\".com.test.scrm.\"","maxLines":5000}]
 
根据自定义查询语句：
 
# 根据日期查询
https://grafana-liwenliang.com/explore?orgId=1&left=["now-1h","now","Loki",{"expr":"{app_kubernetes_io_instance=~\"user-service-test2-container-provider\\"}|~\"2020-11-18\\"","maxLines":5000}]
# 加密
https://grafana-liwenliang.com/explore?orgId=1&left=%5B%22now-1h%22,%22now%22,%22Loki%22,%7B%22expr%22:%22%7Bapp_kubernetes_io_instance=~%5C%22user-service-test2-container-provider%5C%22%7D%7C~%5C%222020-11-18%5C%22%22,%22maxLines%22:5000%7D%5D

# 根据服务名称查询
https://grafana-liwenliang.com/explore?orgId=1&left=["now-1h","now","Loki",{"expr":"{app_kubernetes_io_instance=~\"data-service-test2-container-provider\\"}|~\"2020-11-18\\"","maxLines":5000}]
# 加密
https://grafana-liwenliang.com/explore?orgId=1&left=%5B%22now-1h%22,%22now%22,%22Loki%22,%7B%22expr%22:%22%7Bapp_kubernetes_io_instance=~%5C%22data-service-test2-container-provider%5C%22%7D%7C~%5C%222020-11-18%5C%22%22,%22maxLines%22:5000%7D%5D

# 根据对应的数据库查询
https://grafana-liwenliang.com/explore?orgId=1&left=["now-1h","now","Loki",{"expr":"{app_kubernetes_io_instance=~\"data-service-test2-container-provider\\"}|~\"2020-11-18\\"|~\"databaseName:scrm_test\\"","maxLines":5000}]
## 加密
https://grafana-liwenliang.com/explore?orgId=1&left=%5B%22now-1h%22,%22now%22,%22Loki%22,%7B%22expr%22:%22%7Bapp_kubernetes_io_instance=~%5C%22data-service-test2-container-provider%5C%22%7D%7C~%5C%222020-11-18%5C%22%7C~%5C%22databaseName:scrm_test%5C%22%22,%22maxLines%22:5000%7D%5D
 
加密好的url直接粘贴到浏览器中即可查询
 
八、Loki api使用
 
# 查询标签
curl -G -s "http://localhost:3100/loki/api/v1/labels" | jq

curl -G -s  "http://localhost:3100/loki/api/v1/labels" | jq .data[]
"__name__"
"app"
"app_kubernetes_io_component"
"app_kubernetes_io_instance"
"app_kubernetes_io_managed_by"
"app_kubernetes_io_name"
"app_kubernetes_io_version"
"chart"
"component"
"container"
"controller_revision_hash"
"filename"
"helm_sh_chart"
"heritage"
"job"
"k8s_app"
"name"
"namespace"
"pod"
"pod_template_generation"
"pod_template_hash"
"release"
"releaseRevision"
"statefulset_kubernetes_io_pod_name"
"stream"
"task"
 
# 根据标签查询对应标签值
curl -G -s http://localhost:3100/loki/api/v1/label/<name>/values | jq

curl -G -s  "http://localhost:3100/loki/api/v1/label/app_kubernetes_io_instance/values" | jq .data[]
"admin-service-test2-container-provider"
"admin-service-test2-container-web"
"admin-service-uat-container-provider"
"admin-service-uat-container-web"
"data-service-test2-container-provider"
"data-service-uat-container-provider"
"domain-service-test2-container-provider"
"domain-service-uat-container-provider"
"equity-service-test2-container-provider"
"equity-service-uat-container-provider"
"event-service-test2-container-provider"
"event-service-uat-container-provider"
"gateway-service-test2-container-soul-bootstrap"
"gateway-service-uat-container-soul-bootstrap"
"job-admin-service-test2-container-executor"
"job-admin-service-test2-container-web"
"job-admin-service-uat-container-executor"
"job-admin-service-uat-container-web"
"kubernetes-dashboard"
 
# 根据标签查询对应的日志
curl -G -s http://localhost:3100/loki/api/v1/query_range | jq

curl -G -s  "http://localhost:3100/loki/api/v1/query_range" --data-urlencode 'query={app_kubernetes_io_instance=~".*test2-container.*"}|~"ERROR|error"' | jq .data.result | jq .[].values[0][1]
"2020-11-18 18:08:17.149 DEBUG org.apache.coyote.http11.Http11NioProtocol - Processing socket [org.apache.tomcat.util.net.NioChannel@3bf51e7e:java.nio.channels.SocketChannel[connected local=admin-service-test2-container-web-686d7c459d-fzc7d/ remote=/]] with status [ERROR]\n"
"2020-11-18 18:10:18.876 DEBUG io.lettuce.core.protocol.RedisStateMachine - Decoded LatencyMeteredCommand [type=GET, output=ValueOutput [output=[B@cd9fe9e, error='null'], commandType=io.lettuce.core.protocol.AsyncCommand], empty stack: true\n"
"2020-11-18 18:07:03.967 DEBUG org.springframework.jdbc.datasource.DataSourceTransactionManager - Creating new transaction with name [com.test.scrm.service.mot.provider.handler.WechatOpenAuthHandler.authHandler]: PROPAGATION_REQUIRED,ISOLATION_DEFAULT,-me.chanjar.weixin.common.error.WxErrorException\n"

 
 
协方差矩阵的详细说明
 
 
 
 
 
在做人脸识别的时候经常与协方差矩阵打交道，但一直也只是知道其形式，而对其意义却比较模糊，现在我根据单变量的协方差给出协方差矩阵的详细推导以及在不同应用背景下的不同形式。
 
 
 
 
 
变量说明：
 
 
设为一组随机变量，这些随机变量构成随机向量 ，每个随机变量有m个样本，则有样本矩阵
 
 
                                                           （1）
 
 
其中 对应着每个随机向量X的样本向量， 对应着第i个随机单变量的所有样本值构成的向量。
 
 
 
 
 
单随机变量间的协方差：
 
 
随机变量 之间的协方差可以表示为
 
 
                                                                   （2）
 
 
根据已知的样本值可以得到协方差的估计值如下：
 
 
                                                           （3）
 
 
可以进一步地简化为：
 
 
                           （4）
 
 
 协方差矩阵： 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
  
 
 
                         （5）
 
 
其中 ，从而得到了协方差矩阵表达式。
 
 
如果所有样本的均值为一个零向量，则式（5）可以表达成：
 
 
    （6）
 
 
 
 
 
补充说明：
 
 
 
 
 
1、协方差矩阵中的每一个元素是表示的随机向量X的不同分量之间的协方差，而不是不同样本之间的协方差，如元素Cij就是反映的随机变量Xi, Xj的协方差。
 
 
2、协方差是反映的变量之间的二阶统计特性，如果随机向量的不同分量之间的相关性很小，则所得的协方差矩阵几乎是一个对角矩阵。对于一些特殊的应用场合，为了使随机向量的长度较小，可以采用主成分分析的方法，使变换之后的变量的协方差矩阵完全是一个对角矩阵，之后就可以舍弃一些能量较小的分量了（对角线上的元素反映的是方差，也就是交流能量）。特别是在模式识别领域，当模式向量的维数过高时会影响识别系统的泛化性能，经常需要做这样的处理。
 
 
3、必须注意的是，这里所得到的式（5）和式（6）给出的只是随机向量协方差矩阵真实值的一个估计（即由所测的样本的值来表示的，随着样本取值的不同会发生变化），故而所得的协方差矩阵是依赖于采样样本的，并且样本的数目越多，样本在总体中的覆盖面越广，则所得的协方差矩阵越可靠。
 
 
4、如同协方差和相关系数的关系一样，我们有时为了能够更直观地知道随机向量的不同分量之间的相关性究竟有多大，还会引入相关系数矩阵。