精华内容
下载资源
问答
  • 对于分布式系统而言,整个集群处理请求的效率和存储容量,往往取决于集群中响应最慢或存储增长最快的节点。所以在系统设计和容量规划时,我们尽量保障集群中各节点的“数据和请求分布...
        

    640?wx_fmt=jpeg

    对于分布式系统而言,整个集群处理请求的效率和存储容量,往往取决于集群中响应最慢或存储增长最快的节点。所以在系统设计和容量规划时,我们尽量保障集群中各节点的“数据和请求分布均衡“。但在实际生产系统中,出现数据容量和请求倾斜(类似Data Skew)问题是比较常见的。

    示例:2019年春节抽奖服务,业务评估峰值qps是2w,转化到redis集群为10w qps和5GB内存存储,部署5个分片每个分片1GB+2W qps的redis集群(包含预留容量)。结果活动开始时,才发现服务存在”热点key",请求严重倾斜, 峰值时的6w qps都集中到其中一个分片,导致这分片过载,整个抽奖服务雪崩。


    redis分布式集群倾斜问题,主要分为两类:1 数据存储容量倾斜,数据存储总是落到集群中少数节点;2 qps请求倾斜,qps总是落到少数节点。

    本文主要从以下几点分析redis分布式集群倾斜:

    • redis集群出现倾斜的影响;

    • 导致redis集群倾斜的常见原因;

    • redis集群倾斜问题的排查方式;

    • 如何有效避免redis集群倾斜问题。


    redis集群出现倾斜的影响

    倾斜问题对于redis这类纯内存和单线程服务影响较大,存在以下痛点:

    • qps集中到少数redis节点,引起少数节点过载,会拖垮整个服务,同时集群处理qps能力不具备可扩展性;

    • 数据容量倾斜,导致少数节点内存爆增,出现OOM Killer和集群存储容量不具备可扩展性;

    • 运维管理变复杂,类似监控告警内存使用量、QPS、连接数、redis cpu busy等值不便统一;

    • 因集群内其他节点资源不能被充分利用,导致redis服务器/容器资源利率低;

    • 增大自动化配置管理难度;单集群节点尽量统一参数配置;

    分析完影响,那我们再看生产环境中,导致Redis集群严重“倾斜”的常见原因。

    导致Redis集群倾斜的常见原因

    一般是系统设计时,键空间(keyspace)设计不合理:

    • 系统设计时,redis键空间(keyspace)设计不合理,出现”热点key",导致这类key所在节点qps过载,集群出现qps倾斜;

    • 系统存在大的集合key(hash,set,list等),导致大key所在节点的容量和QPS过载,集群出现qps和容量倾斜;

    • DBA在规划集群或扩容不当,导致数据槽(slot)数分配不均匀,导致容量和请求qps倾斜;

    • 系统大量使用[Keys hash tags](http://redis.io/topics/cluster-spec), 可能导致某些数据槽位的key数量多,集群集群出现qps和容量倾斜;

    • 工程师执行monitor这类命令,导致当前节点client输出缓冲区增大;used_memory_rss被撑大;导致节点内存容量增大,出现容量倾斜;

    接下来,当集群出现内存容量、键数量或QPS请求量严重倾斜时,我们应该排查定位问题呢?

    Redis集群倾斜问题的排查方式

    排查节点热点key,确定top commands.

    当集群因热点key导致集群qps倾斜,需快速定位热点key和top commands。可使用开源工具[redis-faina](https://github.com/facebookarchive/redis-faina),或有实时redis分析平台更好。

    以下是使用redis-faina工具分析,可见两个前缀key的QPS占比基本各为50%, 明显热点key;也能看到auth命令的异常(top commands)。

    Overall Stats	
    ========================================	
    Lines Processed         100000	
    Commands/Sec            7276.82	
    
    	
    Top Prefixes	
    ========================================	
    ar_xxx         49849   (49.85%)	
    
    	
    Top Keys	
    ========================================	
    c8a87fxxxxx        49943   (49.94%)	
    a_r:xxxx           49849   (49.85%)	
    
    	
    Top Commands	
    ========================================	
    GET             49964   (49.96%)	
    AUTH            49943   (49.94%)	
    SELECT          88      (0.09%)


    系统是否使用较大的集合键

    系统使用大key导致集群节点容量或qps倾斜,比如一个5kw字段的hash key, 内存占用在近10GB,这个key所在slot的节点的内存容量或qps都很有可能倾斜。

    这类集合key每次操作几个字段,很难从proxy或sdk发现key的大小。

    可使用redis-cli --bigkeys 分析节点存在的大键。如果需全量分析,可使用redis-rdb-tools(https://github.com/sripathikrishnan/redis-rdb-tools) 对节点的RDB文件全量分析,通过结果size_in_bytes列得到大key的占用内存字节数。

    示例使用redis-cli 进行抽样分析:

    redis-cli  --bigkeys -p 7000	
    
    	
    # Scanning the entire keyspace to find biggest keys as well as	
    # average sizes per key type.  You can use -i 0.1 to sleep 0.1 sec	
    # per 100 SCAN commands (not usually needed).	
    [00.00%] Biggest string found so far 'key:000000019996' with 1024 bytes	
    [48.57%] Biggest list   found so far 'mylist' with 534196 items	
    -------- summary -------	
    Sampled 8265 keys in the keyspace!	
    Total key length in bytes is 132234 (avg len 16.00)	
    
    	
    Biggest string found 'key:000000019996' has 1024 bytes	
    Biggest   list found 'mylist' has 534196 items	
    
    	
    8264 strings with 8460296 bytes (99.99% of keys, avg size 1023.75)	
    1 lists with 534196 items (00.01% of keys, avg size 534196.00)


    检查集群每个分片的数据槽分配是否均匀

    下面以Redis Cluster集群为例确认集群中,每个节点负责的数据槽位(slots)和key个数。下面demo的部分实例存在不轻度“倾斜”但不严重,可考虑进行reblance.


    redis-trib.rb info redis_ip:port	
    nodeip:port (5e59101a...) -> 44357924 keys | 617 slots | 1 slaves.	
    nodeip:port (72f686aa...) -> 52257829 keys | 726 slots | 1 slaves.	
    nodeip:port (d1e4ac02...) -> 45137046 keys | 627 slots | 1 slaves.	
    ---------------------省略------------------------	
    nodeip:port (f87076c1...) -> 44433892 keys | 617 slots | 1 slaves.	
    nodeip:port (a7801b06...) -> 44418216 keys | 619 slots | 1 slaves.	
    nodeip:port (400bbd47...) -> 45318509 keys | 614 slots | 1 slaves.	
    nodeip:port (c90a36c9...) -> 44417794 keys | 617 slots | 1 slaves.	
    [OK] 1186817927 keys in 25 masters.	
    72437.62 keys per slot on average.


    系统是否大量使用keys hash tags

    在redis集群中,有些业务为达到多键的操作,会使用hash tags把某类key分配同一个分片,可能导致数据、qps都不均匀的问题。可使用scan扫描keyspace是否有使用hash tags的,或使用monitor,[vc-redis-sniffer](https://www.vividcortex.com/resources/network-analyzer-for-redis)工具分析倾斜节点,是否大理包含有hash tag的key。


    是否因为client output buffer异常,导致内存容量倾斜

    确认是否有client出现output buffer使用量异常,引起内存过大的问题;比如执行monitor、keys命令或slave同步full sync时出现客户端输入缓冲区占用过大。

    这类情况基本redis实例内存会快速增长,很快会出现回落。通过监测client输出缓冲区使用情况;分析见下面示例:

    # 通过监控client_longest_output_list输出列表的长度,是否有client使用大量的输出缓冲区.	
    redis-cli  -p 7000 info clients	
    # Clients	
    connected_clients:52	
    client_longest_output_list:9179	
    client_biggest_input_buf:0	
    blocked_clients:0	
    
    	
    # 查看输出缓冲区列表长度不为0的client。 可见monitor占用输出缓冲区370MB	
    redis-cli  -p 7000 client list | grep -v "oll=0"	
    id=1840 addr=xx64598  age=75 idle=0 flags=O obl=0 oll=15234 omem=374930608 cmd=monitor


    如何有效避免Redis集群倾斜问题

    • 系统设计redis集群键空间和query pattern时,应避免出现热点key, 如果有热点key逻辑,尽量打散分布不同的节点或添加程序本地缓存;

    • 系统设计redis集群键空间时,应避免使用大key,把key设计拆分打散;大key除了倾斜问题,对集群稳定性有严重影响;

    • redis集群部署和扩缩容处理,保证数据槽位分配平均;

    • 系统设计角度应避免使用keys hash tag;

    • 日常运维和系统中应避免直接使用keys,monitor等命令,导致输出缓冲区堆积;这类命令建议作rename处理;

    • 合量配置normal的client output buffer, 建议设置10mb,slave限制为1GB按需要临时调整(警示:和业务确认调整再修改,避免业务出错)

    在实际生产业务场景中,大规模集群很难做到集群的完全均衡,只是尽量保证不出现严重倾斜问题。

    End


    作者:卓汝林

    来源:https://mp.weixin.qq.com/s/qI1648iDvLRV9XhLvIS7hQ

    640?wx_fmt=jpeg

    扩展阅读

    SpringMVC架构浅析

    Java程序员必备的一些流程图

    滴滴 Elasticsearch 多集群架构实践

    为什么说Redis是单线程的?

    从构建分布式秒杀系统聊聊限流特技

    640?wx_fmt=jpeg

    展开全文
  • 文章目录一、单机的一致性问题解决方案二、计算平台分类三、集群四、 I/O并行I/O并行技术(设节点数为n):五、分片六、复制主从复制对等复制七、数据分布倾斜(Data-Distribution skew)处理范围中分区倾斜八、 虚拟...

    一、单机的一致性

    问题

    数据库读写速度受单机硬件的影响,硬盘的性能时影响读写的重要因素。

    解决方案

    • 纵向扩展
      提高单机的物理配置
    • 横向扩展
      添加更多的结点,节点之间用告诉网络连接,当需要更高的性能或更大的容量时,可迅速想集群中添加结点,而不会导致任何宕机。

    二、计算平台分类

    Flynn于 1972年提出了基于分而治之的思想的计算平台的Flynn分类法,主要根据数据流来分类,共分为四种类型的计算平台。

    • SISD:单指令流单数据流
    • SIMD: 单指令流多数据流
    • MISD:多指令流多数据流
    • MIMD:多指令流多数据流
      在这里插入图片描述

    以下内容即为水平扩展的方法。

    三、集群

    • 集群是紧密耦合的一些服务器或节点。这些服务器通过高速网络连接在一起作为一个工作单元。

    • 集群中每个节点都有自己的专属资源: CPU、内存和硬盘

    • 通过将任务分解成若干个小任务分配给集群中的节点服务器上,协同完成任务

    四、 I/O并行

    • 通过在多个节点(计算机)上对多个磁盘上的数据集进行分区,减少从磁盘检索数据所需的时间,主要两种形式
      1)跨节点并行
      2)一个节点跨磁盘并行

    • 水平分区一数据记录被划 分在多个节点上,即每个节点上存储一个数据子集
      1)垂直分区:例如r(A,B,C,D),主键为A, 划分为r1(A,B)和r2(A,C,D)
      2)默认是水平分区

    I/O并行技术(设节点数为n):

    • 轮询方法(Round-robin) :
      第i条记录存储到的节点为imod n.

    • Hash分区:
      选择一个或多个属性作为分区属性.
      选择取值范围为0…n-1的哈希函数h
      设i为哈希函数h应用于记录属性的计算结果,然后将记录存储在节点i

    • 范围分区:
      选择分区的属性.
      选定分区向量vector [vo,v1 …]
      设v是一条记录分区属性的值,那么1≤V1的记录分配到节点i+1; V< Vo的记录分配到节点0;V≥Vn2的记录分配到节点n-1.
      在这里插入图片描述

    五、分片

    水平的将大的数据集划分为较小的,易于管理的数据集的过程,数据切成碎片。

    • 每个碎片可以独立地为所负责的数据提供读写的服务
    • 某个查询的数据可能来自两个碎片
    • 数据分片要考虑查询模式以便碎片本身不会称为性能瓶颈

    六、复制

    多个结点上存储数据集的多个拷贝,称作副本。
    相同的数据在不同的结点上存在多个副本,提供了可伸缩性,可用性和容错性

    复制实现方法

    • 主从复制
    • 对等复制

    主从复制

    • 系统配置是主从配置环境

    • 所有数据写入主节点,持久化后复制到多个从节点。

    • 数据的写(增删改)操作访问主节点的数据,读(查询)操作访问任意节点。

    • 适用于读密集型应用

    • 需要考虑读一致性的问题
      主要解决方法有:
      1)投票机制:大多数从节点包含相同版本的记录,则声明读操作是一致的
      2)实现投票机制需要从节点之间建立可靠、快速的沟通机制

    对等复制

    • 节点之间不分主从,每个节点是对等的,每个写操作数据复制到所有对等的节点上。

    • 每个节点都可以处理读请求和写请求。

    • 对等复制容易导致写不一致问题:同时更新多个节点的同一个数据
      1)悲观并发策略:基于锁机制
      2) 乐观并发策略:不用锁,最终一致性

    • 读不一致性问题
      投票机制

    七、数据分布倾斜(Data-Distribution skew)

    • 一些节点拥有较多记录,而其他节点则拥有的记录数很少。

    • .数据分布倾斜类型
      1)属性-值倾斜
      ➢一些分区属性值出现在多个记录中
      ➢分区属性值相同的所有记录最终都在同一个分区中
      ➢范围分区和hash分区都会出现这个问题.
      2)分区倾斜
      ➢选择不当的范围分区向量可能会将太多记录分配给某些分区,而将太少记录分配给其
      3)执行倾斜
      ➢某些运算符运行的时间比其他运算符长,执行时间的差异可能会导致一些处理器空闲,而其他处理器仍然计算查询的一部分。

    处理范围中分区倾斜

    • 创建平衡的分区向量
      1)基于分区属性对数据进行排序
      2)按照如下顺序扫描数据来构造分区向量
      ➢每读取1/n的数据之后,下一个记录的分区属性值被添加到分区向量中(n表示分区数量)
      3)如果分区属性中存在重复项,则可能导致不平衡.
    • 减少代价
      ➢分区向量可以使用记录的随机样本创建
      ➢另外一种方法:采用直方图(histograms) 建立分区向量
      在这里插入图片描述

    八、 虚拟结点分区

    核心思想:假设虚拟节点的数量是实际节点倍数

    • 虚拟节点映射到真实节点

    • 使用范围分区向量跨虚拟节点划分记录
      ➢Hash分区也可以用

    • 虚拟节点映射到真实节点
      1)轮询:虚拟节点i映射到真实节点(imod n)+1
      2)映射表:映射表virtual to_ real map[]记录哪一个虚拟节点在哪一个真实节点上
      ➢允许通过将虚拟节点从加载较多的节点移动到加载较少的节点来处理倾斜
      ➢解决了数据倾斜和执行倾斜

    九、一致性HASH

    1997年由MIT的Karger等人在解决分布式Cache中提出。
    场景: 假设有N个Cache, 如何将数据对象映射到N个Cache?
    -> Hash (object) % N
    如果Cache m坏了,则所有映射到cachem的对象会失效
    -> Hash (object) % (N-1)
    如果访问负载增加,需要添加cache
    ->Hash (object) % (N+1)
    如果硬件能力增强,希望增加的节点承担更多的负载,普通hash算法难以实现

    算法原理

    1. 环形空间:共有2^32个bucket空间,首尾相接形成环

    2. 数据映射到环形hash空间
      在这里插入图片描述

    3. 使用相同的hash函数将结点(cache/server)映射到hash空间,通常用结点的ip

    4. 将数据映射到结点
      沿顺时针方向,根据数据对象的key,遇到第一个cache/server就将数据存入其中。

    5. 如果某节点server宕机
      按顺时针迁移的规则,opject2迁移至object3,其他不变
      在这里插入图片描述

    6. 如果增加新服务器
      按顺时针迁移规则,object4被迁移到server4中,其他不变。
      在这里插入图片描述

    引入虚拟结点的一致性hash

    节点分布不均匀,出现Skew问题
    设虚拟节点个数为4
    Server11, Server12, server31, server32数据对象Object到虚拟节点的对应关系Object1→server12;
    Object2 > server32
    Object3 >server31
    Object4 > server11
    虚拟节点的hash计算采用对应节点的IP地址;数字后缀的方式
    ➢例如,Server1 的IP地址为202.168.110.241
    Hash (“202.168.110.241#1" ),
    Hash (“202.168.110.241#2” )

    展开全文
  • redis-cluster

    2019-08-10 08:22:06
    呼唤集群 并发量 redis 10W/每秒 ,超过10W时,如何处理? 数据量 ...内存容量超过单机物理内存, 如何处理?...简单解决方案: 增强单机性能....顺序分区: 数据分散度易倾斜 例如: BigTable HBase 哈希分区(例如节点...

    呼唤集群

    1. 并发量

    redis 10W/每秒 ,超过10W时,如何处理?

    1. 数据量

    内存容量超过单机物理内存, 如何处理?

    1. 网络流量

    单机网络流量无法满足时如何处理?

    简单解决方案: 增强单机性能.瓶颈明显. 替代方案: 分布式(cluster)3.0版本提供

    数据分布

    数据分区

    • 顺序分区: 数据分散度易倾斜 例如: BigTable HBase
    • 哈希分区(例如节点取模): 数据高度分散,键值分布和数据无关,无法顺序访问,支持批量操作 例如: redis-cluster Memcache(一致性哈希)
    1. 节点取余 添加节点时会发生数据严重偏移, 采用多倍扩容(数据迁移量50%,稍微好点). 缺点:数据迁移量大
    2. 一致性哈希分区 哈希+顺时针(优化取余) 节点伸缩: 只影响临近节点 ,翻倍伸缩减少数据迁移量
    3. 虚拟槽分区 0-16383

    搭建集群

    • 节点

    cluster-enabled:yes

    • meet

    节点通信,所有节点之间共享消息

    • 指派槽

    为每个节点平均分配16384个槽

    • 复制

    通过主从复制实现高空,采用分片策略.

    安装

    • 原生命令安装
    1. 配置开启节点
    port
    daemonize yes
    dir
    dbfilename
    logfile
    cluster-enable yes //集群节点
    cluster-node-timeout 15000 //故障转移时间
    cluster-config-file //集群节点配置
    cluster-require-full-coverage yes //要求所有服务都正常才算正常,一般为no
    
    1. meet
    cluster meet ip port
    redis-cli -h 127.0.0.1 -p 7000 cluster meet ip port
    
    1. 指派槽
    cluster addslots slot [slot ...]
    redis-cli -h ip -p port cluster addslots {0...1222}
    
    1. 分配主从关系
    cluster replicate node-id
    redis-cli -h ip -p port cluster replicate ${node-id-7000}
    
    • 官方工具安装 redis-trib

    Ruby环境

    1. 下载安装ruby 2. 安装rubygem redis 3 安装redis-trib.rb

    集群伸缩

    客户端路由

    集群原理

    开发运维常见问题

    展开全文
  • 如何安装使用倾角仪

    2020-09-02 15:08:30
    内置NB-IoT或者4G无线通讯模块可将监测数据定时发送至指定接收服务器,也可通过内置的串行通讯接口用手机APP下载历史记录数据(可存储2000条记录,循环覆盖)及进行仪器参数配置。 采用低功耗控制技术,内置大容量一...

    概述

    本倾角仪是一种高精度、高兼容性、高可靠性的无线双轴倾角仪,采用自主研发全自动温度及线性修正模批量生产。

    可应用于大坝、铁塔、挡土墙、地面沉降、滑坡监测等基础结构建筑物的倾斜变化测量。仪器安装在被测建筑物结构表面,通过长期监测可取得结构的倾斜变化。

    内置NB-IoT或者4G无线通讯模块可将监测数据定时发送至指定接收服务器,也可通过内置的串行通讯接口用手机APP下载历史记录数据(可存储2000条记录,循环覆盖)及进行仪器参数配置。

    采用低功耗控制技术,内置大容量一次性锂电池,可保证仪器正常工作3年左右(每小时测量一次,每天发送两次,增加测量及发送频次电池使用时间会缩短)。外壳采用铝合金材质,表面氧化处理,接缝处采用密封圈和灌胶处理,防水密封性好,可长期工作于户外或恶劣环境。
    在这里插入图片描述

    安装方式

    1.水平安装

    若是混凝土结构可以使用4个M5*30膨胀螺钉直接安装在平整的被测结构表面或者埋入被测结构内部;

    若是金属结构则采用4个M5*20的螺钉将其固定在被测物体上即可。其安装示意图如图所示:
    在这里插入图片描述
    在这里插入图片描述

    水平安装示意图

    2.垂直安装

    垂直安装由垂直安装支架,无线倾角仪组成。垂直安装可用于边墙、护坡、桥墩、塔体及高层建筑物等等各种有监测建筑物的环境,首先用4个M510十字螺钉将倾角仪安装在安装支架上,混凝土环境采用4个M860的膨胀螺钉将安装支架、无线倾角仪一并固定在被测物体上;金属结构采用4个M8*20的螺钉直接将安装支架及无线倾角仪固定在被测物体上即可。安装示意图如图所示:
    在这里插入图片描述
    在这里插入图片描述

    水平安装及支架孔位安装示意图

    应用

    大坝结构监测;混凝土坝;铁塔变形;滑坡监测;开挖工程相邻建筑物安全;露天矿山平台;挡土墙;地面沉降;智慧井盖。

    展开全文
  • 内置NB-IoT或者4G无线通讯模块可将监测数据定时发送至指定接收服务器,也可通过内置的串行通讯接口用手机APP下载历史记录数据(可存储2000条记录,循环覆盖)及进行仪器参数配置。 采用低功耗控制技术,内置大容量一...
  • datasheet_scl3300-d01.pdf

    2019-11-08 15:49:11
    scl3300-d01,datasheet,数据描述表,高性能3轴倾角传感器 在倾斜测定方面具有超高性能 尺寸: 7.6×8.6×3.3mm (宽×长×高) 针对用途以及要求值可从4种模式中选择测定模式 超低噪声、高分辨率 0.001°/√Hz SPI...
  • 栈就像叠盘子,当盘子叠得太高时,就会倾斜...SetOfStacks由几个栈组成,当前一栈超出容量时,需要创建一个新的栈 来存放数据。SetOfStacks.push()和SetOfStacks.pop()的行为应当和只有一个栈时 表现的一样。 进一步
  • careercup-栈与队列 3.3

    2014-12-04 16:52:00
    3.3栈就像叠盘子,当盘子叠得太高时,就会倾斜...SetOfStacks由几个栈组成,当前一栈超出容量时,需要创建一个新的栈 来存放数据。SetOfStacks.push()和SetOfStacks.pop()的行为应当和只有一个栈时 表现的一样。 进...
  • Hadoop优化的纸上谈兵

    2020-11-07 09:44:57
    数据倾斜, 找到更好的分区方法, 或者启用合理的combine Map和Reduce数设置不合理, 例如,太多了会崩掉 Map运行太长, 导致Reduce等待太久, Map任务通常非常多, 应该设定Reduce开始时间, Map和Reduce并行执行. 小...
  • ASP.NET实现二维码(QRCode)的创建和读取

    万次阅读 热门讨论 2013-01-31 08:35:17
    QR码的三个角上有三个寻象图形,使用CCD识读设备来探测码的位置、大小、倾斜角度、并加以解码,实现360度高速识读。每秒可以识读30个含有100个字符QR码。QR码容量密度 大,可以放入1817个汉字、7089个数字、4200个...
  • QR码的三个角上有三个寻象图形,使用CCD识读设备来探测码的位置、大小、倾斜角度、并加以解码,实现360读高速识读。每秒可以识读30个含有100个字符QR码。QR码容量密度 大,可以放入1817个汉字、7089个数字、4200个...
  • 近几年来,国家政策对分布式光伏倾斜。国家能源局的“十三五”...户用光伏市场广阔,根据国家电网的统计数据显示,中国有4亿户居民,4000万户有自建房屋,其中2000万户是有能力建设光伏发电系统的,容量可以达到1...
  • 随着FTTH的广泛应用,光纤通信对于数据传输容量和速度的要求越来越高,因此产生了对高密度和低损耗的光纤连接器的高需求。 前面有一篇文章我们介绍了什么是插入损耗(Insertion Loss)和回波损耗(Return Loss)?这...
  • 利用所得关系式,根据油位高度求出理想罐容量,与实验值对比知误差不可忽略。考虑到小椭圆型储油罐本身容积较小,误差主要为罐内支架体积,为减少标定误差, 采用两种方法得到罐内支架体积与液面高度标定表。方法一...
  • 关于X射线球管的参数

    2010-06-08 17:27:00
    电参数是指球管电性能的规格数据,如灯丝加热电压和电流、最大管电压、管电流、最长曝光时间、最大允许功率和阳极热容量等。1、 最大管电压是指加于球管两极间的最高电压峰值。此值由管芯长度、形状、绝缘介质的种类...
  • 实例151 倾斜效果的文字 214 实例152 渐变效果的文字 215 实例153 缩放效果的文字 216 实例154 辉光效果文字 217 实例155 如何在图片中移动文字 220 4.7 图像动画 221 实例156 动画背景窗体 221 实例157 随鼠标移动...
  • C#程序开发范例宝典(第2版).part02

    热门讨论 2012-11-12 07:55:11
    实例151 倾斜效果的文字 214 实例152 渐变效果的文字 215 实例153 缩放效果的文字 216 实例154 辉光效果文字 217 实例155 如何在图片中移动文字 220 4.7 图像动画 221 实例156 动画背景窗体 221 实例157 随...
  • C#程序开发范例宝典(第2版).part13

    热门讨论 2012-11-12 20:17:14
    实例151 倾斜效果的文字 214 实例152 渐变效果的文字 215 实例153 缩放效果的文字 216 实例154 辉光效果文字 217 实例155 如何在图片中移动文字 220 4.7 图像动画 221 实例156 动画背景窗体 221 实例157 随...
  • 实例151 倾斜效果的文字 214 实例152 渐变效果的文字 215 实例153 缩放效果的文字 216 实例154 辉光效果文字 217 实例155 如何在图片中移动文字 220 4.7 图像动画 221 实例156 动画背景窗体 221 实例157 随...
  • 实例151 倾斜效果的文字 214 实例152 渐变效果的文字 215 实例153 缩放效果的文字 216 实例154 辉光效果文字 217 实例155 如何在图片中移动文字 220 4.7 图像动画 221 实例156 动画背景窗体 221 实例157 随...
  • 程序开发范例宝典>>

    2012-10-24 10:41:28
    实例151 倾斜效果的文字 214 实例152 渐变效果的文字 215 实例153 缩放效果的文字 216 实例154 辉光效果文字 217 实例155 如何在图片中移动文字 220 4.7 图像动画 221 实例156 动画背景窗体 221...
  • 实例151 倾斜效果的文字 214 实例152 渐变效果的文字 215 实例153 缩放效果的文字 216 实例154 辉光效果文字 217 实例155 如何在图片中移动文字 220 4.7 图像动画 221 实例156 动画背景窗体 221 实例...
  • 实例151 倾斜效果的文字 214 实例152 渐变效果的文字 215 实例153 缩放效果的文字 216 实例154 辉光效果文字 217 实例155 如何在图片中移动文字 220 4.7 图像动画 221 实例156 动画背景窗体 221 实例...
  • 语音识别的MATLAB实现

    热门讨论 2009-03-03 21:39:18
    并进而使用waveInGetDevCaps得到声卡的容量(在waveInCaps中存有该数据,对其进行地址引用,从DWORD dwFormats得到最大采样率、声道数和采样位); 创建一个叫WaveInThreadEvent的事件对象,并赋予一个Handle,叫m_...
  • 电子设计.doc

    2019-05-28 11:58:28
    0111、MCGS数据采集单片机数据传送的设计资料 0112、nrf905射频发送电路图和C程序源代码 0113、PLC控制电梯的设计论文资料 0114、PLL电路的研究及在信号产生中的应用论文资料 0115、RCC电路间歇振荡的研究资料 0116...

空空如也

空空如也

1 2
收藏数 30
精华内容 12
关键字:

倾斜数据容量