有人使用samza么,问问

扩充话题 > 灌水乐园 [问题点数:40分]
等级
本版专家分:3300
结帖率 99.32%
等级
本版专家分:100449
勋章
Blank
红花 2015年8月 扩充话题大版内专家分月排行榜第一
Blank
黄花 2016年4月 扩充话题大版内专家分月排行榜第二
2015年10月 扩充话题大版内专家分月排行榜第二
2015年9月 扩充话题大版内专家分月排行榜第二
等级
本版专家分:373895
勋章
Blank
红花 2019年8月 扩充话题大版内专家分月排行榜第一
2018年10月 扩充话题大版内专家分月排行榜第一
2018年8月 扩充话题大版内专家分月排行榜第一
2018年6月 扩充话题大版内专家分月排行榜第一
2018年5月 扩充话题大版内专家分月排行榜第一
2018年1月 扩充话题大版内专家分月排行榜第一
2017年12月 扩充话题大版内专家分月排行榜第一
2017年11月 扩充话题大版内专家分月排行榜第一
2017年10月 扩充话题大版内专家分月排行榜第一
2017年9月 扩充话题大版内专家分月排行榜第一
2017年8月 扩充话题大版内专家分月排行榜第一
2016年6月 扩充话题大版内专家分月排行榜第一
2015年10月 扩充话题大版内专家分月排行榜第一
2015年4月 扩充话题大版内专家分月排行榜第一
2015年3月 扩充话题大版内专家分月排行榜第一
Blank
黄花 2020年12月 扩充话题大版内专家分月排行榜第二
2019年10月 扩充话题大版内专家分月排行榜第二
2019年9月 扩充话题大版内专家分月排行榜第二
2018年11月 扩充话题大版内专家分月排行榜第二
2018年7月 扩充话题大版内专家分月排行榜第二
2017年6月 扩充话题大版内专家分月排行榜第二
2016年5月 扩充话题大版内专家分月排行榜第二
2015年5月 扩充话题大版内专家分月排行榜第二
2014年11月 扩充话题大版内专家分月排行榜第二
2013年10月 扩充话题大版内专家分月排行榜第二
2013年8月 扩充话题大版内专家分月排行榜第二
Blank
蓝花 2019年11月 扩充话题大版内专家分月排行榜第三
2019年9月 Web 开发大版内专家分月排行榜第三
2018年9月 扩充话题大版内专家分月排行榜第三
2018年2月 扩充话题大版内专家分月排行榜第三
2017年7月 扩充话题大版内专家分月排行榜第三
2015年8月 扩充话题大版内专家分月排行榜第三
等级
本版专家分:100449
勋章
Blank
红花 2015年8月 扩充话题大版内专家分月排行榜第一
Blank
黄花 2016年4月 扩充话题大版内专家分月排行榜第二
2015年10月 扩充话题大版内专家分月排行榜第二
2015年9月 扩充话题大版内专家分月排行榜第二
等级
本版专家分:373895
勋章
Blank
红花 2019年8月 扩充话题大版内专家分月排行榜第一
2018年10月 扩充话题大版内专家分月排行榜第一
2018年8月 扩充话题大版内专家分月排行榜第一
2018年6月 扩充话题大版内专家分月排行榜第一
2018年5月 扩充话题大版内专家分月排行榜第一
2018年1月 扩充话题大版内专家分月排行榜第一
2017年12月 扩充话题大版内专家分月排行榜第一
2017年11月 扩充话题大版内专家分月排行榜第一
2017年10月 扩充话题大版内专家分月排行榜第一
2017年9月 扩充话题大版内专家分月排行榜第一
2017年8月 扩充话题大版内专家分月排行榜第一
2016年6月 扩充话题大版内专家分月排行榜第一
2015年10月 扩充话题大版内专家分月排行榜第一
2015年4月 扩充话题大版内专家分月排行榜第一
2015年3月 扩充话题大版内专家分月排行榜第一
Blank
黄花 2020年12月 扩充话题大版内专家分月排行榜第二
2019年10月 扩充话题大版内专家分月排行榜第二
2019年9月 扩充话题大版内专家分月排行榜第二
2018年11月 扩充话题大版内专家分月排行榜第二
2018年7月 扩充话题大版内专家分月排行榜第二
2017年6月 扩充话题大版内专家分月排行榜第二
2016年5月 扩充话题大版内专家分月排行榜第二
2015年5月 扩充话题大版内专家分月排行榜第二
2014年11月 扩充话题大版内专家分月排行榜第二
2013年10月 扩充话题大版内专家分月排行榜第二
2013年8月 扩充话题大版内专家分月排行榜第二
Blank
蓝花 2019年11月 扩充话题大版内专家分月排行榜第三
2019年9月 Web 开发大版内专家分月排行榜第三
2018年9月 扩充话题大版内专家分月排行榜第三
2018年2月 扩充话题大版内专家分月排行榜第三
2017年7月 扩充话题大版内专家分月排行榜第三
2015年8月 扩充话题大版内专家分月排行榜第三
等级
本版专家分:100449
勋章
Blank
红花 2015年8月 扩充话题大版内专家分月排行榜第一
Blank
黄花 2016年4月 扩充话题大版内专家分月排行榜第二
2015年10月 扩充话题大版内专家分月排行榜第二
2015年9月 扩充话题大版内专家分月排行榜第二
等级
本版专家分:373895
勋章
Blank
红花 2019年8月 扩充话题大版内专家分月排行榜第一
2018年10月 扩充话题大版内专家分月排行榜第一
2018年8月 扩充话题大版内专家分月排行榜第一
2018年6月 扩充话题大版内专家分月排行榜第一
2018年5月 扩充话题大版内专家分月排行榜第一
2018年1月 扩充话题大版内专家分月排行榜第一
2017年12月 扩充话题大版内专家分月排行榜第一
2017年11月 扩充话题大版内专家分月排行榜第一
2017年10月 扩充话题大版内专家分月排行榜第一
2017年9月 扩充话题大版内专家分月排行榜第一
2017年8月 扩充话题大版内专家分月排行榜第一
2016年6月 扩充话题大版内专家分月排行榜第一
2015年10月 扩充话题大版内专家分月排行榜第一
2015年4月 扩充话题大版内专家分月排行榜第一
2015年3月 扩充话题大版内专家分月排行榜第一
Blank
黄花 2020年12月 扩充话题大版内专家分月排行榜第二
2019年10月 扩充话题大版内专家分月排行榜第二
2019年9月 扩充话题大版内专家分月排行榜第二
2018年11月 扩充话题大版内专家分月排行榜第二
2018年7月 扩充话题大版内专家分月排行榜第二
2017年6月 扩充话题大版内专家分月排行榜第二
2016年5月 扩充话题大版内专家分月排行榜第二
2015年5月 扩充话题大版内专家分月排行榜第二
2014年11月 扩充话题大版内专家分月排行榜第二
2013年10月 扩充话题大版内专家分月排行榜第二
2013年8月 扩充话题大版内专家分月排行榜第二
Blank
蓝花 2019年11月 扩充话题大版内专家分月排行榜第三
2019年9月 Web 开发大版内专家分月排行榜第三
2018年9月 扩充话题大版内专家分月排行榜第三
2018年2月 扩充话题大版内专家分月排行榜第三
2017年7月 扩充话题大版内专家分月排行榜第三
2015年8月 扩充话题大版内专家分月排行榜第三
等级
本版专家分:100449
勋章
Blank
红花 2015年8月 扩充话题大版内专家分月排行榜第一
Blank
黄花 2016年4月 扩充话题大版内专家分月排行榜第二
2015年10月 扩充话题大版内专家分月排行榜第二
2015年9月 扩充话题大版内专家分月排行榜第二
等级
本版专家分:46428
勋章
Blank
红花 2015年9月 扩充话题大版内专家分月排行榜第一
Blank
蓝花 2015年10月 扩充话题大版内专家分月排行榜第三
等级
本版专家分:126829
勋章
Blank
红花 2016年4月 扩充话题大版内专家分月排行榜第一
2016年1月 扩充话题大版内专家分月排行榜第一
Blank
黄花 2016年2月 扩充话题大版内专家分月排行榜第二
Blank
蓝花 2016年3月 扩充话题大版内专家分月排行榜第三
2015年12月 扩充话题大版内专家分月排行榜第三
2015年11月 扩充话题大版内专家分月排行榜第三
2013年11月 扩充话题大版内专家分月排行榜第三
2013年10月 扩充话题大版内专家分月排行榜第三
等级
本版专家分:4556
2019年大数据发展现状详解,现在学习晚不晚!

但是,大数据发展前景现在到底如何,大数据的可靠性由谁说了算,大数据的真实性谁可以保证?甚至还可以再倒退一点点来问问,如今的大数据究竟发展到了什么阶段? 我想,应该很少能够清楚地知道这一点吧...

如今的大数据究竟发展到了什么阶段

但是,大数据发展前景现在到底如何,大数据的可靠性由谁说了算,大数据的真实性谁可以保证?甚至还可以再倒退一点点来问问,如今的大数据究竟发展到了什么阶段? 我想,应该很少能够清楚地知道这一点吧...

流处理技术谬见大消除

我们在思考流处理问题上花了很多时间,更酷的是,我们也花了很多时间帮助其他认识流处理,以及如何在他们的组织里应用流处理来解决数据问题。 我们首先要做的是纠正人们对流处理(作为一个快速变化的领域,这里...

Samza使用入门

Samza使用入门

Samza---一个开源、分布式的流处理框架

Apache Samza是一个开源、分布式的流处理框架,它使用开源分布式消息处理系统Apache Kafka来实现消息服务,并使用资源管理器Apache Hadoop YARN实现容错处理、处理器隔离、安全性和资源管理。近日,从Apache官方博客...

【大数据之Samza流式处理】

1、What is Samza? Apache Samza is a distributed stream processing framework. It uses Apache Kafka for messaging, and Apache Hadoop YARN to provide fault tolerance, processor isolation, security, and ...

Samza状态管理分析

Samza是依赖Kafka作为通信层的流计算框架。本文主要分析其state的管理。 概述 增量 存储粒度:增量。这里的存储粒度指的是对状态的容错处理,在分布式环境中,保存在本地(内存OR硬盘)的状态随时可能丢失,...

Samza系列】实时计算Samza中文教程(一)背景

大家应该听我在前言篇里扯皮后,迫不及待要来一看Samza究竟是何物了吧?先了解一下Samza的Background是必不可少的(至少官网上是放在第一个的),我们需要从哪些技术背景去了解呢?  什么是消息(Messaging)? ...

快速理解SAMZA, streaming on kafka

samza是一个分布式的流式数据处理框架(streaming processing),它是基于Kafka消息队列来...(准确的说,samza是通过模块化的形式来使用kafka的,因此可以构架在其他消息队列框架上,但出发点和默认实现是基于kafka)

samza系统的分布式部署

1.安装环境 系统环境分为开发环境和生产环境,开发环境下的一些工具在生产环境下不必须安装,会以“(开发环境)”注明。 操作系统: Ubuntu 14.04 LTS – 64bit ...Samza系统:samza-0.10 Samza系统集成于h

Samza与Strom

Samza官方与Strom的对比文档的翻译版本

实时数据Storm,Spark和Samza介绍和比较

 当前许多分布式计算系统能够实时处理大数据,这篇文章是对Apache的三个框架进行比较,试图提供一个快速的高屋建瓴地异同性总结。 Apache Storm  在Storm中,你设计的实时计算图称为toplogy,将其以集群...

Samza框架-----学习笔记

分区:Samza的流数据单位既不是Storm中的元组,也不是Spark Streaming中的DStream,而是一条条消息;Samza中的每个流都被分割成一个或多个分区,对于流里的每一个分区而言,都是一个有序的消息序列,后续到达的消息...

Samza系统架构

转载于:https://www.cnblogs.com/fanweisheng/p/11268882.html

LinkedIn Samza

2019独角兽企业重金招聘Python工程师标准>>> ...

【Apache之 Samza 介绍】

一、What is messaging?...不同的是它运行在Hadoop之上,并且使用了自己开发的Kafka分布式消息处理系统。 这是Linkin开发的一个小而美的项目,如何美呢? 1. 只有几千行代码,完成的功能就可以和S...

快速理解SAMZA流处理框架

...samza是一个分布式的流式数据处理框架(streaming processing),它是基于Kafka消息队列来实现类实时的流式数据处理的...(准确的说,samza是通过模块化的形式来使用kafka的,因此可以构架在其他消息队列框架上

在Linux上怎么安装和配置Apache Samza

(准确的说,samza是通过模块化的形式来使用kafka的,因此可以构架在其他消息队列框架上,但出发点和默认实现是基于kafka)Apache Kafka主要是用来控制发消息的Apache Hadoop YARN会提供错误信息,隔离处理器,安全...

Samza系列】实时计算Samza中文教程(三)——架构

本篇紧接着概念篇,从宏观角度上看一下Samza实时计算服务的架构是什么样的?  Samza是由以下三层构成:  1. 数据流层(A streaming layer)  2. 执行层(An execution layer)  3. 处理层(A ...

大数据框架对比:Hadoop、Storm、Samza、Spark和Flink

http://www.infoq.com/cn/articles/hadoop-storm-samza-spark-flink/简介大数据是收集、整理、处理大容量数据集,并从中获得见解所需的非传统战略和技术的总称。虽然处理数据所需的计算能力或存储容量早已超过一台...

Samza系列】实时计算Samza中文教程(二)——概念

希望上一篇背景篇让大家对流式计算了宏观的认识,本篇根据官网是介绍概念,先让我们看看哪些东西呢?  概念一:Streams  Samza是处理流的。流则是由一系列不可变的一种相似类型的消息组成。举个例子,一个流...

samza系统的配置解析

1.Samza系统简介 Samza系统是大数据的消息流处理系统,其架构比较简单,主要由YARN,Kafka和Samza API构成。 Kafka用消息队列来处理流,即数据产生系统作为KafkaProduer按照topic将数据流入kafka Broker,数据终端...

Hello Samza编译出错的解决办法

最近在看samza,它是一个分布式的流式数据处理框架,基于Kafka消息队列来实现类实时的流式数据处理。具体我就不多说了,大家可以去看它的官网:http://samza.apache.org。 为了能够快速上手Samza,官方提供了一个...

Samza系列】实时计算Samza中文教程(四)—API概述

上一篇和大家一起宏观上学习了Samza平台的架构,... 当你使用Samza来实现一个数据流处理逻辑时,你必须实现一个叫StreamTask的接口,如下所示: public class MyTaskClass implements StreamTask { public void

【大数据】计算引擎之五:Samza处理框架

这里主要还是说kafka的事情,samza依赖kafka。 1.是什么? Apache Samza是一种与Apache Kafka消息系统紧密绑定的流处理框架。虽然Kafka可用于很多流处理系统,...Samza使用YARN作为资源管理器。这意味着默认情况...

samza系列】实时计算框架Samza学习指南-前言

不同的是Samza基于Hadoop,而且使用了LinkedIn自家的Kafka分布式消息系统。Storm和Samza极其相似,就像LinkedIn的Chris Riccomini在博客中阐述的那样:“[Samza]可以帮助你构建应用,处理消息队列——更新数据库、...

Samza如何划分Partition

在实际的应用中,为了合理利用资源,会增加并行处理。...那如何使用Partition呢。 我们需要考虑两个问题: 1、在Samza中如何指定Partition的数量 2、如何将我们的划分的数据分发到指定的Partition中

【Apache Samza 系列】实时流数据处理框架Samza中文教程 (三)-- 概念

概念本章介绍在Samza高层次的概念。Streams(流)Samza处理流。流则是由一系列不可变相似类型的消息组成。举个例子,一个流可能是网站所有的点击事件,或者到一个特定数据库的所有更新操作,或者一个服务产生的所有...

奥特曼大全及关系明细.pdf

此文档有详细奥特曼大全及关系明细

matlab神经网络30个案例分析

【目录】- MATLAB神经网络30个案例分析(开发实例系列图书) 第1章 BP神经网络的数据分类——语音特征信号分类1 本案例选取了民歌、古筝、摇滚和流行四类不同音乐,用BP神经网络实现对这四类音乐的有效分类。 第2章 BP神经网络的非线性系统建模——非线性函数拟合11 本章拟合的非线性函数为y=x21+x22。 第3章 遗传算法优化BP神经网络——非线性函数拟合21 根据遗传算法和BP神经网络理论,在MATLAB软件中编程实现基于遗传算法优化的BP神经网络非线性系统拟合算法。 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优36 对于未知的非线性函数,仅通过函数的输入输出数据难以准确寻找函数极值。这类问题可以通过神经网络结合遗传算法求解,利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找函数极值。 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模45 BP_Adaboost模型即把BP神经网络作为弱分类器,反复训练BP神经网络预测样本输出,通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。 第6章 PID神经元网络解耦控制算法——多变量系统控制54 根据PID神经元网络控制器原理,在MATLAB中编程实现PID神经元网络控制多变量耦合系统。 第7章 RBF网络的回归——非线性函数回归的实现65 本例用RBF网络拟合未知函数,预先设定一个非线性函数,如式y=20+x21-10cos(2πx1)+x22-10cos(2πx2)所示,假定函数解析式不清楚的情况下,随机产生x1,x2和由这两个变量按上式得出的y。将x1,x2作为RBF网络的输入数据,将y作为RBF网络的输出数据,分别建立近似和精确RBF网络进行回归分析,并评价网络拟合效果。 第8章 GRNN的数据预测——基于广义回归神经网络的货运量预测73 根据货运量影响因素的分析,分别取国内生产总值(GDP),工业总产值,铁路运输线路长度,复线里程比重,公路运输线路长度,等级公路比重,铁路货车数量和民用载货汽车数量8项指标因素作为网络输入,以货运总量,铁路货运量和公路货运量3项指标因素作为网络输出,构建GRNN,由于训练数据较少,采取交叉验证方法训练GRNN神经网络,并用循环找出最佳的SPREAD。 第9章 离散Hopfield神经网络的联想记忆——数字识别81 根据Hopfield神经网络相关知识,设计一个具有联想记忆功能的离散型Hopfield神经网络。要求该网络可以正确地识别0~9这10个数字,当数字被一定的噪声干扰后,仍具有较好的识别效果。 第10章 离散Hopfield神经网络的分类——高校科研能力评价90 某机构对20所高校的科研能力进行了调研和评价,试根据调研结果中较为重要的11个评价指标的数据,并结合离散Hopfield神经网络的联想记忆能力,建立离散Hopfield高校科研能力评价模型。 第11章 连续Hopfield神经网络的优化——旅行商问题优化计算100 现对于一个城市数量为10的TSP问题,要求设计一个可以对其进行组合优化的连续型Hopfield神经网络模型,利用该模型可以快速地找到最优(或近似最优)的一条路线。 第12章 SVM的数据分类预测——意大利葡萄酒种类识别112 将这178个样本的50%做为训练集,另50%做为测试集,用训练集对SVM进行训练可以得到分类模型,再用得到的模型对测试集进行类别标签预测。 第13章 SVM的参数优化——如何更好的提升分类器的性能122 本章要解决的问题就是仅仅利用训练集找到分类的最佳参数,不但能够高准确率的预测训练集而且要合理的预测测试集,使得测试集的分类准确率也维持在一个较高水平,即使得得到的SVM分类器的学习能力和推广能力保持一个平衡,避免过学习和欠学习状况发生。 第14章 SVM的回归预测分析——上证指数开盘指数预测133 对上证指数从1990.12.20-2009.08.19每日的开盘数进行回归分析。 第15章 SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测141 在这个案例里面我们将利用SVM对进行模糊信息粒化后的上证每日的开盘指数进行变化趋势和变化空间的预测。 若您对此书内容有任何疑问,可以凭在线交流卡登录中文论坛与作者交流。 第16章 自组织竞争网络在模式分类中的应用——患者癌症发病预测153 本案例中给出了一个含有60个个体基因表达水平的样本。每个样本中测量了114个基因特征,其中前20个样本是癌症病人的基因表达水平的样本(其中还可能有子类), 中间的20个样本是正常人的基因表达信息样本, 余下的20个样本是待检测的样本(未知它们是否正常)。以下将设法找出癌症与正常样本在基因表达水平上的区别,建立竞争网络模型去预测待检测样本是癌症还是正常样本。 第17章SOM神经网络的数据分类——柴油机故障诊断159 本案例中给出了一个含有8个故障样本的数据集。每个故障样本中有8个特征,分别是前面提及过的:最大压力(P1)、次最大压力(P2)、波形幅度(P3)、上升沿宽度(P4)、波形宽度(P5)、最大余波的宽度(P6)、波形的面积(P7)、起喷压力(P8),使用SOM网络进行故障诊断。 第18章Elman神经网络的数据预测——电力负荷预测模型研究170 根据负荷的历史数据,选定反馈神经网络的输入、输出节点,来反映电力系统负荷运行的内在规律,从而达到预测未来时段负荷的目的。 第19章 概率神经网络的分类预测——基于PNN的变压器故障诊断176 本案例在对油中溶解气体分析法进行深入分析后,以改良三比值法为基础,建立基于概率神经网络的故障诊断模型。 第20章 神经网络变量筛选——基于BP的神经网络变量筛选183 本例将结合BP神经网络应用平均影响值(MIV,Mean Impact Value)方法来说明如何使用神经网络来筛选变量,找到对结果有较大影响的输入项,继而实现使用神经网络进行变量筛选。 第21章 LVQ神经网络的分类——乳腺肿瘤诊断188 威斯康星大学医学院经过多年的收集和整理,建立了一个乳腺肿瘤病灶组织的细胞核显微图像数据库。数据库中包含了细胞核图像的10个量化特征(细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度),这些特征与肿瘤的性质有密切的关系。因此,需要建立一个确定的模型来描述数据库中各个量化特征与肿瘤性质的关系,从而可以根据细胞核显微图像的量化特征诊断乳腺肿瘤是良性还是恶性。 第22章 LVQ神经网络的预测——人脸朝向识别198 现采集到一组人脸朝向不同角度时的图像,图像来自不同的10个人,每人5幅图像,人脸的朝向分别为:左方、左前方、前方、右前方和右方。试创建一个LVQ神经网络,对任意给出的人脸图像进行朝向预测和识别。 第23章 小波神经网络的时间序列预测——短时交通流量预测208 根据小波神经网络原理在MATLAB环境中编程实现基于小波神经网络的短时交通流量预测。 第24章 模糊神经网络的预测算法——嘉陵江水质评价218 根据模糊神经网络原理,在MATLAB中编程实现基于模糊神经网络的水质评价算法。 第25章 广义神经网络的聚类算法——网络入侵聚类229 模糊聚类虽然能够对数据聚类挖掘,但是由于网络入侵特征数据维数较多,不同入侵类别间的数据差别较小,不少入侵模式不能被准确分类。本案例采用结合模糊聚类和广义神经网络回归的聚类算法对入侵数据进行分类。 第26章 粒子群优化算法的寻优算法——非线性函数极值寻优236 根据PSO算法原理,在MATLAB中编程实现基于PSO算法的函数极值寻优算法。 第27章 遗传算法优化计算——建模自变量降维243 在第21章中,建立模型时选用的每个样本(即病例)数据包括10个量化特征(细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度)的平均值、10个量化特征的标准差和10个量化特征的最坏值(各特征的3个最大数据的平均值)共30个数据。明显,这30个输入自变量相互之间存在一定的关系,并非相互独立的,因此,为了缩短建模时间、提高建模精度,有必要将30个输入自变量中起主要影响因素的自变量筛选出来参与最终的建模。 第28章 基于灰色神经网络的预测算法研究——订单需求预测258 根据灰色神经网络原理,在MATLAB中编程实现基于灰色神经网络的订单需求预测。 第29章 基于Kohonen网络的聚类算法——网络入侵聚类268 根据Kohonen网络原理,在MATLAB软件中编程实现基于Kohonen网络的网络入侵分类算法。 第30章 神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类277 为了便于使用MATLAB编程的新用户,快速地利用神经网络解决实际问题,MATLAB提供了一个基于神经网络工具箱的图形用户界面。考虑到图形用户界面带来的方便和神经网络在数据拟合、模式识别、聚类各个领域的应用,MATLAB R2009a提供了三种神经网络拟合工具箱(拟合工具箱/模式识别工具箱/聚类工具箱)。

相关热词 c#建立坐标系 c# 截取数字串 c# 坐标正算 c# 波形显示控件 野比 c# sql 语法判断 c#多线程有关的类 c#窗体编号 c# 操作二进制文件 c# 反射 机制 c#角度转弧度