精华内容
下载资源
问答
  • 2060“碳中和”跟你有多大关系? 感谢您收看深圳卫视、爱奇艺正在直播,六个核桃独家冠名的2021时间的朋友跨年演讲。今年六个核桃推出全新产品六个核桃2430。 六个核桃匠心15年,坚持成就品质。 还要特别感谢这个...

    2060“碳中和”跟你有多大关系?

    感谢您收看深圳卫视、爱奇艺正在直播,六个核桃独家冠名的2021时间的朋友跨年演讲。今年六个核桃推出全新产品六个核桃2430。

    六个核桃匠心15年,坚持成就品质。

    还要特别感谢这个板块的知识合作伙伴,中国平安人寿保险。

    来,我给大家报个数:

    特别感谢平安的保险代理人,他们通过“繁星结点”,也就是一百多万平安代理人,把得到介绍给他们的用户,这支力量,大得吓人,就在过去两天里,平安的朋友告诉了我一个数,他们一共把得到推荐给了450万用户。就在我刚上台的时候,他们告诉我,这个数字又增长了30万。

    你看,这是一个能证明人和人的连接力量的实验。通过这个实验,平安人寿想告诉我们的,就是一件事儿:保险代理人这支力量值得信任、潜力巨大。感谢平安,感谢平安“繁星结点”中的每一位朋友!

    你看,这种合作多好。得到App借助他们的力量有机会服务了更多的同学。与此同时,平安的保险代理人在服务用户的时候,手里多了一个知识工具。通过这样的合作,让每一个社会角色都可能被重新定义。

    得到迎来了新同学,平安人寿变成了一支带有知识服务色彩的队伍,而平安的用户变成了更爱学习的人。你看多好,皆大欢喜。

    距离2021年还剩最后半小时,我们还是回到这场演讲的主题吧:“长大以后。”

    我们这代人有一个特别奇妙的体验:一个趋势,当它刚冒头的时候,特别不起眼。但是,当它真的长大以后,很多人又后悔没有上车。还记得十年前劝你买房的人吗?如果你当初爱答不理,那你现在可就是高攀不起。类似的事情,在我们这代人过去几十年的生命中,是不是反复在发生?

    那我们就来利用2020年这最后一点时间,来看看,我们身边现在有没有这种看起来很小,将来会变得很大的新变量。

    其中有一个很有意思。可能今年很多人都注意到了一条新闻,中国向世界宣布要在2060年实现“碳中和”。简单说,就是到2060年的时候,中国这片国土上,温室气体二氧化碳排放量大大下降,即使有排放,排出的部分,也会被植树造林之类的手段消化掉。
    在这里插入图片描述
    乍一看,这件事特别遥远。这条新闻在很多人眼前可能一飘也就过去了。毕竟,2060年,40年开外啊,谁知道40年之后怎么样。但是,为了准备跨年演讲,我还是专门找学者打探了一下,这个目标是咋算出来的?靠谱不靠谱?没成想,这一问,问出了一个意想不到的角度。

    专家说了,这不是算出来的,这是定出来的,这就是一个战略决心。

    先定目标,再拆任务,再看怎么干。

    在中国,你说是算出来的靠谱,还是定出来的靠谱?至少,2020年发生的几件事都在告诉我们:在中国,先定目标,再拆任务,是一个更靠谱的途径。

    比如,今年12月17日凌晨,嫦娥五号成功带回了月球的土壤样本。咱也不知道人家是怎么做的。总之,都是中国人,跟着高兴呗。但是,令人震惊的是,有人翻出了16年前的一张报纸。结果发现,整个探月计划,早在2004年就制定了,叫“绕”、“落”、“回”三步走。

    但是,假如你回到16年前,看到这个新闻,你怎么想?16年,好遥远啊。谁知道这16年里会发生什么?还有多少技术需要攻克?充满了不确定。而且整个计划也太简单了吧,就三个字,绕、落、回。感觉就像把大象装进冰箱里分三步,打开门,装进去,关上门。

    结果你猜怎么着?就在此后的16年里,整个计划被严丝合缝、半点不差地执行着。今年,完成了。现在,让我们再看一眼这三个字,绕、落、回。多么简单,又是多么坚定。

    还有一个事,今年我们跟着庆贺了一把。2020年,中国打赢了扶贫攻坚战。这事我们都知道,挺伟大,也挺不容易的。但是,如果你从历史进程中去看这件事,也会发现一个令人震惊的视角。

    要知道,定下2020扶贫攻坚战打完这个目标,是哪一年?不过是5年前,2015年啊。那一年,中国仍然有7000多万农村贫困人口、832个贫困县。谁都知道,剩到最后的,一定是最难啃的骨头。但是5年过去了,我们居然就做到了。

    你看,中国人做事,往往就是这样。先定一个难度极高的目标,高到看起来几乎不可能实现。但是,一旦实现,就是一代人,甚至是几代人的红利。有了这个超大目标之后,再汇集一切的资源、人才、精力,用一代人,甚至几代人的努力,把它实现。万维钢老师对这种现象做了一个特别有意思的概括。他说这叫“奇迹业”。
    在这里插入图片描述
    好,我们带着“奇迹业”的视角,回头再来看看“碳中和”这件事。你就会发现,它不是一个远在40年后的目标,它是我们这代人生命当中,一个实实在在的大变量。

    你信不信它会发生,这会极大地影响你在未来几十年的很多选择。现在,我请求各位,你想想你自己面对的那些命题。不管是职业选择、投资选择,还是你孩子面对的专业选择,等等。你带着这些选择,听听我下面这段话。你来感受一下,未来40年的变化,将在何种程度上,让你的选择发生偏转。

    如果2060年中国实现“碳中和”,那么,核能的装机容量是现在的5倍,风电的装机容量是现在的12倍,而太阳能装机容量会是现在的70倍。一个巨大的产业发展空间打开了。你信,还是不信?

    如果2060年中国实现“碳中和”,那意味着我们现在看到的所有的燃油车,都将退出历史。那么大的汽车产业,将完全换一套产业链、换一套规则和玩法,重来一遍。你说这会带来多大的机会?你信,还是不信?

    如果2060年中国实现“碳中和”,那意味着中国的森林一年生长量要达到10亿立方米,这比现在翻了一倍啊,森林覆盖率要稳定在26%以上,中国的生态环境会发生一次飞跃。你信,还是不信?

    如果2060年中国实现“碳中和”,那意味着整个的中国中西部地区会成为最主要的能源输出地之一。中西部地区的价值、在中国经济版图上的角色,会被重新定义。你信,还是不信?

    如果2060年中国实现“碳中和”,那意味着中国会摆脱对外部能源进口的依赖。那么所谓的马六甲困境,也就是能源运输卡脖子的问题,将不复存在。那么中国的国际地缘政治环境,也会迎来一个新局面。你信,还是不信?

    如果2060年中国实现“碳中和”,中国的能源产业将从资源属性切换到制造业属性。你知道这意味着什么?制造业啊,那是中国人的基本功,到了咱们的主场啊。凭借制造业那个可以不断优化、持续迭代、效率越来越高、成本越来越低的特性,将释放一个多么巨大的经济增长空间。你就想去吧。你信,还是不信?

    请注意,这是一副摊在桌上的“明牌”。我们这代人全部都在牌桌上。听着好像特别远,但是你算算账:我今年47。2060年,40年之后,我87岁,我其实挺有信心我还能看到这一天。而今年出生的孩子,那个时候正当40,风华正茂。他们这一生,注定会被这个新变量影响。

    除了“碳中和”,我们身边这样的变量到处都是。比如,自动驾驶,你信不信它在不久的将来会变成实用技术?再比如,数字货币,你信不信它在不久的将来会完成普及?

    无论你的答案是什么,这些变量都对我们这代人的生活产生山呼海啸般的影响。你要是让我选择,我选择信。我选择坚定地想象一个变量长大以后的样子。
    在这里插入图片描述
    刚才的三个多小时,我们梳理了这么多长大以后要完成的课题。

    1. 长大以后,我们变成一张开放的网。
    2. 长大以后,我们和系统协同进化。
    3. 长大以后,我们把卡脖子清单转化为机会清单。
    4. 长大以后,我们为世界创造新的意义容器。
    5. 长大以后,我们从身边获得力量。
    6. 长大以后,我们从未来看现在。

    在这里插入图片描述
    作为一名知识服务者,别的忙也帮不上,得到的使命是“让知识成为每个人的力量”。所以,在这新年即将到来之际,我代表得到App送给大家一份礼物。

    我们公司的CEO脱不花为大家做了一门课程,叫做《怎样成为高效学习的人》,这门课把我们这几年从各路高手身上看到的那些高效的学习方式做了一个归纳,希望对你有用。免费送给大家,大家也可以转送给你身边的朋友,特别是年轻人。现在只要打开得到App,就可以领取、下载。
    在这里插入图片描述
    各位,在2020年的最后几分钟。让我们再看一眼,我们此刻的中国。再去感受一遍,那些一直在发生的,缓慢而坚定的改变。

    这里是中国的制高点,世界屋脊,珠穆朗玛峰。2亿4000万年前,这片高原开始崛起。而就在今年,我们又重新测量了它的高度:8848.86米。这不是静止的群山,这是一股一直在向上生长的力量。

    从青藏高原一路向北,就到了新疆。当年的丝绸之路从这里通过,今天的中欧班列也从这里通过。就在今年,中欧班列就发车了12656列。这一代中国人,重新让这里成了国际运输的大动脉。

    从新疆往东,这里是腾格里沙漠,而现在,这里是中国最大的沙漠光伏电站。是这一代中国人,让洒向这片沙漠的阳光,转化为澎湃的电能,向周边汹涌而去。

    再往东,这里是陕西北部的毛乌素沙漠,它即将消失。是咱们这一代中国人,把沙漠改造成了良田。

    一路向东,再南下,这里是大上海。是咱们这一代中国人把它变成了世界上最大的港口。集装箱吞吐量超过3000万箱。2020年,上海取代了伦敦,成了国际最大的航空枢纽。

    由此继续向南。这里是粤港澳大湾区,今年深圳刚刚在这里庆祝了特区成立40周年,是咱们这一代中国人让这里成了世界上发明专利最集中的区域。

    由此向西,本来是安静的西南边陲,而现在,这里已经成为连接东南亚的交通枢纽。这一代中国人,正在这里建设一个又一个的基础设施奇迹。

    从西南,顺长江而下。就来到了我们此刻所在的武汉,九省通衢,天下之中。

    武汉拥有很多名号。今天,这里已经是“设计之都”,大量的顶级道桥工程都是由这里的工程师设计的。

    今天,这里还是世界光谷。每天申请的专利数量高达70项,全世界四分之一的光纤光缆,都来自这里。

    你看,这片古老土地上的每一个所在,都值得我们重看一遍。

    因为,是我们这一代中国人,在重新定义它的价值,在改变着它的模样。

    过去未去,未来已来。

    2021,值得期待。
    在这里插入图片描述

    展开全文
  • 数据集成就是将个数据源合并存放在一个数据存储中 数据集成的两种架构:ELT & ETL ETL就是Extract 、Transform 、Load的缩写,包括数据抽取、转换、加载三个过程,是进行数据挖掘工作之前的准备过程 Extract ...

    数据集成和数据变换

    数据集成就是将多个数据源合并存放在一个数据存储中

    数据集成的两种架构:ELT & ETL

    ETL就是Extract 、Transform 、Load的缩写,包括数据抽取、转换、加载三个过程,是进行数据挖掘工作之前的准备过程

    Extract 数据抽取是将数据从已有的数据源中提取出来

    Transform转换是对原始数据进行处理,例如将表1和表2进行链接形成一张新表,如果是三张表链接的话,先将表1和表2进行链接形成表1-2,将表1-2和表3进行链接形成新的表,再形成新的表

    根据转换发生的顺序和位置,数据集成可以分为ETL & ELT两种架构

    ETL的过程为提取–转换–加载,在数据源抽取后首先进行转换,再将转换的结果写入目的地

    ELT的过程为提取–加载–转换,在抽取后将结果先写入目的地,然后利用数据库的聚合分析能力或外部计算框架,如Spark来完成转换步骤

    未来使用ELT会越来越多,因为:

    • ELT和ETL相比,最大的区别是重抽取和加载,轻转换,可以用更加轻量的方案搭建一个数据集成平台,使用ELT方法,在提取完成之后,数据加载会立即开始,还可以使BI分析人员可无限制访问整个原始数据
    • 在ELT架构中,数据变换这个过程根据后续使用的情况,需要在SQL中进行,你可以从数据源中提取数据,经过少量预处理后进行加载,架构更简单

    使用Kettle工具来做数据集成

    ETL工具,目标是将各种数据放到一个壶里,以一种指定的格式流出

    下载地址:< https://community.hitachivantara.com/docs/DOC-1009855 >,但是使用工具之前需要安装数据库软件和Java运行环境JRE

    Kettle采用可视化方式进行操作,对数据库间的数据进行迁移,包括两种脚本:Transformation转换和job作业

    • Transformation转换:相当于一个容器,对数据操作进行了定义,数据操作就是数据从输入到输出的一个过程,在通常的工作中,把任务分解成不同的作业再把作业分解成多个转换
    • Job(作业):比转换是更大的容器,负责将转换组织起来完成某项作业

    数据变换

    正态分布也叫作常态分布,就是正常状态下呈现的分布情况

    数据变换在数据分析中的角色

    如何让不同渠道的数据统一到一个目标数据库中呢?就用到了数据变换

    在数据变换之前,需要先对字段进行筛选,然后对数据进行探索和相关性分析,然后选择算法模型,针对算法模型对数据的需求进行数据变化,完成准备工作

    数据变换通过数据平滑、数据聚集、数据概化和规范化等方式将数据转换适用于数据挖掘的形式

    • 数据平滑:去除数据中噪声,将连续数据离散化,采用分箱、聚类和回归的方式进行数据平滑
    • 数据聚集:对数据进行汇总,在SQL中有一些聚集函数,比如max()反馈某个字段的数值最大值,sum()返回某个字段你的数值总和
    • 数据概化:将数据由较低的概念抽象成为较高的概念,减少数据复杂度。比如用上海、杭州、深圳、北京概化为中国
    • 数据规范化:使属性数据按比例缩放,将原来的数值映射到一个新的特定区域中,常用的是最小-最大规范化、Z-score规范化、按小数定标规范化等
    • 属性构造:构造出新的属性并添加到属性集中,通过属性与属性的连接构造新的属性就是特征工程,比如数据表中统计每个人的英语、语文和数学成绩,构造一个总和这个属性来作为新属性

    数据规范化的几种方法

    1 Min-max规范化

    是将原始数据变换到[0,1]空间中,公式就是

    新数值 = (原数值 - 极小值)/ (极大值 - 极小值)

    2 Z-Score规范化

    考的都是一样的分数,但是满分不是一样的,如何用相同的标准来比较A与B的成绩呢?

    新数值 = (原数值 - 均值)/ 标准差

    算法简单,不受数据量级影响,易于比较,但是需要数据整体的平均值和方差,而且结果没有实际意义,只用于比较

    3 小数定标规范化

    通过移动小数点的位置来进行规范化,小数点移动多少位取决于属性A的取值中的最大绝对值

    比如属性A的取值范围是-999到88,那么最大绝对值是999,小数点移动3位,即新数值= 原数值/1000

    Python的SciKit-Learn库使用

    机器学习库,封装了比如分类、聚类、回归、降维等,还有数据变换模块

    1 Min-max规范化

    将原始数据投射到指定的空间[min,max]中,使用SciKit-Learn库中的MinMaxScaler,给定一个最大值与最小值,将原始数据投射到指定空间中,默认为[min, max] 是[0,1],即将原始数据投射到[0,1]范围内

    #例子,将数据缩放到[0,1]中,训练过程:fit_transform()
    from sklearn import preprocessing
    import numpy as np
    # 初始化数据,每一行表示一个样本,每一列表示一个特征
    x = np.array([[ 0., -3.,  1.],
                  [ 3.,  1.,  2.],
                  [ 0.,  1., -1.]])
    # 将数据进行[0,1]规范化
    min_max_scaler = preprocessing.MinMaxScaler()
    minmax_x = min_max_scaler.fit_transform(x)    //
    print minmax_x
    

    [[0. 0. 0.66666667]
    [1. 1. 1. ]
    [0. 1. 0. ]]

    最小值最大值标准化

    2 Z-Score规范化

    preprocessing.scale()函数,直接将给定数据进行规范化

    from sklearn import preprocessing
    import numpy as np
    # 初始化数据
    x = np.array([[ 0., -3.,  1.],
                  [ 3.,  1.,  2.],
                  [ 0.,  1., -1.]])
    # 将数据进行Z-Score规范化
    scaled_x = preprocessing.scale(x)
    print scaled_x
    

    将每行每列的值减去了平均值,再除以方差的结果,数值都符合均值为0,方差为1的正态分布

    3 小数定标规范化

    numpy库来计算小数点的位数

    from sklearn import preprocessing
    import numpy as np
    # 初始化数据
    x = np.array([[ 0., -3.,  1.],
                  [ 3.,  1.,  2.],
                  [ 0.,  1., -1.]])
    # 小数定标规范化
    j = np.ceil(np.log10(np.max(abs(x))))   //np.abs(x)计算数组各元素的绝对值,np.max(a)求序列的最值,最少接受一个参数,np.log10求数组各元素的以10为底的对数,np.ceil(x)计算数组各元素的ceiling值,计算大于等于改值的最小整数,ceiling向上取整,floor向下取整
    scaled_x = x/(10**j)
    print scaled_x
    

    a = np.array([-1,7,-1.5,-0.2 ,0.2 ,1.5 ,1.7,2.0])

    np.ceil(a) -> array([-1,-1,-0,1 ,2,2,2])

    数据挖掘中数据变换比算法选择更重要

    考试成绩中,我们需要让数据满足一定的规律来达到规范性的要求,便于挖掘,这是数据变换的作用

    数据变换中重点是如何将数值进行规范化,有三种规范方法:Min-Max规范化、Z-Score规范化、小数定标规范化

    属性income的最小值和最大值分别是5000元和58000元,利用Min-Max规范化映射到[0,1]中,那么属性income的16000将被转化为多少?

    from sklearn import preprocessing
    import numpy as np
    x = np.array([[5000.],[16000.],[58000.]])
    # 将数据进行[0,1]规范化
    min_max_scaler = preprocessing.MinMaxScaler()
    minmax_x = min_max_scaler.fit_transform(x)    //
    print minmax_x
    
    展开全文
  • 只是后来人类社会的不断发展,人们所要解决的问题越来越,加之人类社会的层次之分、工种之分,人们就赋予了神仙的各种各样。因此神仙也可以看作是一种当今社会现状的另外一种反映。著作《聊斋志异》。 关于...

    神仙,最初人们只是想通过这种方式来表达自己的一些愿望,很单纯。只是后来人类社会的不断发展,人们所要解决的问题越来越多,加之人类社会的层次之分、工种之分,人们就赋予了神仙的各种各样。因此神仙也可以看作是一种当今社会现状的另外一种反映。著作有《聊斋志异》。

    关于神仙的种类,归纳起来,约分五种:

    1.大罗金仙(神仙)2.天仙 3.地仙4.人仙 5.鬼仙

    鬼仙---修到死后的精灵不灭,能够长久通灵而存在于鬼道的世界中.

    人仙---修到却病延年、无灾无患、寿登遐龄.

    地仙---修到辟谷服气、行及奔马、寒暑不侵,水火不惧,具有神通.

    天仙---修到飞空绝迹,驻寿无疆,而具有种种神通.

    大罗金仙---最高能修到形神俱妙,不受生死的拘束,解脱无累,随时随地可以散聚元神.天上人间,任意寄居.

    从鬼仙以上, 层次级级加深。

    关于神仙的种类,在宋、元以后,归纳起来,约分五种:

    (1)大罗金仙(神仙)。(2)天仙。(3)地仙。(4)人仙。(5)鬼仙。初步修到死后的精灵不灭,在鬼道的世界中,能够长久通灵而存在的,便是鬼仙的成果。修到祛病延年、无灾无患、寿登遐龄的,便是人中之仙的成果。过此以上,如果修到辟谷服气、行及奔马、具有少分神异的奇迹,可以部分不受物理世界各种现象所影响,如寒暑不侵,水火不惧的,便是地仙的成果。再由此上进,修到飞空绝迹,驻寿无疆,而具有种种神通,有如《庄子》、《列子》寓言所说的境界的,才算是天仙的成果。最高能修到形神俱妙,不受世间生死的拘束,解脱无累,随时随地可以散而为炁,聚而成形,天上人间,任意寄居的,便是大罗金仙,也即是所谓神仙的极果。凡此种种,是否确有其事?或者是否有此可能?我们现在无法证明,姑且不加讨论。

    但是有一点值得特别注意的,在中国文化中儒家对于人伦道德、教育修养的最高标准是把一个普通平凡人的人格提升到迥异常人的圣贤境界,已经足够伟大。而在另一面,还有道家的学术,从宇宙物理的研究,与生理的生命功能而立论,更加提高人生的标准。道家认为一个人可以由普通愚夫愚妇的地位,而修炼升华到超人,提高人的价值,可以超越现实世界的理想,把握宇宙物理的功能,超过时间空间对立的束缚,而且早于公元前一千多年,毫无十六、七世纪以后的科学观念,便能产生他们自己独立的一套科学观点,无论它是幻想、是事实、是欺世的谎言、是有实验的经验之谈,都是值得我们瞠目相对,需要留心研究的。




    中国神仙大全

    盘古氏-又称元始天王,一名,浮黎元始天尊

    三清

    元始天尊

    灵宝天尊 又名太上道君

    道德天尊 又名太上老君(西游记里也称为太上道祖)

    六御

    中央玉皇大帝 妻:王母娘娘,又称为 西王母

    北方北极中天紫微大帝

    南方南极长生大帝,又名玉清真王,为元始天王九子。

    东方东极青华大帝太乙救苦天尊

    西方太极天皇大帝 (手下:八大元帅,五极战神(天空战神,大地战神,人中战神, 北极战神和南极战神))

    大地之母:承天效法后土皇地祗

    五方五老

    南方南极观音

    东方崇恩圣帝

    三岛十洲仙翁东华大帝君(即东王公,名金蝉氏,号木公)

    北方北极玄灵斗姆元君(佛教中二十诸天的摩利支天)

    中央黄极黄角大仙

    中央天宫仙位表

    千里眼 | 顺风耳 | 金童 | 玉女 | 雷公 | 电母(金光圣母) | 风伯 | 雨师 | 游奕灵官 | 翊圣真君 | 大力鬼王 | 七仙女 | 太白金星 | 赤脚大仙 | 广寒仙子(姮娥仙子)嫦娥 | 玉兔 | 玉蟾 | 吴刚 | 天蓬元帅 | 天佑元帅 | 九天玄女 | 十二金钗 | 九曜星 | 日游神 | 夜游神 | 太阴星君 | 太阳星君 | 武德星君 | 佑圣真君 托塔天王李靖 | 金吒 | 木吒(行者惠岸) | 三坛海会大神哪吒 | 巨灵神 | 月老 | 左辅右弼 | 二郎神杨戬 | 太乙雷声应化天尊王善王灵官 | 萨真人 | 真人(张伯端) | 文昌帝君 | 天聋 | 地哑

    三官大帝:天官 | 地官 | 水官

    四大天王

    增长天王、持国天王、多闻天王与广目天王

    四值功曹

    值年神李丙 | 值月神黄承乙 | 值日神周登 | 值时神刘洪

    四大天师

    张道陵、许逊(字敬之,号许旌阳)、邱弘济、葛洪

    四方神

    青龙孟章神君、白虎监兵神君、朱雀陵光神君、玄武执明神君。

    四渎龙神

    黄河 | 长江 | 淮河 | 济水河神

    马赵温关四大元帅

    马元帅 又名马天君,又称华光天王、华光大帝

    赵元帅 即武财神赵公明,又名赵玄坛

    温元帅 温琼,东岳大帝部将

    关元帅 关羽。

    五方谒谛:金光揭谛、银头揭谛、波罗揭谛、波罗僧揭谛、摩诃揭谛

    五炁真君

    东方岁星木德真君 | 南方荧惑火德真君 | 西方太白金德真君 | 北方辰星水德真君 | 中央镇星土德真君

    五岳

    东岳泰山天齐仁圣大帝 南岳衡山司天昭圣大帝 中岳嵩山中天崇圣大帝 北岳恒山安天玄圣大帝 西岳华山金天愿圣大帝

    (五岳帝君:东岳帝君,名金虹氏,东华帝君弟。其它四岳帝君为东华帝君的四儿子。) 及 碧霞元君

    五斗星君

    东斗星君 | 西斗星君 | 中斗星君 | 南斗星君 | 北斗星君

    六丁六甲

    六丁

    阴神玉女 | 丁卯神司马卿 | 丁已神崔巨卿 | 丁未神石叔通 | 丁酉神臧文公 丁亥神张文通 | 丁丑神赵子玉 |

    六甲

    阳神玉男 | 甲子神王文卿 | 甲戌神展子江 | 甲申神扈文长 | 甲午神卫玉卿 | 甲辰神孟非卿 | 甲寅神明文章

    南斗六星君

    第一天府宫:司命星君

    第二天相宫:司禄星君

    第三天梁宫:延寿星君

    第四天同宫:益算星君

    第五天枢宫:度厄星君

    第六天机宫:上生星君

    北斗七星君

    北斗第一阳明贪狼星君

    北斗第二阴精巨门星君

    北斗第三真人禄存星君

    北斗第四玄冥文曲星君

    北斗第五丹元廉贞星君

    北斗第六北极武曲星君

    北斗第七天关破军星君

    北斗星君的另一个称号:天枢、天璇、天玑 、天权、玉衡、开阳、摇光。 天枢、天璇、天玑、天权合起来又称为斗魁或璇,后三星组成斗柄,称杓

    八仙

    铁拐李汉钟离吕洞宾何仙姑蓝采和韩湘子曹国舅张果老

    增长天王手下八将:庞刘荀毕、邓辛张陶,其全名为 刘俊、荀雷吉、庞煜、毕宗远; 邓伯温、辛汉臣、张元伯、陶元信(四目)

    九曜星

    金星 | 木星 | 水星 | 火星 | 土星 | 罗睺(蚀星) | 计都星 | 紫炁星 | 月孛星

    十二元辰

    子丑寅卯等

    二十八星宿

    亢金龙、女土蝠、房日兔、心月狐、尾火虎、箕水豹、斗木獬、 牛金牛、氐土貉、虚日鼠、危月燕、室火猪、壁水獝、奎木狼、 娄金狗、胃土彘、昴日鸡、毕月乌、觜火猴、参水猿、井木犴、 鬼金羊、柳土獐、星日马、张月鹿、翼火蛇、轸水蚓。

    三十六天将

    蒋光 | 钟英 | 金游 | 殷郊 | 庞煜 | 刘吉 | 关羽 | 马胜 | 温琼 | 王善 | 康应 | 朱彦 | 吕魁 方角 | 耿通 | 邓伯温 | 辛汉臣 | 张元伯 | 陶元信 | 荀雷吉 | 毕宗远 | 赵公明 | 吴明远 | 李青天 | 梅天顺 | 熊光显 | 石远信 | 孔雷结 | 陈元远 | 林大华 | 周青远 | 纪雷刚 | 崔志旭 | 江飞捷 | 贺天祥 | 高克

    (三十六天将的版本是最多,以上仅供参考)

    地上天仙表

    姜子牙(亦为东华帝君,估计是木公的接班人)

    蓬莱三仙

    福禄寿三星,福神天官大帝,另一说是西汉杨成,又一说中是唐阳城

    财神赵公明、(一说比干范蠡为文财神);

    寿星南极仙翁,女寿星:麻姑

    真武大帝,又名九天降魔祖师、玄武元帅。

    龟蛇二将(又名太玄水精黑灵尊神、太玄火精赤灵尊神)

    小张太子与五大神龙

    黎山老母、镇元子

    龙王:东海龙王敖广 | 南海龙王敖钦 | 西海龙王敖闰 | 北海龙王敖顺 | 井海王

    神霄派诸神

    紫微北极大帝

    玉清真王(南极长生大帝)--元始天王第九子

    神霄八帝(多为道教虚构),玉清真王与神霄八帝合起来又称为神霄九宸大帝

    东极青华大帝、九天应元雷声普化天尊(黄帝)、九天雷祖大帝等。

    (太乙天帝、六天洞渊大帝、六波天主帝君、可韩真君、采访真君)

    九司三省与北极四圣

    九司:玉府判府真君、玉府左右待中、玉府左右仆谢、天雷上相、玉枢使相、

    斗枢上相、上清司命玉府右卿、五雷院使君、雷霆都司元命真君

    三省:雷霆泰省、雷霆玄省、雷霆都省

    北极四圣

    天蓬元帅(猪八戒) 手下天罡大圣、九天杀童大将(北斗第八星,又称天杀大神)、雷使者等。

    天佑(猷)元帅

    翊圣元帅

    玄武元帅 真武大帝

    另有:五方雷王、五方雷霆大帝

    阴曹地府

    北阴酆都大帝

    五方鬼帝

    东方鬼帝蔡郁垒、神荼,治桃止山 鬼门关

    西方鬼帝赵文和,王真人,治嶓冢山

    北方鬼帝张衡、杨云,治罗酆山;

    南方鬼帝杜子仁,治罗浮山;

    中央鬼帝周乞、稽康,治抱犊山

    罗酆六天以下为宫名,六天为守宫神)

    纣绝阴天宫、泰煞谅事宗天宫、明晨耐犯武城天宫、恬昭罪气天宫、宗灵七非天宫、敢司连宛屡天宫

    地藏菩萨

    十殿阎王:秦广王、楚江王、宋帝王、仵官王、阎罗王、 平等王、泰山王、都市王、卞城王、转轮王

    其这将、臣

    首席判官崔府君、钟魁、黑白无常、牛头马面、孟婆神、

    上古神话诸神

    混沌天神--较正式的说法,盘古为开天辟地之始神,但仍有部分传说中,混沌早于盘古

    而生。

    创世神

    天吴、毕方、据比、竖亥、烛阴、女娲

    上古四方天帝与辅神

    太阳神炎帝与火神祝融共同治理天南一万二千里的地方

    少昊与水神共工建立天西一万二千里的地方

    颛顼与海神禺强(又名冬神玄冥)治理天北一万二千里的地方

    青帝伏羲与九河神女华胥氏及属神句芒治理天东一万二千里的地方

    黄帝时代的诸神

    陆吾、英招、离珠、金甲神

    蚩尤、风伯雨师、赤松子、力牧、神皇、风后、应龙、魃、夸父、大力神夸娥氏、

    大庭氏、五龙氏

    炎帝,又称为神农氏

    炎帝的女儿

    女娃(后化身精卫鸟)

    少昊母为皇娥、长子春神句芒、次子秋神蓐收

    颛顼的后代

    四子:虐鬼、魍魉、送穷鬼、梼杌

    后代:老童、太子长琴、黎、重、彭祖(孙)

    帝俊

    天上妻子:羲和、常羲

    人间妻子(省略)

    女丑、羿

    鲧 妻:女喜。

    又名:放勋, 妻女皇;

    姓姚,名重华,妻娥皇,女英;

    ,父鲧,妻女娇,又名涂山氏,系九尾白狐精

    三皇

    指天地人三皇,分别是伏羲神农与女娲。

    五帝

    通常指 黄帝 | 颛顼 | 帝俊 | 尧 | 舜

    其它--后天著名仙真表

    房中之祖--彭祖 | 纵横始祖--鬼谷子 | 文始真人--尹喜 | 南华真人--庄子

    求仙使者--徐福 | 茅山仙祖--三茅真君 | 万古丹王--魏伯阳 | 太极真人--刘安

    诙谐岁星--东方朔 | 太平教主--于吉 | 役使鬼神--费长房 | 竹林狂士--嵇康

    水府仙伯--郭璞 | 净明教主--许逊 | 蓬莱(都)水监--陶弘景 | 天师--寇谦之

    情仙--裴航 | 扶摇子--陈抟 | 显化真人--张三丰

    王重阳与全真七子(长春子丘处机、玉阳子王处一、广宁子郝大通、 清净散人孙不二、长生子刘处玄、长真子谭处端、丹阳子马钰)

    其它--民间神灵不完全列表

    天妃娘娘 | 城隍 | 土地神 | 门神 秦叔宝、尉迟敬德

    床神(又分床公床母,前者又称九天监生明素真君,后者又称九天卫房圣母天君)

    喜神 | 厕神紫姑 | 石敢当 | 小儿神项橐 | 朱天大帝崇帧 | 茶神陆羽 |

    花神 | 染织二圣梅、葛 | 酒神杜康 | 土工祖师神鲁班 | 纺织神黄道婆 |

    蚕神马头娘(山海经载为西陵氏,嫘祖) | 狱神皋陶 | 梨园神唐明皇

    马神 | 青蛙神白玉蟾 | 驱蝗神刘猛(取猛将军之意) | 蛇王施相公(施全) |

    痘神张帅 | 农神后稷

    瘟神:又称五鬼或五方力士,人间又有称五瘟,其中春瘟张元伯、夏瘟刘元达、

    秋瘟赵公明、冬瘟钟士贵、总管中瘟史文业。

    窑神太上老君 | 贼神时迁 | 穷神 | **神管仲 | 武穆王岳飞 | 周公、桃花女 |

    欢喜神和合二仙寒山、拾得

    西天灵山仙佛表

    三世佛:南无过去、现在、未来

    注:通常三世佛分横三世佛与竖三世佛。

    竖三世佛

    过去佛的燃灯上古佛,加上现在世的释迦佛(原名:悉达多),以及未来

    世的弥勒佛

    横三世佛

    中间是释迦牟尼佛,右有文殊菩萨,左立普贤菩萨

    右边是西方极乐世界的阿弥陀佛,两旁是观世音菩萨和大势至菩萨;

    左边为东方净琉璃世界的药师佛,两旁日光菩萨和月光菩萨。

    (因都有如来在,所以本文中就不增加三世佛这个名词.西游原著里,提

    及了南无过去现在未来佛,本书中称之为三世佛。)

    四大金刚

    五台山秘魔岩神通广大泼法金刚

    峨眉山淸凉洞法力无量胜至金刚

    须弥山摩耳崖毗卢沙门大力金刚

    昆仑山金雫岭不坏尊王永住金刚

    五方佛:

    东方不动(身)佛;南方宝生佛;中央毗卢遮那佛; 西方阿弥陀佛;北方不空成就佛。

    八菩萨

    观音菩萨普贤菩萨文殊菩萨地藏王菩萨、 灵吉菩萨、大势至菩萨、日光菩萨、月光菩萨

    十大弟子

    舍利弗智慧第一 | 目犍连神通第一 | 阿难陀多闻第一 | 优波离持戒第一

    阿那律天眼第一 | 大迦叶头陀第一 | 富楼那说法第一 | 迦旃延论议第一

    罗睺罗密行第一 | 须菩提解空第一

    十八罗汉

    托塔罗汉 | 探手罗汉 | 过江罗汉 | 芭蕉罗汉 | 静座罗汉 | 骑象罗汉 | 看门罗汉 | 降龙罗汉 | 举钵罗汉 | 布袋罗汉 | 长眉罗汉 | 开心罗汉 | 喜庆罗汉 | 挖耳罗汉 | 笑狮罗汉 | 伏虎罗汉 | 沉思罗汉 | 骑鹿罗汉 |

    十八伽蓝

    美音 | 梵音 | 天鼓 | 叹妙 | 叹美 | 摩妙 | 雷音 | 师子 | 妙叹

    梵响 | 人音 | 佛奴 | 颂德 | 广目 | 妙眼 | 彻听 | 彻视 | 遍视

    二十诸天

    日天(又名日宫天子)| 大梵天 | 多闻天 | 金刚密迹 | 鬼子母神;

    月天 (又名月宫天子) | 帝释天 | 持国天 | 大自在天 | 摩利支天;

    (大)辩才天 | (大)功德天 | 增长天 | 散脂大将 | 婆竭龙王;

    韦驮天(战神塞犍陀) | 坚牢地神 | 广目天 | 菩提树神 | 阎摩罗王。

     

    今天为了新房安装开关,插座忙活了一天:) 。
    晚上到论坛上四处转转,发现上面这个文章,收藏到家里吧,很少有这么全的分类,也算是中国古典文化的一种积淀吧!

     

    转载于:https://www.cnblogs.com/Apolloge/archive/2006/07/16/452480.html

    展开全文
  • 12 数据集成:这些大号一共20亿粉丝? 数据集成:就是将个数据源合并存放在一个数据存储中(如数据仓库),从而方便后续的数据挖掘工作。 大数据项目中的数据集成包括:数据清洗、数据抽取、数据集成和数据变换...

    12 数据集成:这些大号一共20亿粉丝?

    • 数据集成:就是将多个数据源合并存放在一个数据存储中(如数据仓库),从而方便后续的数据挖掘工作。
    • 大数据项目中的数据集成包括有:数据清洗、数据抽取、数据集成和数据变换等操作。这是因为数据挖掘前我们的数据往往分布在不同的数据源中,需要考虑字段表达式是否一样,以及属性是否冗余。

    数据集成的两种架构:ELT和ETL

    • 一般来说,数据工程师的工作包括了数据的ETL和数据挖掘算法的实现。
    • 什么是ETL呢?E是Extract(抽取)、T是Transform(转换)、L是Load(加载)三个过程。
      • 抽取是将数据从已有的数据源中提取出来。
      • 转换是对原始数据进行处理。
      • 加载是将经转换后的数据写到新的目的地。
    • 根据转换发生的顺序和位置,数据集成可以分为ETL和ELT两种架构。
      • ETL的过程为提取——转换——加载,在数据源抽取后首先进行转换,然后再将转换的结果写入目的地。
      • ELT的过程为提取——加载——转换,在抽取后将结果先写入目的地,然后再利用数据库的聚合分析能力或外部计算框架,来完成转换的步骤。
      • 目前主流架构是ETL,但未来使用ELT作为数据集成架构将越来越多。这样做为带来多种好处:
        • ETL和ELT相比,最大的区别是“重抽取和转换,轻转换”,从而可以使用更轻量的方案搭建一个数据集成平台。在提取完成好,数据加载会立即开始。一方面更省时,另一方面ELT允许BI分析人员无限制地访问整个原始数据,给分析师提供更大的灵活性,使之更好地支持业务。
        • 在ELT架构中,数据转换这个过程根据后续使用情况需要在SQL中进行,而不是在加载阶段进行。这样做的好处是你可以从数据源中提取数据,经过少量预处理后进行加载。这样的架构更将单,使分析人员更好地了解原始数据的转换过程。

    ETL工具有哪些?

    • 商业软件有:Informatica PowerCenter、IBM InfoSphere DataStage、Oracle Data Integrator等。
    • 开源软件有:Kettle、DataX、Sqoop等。

    Kettle工具的使用

    • Kettle是一款国外开源的ETL工具,纯Java编写,可在Windows或Linux系统上运行,不需要安装即可使用。
    • 使用Kettle之前需要安装数据库软件和Java运行环境即JRE
    • Kettle包括有两种脚本:分别是Transformation转换和Job作业。
      • Transformation(转换):类似于一个容器,用于对数据操作进行定义。这里的数据操作指的是数据从输入到输出的一个过程。通常工作中,我们把任务分解为不同的作业,然后再将作业分解为多个转换。
        • Transformation可以分为三个步骤:包括输入、转换和输出
        • Transformation包括两个主要概念:Step(步骤)和Hop(跳跃线)。
          • Step:是转换的最小单元,每一个Step完成一个特定的功能。
          • Hop:用来在转换中连接Step,代表了数据的流向。
      • Job(作业):是一个比转换更大的容器,它负责将转换组织起来完成某个作业。
        • Job包括两个概念:Job Entry(工作实体)、Hop(跳跃线)。
          • Job Entry:是Job内部的执行单元,每一个Job Entry都是用来执行具体的任务。
          • Hop:连接Job Entry的线,并且它可以指定是否有条件地执行。
    • 在Kettle中,你可使用Spoon,它是一种图形化的方式,可让你设计Job和Transformation,并且可以保存为文件或保存在数据库中。
    • 案例一:如何将文本文件内容转化到MySQL中
      • 在我跟着操作过程之前,总结了一些注意的要点:首先安装Kettle,以及安装JRE环境,推荐安装Java的JDK,因为安装好JDK后就含有了JRE环境,安装好Java后,配置环境变量,可自行网上查询,安装好数据库,我这里采用的是MySQL,在MySQL中创建一个“wucai”数据库,并创建一个“score”表,创建语句放入下方。
      • 第一步:打开Kettle后,点击左边框中的“转换——》右击新建”;
      • 第二步:在核心对象一栏搜索“文本文件输入”控件,或打开“输入”功能中找到“文本文件输入”,直接拖拽到右侧工作区;
      • 第三步:从左侧搜索“表输出”或“输出”功能栏中找到“表输出”,拖拽至工作区;
      • 第四步:鼠标在“文本文件输入”控件上停留,在弹窗中选择箭头向右图标,鼠标拖拽至“表输出”控件即可,将一条连线连接到两个控件上。或者选中“文本文件输入”控件,并按住shift键,鼠标拖拽到“表输出”控件即可;
      • 第五步:双击“文本文件输入”控件,从浏览中导入已经准备好的文本文件,并点击增加按钮,再确认即可,然后选择”内容“项,分隔符选用Insert Tab。选中“字段项”——》获取字段后,点击确定,再确定即可;
      • 第六步:双击“表输出”控件,从“数据库连接处点击右侧Wizard…”——》输入数据库连接名称“wucai”,选择数据库连接类型“MySQL”点击Next,输入服务器主机名称,由于这里使用的是本地,直接写“localhost”即可,输入数据库名称“wucai”,点击Next,输入MySQL用户名,密码,并测试数据库连接。(在测试数据库连接功能时可能会出现问题,我会把我遇到的问题记录下方以及解决方法)点击Finish,然后填写上目标表为score。
      • 第七步:创建数据库字段的对应关系,需要双击“表输出”,选择“数据库字段”项,将我们的表字段(我们文本文件中的字段)和流字段(输出到数据表中的字段)填好后确定。这里的字段包括有name、create_name、Chinese、English、Math。
      • 第八步:点击工作台左上角的执行图标即可。
      • 这样我们就完成了从文本文件到MySQL数据库的转换。我们可去数据库查询。
    • 阿里开源软件:DataX
      • 以往的数据库中,数据库都是两两之间的转换,没有统一标准。
      • 但DataX可以实现跨平台、跨数据库、不同数据库之间的数据同步和交互,它将自己作为标准,只需要不同的插件即可连接不同的数据源,并完成它们之间的转换。
      • 所以DataX的模式是框架+插件完成的。
      • 在这个框架中,Job作业被Splitter分割器分成了许多小的作业Sub-Job。在DataX中,通过两个线程缓冲池来完成读和写的操作。读和写都是通过Storage完成了数据的交换。比如在读模块。切分后的小作业将数据从源头转载到DataXStorsge,然后在写模块,数据从DataXStorage导入到目的地。
      • 这样带来的好处就是在整体框架下,我们可以对读和写进行插件的补充,如MySQL导入到Oracle中,就只需要扩充上MySQLReader和OracleWriter插件即可使用。
    • Apache开源软件Sqoop
      • Sqoop是一款由Apache基金会开发的分布式系统基础架构的开源工具。它主要是用来在Hadoop和关系型数据库中传递数据用的。通过Sqoop,我们可以很方便的将数据从关系型数据库中导入到HDFS上,或者从HDFS上导出到关系型数据库中。
      • Hadoop是一个分布式文件系统,即HDFS。Hadoop框架最核心的设计就是HDFS和MapReduce。HDFS提供了海量数据的存储功能,MapReduce则提供了海量数据的计算功能。
    # 采用CMD方式登录   Windows + R
    mysql -uroot -p 数据库密码
    
    # 创建数据库 wucai
    CREATE DATABASE wucai;
    
    # 查询数据库
    show databases;
    
    # 切换/进入数据库 wucai
    use wucai;
    
    # 创建数据库表 score。包含 create_time、name、Chinese、English、Math 五个字段。
    create table score (create_time varchar(255), name varchar(255), Chinese varchar(255), English varchar(255), Math varchar(255));
    
    # 查询数据库表
    show tables;
    

    报错点以及解决方法:

    1. 在Kettle导入文件字段时,报错“DOS format was specified but only a single line feed character was found, not 2”
    
    # 解决方法:在文本文件输入框中————》内容————》格式换为“Unix”或“mixed”,不要使用DOS再试一下即可。
    
    
    2. 在选用表输出模块时————》点击wizard后选好数据库mysql选好数据表————》写好数据库的用户名、用户密码————》测试连接时报以下错误
    错误连接数据库 [wucai] : org.pentaho.di.core.exception.KettleDatabaseException: 
    Error occurred while trying to connect to the database
    
    Driver class 'org.gjt.mm.mysql.Driver' could not be found, make sure the 'MySQL' driver (jar file) is installed.
    org.gjt.mm.mysql.Driver
    
    
    org.pentaho.di.core.exception.KettleDatabaseException: 
    Error occurred while trying to connect to the database
    
    Driver class 'org.gjt.mm.mysql.Driver' could not be found, make sure the 'MySQL' driver (jar file) is installed.
    org.gjt.mm.mysql.Driver
    
    
    	at org.pentaho.di.core.database.Database.normalConnect(Database.java:477)
    	at org.pentaho.di.core.database.Database.connect(Database.java:373)
    	at org.pentaho.di.core.database.Database.connect(Database.java:344)
    	at org.pentaho.di.core.database.Database.connect(Database.java:334)
    	at org.pentaho.di.core.database.DatabaseFactory.getConnectionTestReport(DatabaseFactory.java:83)
    	at org.pentaho.di.core.database.DatabaseFactory.getConnectionTestResults(DatabaseFactory.java:112)
    	at org.pentaho.di.core.database.DatabaseMeta.testConnectionSuccess(DatabaseMeta.java:2843)
    	at org.pentaho.di.ui.core.database.dialog.DatabaseDialog.test(DatabaseDialog.java:110)
    	at org.pentaho.di.ui.core.database.wizard.CreateDatabaseWizardPage2.test(CreateDatabaseWizardPage2.java:157)
    	at org.pentaho.di.ui.core.database.wizard.CreateDatabaseWizardPage2$3.widgetSelected(CreateDatabaseWizardPage2.java:147)
    	at org.eclipse.swt.widgets.TypedListener.handleEvent(Unknown Source)
    	at org.eclipse.swt.widgets.EventTable.sendEvent(Unknown Source)
    	at org.eclipse.swt.widgets.Display.sendEvent(Unknown Source)
    	at org.eclipse.swt.widgets.Widget.sendEvent(Unknown Source)
    	at org.eclipse.swt.widgets.Display.runDeferredEvents(Unknown Source)
    	at org.eclipse.swt.widgets.Display.readAndDispatch(Unknown Source)
    	at org.eclipse.jface.window.Window.runEventLoop(Window.java:820)
    	at org.eclipse.jface.window.Window.open(Window.java:796)
    	at org.pentaho.di.ui.core.database.wizard.CreateDatabaseWizard.createAndRunDatabaseWizard(CreateDatabaseWizard.java:131)
    	at org.pentaho.di.ui.trans.step.BaseStepDialog$4.widgetSelected(BaseStepDialog.java:738)
    	at org.eclipse.swt.widgets.TypedListener.handleEvent(Unknown Source)
    	at org.eclipse.swt.widgets.EventTable.sendEvent(Unknown Source)
    	at org.eclipse.swt.widgets.Display.sendEvent(Unknown Source)
    	at org.eclipse.swt.widgets.Widget.sendEvent(Unknown Source)
    	at org.eclipse.swt.widgets.Display.runDeferredEvents(Unknown Source)
    	at org.eclipse.swt.widgets.Display.readAndDispatch(Unknown Source)
    	at org.pentaho.di.ui.trans.steps.tableoutput.TableOutputDialog.open(TableOutputDialog.java:888)
    	at org.pentaho.di.ui.spoon.delegates.SpoonStepsDelegate.editStep(SpoonStepsDelegate.java:120)
    	at org.pentaho.di.ui.spoon.Spoon.editStep(Spoon.java:8814)
    	at org.pentaho.di.ui.spoon.trans.TransGraph.editStep(TransGraph.java:3287)
    	at org.pentaho.di.ui.spoon.trans.TransGraph.mouseDoubleClick(TransGraph.java:785)
    	at org.eclipse.swt.widgets.TypedListener.handleEvent(Unknown Source)
    	at org.eclipse.swt.widgets.EventTable.sendEvent(Unknown Source)
    	at org.eclipse.swt.widgets.Display.sendEvent(Unknown Source)
    	at org.eclipse.swt.widgets.Widget.sendEvent(Unknown Source)
    	at org.eclipse.swt.widgets.Display.runDeferredEvents(Unknown Source)
    	at org.eclipse.swt.widgets.Display.readAndDispatch(Unknown Source)
    	at org.pentaho.di.ui.spoon.Spoon.readAndDispatch(Spoon.java:1384)
    	at org.pentaho.di.ui.spoon.Spoon.waitForDispose(Spoon.java:7949)
    	at org.pentaho.di.ui.spoon.Spoon.start(Spoon.java:9331)
    	at org.pentaho.di.ui.spoon.Spoon.main(Spoon.java:710)
    	at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    	at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
    	at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    	at java.lang.reflect.Method.invoke(Method.java:498)
    	at org.pentaho.commons.launcher.Launcher.main(Launcher.java:92)
    Caused by: org.pentaho.di.core.exception.KettleDatabaseException: 
    Driver class 'org.gjt.mm.mysql.Driver' could not be found, make sure the 'MySQL' driver (jar file) is installed.
    org.gjt.mm.mysql.Driver
    
    	at org.pentaho.di.core.database.Database.connectUsingClass(Database.java:520)
    	at org.pentaho.di.core.database.Database.normalConnect(Database.java:461)
    	... 45 more
    Caused by: java.lang.ClassNotFoundException: org.gjt.mm.mysql.Driver
    	at java.net.URLClassLoader.findClass(URLClassLoader.java:381)
    	at java.lang.ClassLoader.loadClass(ClassLoader.java:424)
    	at java.lang.ClassLoader.loadClass(ClassLoader.java:357)
    	at org.pentaho.di.core.database.Database.connectUsingClass(Database.java:495)
    	... 46 more
    
    主机名       : localhost
    端口           : 3306
    数据库名:wucai
    
    # 解决方法为:缺少mysql的驱动包,在https://dev.mysql.com/downloads/connector/j/链接下下载驱动包,解压后,将mysql-connector-java-5.1.48.jar包放到。。\Kettle\pdi-ce-8.3.0.0-371\data-integration\lib,即Kettle下的lib文件下,从新启动Kettle即可。
    
    

    文本文件内容为:

    create_time name Chinese English Math
    2018/12/22 ZhangFei 66 65 30
    2018/12/22 GuanYu 95 85 98
    2018/12/22 ZhaoYun 93 92 96
    2018/12/22 HuangZhong 90 88 77
    2018/12/22 DianWei 80 90 90

    它们之间的切割符为Tab键

    展开全文
  • 你的程序有多大

    2008-05-01 21:36:00
     一个jre几十兆,若是工程,带个jdk也无所谓,如果你自己的类文件一共还没有1兆,就要带个几十兆的jre,你能接受么? 如果你想分发你的小程序,那么我们来进行jre瘦身吧! 看看我们的HelloWorld最小能小。 ...
  • 索引的作用有多大

    2010-06-02 11:56:00
    昨天在调程序的时候,要查询数据,使用去年写好的SQL语句,应该没有问题,但是执行的时候...一共就3000条记录,执行37分钟,肯定问题!! 开始分析SQL语句,调整了Where语句中的条件的顺序,希望能够有用,但...
  • RX 6700 XT内含40组CU单元,每个CU计算单元内拥有64个流处理器,一共有2560个流处理器,虽然在CU单元和流处理器的个数方面与上代的RX 5700 XT保持了一致 选RX6700XT还是RX6800,选显卡抄这些点很重要!看完你就知道了 ...
  • 百度链接,总大小1个G; 吴恩达course 机器学习视频课带讲义!!一共131个文件,包括十几个讲义pdf; 本人研究生一枚 上传的所有资源都亲自用过 好用才会上传 如果不能用 留下邮箱 看到后会尽快联系帮忙
  • RX 6700 XT内含40组CU单元,每个CU计算单元内拥有64个流处理器,一共有2560个流处理器,虽然在CU单元和流处理器的个数方面与上代的RX 5700 XT保持了一致,但是晶体管数量要比RX5700 XT,达到了172亿个,显存...
  • 澳大利亚知名安全研究员Troy Hunt于昨日(1月17日)通过自己的个人网站发文称,有多位粉丝在上周与他进行了联系,告知他“深受欢迎的云存储服务MEGA无意间暴露了大量的文件”。经Troy Hunt证实,遭泄露的文件超过1.2...
  • 一直以来我也只是直观感觉延时并不是很长,但没有做过详细的统计,今天统计一下通过上一篇文章分享的方法获取的实时数据,究竟延时有多大。今天实验用的数据是今天(2017-12-12)使用服务器脚本获取的实时数据的一...
  • 棋盘一共有N行M列,我们可以把左上角的格子定为(1,1),右下角的格子定为(N,M)。在他们的规则中,“王”在棋盘上的走法遵循十字路线。也就是说,如果“王”当前在(x,y)点,小度在下一步可以移动到(x+1, y), (x-1, y),...
  • IO路复用之epoll

    2021-05-23 13:36:23
    创建一个epoll的句柄,size用来告诉内核这个监听的数目一共有多大。这个参数不同于select()中的第一个参数,给出最大监听的fd+1的值。需要注意的是,当创建好epoll句柄后,它就是会占用一个fd值,在linux下如果查看/...
  • 目标跟踪领域的数据集(Lasot,Got10k,TrackingNet)有多大 Lasot 一共有56个压缩包,共192.3GB. 压缩包中是啥呢? 以airplane为例,它是这样的: 再往里是这样的: 再往里img中是这样的: groundtruth.txt是...
  • IO路转接 -- epoll

    2018-06-06 17:18:57
    epoll epoll 是Linux特有的I/O复用函数 它使用一组函数来实现对应任务. ...创建一个epoll的句柄,size用来告诉内核这个监听的数目一共有多大。 需要注意的是,当创建好epoll句柄后,它就是会占用一个fd值,在l...
  • 问题:把2019分解成3个各不相同的正整数之和,并且要求每个正整数都不包含数字2和4,一共有多少种不同的分解方法? 注意:交换3个整数的顺序被视为同一种方法,例如 1000+1001+18和1001+1000+18被视为同一种。 ...
  • 作者,W同学,未明学院学员 在未明学院完成课程的学习后,成功拿下上汽通用五菱汽车股份有限公司数据工程师offer和香港城市大学资讯ISM研究生offer ...1.2017.7-2018.5 广州联通-战略客户部-客户经理 2.201...
  • Java的原始数据类型一共就8个,分别... 在java中一个类只能一个直接父类,但是可以实现个接口,在继承的同时可以实现接口,之所以取消继承的原因是继承使得代码产生很问题,而使用单一继承则可以使代码更...
  • 本文实例为大家分享了python实现张图片拼接成图的具体代码,供大家参考,具体内容如下 上次爬取了马蜂窝的游记图片,并解决了PIL模块...IMAGE_ROW = 5 # 图片间隔,也就是合并成一张图后,一共有几行 IMAGE_COLUMN
  • 现在一级分类 一共有6类 我做的6张表 但是每个表必须有四个字段 表示4个分类等级 现在我要做一个程序 来维护这6张表 就是增删改查 感觉都好做 做成6个小模块 每个模块 对应一个1级分类 就是增删改查 都是二三四级...
  • 放大电路的 元件是三极管,所以要对三极管要一定的了解。用三极管构成的放大电路的种类较,我们用常用的几种来解说一下(如图 1)。图 1 是一共射的基本放大电路,一般我们对放大电路要掌握些什么内容? (1)分析...
  • 光是uview文件夹就900K,查看文件发现每个文件下都一个60K的wxss,因为加了因为加了scoped,所以里面很样式都是公共样式,只是样式作用域不同,在微信小程序里面特别紧张&#...
  • 妈妈买鞋和衬衣一共花了356元

    千次阅读 2013-11-02 19:46:57
    今天的学习好就前途的玩耍,初一的摆手,没学问是一生,没学问的不也活过来了吗,可以放心大胆了,这只是一种生活的不同,到处躲藏,在湖北称年饭或团年饭,比妈妈买的合算。 过年怕债主逼债,时间在正午或...
  • 一共有三种方法: 一、 穷举法: void Greatest_common_divisor1(int a, int b)//穷举法 { a = abs(a);//取绝对值,防止a或b为负对结果造成错误影响 b = abs(b); int t; t = a &amp;amp;amp;amp;amp;...
  • ,displayMsg:'显示第{0}数据到{1},一共有{2}条' ,emptyMsg:'没有记录' }); [/code] 3. java中返回给store的方法构造如下 [code="java"] // 查询得到所有记录 List, Object>> resultList = sqlMapClient....
  • 1、实现线程一共有两种方法(官方文档这么说的) (1)声明类是Thread的子类(即继承Thread),不推荐使用这种方法 缺点:从代码架构角度去考虑,run()方法就是我们具体执行的内容,run()方法的执行应该与我们...
  •  生成一个 Epoll 专用的文件描述符,size用来告诉内核这个监听的数目一共有多大。这个参数不同于select()中的第一个参数,给出最大监听的fd+1的值。需要注意的是,当创建好epoll句柄后,它就是会占用一个fd值,在...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 3,980
精华内容 1,592
关键字:

一共有多大