arch

目前还不清楚呢

研究公理

我明年就去UTS读MPA ，不过UTS的INSERCH很有名，还是有耳闻的。据说INSERCH毕业时发的diploma，然后你去UTS读毕业后发的是bachelor或者master的degree啊。 INSERCH发的是文凭，UTS发的是学位，是不一样的。欢迎加Q 495317301 ，说不定以后是校友呢~~请注明 UTS

旧版本才遇到这样，新版本从来没有，然后云播在线，不管速度还是便携，都完虐快播

一、工资待遇　　l、直接从各类学校毕业生(含试用期未满人员)中录用的国家公务员，试用期间按照国家机关新录用人员试用、期工、资标准执行。试用期满经考核合格后，应及时予以任职定级，叫确定相应的职务和级别工资。　　2、非直接从学校毕业生中录用的公务员：如原为机关工作人员(公务员身份)，其工资待遇按照省人事厅苏人四(1995)8号文中有关规定重新确定工资待遇。如原为企、事业单位及其他社会人员，其试用期工资待遇根据录用时明确的报考职位，分别按办事员、科员职务，比照本单位同条件人员确定相应的级别工资，职务工资原则上应略低于同条件人员。掌握上，按同职务在职人员低一档工资确定，但不低于本人学历定级工资。试用期满，按录用后正式任命的职务和确定的级别，从期满的下月起，再比照本单位同条件的人员重新理顺其工资关系。

没有问题，我的就是这个名称。国外没有联合培养的概念，把去进修的博士生归位访问学者一类，也就是scholar。为了保险起见，你可以让对方在邀请信中用括号备注一下你是联合培养生，joint training phd student

两者不一样researcher 研究人员,a scientist who devotes himself to doing researchscholar 学者,奖学金获得者,有文化者,学习者,a learned person (especially in the humanities); someone who by long study has ...

char 和 varchar (Transact-SQL)固定长度或可变长度的字符数据类型。 char [ ( n ) ] 固定长度，非 Unicode 字符数据，长度为 n 个字节。n 的取值范围为 1 至 8,000，存储大小是 n 个字节。char 的 SQL 2003 同义词为 character。varchar [ ( n | max ) ] 可变长度，非 Unicode 字符数据。n 的取值范围为 1 至 8,000。max 指示最大存储大小是 2^31-1 个字节。存储大小是输入数据的实际长度加 2 个字节。所输入数据的长度可以为 0 个字符。SQL-2003 中的 varchar 就是 char varying 或 character varying。备注如果未在数据定义或变量声明语句中指定 n，则默认长度为 1。如果在使用 CAST 和 CONVERT 函数时未指定 n，则默认长度为 30。将为使用 char 或 varchar 的对象指派数据库的默认排序规则，除非使用 COLLATE 子句指派了特定的排序规则。该排序规则控制用于存储字符数据的代码页。如果站点支持多语言，请考虑使用 Unicode nchar 或 nvarchar 数据类型，以最大限度地消除字符转换问题。如果使用 char 或 varchar，建议执行以下操作： 如果列数据项的大小一致，则使用 char。如果列数据项的大小差异相当大，则使用 varchar。如果列数据项大小相差很大，而且大小可能超过 8,000 字节，请使用 varchar(max)。当执行 CREATE TABLE 或 ALTER TABLE 时，如果 SET ANSI_PADDING 为 OFF，则定义为 NULL 的 char 列将作为 varchar 处理。当排序规则代码页使用双字节字符时，存储大小仍然为 n 个字节。根据字符串的不同，n 个字节的存储大小可能小于 n 个字符。-----------------------------------------------------------int、bigint、smallint 和 tinyint (Transact-SQL)使用整数数据的精确数字数据类型。 数据类型 范围 存储 bigint -2^63 (-9,223,372,036,854,775,808) 到 2^63-1 (9,223,372,036,854,775,807) 8 字节int -2^31 (-2,147,483,648) 到 2^31-1 (2,147,483,647) 4 字节smallint -2^15 (-32,768) 到 2^15-1 (32,767) 2 字节tinyint 0 到 255 1 字节备注int 数据类型是 SQL Server 2005 中的主要整数数据类型。bigint 数据类型用于整数值可能超过 int 数据类型支持范围的情况。在数据类型优先次序表中，bigint 介于 smallmoney 和 int 之间。只有当参数表达式为 bigint 数据类型时，函数才返回 bigint。SQL Server 不会自动将其他整数数据类型（tinyint、smallint 和 int）提升为 bigint。注意： 使用 +、-、*、/ 或 % 等算术运算符将 int、smallint、tinyint 或 bigint 常量值隐式或显式转换为 float、real、decimal 或 numeric 数据类型时，SQL Server 计算数据类型和表达式结果的精度时应用的规则有所不同，这取决于查询是否是自动参数化的。 因此，查询中的类似表达式有时可能会生成不同的结果。如果查询不是自动参数化的，则将常量值转换为指定的数据类型之前，首先将其转换为 numeric，该数据类型的精度很大足以保存常量的值。例如，常量值 1 转换为 numeric (1, 0)，常量值 250 转换为 numeric (3, 0)。 如果查询是自动参数化的，则将常量值转换为最终数据类型之前，始终先将其转换为 numeric (10, 0)。如果涉及 / 运算符，则对于类似查询而言，不仅结果类型的精度可能不同，而且结果值也可能不同。例如，包含表达式 SELECT CAST (1.0 / 7 AS float) 的自动参数化查询的结果值将不同于非自动参数化的同一查询的结果值，因为自动参数化查询的结果将被截断以适合 numeric (10, 0) 数据类型。有关参数化查询的详细信息，请参阅简单参数化。 -----------------------------------------------------------ntext、text 和 image (Transact-SQL)重要事项： 在 Microsoft SQL Server 的未来版本中将删除 ntext、text 和 image 数据类型。请避免在新开发工作中使用这些数据类型，并考虑修改当前使用这些数据类型的应用程序。请改用 nvarchar(max)、varchar(max) 和 varbinary(max)。有关详细信息，请参阅 使用大值数据类型。用于存储大型非 Unicode 字符、Unicode 字符及二进制数据的固定长度数据类型和可变长度数据类型。Unicode 数据使用 UNICODE UCS-2 字符集。 ntext长度可变的 Unicode 数据，最大长度为 2^30 - 1 (1,073,741,823) 个字符。存储大小是所输入字符个数的两倍（以字节为单位）。ntext 的 SQL 2003 同义词为 national text。text服务器代码页中长度可变的非 Unicode 数据，最大长度为 2^31-1 (2,147,483,647) 个字符。当服务器代码页使用双字节字符时，存储仍是 2,147,483,647 字节。根据字符串，存储大小可能小于 2,147,483,647 字节。image长度可变的二进制数据，从 0 到 2^31-1 (2,147,483,647) 个字节。-----------------------------------------------------------日期和时间 (Transact-SQL)用于表示某天的日期和时间的数据类型。 datetime 和 smalldatetime表示某天的日期和时间。数据类型 范围 精确度 datetime 1753 年 1 月 1 日到 9999 年 12 月 31 日 3.33 毫秒smalldatetime 1900 年 1 月 1 日到 2079 年 6 月 6 日 1 分钟备注Microsoft SQL Server 2005 Database Engine 用两个 4 字节的整数内部存储 datetime 数据类型的值。 第一个 4 字节存储“基础日期”（即 1900 年 1 月 1 日）之前或之后的天数。基础日期是系统参照日期。另外一个 4 字节存储天的时间（以午夜后经过的毫秒数表示）。smalldatetime 数据类型存储天的日期和时间，但精确度低于 datetime。数据库引擎 将 smalldatetime 值存储为两个 2 字节的整数。第一个 2 字节存储 1900 年 1 月 1 日后的天数。另外一个 2 字节存储午夜后经过的分钟数。-----------------------------------------------------------这些东西MSDN里都有，自己看看就知道了。不过还是非常喜欢这种不用动脑筋的问题，嘿嘿……

可以，没有问题

首先准备环境 ElasticSearch : https://mirrors.huaweicloud.com/elasticsearch/?C=N&O=D logstash : https://mirrors.huaweicloud.com/logstash/?C=N&O=D kibana : https://mirrors.huaweicloud.com/kibana/?C=N&O=D ik : https://github.com/medcl/elasticsearch-analysis-ik/tree/v7.8.0 ElasticSearch 是一个实时分布式搜索和分析引擎，主要用于全文搜索，结构化搜索，分析以及将这三者混合使用。 Lucene 是一个全文检索引擎的架构。 ElasticSearch vs Solr 总结 （1）es基本是开箱即用，非常简单。Solr安装略微复杂一丢丢，可关注（ solr6.6教程-基础环境搭建(一) ） （2）Solr 利用 Zookeeper 进行分布式管理，而 Elasticsearch 自身带有分布式协调管理功能。 （3）Solr 支持更多格式的数据，比如JSON、XML、CSV，而 Elasticsearch 仅支持json文件格式。 （4）Solr 官方提供的功能更多，而 Elasticsearch 本身更注重于核心功能，高级功能多有第三方插件提供，例如图形化界面需要kibana友好支撑 （5）Solr 查询快，但更新索引时慢（即插入删除慢），用于电商等查询多的应用； ES建立索引快（即查询慢），即实时性查询快，用于facebook新浪等搜索。 Solr 是传统搜索应用的有力解决方案，但 Elasticsearch 更适用于新兴的实时搜索应用。 （6）Solr比较成熟，有一个更大，更成熟的用户、开发和贡献者社区，而 Elasticsearch相对开发维护者较少，更新太快，学习使用成本较高。 ik分词器： ik提供了两个分词算法：ik_smart和ik_max_word,其中ik_smart为最少切分，ik_max_word为最细粒度切分。 ik_smart： ik_max_word： ik分词器可以增加自己的配置，自己配置词典。

从两个方面对ElasticSearch和Solr进行对比，从关系型数据库中的导入速度和模糊查询的速度。单机对比1. Solr 发布了4.0-alpha，试了一下，发现需要自己修改schema，好处是它自带一个data importer。在自己的计算机上测试了一下，导入的性能大概是：14分钟导入 3092730 条记录，约合 3682条/秒。2. 3百万条记录的情况下，模糊查询和排序基本都在1秒内返回3. 刚才的测试，是每个field单独存储，现在修改了一下配置文件，增加了一个copyField，所有的field都拷贝一份到text这个field里面去，导入的性能大概是：19分钟导入了3092730 条记录，约合 2713条/秒4. 3百万条记录的情况下，针对text的模糊查询基本在1秒内返回，但是针对所有记录的排序，大概要2~3秒5. 使用 elasticsearch 0.19.8，缺省配置，用单任务导入，导入性能是：20分钟导入了3092730 条记录，约合2577条/秒6. 3百万条记录的情况下，查询基本上在1秒内返回，但是模糊查询比较慢，第一次要10秒，后来大概要1~3秒。加上排序大概需要5秒，整体排序基本100ms查询及排序的指令：{ "query": { "query_string": { "query": "*999*" } }, "sort": [ { "TIME_UP": { "order": "asc" } } ]}7. Es0.19.8，用两个任务导入，导入性能是：13分钟导入了3092730 条记录，约合3965条/秒8. Solr全部建好索引后，占用磁盘空间是1.2G，es占用磁盘空间是4G单机对比2在一台Intel i7，32G内存的机器上，重新跑这两个的对比。不过有个重大的区别在于，Solr是在这台性能很好的机器上跑，而es的导入进程则是在一台Intel 四核 2.5G，4G内存的机器上跑的，也许会有性能的差异。ES版本0.19.8，Solr版本4.0-ALPHA。1. Solr的导入性能：3400万条记录，用时62分钟，平均9140条/秒，占用空间12.75G2. 使用 *999* 这样的模糊查询，3秒以内返回，稍长一点的查询条件 *00100014*，也是2~3秒返回3. Es的导入性能（设置Xmx为10G）：3400万条记录，用时40分钟，平均14167条/秒，占用空间33.26G，客户端采用4个并发。4. 使用 *999* 这样的模糊查询，9秒返回，稍长一点的查询条件 *00100014*，11.8秒返回5. 如果不是针对所有字段查询，而是针对某个特定字段，比如 SAM_CODE: *00100014*，那么也是1秒以内返回。6. 结论：es的查询效率也可以很高，只是我们还不会用。7. 结论2：es有个设置是把所有字段放一块的那个，缺省是放一起，但是不知道为什么没起到应有的作用。备注：1. Solr第一次的那个内存使用的是缺省设置，这次改为10G，结果导入性能反而变差了，400万条记录，用了8分钟，平均8333条/秒，不知道为什么。2. 改回缺省的内存配置，导入速度仍然慢。3. 重启Linux，用10G的内存配置，再导入，5030万条记录，用时92分，约9112条/秒，说明导入速度和内存配置没有大差别4. 在10G配置的情况下，检索速度也差别不大。5. 为了搞清楚lucene4.0和solr4.0的进步有多大，下载了solr3.6.1，所幸的是4.0的配置文件在3.6.1上也可以用，所以很快就搭起来进行测试，导入性能为：3400万条记录，用时55分钟，约10303条/秒，占用空间13.85G。查询性能：*999*第一次11.6s，*00100014* 27.3s，相比4.0ALPHA的结果（5000万结果当中，*999*第一次2.6s，*00100014*第一次2.5s）来说，慢了很多，与es的性能差不多，因此，也许lucene4.0真的对性能有大幅提升？集群对比：采用4台同样配置（Intel i7，32G内存）的Centos 6.3组成的集群，进行对比。1. 首先是es，很方便的就组成了一个Cluster，等上一个3400万条的Index全部均衡负载之后进行测试，导入到另外一个Index当中。2. 导入性能：8500万条记录，用时72分钟，约为19676条/秒。在前5千万条记录导入时的速度在2万/条以上，初始的速度在2.2万/条。占用空间78.6G（由于有冗余，实际占用空间为157.2G）3. 查询性能：*999*第一次13.5秒，第二次19.5秒，第三次7.4秒，第四次7.1秒，第五次7.1秒*00100014*第一次17.2秒，第二次16.6秒，第三次17.9秒，第四次16.7秒，第五次17.1秒SAM_CODE:*999*，0.8s，1.3s，0.02s，0.02s，0.02sSAM_CODE: *00100014*，0.1s，0.1s，0.02s，0.03s，0.05s4. Solr4.0-ALPHA，SolrCloud的配置还算简单，启动一个ZooKeeper，然后其他三台机器访问这个地址，就可以组成一个Cloud：机器1： nohup java -Xms10G -Xmx10G -Xss256k -Djetty.port=8983 -Dsolr.solr.home="./example-DIH/solr/" -Dbootstrap_confdir=./example-DIH/solr/db/conf/ -Dcollection.configName=xabconf3 -DzkRun -DnumShards=4 -jar start.jar &其他机器：nohup java -Xms10G -Xmx10G -Dsolr.solr.home="./example-DIH/solr/" -DzkHost=192.168.2.11:9983 -jar start.jar &但是在执行 data import 的时候，频繁出现 OutOfMemoryError: unable to create new native thread。查了很多资料，把Linux的ulimit当中的nproc改成10240，把Xss改成256K，都解决不了问题。暂时没有办法进行。结论1. 导入性能，es更强2. 查询性能，solr 4.0最好，es与solr 3.6持平，可以乐观的认为，等es采用了lucene4之后，性能会有质的提升3. Es采用SAM_CODE这样的查询性能很好，但是用_all性能就很差，而且差别非常大，因此，个人认为在目前的es情况下，仍然有性能提升的空间，只是现在还没找到方法。

从两个方面对ElasticSearch和Solr进行对比，从关系型数据库中的导入速度和模糊查询的速度。单机对比1. Solr 发布了4.0-alpha，试了一下，发现需要自己修改schema，好处是它自带一个data importer。在自己的计算机上测试了一下，导入的性能大概是：14分钟导入 3092730 条记录，约合 3682条/秒。2. 3百万条记录的情况下，模糊查询和排序基本都在1秒内返回3. 刚才的测试，是每个field单独存储，现在修改了一下配置文件，增加了一个copyField，所有的field都拷贝一份到text这个field里面去，导入的性能大概是：19分钟导入了3092730 条记录，约合 2713条/秒4. 3百万条记录的情况下，针对text的模糊查询基本在1秒内返回，但是针对所有记录的排序，大概要2~3秒5. 使用 elasticsearch 0.19.8，缺省配置，用单任务导入，导入性能是：20分钟导入了3092730 条记录，约合2577条/秒6. 3百万条记录的情况下，查询基本上在1秒内返回，但是模糊查询比较慢，第一次要10秒，后来大概要1~3秒。加上排序大概需要5秒，整体排序基本100ms查询及排序的指令：{ "query": { "query_string": { "query": "*999*" } }, "sort": [ { "TIME_UP": { "order": "asc" } } ]}7. Es0.19.8，用两个任务导入，导入性能是：13分钟导入了3092730 条记录，约合3965条/秒8. Solr全部建好索引后，占用磁盘空间是1.2G，es占用磁盘空间是4G单机对比2在一台Intel i7，32G内存的机器上，重新跑这两个的对比。不过有个重大的区别在于，Solr是在这台性能很好的机器上跑，而es的导入进程则是在一台Intel 四核 2.5G，4G内存的机器上跑的，也许会有性能的差异。ES版本0.19.8，Solr版本4.0-ALPHA。1. Solr的导入性能：3400万条记录，用时62分钟，平均9140条/秒，占用空间12.75G2. 使用 *999* 这样的模糊查询，3秒以内返回，稍长一点的查询条件 *00100014*，也是2~3秒返回3. Es的导入性能（设置Xmx为10G）：3400万条记录，用时40分钟，平均14167条/秒，占用空间33.26G，客户端采用4个并发。4. 使用 *999* 这样的模糊查询，9秒返回，稍长一点的查询条件 *00100014*，11.8秒返回5. 如果不是针对所有字段查询，而是针对某个特定字段，比如 SAM_CODE: *00100014*，那么也是1秒以内返回。6. 结论：es的查询效率也可以很高，只是我们还不会用。7. 结论2：es有个设置是把所有字段放一块的那个，缺省是放一起，但是不知道为什么没起到应有的作用。备注：1. Solr第一次的那个内存使用的是缺省设置，这次改为10G，结果导入性能反而变差了，400万条记录，用了8分钟，平均8333条/秒，不知道为什么。2. 改回缺省的内存配置，导入速度仍然慢。3. 重启Linux，用10G的内存配置，再导入，5030万条记录，用时92分，约9112条/秒，说明导入速度和内存配置没有大差别4. 在10G配置的情况下，检索速度也差别不大。5. 为了搞清楚lucene4.0和solr4.0的进步有多大，下载了solr3.6.1，所幸的是4.0的配置文件在3.6.1上也可以用，所以很快就搭起来进行测试，导入性能为：3400万条记录，用时55分钟，约10303条/秒，占用空间13.85G。查询性能：*999*第一次11.6s，*00100014* 27.3s，相比4.0ALPHA的结果（5000万结果当中，*999*第一次2.6s，*00100014*第一次2.5s）来说，慢了很多，与es的性能差不多，因此，也许lucene4.0真的对性能有大幅提升？集群对比：采用4台同样配置（Intel i7，32G内存）的Centos 6.3组成的集群，进行对比。1. 首先是es，很方便的就组成了一个Cluster，等上一个3400万条的Index全部均衡负载之后进行测试，导入到另外一个Index当中。2. 导入性能：8500万条记录，用时72分钟，约为19676条/秒。在前5千万条记录导入时的速度在2万/条以上，初始的速度在2.2万/条。占用空间78.6G（由于有冗余，实际占用空间为157.2G）3. 查询性能：*999*第一次13.5秒，第二次19.5秒，第三次7.4秒，第四次7.1秒，第五次7.1秒*00100014*第一次17.2秒，第二次16.6秒，第三次17.9秒，第四次16.7秒，第五次17.1秒SAM_CODE:*999*，0.8s，1.3s，0.02s，0.02s，0.02sSAM_CODE: *00100014*，0.1s，0.1s，0.02s，0.03s，0.05s4. Solr4.0-ALPHA，SolrCloud的配置还算简单，启动一个ZooKeeper，然后其他三台机器访问这个地址，就可以组成一个Cloud：机器1： nohup java -Xms10G -Xmx10G -Xss256k -Djetty.port=8983 -Dsolr.solr.home="./example-DIH/solr/" -Dbootstrap_confdir=./example-DIH/solr/db/conf/ -Dcollection.configName=xabconf3 -DzkRun -DnumShards=4 -jar start.jar &其他机器：nohup java -Xms10G -Xmx10G -Dsolr.solr.home="./example-DIH/solr/" -DzkHost=192.168.2.11:9983 -jar start.jar &但是在执行 data import 的时候，频繁出现 OutOfMemoryError: unable to create new native thread。查了很多资料，把Linux的ulimit当中的nproc改成10240，把Xss改成256K，都解决不了问题。暂时没有办法进行。结论1. 导入性能，es更强2. 查询性能，solr 4.0最好，es与solr 3.6持平，可以乐观的认为，等es采用了lucene4之后，性能会有质的提升3. Es采用SAM_CODE这样的查询性能很好，但是用_all性能就很差，而且差别非常大，因此，个人认为在目前的es情况下，仍然有性能提升的空间，只是现在还没找到方法。

译为：古生古生物你最好断下句子。望采纳～谢谢

为您解答这是双关语，march既有三月之意，也有行军之意。行军多累啊。It"s a pun.

as当...的时候asthesoldiersmarchedpast中，marched是谓语动词，past在此为副词。全句句意：当士兵们列队经过时，人群欢呼了。

某中型互联网公司的游戏业务，使用了腾讯云的Elasticsearch产品，采用ELK架构存储业务日志。因为游戏业务本身的日志数据量非常大(写入峰值在100w qps)，在服务客户的几个月中，踩了不少坑，经过数次优化与调整，把客户的ES集群调整的比较稳定，避免了在业务高峰时客户集群的读写异常，并且降低了客户的资金成本和使用成本。下面把服务客户过程中遇到的典型问题进行梳理，总结经验，避免再次踩坑。 解决方案架构师A: bellen, XX要上线一款新游戏，日志存储决定用ELK架构，他们决定在XX云和我们之间二选一，我们首先去他们公司和他们交流一下，争取拿下！ bellen: 好，随时有空！ 。。。 和架构师一起前往该公司，跟负责底层组件的运维部门的负责人进行沟通。 XX公司运维老大：不要讲你们的PPT了，先告诉我你们能给我们带来什么！ bellen: 。。。呃，我们有很多优势。。。比如灵活地扩容缩容集群，还可以一键平滑升级集群版本，并且提供有跨机房容灾的集群从而实现高可用。。 XX公司运维老大：你说的这些别的厂商也有，我就问一个问题，我们现在要存储一年的游戏日志，不能删除数据，每天就按10TB的数据量算，一年也得有个3PB多的数据，这么大的数量，都放在SSD云盘上，我们的成本太高了，你们有什么方案既能够满足我们存储这么大数据量的需求，同时能够降低我们的成本吗？ bellen: 我们本身提供的有冷热模式的集群，热节点采用SSD云硬盘，冷节点采用SATA盘，采用ES自带的ILM索引生命周期管理功能定期把较老的索引从热节点迁移到冷节点上，这样从整体上可以降低成本。另外一方面，也可以定期把更老的索引通过snapshot快照备份到COS对象存储中，然后删除索引，这样成本就更低了。 XX公司运维老大：存储到COS就是冷存储呗，我们需要查询COS里的数据时，还得再把数据恢复到ES里？这样不行，速度太慢了，业务等不了那么长时间，我们的数据不能删除，只能放在ES里！你们能不能给我们提供一个API, 让老的索引数据虽然存储在COS里，但是通过这个API依然可以查询到数据，而不是先恢复到ES， 再进行查询？ bellen: 。。。呃，这个可以做，但是需要时间。是否可以采用hadoop on COS的架构，把存量的老的索引数据通过工具导入到COS，通过hive去查询，这样成本会非常低，数据依然是随时可查的。 XX公司运维老大：那不行，我们只想用成熟的ELK架构来做，再增加hadoop那一套东西，我们没那么多人力搞这个事! bellen: 好吧，那可以先搞一个集群测试起来，看看性能怎么样。关于存量数据放在COS里但是也需要查询的问题，我们可以先制定方案，尽快实施起来。 XX公司运维老大：行吧，我们现在按每天10TB数据量预估，先购买一个集群，能撑3个月的数据量就行，能给一个集群配置的建议吗？ bellen: 目前支持单节点磁盘最大6TB, cpu和内存的话可以放到8核32G单节点，单节点跑2w qps写入没有问题，后面也可以进行纵向扩容和横向扩容。 XX公司运维老大：好，我们先测试一下。 N 天后，架构师A直接在微信群里反馈："bellen, 客户反馈这边的ES集群性能不行啊，使用logstash消费kafka中的日志数据，跑了快一天了数据还没追平，这是线上的集群，麻烦紧急看一下吧。。" 我一看，一脸懵, 什么时候已经上线了啊，不是还在测试中吗？ XX公司运维小B: 我们购买了8核32G*10节点的集群，单节点磁盘6TB, 索引设置的10分片1副本，现在使用logstash消费kafka中的数据，一直没有追平，kafka中还有很多数据积压，感觉是ES的写入性能有问题。 随后我立即查看了集群的监控数据，发现cpu和load都很高，jvm堆内存使用率平均都到了90%，节点jvm gc非常频繁了，部分节点因为响应缓慢，不停的离线又上线。。 经过沟通，发现用户的使用姿势是filebeat+kafka+logstash+elasticsearch, 当前已经在kafka中存储了有10天的日志数据，启动了20台logstash进行消费，logstash的batch size也调到了5000，性能瓶颈是在ES这一侧。客户8核32G*10节点的集群，理论上跑10w qps没有问题，但是logstash消费积压的数据往ES写入的qps远不止10w，所以是ES扛不住写入压力了，所以只能对ES集群进行扩容，为了加快存量数据的消费速度，先纵向扩容单节点的配置到32核64GB，之后再横向增加节点，以保证ES集群能够最大支持100w qps的写入(这里需要注意的是，增加节点后索引的分片数量也需要调整)。 所以一般新客户接入使用ES时，必须要事先评估好节点配置和集群规模，可以从以下几个方面进行评估： 上述场景2遇到的问题是业务上线前没有对集群配置和规模进行合理的评估，导致上线后ES集群负载就很高，通过合理的扩容处理，集群最终抗住了写入压力。但是又有新的问题出现了。 因为kafka积压的数据比较多，客户使用logstash消费kafka数据时，反馈有两个问题： 经过分析客户logstash的配置文件，发现问题出现的原因主要是： 分析后，对kafka和logstash进行了如下优化： 通过上述优化，最终使得logstash机器资源都被充分利用上，很快消费完堆积的kafka数据，待消费速度追平生成速度后，logstash消费kafka一直稳定运行，没有出现积压。 另外，客户一开始使用的是5.6.4版本的logstash，版本较老，使用过程中出现因为单个消息体过长导致logstash抛异常后直接退出的问题: 通过把logstash升级至高版本6.8避免了这个问题(6.x版本的logstash修复了这个问题，避免了crash)。 客户的游戏上线有一个月了，原先预估每天最多有10TB的数据量，实际则是在运营活动期间每天产生20TB的数据，原先6TB*60=360TB总量的数据盘使用率也达到了80%。针对这种情况，我们建议客户使用冷热分离的集群架构，在原先60个热节点的基础上，增加一批warm节点存储冷数据，利用ILM(索引生命周期管理)功能定期迁移热节点上的索引到warm节点上。 通过增加warm节点的方式，客户的集群磁盘总量达到了780TB， 可以满足最多三个月的存储需求。但是客户的需求还没有满足： XX公司运维老大：给我们一个能存放一年数据的方案吧，总是通过加节点扩容磁盘的方式不是长久之计，我们得天天盯着这个集群，运维成本很高！并且一直加节点，ES会扛不住吧？ bellen: 可以尝试使用我们新上线的支持本地盘的机型，热节点最大支持7.2TB的本地SSD盘，warm节点最大支持48TB的本地SATA盘。一方面热节点的性能相比云盘提高了，另外warm节点可以支持更大的磁盘容量。单节点可以支持的磁盘容量增大了，节点数量就不用太多了，可以避免踩到因为节点数量太多而触发的坑。 XX公司运维老大：现在用的是云盘，能替换成本地盘吗，怎么替换？ bellen: 不能直接替换，需要在集群中新加入带本地盘的节点，把数据从老的云盘节点迁移到新的节点上，迁移完成后再剔除掉旧的节点，这样可以保证服务不会中断，读写都可以正常进行。 XX公司运维老大：好，可以实施，尽快搞起来！ 云盘切换为本地盘，是通过调用云服务后台的API自动实施的。在实施之后，触发了数据从旧节点迁移到新节点的流程，但是大约半个小时候，问题又出现了： XX公司运维小B: bellen, 快看一下，ES的写入快掉0了。 bellen: 。。。 通过查看集群监控，发现写入qps直接由50w降到1w，写入拒绝率猛增，通过查看集群日志，发现是因为当前小时的索引没有创建成功导致写入失败。 紧急情况下，执行了以下操作定位到了原因： 经过了这次扩容操作，总结了如下经验： 在稳定运行了一阵后，集群又出问题了。。 XX公司运维小B: bellen, 昨晚凌晨1点钟之后，集群就没有写入了，现在kafka里有大量的数据堆积，麻烦尽快看一下？ bellen: 。。。 通过cerebro查看集群，发现集群处于yellow状态，然后发现集群有大量的错误日志： 然后再进一步查看集群日志，发现有"master not discovered yet..."之类的错误日志，检查三个master节点，发现有两个master挂掉，只剩一个了，集群无法选主。 登陆到挂了了master节点机器上，发现保活程序无法启动es进程，第一直觉是es进程oom了；此时也发现master节点磁盘使用率100%， 检查了JVM堆内存快照文件目录，发现有大量的快照文件，于是删除了一部分文件，重启es进程，进程正常启动了；但是问题是堆内存使用率太高，gc非常频繁，master节点响应非常慢，大量的创建索引的任务都超时，阻塞在任务队列中，集群还是无法恢复正常。 看到集群master节点的配置是16核32GB内存，JVM实际只分配了16GB内存，此时只好通过对master节点原地增加内存到64GB(虚拟机，使用的腾讯云CVM， 可以调整机器规格，需要重启)，master节点机器重启之后，修改了es目录jvm.options文件，调整了堆内存大小，重新启动了es进程。 3个master节点都恢复正常了，但是分片还需要进行恢复，通过GET _cluster/health看到集群当前有超过10w个分片，而这些分片恢复还需要一段时间，通过调大"cluster.routing.allocation.node_concurrent_recoveries"， 增大分片恢复的并发数量。实际上5w个主分片恢复的是比较快的了，但是副本分片的恢复就相对慢很多，因为部分副本分片需要从主分片上同步数据才能恢复。此时可以采取的方式是把部分旧的索引副本数量调为0， 让大量副本分片恢复的任务尽快结束，保证新索引能够正常创建，从而使得集群能够正常写入。 总结这次故障的根本原因是集群的索引和分片数量太多，集群元数据占用了大量的堆内存，而master节点本身的JVM内存只有16GB(数据节点有32GB)， master节点频繁full gc导致master节点异常，从而最终导致整个集群异常。所以要解决这个问题，还是得从根本上解决集群的分片数量过多的问题。 目前日志索引是按照小时创建，60分片1副本，每天有24*60*2=2880个分片，每个月就产生86400个分片，这么多的分片可能会带来严重的问题。有以下几种方式解决分片数量过多的问题： 和客户沟通过后，客户表示可以接受方式1和方式2，但是方式3和4不能接受，因为考虑到存在磁盘故障的可能性，必须保留一个副本来保证数据的可靠性；另外还必须保证所有数据都是随时可查询的，不能关闭。 在场景5中，虽然通过临时给master节点增加内存，抗住了10w分片，但是不能从根本上解决问题。客户的数据是计划保留一年的，如果不进行优化，集群必然扛不住数十万个分片。所以接下来需要着重解决集群整体分片数量过多的问题，在场景5的最后提到了，用户可以接受开启shrink以及降低索引创建粒度(经过调整后，每两个小时创建一个索引)，这在一定程度上减少了分片的数量，能够使集群暂时稳定一阵。 辅助客户在kibana上配置了如下的ILM策略： 在warm phase, 把创建时间超过360小时的索引从hot节点迁移到warm节点上，保持索引的副本数量为1，之所以使用360小时作为条件，而不是15天作为条件，是因为客户的索引是按小时创建的，如果以15天作为迁移条件，则在每天凌晨都会同时触发15天前的24个索引一共24*120=2880个分片同时开始迁移索引，容易引发场景4中介绍的由于迁移分片数量过多导致创建索引被阻塞的问题，所以以360小时作为条件，则在每个小时只会执行一个索引的迁移，这样把24个索引的迁移任务打平，避免其它任务被阻塞的情况发生。 同时，也在warm phase阶段，设置索引shrink，把索引的分片数缩成5个，因为老的索引已经不执行写入了，所以也可以执行force merge, 强制把segment文件合并为1个，可以获得更好的查询性能。 另外，设置了ILM策略后，可以在索引模板里增加index.lifecycle.name配置，使得所有新创建的索引都可以和新添加的ILM策略关联，从而使得ILM能够正常运行。 客户使用的ES版本是6.8.2， 在运行ILM的过程中， 也发现一些问题： 这是因为shrink操作需要新把索引完整的一份数据都迁移到一个节点上，然后在内存中构建新的分片元数据，把新的分片通过软链接指向到几个老的分片的数据，在ILM中执行shrink时，ILM会对索引进行如下配置： 问题是索引包含副本，而主分片和副本分片又不能在同一个节点上，所以会出现部分分片无法分配的情况(不是全部，只有一部分)，这里应该是触发了6.8版本的ILM的bug，需要查看源码才能定位解决这个bug，目前还在研究中。当前的workaround是通过脚本定期扫描出现unassigned shards的索引，修改其settings: 优先保证分片先从hot节点迁移到warm节点，这样后续的shrink才能顺利执行(也可能执行失败，因为60个分片都在一个节点上，可能会触发rebalance, 导致分片迁移走，shrink的前置条件又不满足，导致执行失败)。要完全规避这个问题，还得在ILM策略中设置，满足创建时间超过360个小时的索引，副本直接调整为0，但是客户又不接受，没办法。 在场景5和6中，介绍了10w个分片会给集群带来的影响和通过开启shrink来降低分片数量，但是仍然有两个需要重点解决的问题： 可以估算一下，按小时建索引，60分片1副本，一年的分片数为24*120*365=1051200个分片，执行shrink后分片数量24*10*350 + 24*120*15 = 127200(15天内的新索引为了保障写入性能和数据可靠性，仍然保持60分片1副本，旧的索引shrink为5分片1副本), 仍然有超过10w个分片。结合集群一年总的存储量和单个分片可以支持的数据量大小进行评估，我们期望集群总体的分片数量可以稳定为6w~8w，怎么优化？ 可以想到的方案是执行数据冷备份，把比较老的索引都冷备到其它的存储介质上比如HDFS，S3，腾讯云的COS对象存储等，但是问题是这些冷备的数据如果也要查询，需要先恢复到ES中才可查，恢复速度比较慢，客户无法接受。由此也产生了新的想法，目前老的索引仍然是1副本，可以把老索引先进行冷备份，再把副本调为0，这样做有以下几点好处： 经过和客户沟通，客户接受了上述方案，计划把老索引冷备到腾讯云的对象存储COS中，实施步骤为： 其中步骤1的实施可以通过脚本实现，本案例中采用腾讯云SCF云函数进行实施，方便快捷可监控。实施要点有： 在实施完步骤1之后，就可以批量把对索引进行过备份的索引副本数都调为0， 这样一次性释放了很多磁盘空间，并且显著降低了集群整体的分片数量。 接下来实施步骤2，需要每天执行一次快照，多创建时间较久的索引进行备份，实施比较简单，可以通过crontab定时执行脚本或者使用腾讯云SCF执行。 步骤2实施之后，就可以修改ILM策略，开启cold phase, 修改索引副本数量为0: 此处的timing是创建时间20天后，需要保证步骤2中对过去老索引数据备份先执行完成才可以进入到cold phase. 通过老索引数据冷备并且降低索引副本，我们可以把集群整体的分片数量维持在一个较低的水位，但是还有另外一个问题待解决，也即shrink失败的问题。刚好，我们可以利用对老索引数据冷备并且降低索引副本的方案，来彻底解决shrink失败的问题。 在场景5中有提到，shrink失败归根接地是因为索引的副本数量为1， 现在我们可以吧数据备份和降低副本提前，让老索引进入到ILM的warm phase中时已经是0副本，之后再执行shrink操作就不会有问题了；同时，因为副本降低了，索引从hot节点迁移到warm节点迁移的数据量也减少了一半，从而降低了集群负载，一举两得。 因此，我们需要修改ILM策略，在warm phase就把索引的副本数量调整为0， 然后去除cold phase。 另外一个可选的优化项是，对老的索引进行冻结，冻结索引是指把索引常驻内存的一些数据从内存中清理掉(比如FST, 元数据等)， 从而降低内存使用量，而在查询已经冻结的索引时，会重新构建出临时的索引数据结构存放在内存中，查询完毕再清理掉；需要注意的是，默认情况下是无法查询已经冻结的索引的，需要在查询时显式的增加"ignore_throttled=false"参数。 经过上述优化，我们最终解决了集群整体分片数量过多和shrink失败的问题。在实施过程中引入了额外的定时任务脚本实施自动化快照，实际上在7.4版本的ES中，已经有这个功能了，特性名称为 SLM (快照生命周期管理)，并且可以结合ILM使用，在ILM中增加了"wait_for_snapshot"的ACTION, 但是却只能在delete phase中使用，不满足我们的场景。 在上述的场景4-7中，我们花费大量的精力去解决问题和优化使用方式，保证ES集群能够稳定运行，支持PB级别的存储。溯本回原，如果我们能有一个方案使得客户只需要把热数据放在SSD盘上，然后冷数据存储到COS/S3上，但同时又使冷数据能够支持按需随时可查，那我们前面碰到的所有问题都迎刃而解了。可以想象得到的好处有： 而这正是目前es开源社区正在开发中的Searchable Snapshots功能，从 Searchable Snapshots API 的官方文档上可以看到，我们可以创建一个索引，将其挂载到一个指定的快照中，这个新的索引是可查询的，虽然查询时间可能会慢点，但是在日志场景中，对一些较老的索引进行查询时，延迟大点一般都是可以接受的。 所以我认为，Searchable Snapshots解决了很多痛点，将会给ES带了新的繁荣！ 经历过上述运维和优化ES集群的实践，我们总结到的经验有： 从一开始和客户进行接触，了解客户诉求，逐步解决ES集群的问题，最终使得ES集群能够保持稳定，这中间的经历让我真真正正的领悟到"实践出真知"，只有不断实践，才能对异常情况迅速做出反应，以及对客户提的优化需求迅速反馈。

我特别的经历主要是在石油那块，寻找石油相对于其他任何采矿行业更需要采用深孔钻探技术。这个是新概念英语四册上的文章。百度查查也就有了。新概念的文章读到4能懂的就可以专8了。但是基础要打好啦。专八可以不着急哦，六级的词汇绝对可以应付老外。把口语练练好哦。。。

拉法齐伯爵是吧，他是斯瓦迪亚王国的一个领主，如果你想知道他的领地在哪，点击大地图下面的记录，选择人物，找到拉法齐伯爵，他的资料上写了他的领地位置。如果你是想要知道他如今在哪里，可以找到地图上其他的任何一位斯瓦迪亚王国的领主，和他们交谈，然后选择问他一些事情，我想了解某人的位置，然后选择拉法齐伯爵就好啦，他就会告诉你了。

Pew Research Centre 应该是一个美国无党派人士组建的组织。它提供一些客观的美国乃至世界范围内的公众信息。 民意调查，社会科学调查。 它会回馈一些相关新闻，并解读调查中包含的重要数据信息。但是它没有任何的政治地位。也就是说非官方的。它是一个非盈利型的，免税的组织。（可能是美国的国家政策）它的工作内容包括以下六个方面：1，Pew Research Center for the People & the Press2，Stateline.org 3，Pew Internet & American Life Project 4，Pew Forum on Religion & Public Life 5，Pew Hispanic Center 6，Pew Global Attitudes Project（我只看得懂英文，却不会翻译。抱歉）大概意思是：1，对国家政策，国情的公众民意态度调查2，在线新闻报道。报道都是关于政府每日动态等等。3，百姓生活调查。包括小孩和网络，家庭，学校，医疗保险等等。4，关于宗教，种族的深度调查和报道。包括一些地区的宗教活动，等等。5，经济调查。也就是关于国民收入，经济增长，人口增长，以及社会公众对此的态度。6，世界范围的调查。当地人民对所在地生活的态度。

Pew Research Centre 应该是一个美国无党派人士组建的组织。它提供一些客观的美国乃至世界范围内的公众信息。 民意调查，社会科学调查。 它会回馈一些相关新闻，并解读调查中包含的重要数据信息。但是它没有任何的政治地位。也就是说非官方的。它是一个非盈利型的，免税的组织。（可能是美国的国家政策）它的工作内容包括以下六个方面：1，Pew Research Center for the People & the Press2，Stateline.org 3，Pew Internet & American Life Project 4，Pew Forum on Religion & Public Life 5，Pew Hispanic Center 6，Pew Global Attitudes Project（我只看得懂英文，却不会翻译。抱歉）大概意思是：1，对国家政策，国情的公众民意态度调查2，在线新闻报道。报道都是关于政府每日动态等等。3，百姓生活调查。包括小孩和网络，家庭，学校，医疗保险等等。4，关于宗教，种族的深度调查和报道。包括一些地区的宗教活动，等等。5，经济调查。也就是关于国民收入，经济增长，人口增长，以及社会公众对此的态度。6，世界范围的调查。当地人民对所在地生活的态度。

quant research是定量研究员，主要负责价量方面的量化模型开发、研究；紧密跟踪市场动态和行业发展，捕捉产品投资机会；撰写相关策略模型的研究报告。资历条件如下：1、金融、经济等相关专业硕士及以上学历。2、1年以上相关行业工作背景，有基金、券商或第三方理财机构研究经验者优先。3、具有较强的数据处理、统计分析、归纳总结能力。4、具有良好的人际交往和社会活动能力，善于协调、沟通，责任心、事业心强，有较强的亲和力、判断力、创新能力，有良好的职业道德操守。相关知识：量化研究员招聘肯定是物理数学博士多的，国内的量化研究员基本上都是理工科背景的，量化需要的三类主要知识：数学、编程、金融，金融相对来说是学习成本最低的。编程有一定的基础就可以，在工作中再不断学习，如果不知道学什么建议先学c++，对数据、算法、对象、内存、线程等有一定了解，后面学习其它语言也比较容易，另外需要熟悉数据库，国内感觉目前用matlab的挺多的，python比较有发展前景。以上内容参考：百度百科--定量研究

注：文本整理自《ELKstack权威指南》 在 CRUD 章节，我们已经知道 ES 的数据写入是如何操作的了。喜欢自己动手的读者可能已经迫不及待的自己写了程序开始往 ES 里写数据做测试。这时候大家会发现：程序的运行速度非常一般，即使 ES 服务运行在本机，一秒钟大概也就能写入几百条数据。 这种速度显然不是 ES 的极限。事实上，每条数据经过一次完整的 HTTP POST 请求和 ES indexing 是一种极大的性能浪费，为此，ES 设计了批量提交方式。在数据读取方面，叫 mget 接口，在数据变更方面，叫 bulk 接口。mget 一般常用于搜索时 ES 节点之间批量获取中间结果集，对于 Elastic Stack 用户，更常见到的是 bulk 接口。 bulk 接口采用一种比较简朴的数据积累格式，示例如下： 格式是，每条 JSON 数据的上面，加一行描述性的元 JSON，指明下一行数据的操作类型，归属索引信息等。 采用这种格式，而不是一般的 JSON 数组格式，是因为接收到 bulk 请求的 ES 节点，就可以不需要做完整的 JSON 数组解析处理，直接按行处理简短的元 JSON，就可以确定下一行数据 JSON 转发给哪个数据节点了。这样，一个固定内存大小的 network buffer 空间，就可以反复使用，又节省了大量 JVM 的 GC。 事实上，产品级的 logstash、rsyslog、spark 都是默认采用 bulk 接口进行数据写入的。对于打算自己写程序的读者，建议采用 Perl 的 Search::Elasticsearch::Bulk 或者 Python 的 elasticsearch.helpers.* 库。 在配置 bulk 数据的时候，一般需要注意的就是请求体大小(bulk size)。 这里有一点细节上的矛盾，我们知道，HTTP 请求，是可以通过 HTTP 状态码 100 Continue 来持续发送数据的。但对于 ES 节点接收 HTTP 请求体的 Content-Length 来说，是按照整个大小来计算的。所以，首先，要确保 bulk 数据不要超过 http.max_content_length 设置。 那么，是不是尽量让 bulk size 接近这个数值呢？当然不是。 依然是请求体的问题，因为请求体需要全部加载到内存，而 JVM Heap 一共就那么多(按 31GB 算)，过大的请求体，会挤占其他线程池的空间，反而导致写入性能的下降。 再考虑网卡流量，磁盘转速的问题，所以一般来说，建议 bulk 请求体的大小，在 15MB 左右，通过实际测试继续向上探索最合适的设置。 注意：这里说的 15MB 是请求体的字节数，而不是程序里里设置的 bulk size。bulk size 一般指数据的条目数。不要忘了，bulk 请求体中，每条数据还会额外带上一行元 JSON。 以 logstash 默认的 bulk_size => 5000 为例，假设单条数据平均大小 200B ，一次 bulk 请求体的大小就是 1.5MB。那么我们可以尝试 bulk_size => 50000 ；而如果单条数据平均大小是 20KB，一次 bulk 大小就是 100MB，显然超标了，需要尝试下调至 bulk_size => 500 。 gateway 是 ES 设计用来长期存储索引数据的接口。一般来说，大家都是用本地磁盘来存储索引数据，即 gateway.type 为 local 。 数据恢复中，有很多策略调整我们已经在之前分片控制小节讲过。除开分片级别的控制以外，gateway 级别也还有一些可优化的地方： 注意：gateway 中说的节点，仅包括主节点和数据节点，纯粹的 client 节点是不算在内的。如果你有更明确的选择，也可以按需求写： 虽然 ES 对 gateway 使用 NFS，iscsi 等共享存储的方式极力反对，但是对于较大量级的索引的副本数据，ES 从 1.5 版本开始，还是提供了一种节约成本又不特别影响性能的方式：影子副本(shadow replica)。 首先，需要在集群各节点的 elasticsearch.yml 中开启选项： 同时，确保各节点使用相同的路径挂载了共享存储，且目录权限为 Elasticsearch 进程用户可读可写。 然后，创建索引： 针对 shadow replicas ，ES 节点不会做实际的索引操作，而是单纯的每次 flush 时，把 segment 内容 fsync 到共享存储磁盘上。然后 refresh 让其他节点能够搜索该 segment 内容。 如果你已经决定把数据放到共享存储上了，采用 shadow replicas 还是有一些好处的： 但是请注意：主分片节点还是要承担一个副本的写入过程，并不像 Lucene 的 FileReplicator 那样通过复制文件完成，所以达不到完全节省 CPU 的效果。 shadow replicas 只是一个在某些特定环境下有用的方式。在资源允许的情况下，还是应该使用 local gateway。而另外采用 snapshot 接口来完成数据长期备份到 HDFS 或其他共享存储的需要。 我们都知道，ES 中的 master 跟一般 MySQL、Hadoop 的 master 是不一样的。它即不是写入流量的唯一入口，也不是所有数据的元信息的存放地点。所以，一般来说，ES 的 master 节点负载很轻，集群性能是可以近似认为随着 data 节点的扩展线性提升的。 但是，上面这句话并不是完全正确的。 ES 中有一件事情是只有 master 节点能管理的，这就是集群状态(cluster state)。 集群状态中包括以下信息： 这些信息在集群的任意节点上都存放着，你也可以通过 /_cluster/state 接口直接读取到其内容。注意这最后一项信息，之前我们已经讲过 ES 怎么通过简单地取余知道一条数据放在哪个分片里，加上现在集群状态里又记载了分片在哪个节点上，那么，整个集群里，任意节点都可以知道一条数据在哪个节点上存储了。所以，数据读写才可以发送给集群里任意节点。 至于修改，则只能由 master 节点完成！显然，集群状态里大部分内容是极少变动的，唯独有一样除外——索引的映射。因为 ES 的 schema-less 特性，我们可以任意写入 JSON 数据，所以索引中随时可能增加新的字段。这个时候，负责容纳这条数据的主分片所在的节点，会暂停写入操作，将字段的映射结果传递给 master 节点；master 节点合并这段修改到集群状态里，发送新版本的集群状态到集群的所有节点上。然后写入操作才会继续。一般来说，这个操作是在一二十毫秒内就可以完成，影响也不大。 但是也有一些情况会是例外。 在较大规模的 Elastic Stack 应用场景中，这是比较常见的一个情况。因为 Elastic Stack 建议采用日期时间作为索引的划分方式，所以定时(一般是每天)，会统一产生一批新的索引。而前面已经讲过，ES 的集群状态每次更新都是阻塞式的发布到全部节点上以后，节点才能继续后续处理。 这就意味着，如果在集群负载较高的时候，批量新建新索引，可能会有一个显著的阻塞时间，无法写入任何数据。要等到全部节点同步完成集群状态以后，数据写入才能恢复。 不巧的是，中国使用的是北京时间，UTC +0800。也就是说，默认的 Elastic Stack 新建索引时间是在早上 8 点。这个时间点一般日志写入量已经上涨到一定水平了(当然，晚上 0 点的量其实也不低)。 对此，可以通过定时任务，每天在最低谷的早上三四点，提前通过 POST mapping 的方式，创建好之后几天的索引。就可以避免这个问题了。 如果你的日志是比较严重的非结构化数据，这个问题在 2.0 版本后会变得更加严重。 Elasticsearch 从 2.0 版本开始，对 mapping 更新做了重构。为了防止字段类型冲突和减少 master 定期下发全量 cluster state 导致的大流量压力，新的实现和旧实现的区别在： 也就是说，一旦你日志中字段数量较多，在新创建索引的一段时间内，可能长达几十分钟一直被反复锁死！ 这是另一种常见的滥用。在使用 Elastic Stack 处理访问日志时，为了查询更方便，可能会采用 logstash-filter-kv 插件，将访问日志中的每个 URL 参数，都切分成单独的字段。比如一个 "/index.do?uid=1234567890&action=payload" 的 URL 会被转换成如下 JSON： 但是，因为集群状态是存在所有节点的内存里的，一旦 URL 参数过多，ES 节点的内存就被大量用于存储字段映射内容。这是一个极大的浪费。如果碰上 URL 参数的键内容本身一直在变动，直接撑爆 ES 内存都是有可能的！ 以上是真实发生的事件，开发人员莫名的选择将一个 UUID 结果作为 key 放在 URL 参数里。直接导致 ES 集群 master 节点全部 OOM。 如果你在 ES 日志中一直看到有新的 updating mapping [logstash-2015.06.01] 字样出现的话，请郑重考虑一下自己是不是用的上如此细分的字段列表吧。 好，三秒钟过去，如果你确定一定以及肯定还要这么做，下面是一个变通的解决办法。 用 nested object 来存放 URL 参数的方法稍微复杂，但还可以接受。单从 JSON 数据层面看，新方式的数据结构如下： 没错，看起来就是一个数组。但是 JSON 数组在 ES 里是有两种处理方式的。 如果直接写入数组，ES 在实际索引过程中，会把所有内容都平铺开，变成 Arrays of Inner Objects 。整条数据实际类似这样的结构： 这种方式最大的问题是，当你采用 urlargs.key:"uid" AND urlargs.value:"0987654321" 语句意图搜索一个 uid=0987654321 的请求时，实际是整个 URL 参数中任意一处 value 为 0987654321 的，都会命中。 要想达到正确搜索的目的，需要在写入数据之前，指定 urlargs 字段的映射类型为 nested object。命令如下： 这样，数据实际是类似这样的结构： 当然，nested object 节省字段映射的优势对应的是它在使用的复杂。Query 和 Aggs 都必须使用专门的 nested query 和 nested aggs 才能正确读取到它。 nested query 语法如下： nested aggs 语法如下： ES 内针对不同阶段，设计有不同的缓存。以此提升数据检索时的响应性能。主要包括节点层面的 filter cache 和分片层面的 request cache。下面分别讲述。 ES 的 query DSL 在 2.0 版本之前分为 query 和 filter 两种，很多检索语法，是同时存在 query 和 filter 里的。比如最常用的 term、prefix、range 等。怎么选择是使用 query 还是 filter 成为很多用户头疼的难题。于是从 2.0 版本开始，ES 干脆合并了 filter 统一归为 query。但是具体的检索语法本身，依然有 query 和 filter 上下文的区别。ES 依靠这个上下文判断，来自动决定是否启用 filter cache。 query 跟 filter 上下文的区别，简单来说： 所以，选择也就出来了： 不过我们要怎么写，才能让 ES 正确判断呢？看下面这个请求： 在这个请求中， 需要注意的是，filter cache 是节点层面的缓存设置，每个节点上所有数据在响应请求时，是共用一个缓存空间的。当空间用满，按照 LRU 策略淘汰掉最冷的数据。 可以用 indices.cache.filter.size 配置来设置这个缓存空间的大小，默认是 JVM 堆的 10%，也可以设置一个绝对值。注意这是一个静态值，必须在 elasticsearch.yml 中提前配置。 ES 还有另一个分片层面的缓存，叫 shard request cache。5.0 之前的版本中，request cache 的用途并不大，因为 query cache 要起作用，还有几个先决条件： 以 Elastic Stack 场景来说，Kibana 里几乎所有的请求，都是有 @timestamp 作为过滤条件的，而且大多数是以 最近 N 小时/分钟 这样的选项，也就是说，页面每次刷新，发出的请求 JSON 里的时间过滤部分都是在变动的。query cache 在处理 Kibana 发出的请求时，完全无用。 而 5.0 版本的一大特性，叫 instant aggregation。解决了这个先决条件的一大阻碍。 在之前的版本，Elasticsearch 接收到请求之后，直接把请求原样转发给各分片，由各分片所在的节点自行完成请求的解析，进行实际的搜索操作。所以缓存的键是原始 JSON 串。 而 5.0 的重构后，接收到请求的节点先把请求的解析做完，发送到各节点的是统一拆分修改好的请求，这样就不再担心 JSON 串多个空格啥的了。 其次，上面说的『拆分修改』是怎么回事呢？ 比如，我们在 Kibana 里搜索一个最近 7 天( @timestamp:["now-7d" TO "now"] )的数据，ES 就可以根据按天索引的判断，知道从 6 天前到昨天这 5 个索引是肯定全覆盖的。那么这个横跨 7 天的 date range query 就变成了 5 个 match_all query 加 2 个短时间的 date_range query。 现在你的仪表盘过 5 分钟自动刷新一次，再提交上来一次最近 7 天的请求，中间这 5 个 match_all 就完全一样了，直接从 request cache 返回即可，需要重新请求的，只有两头真正在变动的 date_range 了。 注1： match_all 不用遍历倒排索引，比直接查询 @timestamp:* 要快很多。 注2：判断覆盖修改为 match_all 并不是真的按照索引名称，而是 ES 从 2.x 开始提供的 field_stats 接口可以直接获取到 @timestamp 在本索引内的 max/min 值。当然从概念上如此理解也是可以接受的。 响应结果如下： 和 filter cache 一样，request cache 的大小也是以节点级别控制的，配置项名为 indices.requests.cache.size ，其默认值为 1% 。 字段数据(fielddata)，在 Lucene 中又叫 uninverted index。我们都知道，搜索引擎会使用倒排索引(inverted index)来映射单词到文档的 ID 号。而同时，为了提供对文档内容的聚合，Lucene 还可以在运行时将每个字段的单词以字典序排成另一个 uninverted index，可以大大加速计算性能。 作为一个加速性能的方式，fielddata 当然是被全部加载在内存的时候最为有效。这也是 ES 默认的运行设置。但是，内存是有限的，所以 ES 同时也需要提供对 fielddata 内存的限额方式： Elasticsearch 在 total，fielddata，request 三个层面上都设计有 circuit breaker 以保护进程不至于发生 OOM 事件。在 fielddata 层面，其设置为： 但是相比较集群庞大的数据量，内存本身是远远不够的。为了解决这个问题，ES 引入了另一个特性，可以对精确索引的字段，指定 fielddata 的存储方式。这个配置项叫： doc_values 。 所谓 doc_values ，其实就是在 ES 将数据写入索引的时候，提前生成好 fielddata 内容，并记录到磁盘上。因为 fielddata 数据是顺序读写的，所以即使在磁盘上，通过文件系统层的缓存，也可以获得相当不错的性能。 注意：因为 doc_values 是在数据写入时即生成内容，所以，它只能应用在精准索引的字段上，因为索引进程没法知道后续会有什么分词器生成的结果。 由于在 Elastic Stack 场景中， doc_values 的使用极其频繁，到 Elasticsearch 5.0 以后，这两者的区别被彻底强化成两个不同字段类型： text 和 keyword 。 等同于过去的： 而 等同于过去的： 也就是说，以后的用户，已经不太需要在意 fielddata 的问题了。不过依然有少数情况，你会需要对分词字段做聚合统计的话，你可以在自己接受范围内，开启这个特性： 你可以看到在上面加了一段 fielddata_frequency_filter 配置，这个配置是 segment 级别的。上面示例的意思是：只有这个 segment 里的文档数量超过 500 个，而且含有该字段的文档数量占该 segment 里的文档数量比例超过 10% 时，才加载这个 segment 的 fielddata。 下面是一个可能有用的对分词字段做聚合的示例： 这个示例可以对经过了 logstash-filter-punct 插件处理的数据，获取每种 punct 类型日志的关键词和对应的代表性日志原文。其效果类似 Splunk 的事件模式功能： [图片上传失败...(image-b0b69f-1511752650964)] 如果经过之前章节的一系列优化之后，数据确实超过了集群能承载的能力，除了拆分集群以外，最后就只剩下一个办法了：清除废旧索引。 为了更加方便的做清除数据，合并 segment，备份恢复等管理任务，Elasticsearch 在提供相关 API 的同时，另外准备了一个命令行工具，叫 curator 。curator 是 Python 程序，可以直接通过 pypi 库安装： 注意，是 elasticsearch-curator 不是 curator。PyPi 原先就有另一个项目叫这个名字 和 Elastic Stack 里其他组件一样，curator 也是被 Elastic.co 收购的原开源社区周边。收编之后同样进行了一次重构，命令行参数从单字母风格改成了长单词风格。新版本的 curator 命令可用参数如下： Options 包括: --host TEXT Elasticsearch host. --url_prefix TEXT Elasticsearch http url prefix. --port INTEGER Elasticsearch port. --use_ssl Connect to Elasticsearch through SSL. --http_auth TEXT Use Basic Authentication ex: user:pass --timeout INTEGER Connection timeout in seconds. --master-only Only operate on elected master node. --dry-run Do not perform any changes. --debug Debug mode --loglevel TEXT Log level --logfile TEXT log file --logformat TEXT Log output format [default|logstash]. --version Show the version and exit. --help Show this message and exit. Commands 包括: alias Index Aliasing allocation Index Allocation bloom Disable bloom filter cache close Close indices delete Delete indices or snapshots open Open indices optimize Optimize Indices replicas Replica Count Per-shard show Show indices or snapshots snapshot Take snapshots of indices (Backup) 针对具体的 Command，还可以继续使用 --help 查看该子命令的帮助。比如查看 close 子命令的帮助，输入 curator close --help ，结果如下： 在使用 1.4.0 以上版本的 Elasticsearch 前提下，curator 曾经主要的一个子命令 bloom 已经不再需要使用。所以，目前最常用的三个子命令，分别是 close , delete 和 optimize ，示例如下： 这一顿任务，结果是： logstash-mweibo-nginx-yyyy.mm.dd 索引保存最近 5 天， logstash-mweibo-client-yyyy.mm.dd 保存最近 10 天， logstash-mweibo-yyyy.mm.dd 索引保存最近 30 天；且所有七天前的 logstash-* 索引都暂时关闭不用；最后对所有非当日日志做 segment 合并优化。 profiler 是 Elasticsearch 5.0 的一个新接口。通过这个功能，可以看到一个搜索聚合请求，是如何拆分成底层的 Lucene 请求，并且显示每部分的耗时情况。 启用 profiler 的方式很简单，直接在请求里加一行即可： 可以看到其中对 query 和 aggs 部分的返回是不太一样的。 query 部分包括 collectors、rewrite 和 query 部分。对复杂 query，profiler 会拆分 query 成多个基础的 TermQuery，然后每个 TermQuery 再显示各自的分阶段耗时如下： 我们可以很明显的看到聚合统计在初始化阶段、收集阶段、构建阶段、汇总阶段分别花了多少时间，遍历了多少数据。 注意其中 reduce 阶段还没实现完毕，所有都是 0。因为目前 profiler 只能在 shard 级别上做统计。 collect 阶段的耗时，有助于我们调整对应 aggs 的 collect_mode 参数选择。目前 Elasticsearch 支持 breadth_first 和 depth_first 两种方式。 initialise 阶段的耗时，有助于我们调整对应 aggs 的 execution_hint 参数选择。目前 Elasticsearch 支持 map 、 global_ordinals_low_cardinality 、 global_ordinals 和 global_ordinals_hash 四种选择。在计算离散度比较大的字段统计值时，适当调整该参数，有益于节省内存和提高计算速度。 对高离散度字段值统计性能很关注的读者，可以关注 https://github.com/elastic/elasticsearch/pull/21626 这条记录的进展。 （本文完） 文本整理自《ELKstack权威指南》

Lucene： java写的单机搜索引擎Solr和Elasticsearch都是流行的搜索引擎，都是基于Java，但它们有一些区别。Solr是基于Lucene的搜索服务器，而Elasticsearch是一个分布式搜索和分析引擎。Solr更适合传统的企业搜索场景，而Elasticsearch更适合实时搜索和分析场景。Elasticsearch还具有更好的可扩展性和更好的文档处理能力。还有新的搜索引擎，基于c++开发的小唐代码搜索引擎，基于rust开发的github代码搜索引擎。

取决于你想表达的意思和句子结构。如果你想表达“研究目的”，那么就可以使用单数形式，即“research purpose”。如果你想表达“研究目的们”或“多个研究目的”，那么可以使用复数形式，即“research purposes”。

research---研究型最后是写文章答辩获得学位taught-----授课型一门一门过算学分获得学位

blackarch based on archkali based on debian

固定句型： Sb. is said + to have done 据说某人已经做了某事

一 安装 首先安装aur源中的 nvidia-beta nvidia-utils-beta （32位可选lib32-nvidia-utils-beta) 其中已包括了 nvidia-settings ，无须另外安装 安装 xorg-xrandr 二 配置 xorg.conf 将下面链接中的xxx.xx换成NVIDIA版本号 http://us.download.nvidia.com/XFree86/Linux-x86/xxx.xx/README/randr14.html并按要求配置 xorg.conf 一般为 三 配置登录管理器 https://wiki.archlinux.org/index.php/NVIDIA_Optimus 在这个网站上找到自己显示管理器的配置方法 以lightdm为例 创建/etc/lightdm/display_setup.sh执行 在/etc/lightdm/lightdm.conf中添加 四 结束 现在打开x 应该能用了， 注意： 每次更新内核后要重装nvidia-beta

parade多指盛典游行之类的，比较华丽漂亮娱乐性强march只是行进的意思，如军队的前行，很普通

老大 你差到大腿上了

in charge 负责charge 告上法庭

Jilin Architecture University或者Jilin University of Architecure

是英语的搭配习惯！

BUilding,泛指建筑物。一切建造活动。architecture指具有一定艺术性的建筑。是一门学科。所有的architecture都是building，但不是所有的building都是architecture.

更新1: ( i dont want the feature of renaissance. i want the feature of Renaissance architecture. Renaissance Architecture: Beeen the 14th and the 16th Centuries there was the stirrings of a new cultural movement which came to be known as the Renaissance literally the “Rebirth” because it revived and developed certain elements of Classical Greek and Roman thought and material culture. The cities of Italy in the early 1400s and Florence in particular were centres of the development of the burgeoning Humanist ideas. This period is also known in Italy as the Quattrocento. In none of the arts more than Architecture was this “rebirth” more apparent. The elements for the rediscovery of the Classical were visible in the many ancient buildings which over the centuries had been recycled and used as quarries for their materials. The Renaissance brought a new emphasis on rational clarity and with it a conscious revival of Roman Architecture with its symmetry its mathematical proportions geometrically-perfect designs and regularity of parts. Orderly arrangements of columns and lintels regularly divided surfaces semicircular arches and hemispherical domes replaced the haphazard proportions and irregular gabled facades which preceded the new style. It was recognised by contemporaries in the term all'Antica "in the Antique manner". Phases of the Renaissance style in Italy 1. the Early Renaissance of Leone Battista Alberti and Filippo Brunelleschi 2. the High Renaissance of Donato Bramante and Raphael 3. the Mannerist style with widely diverging tendencies in the work of Michelangelo and Giulio Romano and Andrea Palladio that led to the Baroque style in which the same architectural vocabulary was used for very different rhetoric. The word ‘renaissance" me rebirth. It refers to the changes which began in Europe in the 14th century. Features of the Renaissance 1.Humani *** is the basis of the Renaissance. 2.They were concerned about human needs and they tried to solve human problems rationally. 3.The influence of the Church declined. 4.Humani *** began in the Renaissance. 5.People were not as enthusiastic about religion as before. They paid attention to human affairs classical learning and writing. Changes… people: Looked things in a new way. interested again- -ancient Greco-Roman art and learning -classical things developed an interest ? -in the beauty around They had greater freedom They questioned? -unreasonable ideas and beliefs new developments in art science literature and religion took place and the Middle Ages (476-1453) in Europe ended and modern times in Europe (1453-present) began. 2006-10-31 20:17:28 补充： Architects -Renaissance architects copied the architectural styles of the Greeks and the Rom. They adopted many classical features such as domes arches pillars and symmetrical design. 2006-10-31 20:18:08 补充： ~Michelangelo Buonarroti-In 1546 Pope Paul III appointed Michelangelo to design the St. Peter"s Church in the Vatican. Michelangelo died in 1564 and was unable to plete his work.-Dome of St. Peter"s Church 2006-10-31 20:18:33 补充： -The St. Peter"s Church in Rome. It has a huge dome tall pillars and symmetrical structure. ~Filippo Brunelleschi(1377-1446) -Brunelleschi was a well-known Renaissance architect. -He adopted many classical architectural styles. 2006-10-31 20:19:09 补充： -The Duomo is a masterpiece of Renaissance architecture. It has a huge dome and is symmetrical in design.-The Hong Kong Legislative Council Building 2006-10-31 20:19:28 补充： The United States Capital and the Hong Kong Legislative Council Building are built in Renaissance style. Both have huge domes and tall stone columns. 2006-10-31 20:20:19 补充： Architecture-Changes-Gothic architecture –Middle ages-One of the most famous cathedrals of today is the Notre Dame in Paris France 2006-10-31 20:20:54 补充： -At the end of the fourteenth century the impressiveness of Gothic architecture began to wear off (BYE). Europe was ing out of the Middle ages and into the Renaissance 2006-10-31 20:21:11 补充： -They revived many of the ideas from classical (Greek and Roman) architecture. They did however use materials not associated with Greek and Roman architecture such as brick and the color red became mon. 2006-10-31 20:21:40 补充： Artists and architects worked together much more and many renaissance buildings have statues murals and much more arork to go with them. -renaissance architecture with domes are the Duomo of Florence. 2006-10-31 20:22:09 补充： -From 1296-463steps height108公尺 (The painter Giotto designed its sturdy bell tower (campanile) in 1334. octagonal cupola – 2006-10-31 20:22:32 补充： This is the largest painting of the Renaissanceinside the dome. Called "Last Judgement" it is by Vasari and Zuccari and has just been newly restored. -A mon feature of renaissance architecture was the dome

yum是红帽系列的linux系统下用于安装软件，更新系统的一个工具。search是搜索查询。是在软件包的详细信息中搜索指定的字符串mingw64-gcc-objc++.x86_64 :举个例子yum search gcc就是在yum源的仓库中去查找和gcc有关的软件包。注意，只是找到相关的软件包，但是是不是已经安装了，那可不一定实际上，如果执行刚才那条指令，会返回一堆内容，其中有一条显示：mingw64-libgomp.x86_64 : GCC OpenMP v3.0 shared support library for the win64 target这个mingw64-libgomp有没有安装呢？通过rpm -qa | grep mingw64-libgomp去查询，发现没有返回。没返回说明没装yum源里面有没有呢？执行yum list | grep mingw64-libgomp返回结果如下：mingw64-libgomp.x86_64 4.9.2-1.el6 epel返回结果说了，这个东西是有的，不仅有，还是el系统下的，什么是el？ e是enterprise企业，l是linux。红帽的企业版往往缩写成rhel (Red Hat Enterprise Linux)。但是还有一个发行版，就是OEL，O是Oracle。那么， el 原先只是 rhel，现在，则不仅仅是rhel，同时也可以表示oel。其实oel从本质上和rhel没什么区别。oel (Oracle Enterprise Linux)系统有两套内核，一套是红帽的内核，一套是Oracle公司自己编译的所谓的“坚不可摧”的内核。凡是软件包名称中带有el字样的 就可以在红帽系列的linux系统中安装。而不用管它是rhel还是oel，此外还包括了fedora以及centos。这个软件包的版本是4.9.2-1。 它位于epel这个软件源中。如果你对php有兴趣的话，可以向我一样在后盾人平台多看看自己学习学习，时间长了自己就慢慢明白了，希望能帮到你，给个采纳吧谢谢(u10e6u02d8u2323u02d8u10e6)

yum是红帽系列的linux系统下用于安装软件，更新系统的一个工具。search是搜索查询。是在软件包的详细信息中搜索指定的字符串mingw64-gcc-objc++.x86_64 : 举个例子yum search gcc就是在yum源的仓库中去查找和gcc有关的软件包。注意，只是找到相关的软件包，但是是不是已经安装了，那可不一定实际上，如果执行刚才那条指令，会返回一堆内容，其中有一条显示：mingw64-libgomp.x86_64 : GCC OpenMP v3.0 shared support library for the win64 target这个mingw64-libgomp有没有安装呢？通过rpm -qa | grep mingw64-libgomp去查询，发现没有返回。没返回说明没装yum源里面有没有呢？执行yum list | grep mingw64-libgomp返回结果如下：mingw64-libgomp.x86_64 4.9.2-1.el6 epel 返回结果说了，这个东西是有的，不仅有，还是el系统下的，什么是el？ e是enterprise企业，l是linux。红帽的企业版往往缩写成rhel (Red Hat Enterprise Linux)。但是还有一个发行版，就是OEL，O是Oracle。那么， el 原先只是 rhel，现在，则不仅仅是rhel，同时也可以表示oel。其实oel从本质上和rhel没什么区别。oel (Oracle Enterprise Linux)系统有两套内核，一套是红帽的内核，一套是Oracle公司自己编译的所谓的“坚不可摧”的内核。凡是软件包名称中带有el字样的 就可以在红帽系列的linux系统中安装。而不用管它是rhel还是oel，此外还包括了fedora以及centos。这个软件包的版本是4.9.2-1。 它位于epel这个软件源中。

int(11)最大长度是多少，MySQL中varchar最大长度是多少？int(11)最大长度是多少？在SQL语句中int代表你要创建字段的类型，int代表整型，11代表字段的长度。这个11代表显示宽度，整数列的显示宽度与mysql需要用多少个字符来显示该列数值，与该整数需要的存储空间的大小都没有关系，比如，不管设定了显示宽度是多少个字符，bigint都要占用8个字节。int是整型，(11)是指显示字符的长度，但要加参数的，最大为255，比如它是记录行数的id,插入10笔资料，它就显示00000000001 ~~~00000000010，当字符的位数超过11,它也只显示11位，如果你没有加那个让它未满11位就前面加0的参数，它不会在前面加0声明整型数据列时，我们可以为它指定个显示宽度M(1~255)，如INT(5)，指定显示宽度为5个字符,如果没有给它指定显示宽度，MySQL会为它指定一个默认值。显示宽度只用于显示，并不能限制取值范围和占用空间，如：INT(3)会占用4个字节的存储空间，并且允许的最大值也不会是999,而是 INT整型所允许的最大值。MySQL有五种整型数据列类型，即TINYINT，SMALLINT，MEDIUMINT，INT和BIGINT。它们之间的区别是取值范围不同，存储空间也各不相同。在整型数据列后加上UNSIGNED属性可以禁止负数，取值从0开始。int范围TypeBytesMinimum ValueMaximum Value(Signed/Unsigned)(Signed/Unsigned)TINYINT1-1281270255SMALLINT2-3276832767065535MEDIUMINT3-83886088388607016777215INT4-2147483648214748364704294967295BIGINT8-92233720368547758089223372036854775807018446744073709551615MySQL中varchar最大长度是多少？一. varchar存储规则：4.0版本以下，varchar(20)，指的是20字节，如果存放UTF8汉字时，只能存6个（每个汉字3字节）5.0版本以上，varchar(20)，指的是20字符，无论存放的是数字、字母还是UTF8汉字（每个汉字3字节），都可以存放20个，最大大小是65532字节Mysql4中最大也不过是20个字节,但是Mysql5根据编码不同,存储大小也不同。二. varchar和char 的区别：char是一种固定长度的类型，varchar则是一种可变长度的类型，它们的区别是： char(M)类型的数据列里，每个值都占用M个字节，如果某个长度小于M，MySQL就会在它的右边用空格字符补足．（在检索操作中那些填补出来的空格字符将被去掉）在varchar(M)类型的数据列里，每个值只占用刚好够用的字节再加上一个用来记录其长度的字节（即总长度为L+1字节）．在MySQL中用来判断是否需要进行对据列类型转换的规则1、在一个数据表里，如果每一个数据列的长度都是固定的，那么每一个数据行的长度也将是固定的．2、只要数据表里有一个数据列的长度的可变的，那么各数据行的长度都是可变的．3、如果某个数据表里的数据行的长度是可变的，那么，为了节约存储空间，MySQL会把这个数据表里的固定长度类型的数据列转换为相应的可变长度类型．例外：长度小于4个字符的char数据列不会被转换varchar类型三.MySQL中varchar最大长度是多少？这不是一个固定的数字。先简要说明一下限制规则。1、限制规则字段的限制在字段定义的时候有以下规则：a) 存储限制varchar 字段是将实际内容单独存储在聚簇索引之外，内容开头用1到2个字节表示实际长度（长度超过255时需要2个字节），因此最大长度不能超过65535。b) 编码长度限制字符类型若为gbk，每个字符最多占2个字节，最大长度不能超过32766;字符类型若为utf8，每个字符最多占3个字节，最大长度不能超过21845。若定义的时候超过上述限制，则varchar字段会被强行转为text类型，并产生warning。c) 行长度限制导致实际应用中varchar长度限制的是一个行定义的长度。 MySQL要求一个行的定义长度不能超过65535。若定义的表长度超过这个值，则提示ERROR 1118 (42000): Row size too large. The maximum row size for the used table type, not counting BLOBs, is 65535. You have to change some columns to TEXT or BLOBs。2、计算例子举两个例说明一下实际长度的计算。a) 若一个表只有一个varchar类型，如定义为create table t4(c varchar(N)) charset=gbk;则此处N的最大值为(65535-1-2)/2= 32766。减1的原因是实际行存储从第二个字节开始u2019;减2的原因是varchar头部的2个字节表示长度;除2的原因是字符编码是gbk。b) 若一个表定义为create table t4(c int, c2 char(30), c3 varchar(N)) charset=utf8;则此处N的最大值为 (65535-1-2-4-30*3)/3=21812减1和减2与上例相同;减4的原因是int类型的c占4个字节;减30*3的原因是char(30)占用90个字节，编码是utf8。如果被varchar超过上述的b规则，被强转成text类型，则每个字段占用定义长度为11字节，当然这已经不是“varchar”了。则此处N的最大值为 (65535-1-2-4-30*3)/3=21812create table t4(c int, c2 char(30), c3 varchar(21812)) ENGINE=InnoDB DEFAULT CHARSET=utf8create table t5(c int, c2 varchar(30), c3 varchar(21812)) ENGINE=InnoDB DEFAULT CHARSET=utf8varchar(30)和char(30)最多能存放：工在基工左基工在基顺工作奔大规模集成电路城工作东奔西走左夺工城鞯革城载模压地工魂牵梦萦栽土木工程魂牵梦萦栽植奇巧魂牵梦萦地厅城柑模压东奔西走苦村落模压革革柑可耕地村模压基栽魂牵梦基aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111int(11)最大长度是多少，MySQL中varchar最大长度是多少(转)标签：

都用来存储时间的话 int 优点 比较方便 占用资源小 也就2个字节 显示也其实很方便。 timestamp 配合相应的方法可以直接插入时间，据说也是以int存的 也就2个字节 想对int 比较直观。data datime 就是为储存时间设的函数 具体怎么实现 没怎么用过。现在也有很多人用char vchar存时间。直观。就是太浪费资源了

赵晓: “天门久为初人闭，福路全凭神子通。 我愿接受神圣子，儿子名分得永生。” --此诗出自清朝康熙皇帝，表明他愿意信耶稣、得永生。

有缘千里来相见

要看碳化深度修正值，碳化深度取0的话，回弹平均值应该46才算合格。回弹仪的基本原理是用弹簧驱动重锤，重锤以恒定的动能撞击与混凝土表面垂直接触的弹击杆，使局部混凝土发生变形并吸收一部分能量，另一部分能量转化为重锤的反弹动能，当反弹动能全部转化成势能时，重锤反弹达到最大距离，仪器将重锤的最大反弹距离以回弹值（最大反弹距离与弹簧初始长度之比）的名义显示出来。

虎

设大圆柱半径为5x小圆柱4x侧面积为大：2派5xh小2派4xh比为5：4体积大：派（5x）的平方h小：（4x）的平方h比为25：16因为派..平方打不出来所以将就下.谢谢

西北地区干旱，蒸发旺盛。覆盖砾石可以减少土壤水分的蒸发；减轻风对土壤的侵蚀；还可以增大昼夜温差，有利于有机物的积累，增加瓜果的糖分。

20÷3=6.6 (6循环) 精确百分位是（6.67）

补充楼上，右下的方框靠左下脚的类似倒地柱子的那个东西就是岩。不懂的任务和刀剑按金合成护符，宝石合成公式，和任务大全及如何快速挣钱的网页。bo＊17173＊CO＊M绝对，对新人有用

这是 卦语 没有固定的意思 大概的意思是说，属兔的在2008年 2月 4日～2009年 2月 4日的气运，应防小人暗算，做生意者应提高警惕，运气收入一般。

一般是五吨。番茄是喜温湿怕高温的一年生草本植物，是经济价值较高的蔬菜之一。如何栽培出高品质、高产量、鲜美品味的番茄，在生产管理上应该掌握好以下几点：一、温度番茄适合生长温度范围在10～35℃，适合月平均温度为20～25℃的季节里生长。白天，上午23～28℃，最高不得超过35℃；下午逐步降温至23℃时闭棚。夜间15～18℃为好。昼夜温差以10～13℃为宜，低于10℃生长受到抑制，低于5℃植株停止生长。1～2℃时遭受冻害。二、水分要求土壤湿度为0.05～1.00巴，空气相对湿度为80%～90%。要获得5000公斤番茄，需从土壤中吸取330吨以上的水。果实发育期每天每株需吸收1升以上的水分，以促进根系发达，增强吸水、保水能力。三、光照番茄每平方米叶面积生产1公斤果实需要95～96小时光照。四、土壤华北地区都可以生长。粘质土壤生长慢些，长势强；砂性土壤中生长快，易衰老。酸碱度以微酸性，pH值在6～6.5较好。华北地区土壤偏碱，提倡施用生物有机肥，可以改变碱性土壤。目前较好的有酵素菌生物肥及有机、无机复合肥等，逐步替代无机化学肥料，可改造土壤，创建番茄适生环境。五、养分番茄需要多种无机营养元素，而且营养要素还要有一定比例。如要生产1000公斤番茄，需从土壤中吸取氮2.5～3.5公斤、磷0.8～1公斤、钾4.2～4.8公斤、钙1.6～2.1公斤和镁0.3～0.6公斤元素。要按养分吸取比例施肥，如以氮为100，则磷为26，钾为180，钙为74，镁为18，吸收钾最多，吸收磷和镁最少。配方施肥是经过测试植物生长所需各种营养元素为依据，按不同比例合理配制专用肥。六、气体条件基本条件二氧化碳和水，空气中二氧化碳的含量为0.03%，二氧化碳含量适量增加则光合作用强度增强。二氧化碳的饱和浓度为0.1%，超过此浓度蕃茄生育失调，甚至中毒；当二氧化碳在0.005%浓度时，植物会因饥饿而死亡。特别是当冬季光照不足时，可以人工补充二氧化碳，以提高二氧化碳的量。若是底肥使用酵素菌生物肥会减少二氧化碳的补充，因此，不能单一使用化肥，要科学配方。科学施肥。七、适时防治病虫草害番茄病虫草害有：一是真菌类，如猝倒病、立枯病、叶霉病、白粉病、早疫病、晚疫病、灰霉病、枯萎病等；二是细菌类，如溃疡病、髓部坏死病等；三是病毒病类，如花叶型、厥叶型、黄化型、丛矮病、斑萎病等病毒病；四是线虫，如根结（瘤）线虫等。还有生理性病害（也叫非侵染性病害），有因高温或低温造成的日灼、裂果，也有因或氮、磷、钾、钙、硼、镁、锌等量过盛造成叶子变黄、变小、萎蔫下垂，造成空洞果、畸型果等症状。害虫如：白粉虱、潜叶蝇、蚜虫等。八、增产措施 1.使用生物菌肥、酵素肥替代化肥用量。利用益生菌的活性来活化土壤，提高土壤温度1～3℃，确保冬季夜间有效积温。 2.使用生物、植物叶面肥，喷施高效率生物叶面肥（诱抗剂）。提高植株的净光合利用率50%～200%，使作物增加碳水化合物浓度，充分发挥自身抗冻耐寒、抗盐耐碱、抗旱耐涝的特性，调节作物自身生殖生长，增强营养吸收，可促进花芽分化，保花保果。施用诱抗剂的作物，可减少常规施肥量的20%～50%。植株成形后，自身调控吸取养分便可调济果实早熟，提高品质，口感好，可提早上市7～10天，并延长作物生命期20天以上，可多留果穗，增加采摘次数，提高番茄产量。 3.系统管理作物的营养比例。实行测土、测植株，掌握营养元素配比，合理施肥，有利于蕃茄营养生长和生殖生长的养分供应，保花保果。

4399造梦西游什么是羊妖,蜈松??ch=rainbow.wty.sear…6674

首先你把耳机查到手机听歌可以的话就是耳机没问题接着你插电脑后面插孔,如果后面可以前面不可以就是你设置问题.XP系统的话在C盘WINDOWS文件夹内有个小喇叭图标,双击打开后看个一个小扳手,点击进入设置把禁用前置面板检测打钩

这两句意思正好相反，衣不如新出自《诗经》意思比较积极，意思是老朋友见面了，故人相见会比较开心，胜似刚认识的。新人笑旧人哭出自杜甫的诗。意思专指女人被喜新厌旧的男人伤害的结果。

，

2012年（金木）1月（金木）21日（金火）20时35分（土土）（括号内为五行）土旺，缺水。

自古白马怕青牛，羊鼠相逢一旦休。 云龙玉兔不见面，更鸡见犬泪相流。 猛虎见蛇如刀断，猪迂猿猴不到头。 兔年逢鼠不结婚，坡牛放羊怕猴孙。 午马最怕更鸡叫，小猪不敢跳龙门。 戍犬最怕小龙子，猛虎不能如牛群。 猪虎同婚喜洋洋，牛鼠相会幸福长。 玉兔逢犬真可喜，鸡叫龙舞唱吉祥。 蛇猴一处为伴侣，马羊并行最为强。 男女婚姻月老牵，如若犯忌莫强求。 天地阴阳人为上，美满婚姻吉利祥。 婚姻以此来参考，子孙昌盛福满门。

齐如意演的

骑岭乡 位于汝州市西北部，总面积50.68平方公里，下辖14个行政村，人口4.1万，地势北高南低，多为丘陵和半丘陵区。 陵头乡 位于汝州市西北部15公里处，因北宋秦王赵廷美的陵墓在此，故得名陵头。总面积107平方公里，辖27个村委会，4.4万人。属浅山丘陵地区，北部多山，南部平川。 蟒川乡 位于汝州市南部，地处浅山丘陵区域，距市区15公里。总面积146.5平方公里，现辖24个行政村，总人口5.42万，相传在远古时期此地有大蟒出没，蟒川因此而得名。 夏店乡 位于河南省汝州市西北部22公里处，区域面积67.1平方公里，东与陵头乡紧邻，西南与庙下乡搭界，北与洛阳伊川县接壤，处于南北长，东西短的长方形区域里，北部多为丘陵地，南部以平原为主。人口近3万，有44个自然村，158个村民组， 杨楼乡 位于汝州市区西南部，距市区24公里，全乡除少部分为丘陵地形外，大部分地区地势平坦。总面积69.98平方公里，辖24个行政村，人口5.8万。 庙下乡 位于汝州市西部17公里处，属半丘陵地区，地势北高南低。总面积94.2平方公里，辖24个行政村，人口6.2万人。因唐代建中岳庙于高地，街居其下，故名庙下街。素有“河洛军事要塞”之称。 焦村乡 位于汝州市东北部，距市区14公里，总面积69.82平方公里，下辖16个行政村，人口2.5万 纸坊乡 位于汝州市东南部。面积60平方千米，人口7.1万. 王寨乡 位于汝州市中南部，地势南高北低，由南向北依次由丘陵、半丘陵、平原，呈带状过渡。面积74平方公里，辖33个行政村，人口4.4万。 大峪乡 位于河南省汝州、登封、禹州、郏县四县市的交界处，历来为来往客商的必经之地。大峪乡平均海拔约700余米，总面积140平方公里，辖24个行政村，201个村民组，2.3万人，耕地面积2.3万亩。 尚庄乡 位于汝州市东部，紧邻市区，全乡面积94.9平方公里，辖29个行政村，人口5.01万，是全国著名的武术之乡、河南曲剧的发祥地之一。 寄料镇 历史悠久，因汉光武帝刘秀曾在此寄存草料而得名，并留下了马跑泉、妻贤庄等美丽的传说。地处汝州西南，南连鲁山，西接汝阳，庙鲁路、寄刘路从镇区交叉穿行而过，全镇总面积174.5平方公里，下辖34个行政村，353个自然村，镇区面积达3.5平方公里，总人口7.8万人. 温泉镇 地处汝州市区西27公里处，镇内的地下温泉为古今名胜，因以得名。全镇总面积80.3平方公里，辖28个行政村，54个自然村，4.9万口人。 临汝镇 位于汝州城西约30公里处，因临近北汝河而得名。总面积73.8平方公里，人口6.3万，下辖24个行政村，全境属半丘陵地区，地势北高南低，历来被称为豫西的商埠重镇。 小屯镇 位于河南省汝州市区东南15公里处,北依汝河,南部,东部与宝丰(县)接壤,东北部与郏县隔汝河相望.全镇辖50个村民委员会,85个自然村,人口近9万人,是汝州市第一人口大镇.总面积146平方公里,其中耕地面积113700亩,粮食总产量4100万公斤,工农业总产值超过11个亿,农民人均收入2200元,又是汝州市农业大镇,工业强镇. 煤山区 位于汝州市区西北部，面积15.1平方公里，人口3.9万，辖5个居委会，代管3个行政村。 钟楼区 位于汝州市城区东南部，总面积21.2平方公里。辖6个居委会和2个行政村，人口2.8万。 风穴区 处位于汝州城区东北部，面积192平方公里，辖3个居季委会，代管3个行政村，人口42万人，207国道、山汝线以及平临高速公路从辖区穿过，交通极为便利。 汝南区 处位于汝州市区南部，汝河南岸，距城区3公里，与市区隔河相望。面积58.5平方公里。下辖16个行政村，人口3.4363万人。交通便利。焦柳铁路穿境而过，207国道、上洛高速公路汝州引线纵贯南北。求采纳

首先，由于位数没有变化，所以a只能为1，由a<5得b为偶数，则c为2或3，且c=2时b只能为4，c=3时b为6或8，同理继续推理得d为偶数，e为4或5，而由e为5的倍数得e=5，则d>5.则d只能为6或8，则b只能为3,4,9,8结合前面知b,c,d分别为4,2,8或8,3,6而后面一个组合f无解，故原六位数为142857

天河区

钓鱼处，指隐士隐居之所。骑马人，指当官有权之人。然后，你就能明白什么意思了。

被减数多了：8-3=5 减数少了：90-60=30 正确的差：321-5-30=286 答：正确的差是286

首先那个不是奥特曼，绝对不是，你说的那个是假面骑士当中的人物假面骑士虽然也是特摄，但是和奥特曼却没有关系。

所以的关卡都打过1遍，就可以开达人图。你可以上幻之角，里面什么攻略都有

古玩放入收藏柜 可以得到一定金钱 并提高收藏柜一定星级 古玩无法取出

要看碳化深度修正值，碳化深度取0的话，回弹平均值应该46才算合格。由于混凝土的质量验收是以其28天抗压强度为准，对生产的质量反馈具有较大的滞后性，因而在生产的过程中的质量控制就尤其重要。混凝土的强度主要有水灰比控制，若混凝士中水或水泥，矿粉，粉煤灰某个组份一旦发生波动，将造成混凝土强度的波动。扩展资料：测量仪器测量回弹值使用的仪器为回弹仪。回弹仪的质量及其稳定性是保证回弹法检测精度的技术关键。国内回弹仪的构造及零部件和装配质量必须符合《混凝土回弹仪》（JJG817-93）的要求。回弹仪按回弹冲击能量大小分为重型、中型和轻型。普通混凝土抗压强度不大于C50时，通常采用中型回弹仪；混凝土抗压强度不小于C60时，宜采用重型回弹仪。传统的回弹仪是通过直接读取回弹仪指针所在位置读数来测取数据的，为一直读式。有产品有自记式、带微型工控机的自动记录及处理数据等功能的回弹仪。参考资料：百度百科-回弹法

做什么事不要拘泥于常规，而要自己心中有所期望想法。不知道理解的是否合理

这是求签算命的签文吧。 意思很简单，说你是那隐与山林的凤凰，终有一日会展翅翱翔与蓝天，只要站上了属于自己的舞台，那便会闻达四方，所有人都会钦佩羡慕你。

学前儿童社会教育作业1参考答案 （第一至二章）　　　　一、填空题（每空1　分，共　20分）　　　　1、尊重儿童生活，遵循儿童社会性发展的规律与特点；有教育意义。　　　　2、应用性，实践性　　　　3、整合性。　　　　4、了解与把握新事物，善于调整自己，并与不同的人建立融洽关系；遵守社会规范的能力，根据信息决策的能力。　　　　5、社会化。　　　　6、自我中心。　　　　7、关联的需要。　　　　8、亲社会行为，反社会行为。　　　　9、安全型儿童。　　　　10、共情。　　　　11、言语指导和行为训练。　　　　12、对他人的行为及其强化性结果的观察；动作再现过程。　　　　13、童年早期经验；“前成人”。　　　　14、情感自主性。　　　 二、简述题　　　　1、简述学前儿童社会教育的研究任务。　　学前儿童社会教育的研究任务有三：一是总结历史发展中学前儿童社会教育的思想及实践经验，以为今天学前儿童社会教育的研究与实践提供思想资源。二是研究学前儿童社会教育的基本问题，揭示学前儿童社会教育的基本原理与规律。这是学前儿童社会教育研究的核心任务。三是指导学前儿童社会教育实践，提高幼儿教师从事学前儿童社会教育的水平和效果。这是学前儿童社会教育研究的最终任务。……　　　 2、简述儿童社会认知发展的一般特点　　　　（1）儿童社会认知发展是一个逐步区分认识社会性客体的过程 首先，婴儿的社会认知的发生是一个逐步区分认识社会性客体的过程，即区分认识人类客体与非人类客体、一个个体与另一个个体，自我与非我的过程。其次，这一过程还表现在儿童不同情绪情感、行为意图及社会规则的认识上。塞尔曼认为，在儿童观点采择能力的发展中，能否区分他人有意与无意行为是早期发展中的关键一步，之后儿童才能逐渐理解人们在同一行为中可能有多种意图。在此基础上，儿童发现对于同一事件自己和他人有着不同的观点和反应，也就能区分自己和他人的观点。 （2）儿童社会认知各方面的发展是非同步、非等速的　　儿童对自我、他人、社会关系、社会规则以及对人的情绪、情感、行为意图、态度动机、个性品质等的认识并非同时开始，发展也是非等速的。其发生发展的总趋势是从认识他人到自我，到相互关系；从认知情绪到行为，再到心理状态；从认识身体到心理再到社会。而同一年龄的儿童各方面的发展水平也是有差异的。　　　　（3）儿童社会认知的发展遵循认知发展的普遍规律，但不完全受认知发展的影响　　研究者也认为，儿童社会认知发展与一般认知发展并非完全平行。它不完全受认知发展的研究。不少研究证明，儿童智商与其观点采择能力之间的相关系数一般是中等或偏下。因为当儿童的一般认知达到一定水平后，个体社会认知能力就更多地受社会、文化、教育等因素的影响和制约。　　　　（4）儿童社会认知的发展水平与社会交往密切相关　　儿童社会认知的对象既包括人及由人构成的社会关系，也包括其生活的社会环境。儿童不仅是认知者，而且是积极的行为者，他是通过与他人的社会交往、相互作用的过程中认知社会的。已有研究表明，儿童社会认知的发展与其社会交往存在着密切的关系。首先，儿童同伴互动对社会认知有促进作用。其次，儿童交往的需要和动机与儿童社会认知的水平有密切的关系。　　　　3、电视可能给儿童的社会性发展带来的负面影响主要有哪些?　　这种负面影响主要体现在1）电视有可能使儿童在认识上与现实产生距离。电视虽然是来自于现实，但是以一种艺术化的方式表现出来，其中可能有很多与现实不符的内容和画面。儿童由于理性思维能力还处于低级阶段，主要是通过自己的感官认识世界，感受世界，如果他们长期接触这样的舅母，就很容易产生认识上的偏差和误解。2）电视可能会影响到儿童现实的交往关系，影响社会交往能力的发展。看电视是在户内进行的，儿童看电视越多，相应的户外活动时间就会减少，亲子间、同龄人间的接触也会减少，这样可能影响到儿童现实的社会性交往，进而影响到交往能力的提升。3）一些不健康电视节目可能导致儿童学习模仿，对社会性发展产生不良影响。在电视节目中，存在相当一部分思想不健康，或者不适合儿童观看的内容，如暴力、凶杀、毒品等内容，而电视节目中不清晰的价值导向也使儿童更容易产生模仿行为。而一些电视节目也有可能刺激儿童已有的内心不良感受，加深不满情绪，使儿童出现憎恨、反叛等心理，进而产生一些问题行为。除电视之外，计算机和网络也日益成为影响儿童社会性发展的因素。作为教育者，应趋利避害，利用这些现代化媒体的长处，避免它们可能对儿童的社会性发展产生负面影响。　　4、简述幼儿教师的积极期望与恰当要求如何影响幼儿的社会性发展　　皮格马利翁效应清楚地说明了教师的期望对学生产生的教育影响。在幼儿园阶段，由于幼儿基本上还处在他律阶段，非常看重成人对自己的评价，同时也会有想作一个“好孩子”的愿望，因此，教师对幼儿的期望和要求会直接影响到幼儿的社会化。　　研究观察表明，当幼儿教师对儿童有高期望时，在情绪、身体语言、口头语言、教学材料、赞扬和批评等不同水平上，教师都表现出这种高期望。如会更经常发出微笑、点头、注视儿童、谈话、提问、提供更多的游戏学习材料等积极行为。而被教师寄予希望的儿童，在感受到教师的关心和爱的基础上，与教师更容易形成融洽的关系，常常以积极的态度对待教师，对待学习，更加自尊自信、有一种积极向上的热情。反之，被教师漠视，处于低期望状态的儿童则更容易表现出一些消极的行为。5、简述幼儿自我评价发展的趋势　　幼儿自我评价的发展趋势是：从轻信和运用成人的评价到自己独立的评价。幼儿初期，儿童对自己的评价往往只是成人评价的简单再现，而且不加考虑地轻信成人对自己的评价。此后，儿童对成人的评价不轻易再现，如评价不正确，儿童会有反抗的表现。一直到幼儿晚期，幼儿才开始出现独立的评价。而且，幼儿的自我评价往往比较简单，一般是两分法的评价方式，如“好”与“不好”；“聪明”与“笨”等，很难象成人一向作出全面细致的区分。由此，幼儿园教师在对儿童进行评价时候要慎重，需要更正客观。而且尽量少给孩子定性的评价，避免孩子因为老师的评价而对自我评价产生偏差。　　　　评价常常带有主观情绪性。在幼儿阶段，儿童的行为由于还受情绪的影响比较大，所以在对自我进行评价时也会显示出情绪化的特征。　　学前儿童的自我评价主要还停留在自己外部行为的评价上，如学前儿童基本能评价自己的外貌特征（如高矮、胖瘦等）；而全面、概括地评价自己各方面能力水平的能力还比较低。　　　 6、简述发展生态学关于建构有教育意义的环境需注意的基本原则。　　（1）集体教养环境能否增进儿童智力发展和学习能力，取决于：自然环境是否限制儿童的活动机会；是否有足够的物品玩具可利用于儿童的自发活动中；成人是否有足够的机会参与儿童活动中；成人与儿童相互交往中是否能够激励儿童完成任务的活动；成人能否为儿童从事日益复杂的人际关系创造和保持机会。（2）对于某种学习或规则来说，真正的发展在于儿童的知觉与行为能迁移到其他或更高的环境系统的活动中。由此，课程设计要尽量考虑提供促进迁移练习的机会。（3）对于幼儿自身的活动来说，幼儿在微观系统中与他人的交互作用如果有第三者以支持性关系参与时，其促进儿童发展的功能发挥更有效。这意味着，在一定条件下可以调动支持幼儿园教育的社会关系越多，越有利于儿童发展。（4）对于角色意识的培养来说，在环境中活动时承担的角色对角色意识的发展有重要影响；（5）对社会适应来说，生态变迁往往是发展进程中的转折点，当孩子进入一个新的环境时，为其建立“心理安全基地”是非常重要的。　　　　三、论述题　　1、试论述学前儿童社会教育与其他领域课程的关系　　陈鹤琴先生将五大领域比喻为人的五指，息息相连，五指活动的五指是活的，可以伸缩，依据儿童身心发展的特征，五指活动在儿童生活中结成一张教育的网，它们有组织、有系统、合理地编织在儿童的生活中。不过在这一张网中，学前儿童社会教育起着核心与灵魂的作用，为其他领域提供方向与价值的指引。即一切的教育都在帮助孩子建立与世界的一种恰当关系，学会做一个人格健全有益于人类的人。在幼儿科学教育中，我们不仅让儿童学会科学的认识与探究客观的世界，还要认识到人类与客观世界的关系，以及人类对客观世界所承载的责任；幼儿语言教育也不仅仅只是教会孩子正确与流利的表达，还要教孩子学会表达真诚与善意；幼儿艺术教育不仅仅让孩子学生欣赏与创造美，还让孩子体验与领会人性之美。这些关系的层面，人性的层面就是社会教育需要关注的，因而，社会教育存在于所有领域课程之中。（4分）　　这几者的关系我们可以用一个以学前儿童社会教育为轴心的椎体来表示，底面是健康教育，椎体的三面分别是语言、科学、艺术教育，椎体的轴心是学前儿童社会教育。从这一图示可以发现几大领域是相互支撑、相互渗透的，学前儿童社会教育极大地依赖于其他领域的内容，但它处于课程领域的中心与核心地位。（4分）　　我们认为将学前儿童社会教育作为一个独立地课程领域提出，更多具有研究上的意义，而不是实践上的意义。课程实施中，儿童的发展是整体的，对儿童教育是自然应当是整体的。不过对课程领域的相对区分也有它必要的实践意义，虽然我们强调幼儿的学习要更多遵从幼儿生活的逻辑，而不是知识的逻辑，但生活与知识也不是完全对立的，有组织的教学中按照幼儿知识学习的特点组织教学也是教育的一条基本规律。因为不同类型知识的学习有其不同的特点与方法，如品格、态度的学习与语言或操作技能的学习就有很大的不同，作为教育者自然要根据不同知识的学习特点来设计不同的教育活动，采用不同的影响方式，这才能保证教育的科学性与有效性。这种区分从教的角度看是帮助教育者形成更科学与恰当的教育意识。不过在实践中，教育者越是能将教育作为一个整体加以考虑与实施，那对儿童的发展就是越有益处的。（4分）　　　　有自己的言之成理的独特观点（3分）　　　 2、试论述幼儿教师如何才能为孩子创设一个积极的精神环境？　　（1）教师可以为幼儿创设一个积极交往的气氛，增加交往的机会。例如，对于刚入园的儿童，教师可以让他们互相介绍自己，使他们逐渐消除陌生感的胆怯心理。在日常生活中，引导幼儿相互交流自己的思想、感情，了解别人的需要，学会共情。（4分）　　（2）教师还可以通过引导幼儿相互关心，相互帮助促进儿童社会性的发展。幼儿在生活中或学习中出现了困难，教师可以引导幼儿之间互相帮助解决。如一个幼儿摔倒了，教师可以让其他小朋友把他扶起来；一个幼儿的手工总是做不好，教师可以让做得好的幼儿教他；幼儿之间出现了争执，教师可以引导他们自己解决，提高协调的能力。（4分）　　　（3）还可以通过节日庆祝活动、故事会、合作游戏等活动形式，使儿童增进了解、增进友谊，把班级建成一个团结、温暖的家庭。除此之外，幼儿园中教师与教师之间的关系也是影响儿童社会性发展的一个重要因素。教师之间互相关心、合作可以使儿童产生安全感和归属感，同时也给儿童提供了耳濡目染的学习机会。因此教师之间要友好，工作上要配合，不当着孩子的面说别的老师坏话，不诋毁同事，不互相拆台。班级教师乃至全体教师之间，都应尽力为幼儿创造一个宽松、温情的精神环境。（4分）　　　　有自己言之成理的独特观点（3分）　　四、分析题（每小题10　分，共10　分）　　亲子关系是儿童自出生后最先接触的人际关系，对父母行为的模仿是儿童社会化的重要方式，社会学习理论中的观察学习的概念解释了儿童模仿的过程，认为在社会情境中，儿童直接观察别人的行为就能获得并仿造出一连串新的行为，并且观察到他人行为产生的后果，也就受到了一种“替代强化”。（3分）儿童模仿父母的行为、态度的机制是复杂的。有的学者认为儿童是通过这种方式来获得父母的情感接纳或者避免惩罚，而有的学者则认为儿童的这种行为是受动物性本能的驱动，试图通过对父母行为的模仿来获得对周围环境的控制。由此，家庭中的父母应注重自己的言行举止，为儿童的模仿提供良好的榜样。（3分）教育者既要与家长沟通让他们明白自身行为对孩子的深远影响，也要在幼儿园中通过一定的活动（比如角色扮演，讲故事的方式让涛涛学会尊重帮助、关心与照顾我们的人）（4分）　　　　五、应用题（每小题10分，共10 分）　　　　评分标准：知道相应的能力与知识要求（3分），能对自己的问题进行客观分析（3分），并制定出客观可行的学习与改进计划（4分）　　学前儿童社会教育作业2参考答案（第三至四章）　　　　一、填空题（每空1分，共20分）　　　　1、定向；调控　　　　2、社会发展需要。　　　　3、价值性，合宜性。　　　　4、学前儿童社会教育目标；相关学科知识。　　　　5、幼儿的兴趣与生活经验，社会政治经济文化发展的需求。　　　　6、随机性和无意性，情感驱动性。　　　　7、参观法。　　　　8、行为练习法。　　　　9、试误与练习，强化练习。　　　　10、讲述法；不便直接感知或无法直接感知。　　　　11、共情训练法，类似情绪。　　　　12、潜移默化。　　　　二、简述题（每小题5　分，共30　分）　　　　1、简述幼儿社会教育目标建构的整体性原则。　　整体性原则即建构学前儿童社会教育目标时，要确立一种层次结构的整合观。这种整合观包括横向的类别整合与纵向的层次整合。横向的类别整合包括儿童社会认知、社会情感、社会行为三方面发展目标的整合，学前儿童社会性发展是这三方面的协调发展，避免只重认知而忽视情意和行为发展的现象。是一个整体，它应当包含避免只重知识传授而忽视情感培养和行为习惯培养，要把三者有机的协调起来。横向的类别整合还包括各教育系统幼儿社会教育目标的整合，即家庭、社会与幼儿园的社会教育目标要基本一致，以形成教育的合力，促进幼儿健康发展。纵向的层次整合主要指学前儿童社会教育各层级目标的整合，即各相连层级间的目标是相互联系、相互支持的。　　　　2、简述幼儿社会教育的总目标及其特点。　　《幼儿园教育指导纲要（试行）》中，就社会领域提出以下总目标：“能主动地参与各项活动，有自信心；乐意与人交往，学习互助、合作和分享，有同情心；理解并遵守日常生活中基本的社会行为规则；能努力做好力所能及的事，不怕困难，有初步的责任感；爱父母长辈、老师和同伴，爱集体、爱家乡、爱祖国。”幼儿社会教育总目标的特点有：第一，规范性。第二，共通性。第三，学习结果导向性。第四，可分析性。第五，可扩充性。　　　　3、简述幼儿园与家庭合作需要注意的问题。　　　　幼儿园与家庭合作需要注意以下几个问题：　　（1）取得家长的信任。　　（2）时有效地与家长沟通。　　（3）持家长与幼儿园之间教育观念、教育态度上的一致。　　（4）要充分挖掘、利用家长资源。　　（5）要争取让家长参与幼儿园的决策。　　　 4、简述应用行为评价法需要注意的问题。　　　　行为评价法的运用需要注意：　　（1）根据正面教育原则，行为评价法应以表扬为主，对学前儿童的社会行为进行正向引导。　　（2）行为评价要及时、一致。一方面行为反馈要及时出现在学前儿童好的或不良的行为之后。　　（3）评价要具体，避免空泛。　　（4）强化手段不能运用得过于频繁。　　（5）评价方式要多样化，要根据不同的场合、不同个性的学前儿童选用不同的评价方法。　　（6）引导幼儿进行自我评价和相互评价。　　　 5、积极意义上的良好环境应该具备的基本特征有哪些？　　（1）在物质上是丰富和多样的。　　（2）在气氛上是宽容和接纳的。　　（3）在制度上是明确的和必要的。　　（4）在设计上是具有某种倾向性或暗示性的。　　　　6、简述学前儿童社会教育内容选择的生活性与适宜性的内涵及其运用要求。　　生活性原则是指学前儿童社会教育的内容应当尽可能从儿童的生活出发，选择基于儿童生活经验与生活实际，并能丰富儿童生活经验的内容。适宜性是指学前儿童社会教育内容的选择，要根据目标，儿童发展及社会文化发展需要选择有助于幼儿发展，同时也能为幼儿所理解的内容。前一原则是从学习的经验基础提出的，后一原则是从学习的发展水平提出的。根据这两条原则，学前儿童社会教育内容的选择应当注意：（1）选择幼儿生活需要，并为幼儿所熟悉的内容。（2）选择幼儿可以理解的、有益幼儿发展的内容。

尝试修改一下字体。。。。可能是字体的问题导致草图有问题。。还有草图也不要太大。。。

（1）“我”忐忑不安的原因是：天已经很晚了，我却来打扰老师休息，怕老师责怪，所以会感觉到忐忑不安。（2）这不是普通的光，这是老师生命的光。第一个“光”指的是（灯光下老师银白色的头发）第二个“光”指的是（老师对教育事业的献身精神及老师对学生的热爱之情，是老师散发出来的生命之光）（3）读下面的句子，说说从人物的心理、语言、动作等描写中，你体会到了什么？老师讲完了题，夜色更浓了，我想赶快离开，她却一点也不放松：“自己再做一遍！”（我体会到了老师的严厉是对我的负责及关心，使我能够真真正正掌握好老师所讲的知识也体现了老师的慈爱之情。）

解释 交：一齐，同时；瘁：疲劳。精神和体力都极度劳累。 出处 清·百一居士《壶天录》上卷：“由此心力交瘁，患疾遂卒。” 　　示例 冰心《南归—贡献给母亲在天之灵》：“我们心力交瘁，能报母亲的恩慈于万一么？” 　　用 法 主谓式；作谓语、定语、补语；用于人 　　近义词 精疲力竭、疲惫不堪 　　反义词 神采奕奕、生气勃勃 、精力旺盛 　　瘁：〈形〉形声。从疒，卒声。从“疒”，表示与疾病有关。本义：困病。 　　“心力交瘁”侧重点在过分“劳累”，有憔悴、枯槁的意思。 　　“心力娇脆”侧重点在“脆弱”，脆弱即是不坚强；不稳固。

应该是：广州的春天是一年中最美的季节。这道题属于语序不当。

把称砣放到四两的位置称半斤的东西，称杆子会翘起来。所以意思是：翘尾巴

气体在定容下的比热容与在定压下的比热容不同主要是因为，在定压下气体温度变化会引起体积变化对外做工消耗一部分能量，所以定压下的比热容略大于定容下的比热容。

54

建议你可以下个360顽固木马扫描一下，看看是否行得通。如果再不行的话，那就要重做系统，如果问题依旧存在，那就请格式化你的硬盘，再重做系统。

1、直流单芯电缆穿镀锌钢后，单芯电缆传送的直流信号不受影响。2、如果是镀锌钢板构成电磁屏蔽空间，则单芯电缆穿镀锌钢后，电磁屏蔽性能被破坏。

~建义使用网盾，网盾是一款比较不错的杀毒软件，功能很牛B，可以注册帐号、还可以赚积分，换点卡什么的.。安全娱乐两不误，给你个联接http://dx.ggsafe.com/download/down.php?ID1=1771170801&ID2=49

（1）“我”忐忑不安的原因是：天已经很晚了,我却来打扰老师休息,怕老师责怪,所以会感觉到忐忑不安. （2）这不是普通的光,这是老师生命的光.第一个“光”指的是（灯光下老师银白色的头发）第二个“光”指的是（老师对教育事业的献身精神及老师对学生的热爱之情,是老师散发出来的生命之光） （3）读下面的句子,说说从人物的心理、语言、动作等描写中,你体会到了什么?老师讲完了题,夜色更浓了,我想赶快离开,她却一点也不放松：“自己再做一遍!” （我体会到了老师的严厉是对我的负责及关心,使我能够真真正正掌握好老师所讲的知识也体现了老师的慈爱之情.）

富力通轮胎是广州市华南橡胶的，是以耐磨性著称的全钢轮胎品牌。跟万力轮胎是同厂的，质量不错，相较其他品牌轮胎而言性价比高很多，是个非常不错的品牌。浙江省总代理在台州路桥。