① 在網頁製作中如何使用CSS讓DIV下的文字居中呢
將DIV內的文字加上<center>標簽應該就可以了，
比如
<div style="width:155px;height:20px;background:#00ff00;">
<center>
<span class="di">友情鏈接</span>
</center>
</div>
這樣就能讓你友情鏈接4個字劇中了，你中間添加的是動態文字也可以沒問題的。
不過要注意要設置你DIV的大小，也就是width和height不然他會默認按全屏居中
② 怎麼將flink的javadoc的網頁下載下來，不管是存為html還是chm已經試過網頁另存為
。。。你下載框架的時候，裡面肯定有 resource_doc結尾的包，裡面有文檔
③ flinksql自定義topN函數的代碼
摘要 package day07;
④ dedecms 欄目怎麼調用友情鏈接
1、首先，在dedecms網站後台進行登錄，輸入賬號密碼，進行網站後台的登錄。
⑤ flinksql自定義topN函數的代碼
摘要 當前 Flink 有如下幾種函數：
⑥ Apache Flink現在在大數據處理方面能夠和Apache Spark分庭抗禮么
我們是否還需要另外一個新的數據處理引擎？當我第一次聽到flink的時候這是我是非常懷疑的。在大數據領域，現在已經不缺少數據處理框架了，但是沒有一個框架能夠完全滿足不同的處理需求。自從Apache spark出現後，貌似已經成為當今把大部分的問題解決得最好的框架了，所以我對另外一款解決類似問題的框架持有很強烈的懷疑態度。
不過因為好奇，我花費了數個星期在嘗試了解flink。一開始仔細看了flink的幾個例子，感覺和spark非常類似，心理就傾向於認為flink又是一個模仿spark的框架。但是隨著了解的深入，這些API體現了一些flink的新奇的思路，這些思路還是和spark有著比較明顯的區別的。我對這些思路有些著迷了，所以花費了更多的時間在這上面。
flink中的很多思路，例如內存管理，dataset API都已經出現在spark中並且已經證明 這些思路是非常靠譜的。所以，深入了解flink也許可以幫助我們分布式數據處理的未來之路是怎樣的
在後面的文章里，我會把自己作為一個spark開發者對flink的第一感受寫出來。因為我已經在spark上幹了2年多了，但是只在flink上接觸了2到3周，所以必然存在一些bias，所以大家也帶著懷疑和批判的角度來看這篇文章吧。
Apache Flink是什麼
flink是一款新的大數據處理引擎，目標是統一不同來源的數據處理。這個目標看起來和spark和類似。沒錯，flink也在嘗試解決spark在解決的問題。這兩套系統都在嘗試建立一個統一的平台可以運行批量，流式，互動式，圖處理，機器學習等應用。所以，flink和spark的目標差別並不大，他們最主要的區別在於實現的細節。
後面我會重點從不同的角度對比這兩者。
Apache Spark vs Apache Flink
1.抽象 Abstraction
spark中，對於批處理我們有RDD,對於流式，我們有DStream，不過內部實際還是RDD.所以所有的數據表示本質上還是RDD抽象。
後面我會重點從不同的角度對比這兩者。在flink中，對於批處理有DataSet，對於流式我們有DataStreams。看起來和spark類似，他們的不同點在於：
一）DataSet在運行時是表現為運行計劃(runtime plans)的
在spark中，RDD在運行時是表現為java objects的。通過引入Tungsten，這塊有了些許的改變。但是在flink中是被表現為logical plan(邏輯計劃)的，聽起來很熟悉？沒錯，就是類似於spark中的dataframes。所以在flink中你使用的類Dataframe api是被作為第一優先順序來優化的。但是相對來說在spark RDD中就沒有了這塊的優化了。
flink中的Dataset，對標spark中的Dataframe，在運行前會經過優化。
在spark 1.6，dataset API已經被引入spark了，也許最終會取代RDD 抽象。
二）Dataset和DataStream是獨立的API
在spark中，所有不同的API，例如DStream，Dataframe都是基於RDD抽象的。但是在flink中，Dataset和DataStream是同一個公用的引擎之上兩個獨立的抽象。所以你不能把這兩者的行為合並在一起操作，當然，flink社區目前在朝這個方向努力(https://issues.apache.org/jira/browse/FLINK-2320)，但是目前還不能輕易斷言最後的結果。
2.內存管理
一直到1.5版本，spark都是試用java的內存管理來做數據緩存，明顯很容易導致OOM或者gc。所以從1.5開始，spark開始轉向精確的控制內存的使用，這就是tungsten項目了
flink從第一天開始就堅持自己控制內存試用。這個也是啟發了spark走這條路的原因之一。flink除了把數據存在自己管理的內存以外，還直接操作二進制數據。在spark中，從1.5開始，所有的dataframe操作都是直接作用在tungsten的二進制數據上。
3.語言實現
spark是用scala來實現的，它提供了Java，Python和R的編程介面。
flink是java實現的，當然同樣提供了Scala API
所以從語言的角度來看，spark要更豐富一些。因為我已經轉移到scala很久了，所以不太清楚這兩者的java api實現情況。
4.API
spark和flink都在模仿scala的collection API.所以從表面看起來，兩者都很類似。下面是分別用RDD和DataSet API實現的word count
// Spark wordcount
object WordCount {
def main(args: Array[String]) {
val env = new SparkContext("local","wordCount")
val data = List("hi","how are you","hi")
val dataSet = env.parallelize(data)
val words = dataSet.flatMap(value => value.split("\\s+"))
val mappedWords = words.map(value => (value,1))
val sum = mappedWords.receByKey(_+_)
println(sum.collect())
}
}
// Flink wordcount
object WordCount {
def main(args: Array[String]) {
val env = ExecutionEnvironment.getExecutionEnvironment
val data = List("hi","how are you","hi")
val dataSet = env.fromCollection(data)
val words = dataSet.flatMap(value => value.split("\\s+"))
val mappedWords = words.map(value => (value,1))
val grouped = mappedWords.groupBy(0)
val sum = grouped.sum(1)
println(sum.collect())
}
}
不知道是偶然還是故意的，API都長得很像，這樣很方便開發者從一個引擎切換到另外一個引擎。我感覺以後這種Collection API會成為寫data pipeline的標配。
Steaming
spark把streaming看成是更快的批處理，而flink把批處理看成streaming的special case。這裡面的思路決定了各自的方向，其中兩者的差異點有如下這些：
實時 vs 近實時的角度
flink提供了基於每個事件的流式處理機制，所以可以被認為是一個真正的流式計算。它非常像storm的model。
而spark，不是基於事件的粒度，而是用小批量來模擬流式，也就是多個事件的集合。所以spark被認為是近實時的處理系統。
Spark streaming 是更快的批處理，而Flink Batch是有限數據的流式計算。
雖然大部分應用對准實時是可以接受的，但是也還是有很多應用需要event level的流式計算。這些應用更願意選擇storm而非spark streaming，現在，flink也許是一個更好的選擇。
流式計算和批處理計算的表示
spark對於批處理和流式計算，都是用的相同的抽象：RDD，這樣很方便這兩種計算合並起來表示。而flink這兩者分為了DataSet和DataStream，相比spark，這個設計算是一個糟糕的設計。
對 windowing 的支持
因為spark的小批量機制，spark對於windowing的支持非常有限。只能基於process time，且只能對batches來做window。
而Flink對window的支持非常到位，且Flink對windowing API的支持是相當給力的，允許基於process time,data time,record 來做windowing。
我不太確定spark是否能引入這些API，不過到目前為止，Flink的windowing支持是要比spark好的。
Steaming這部分flink勝
SQL interface
目前spark-sql是spark裡面最活躍的組件之一，Spark提供了類似Hive的sql和Dataframe這種DSL來查詢結構化數據，API很成熟，在流式計算中使用很廣，預計在流式計算中也會發展得很快。
至於flink，到目前為止，Flink Table API只支持類似DataFrame這種DSL，並且還是處於beta狀態，社區有計劃增加SQL 的interface，但是目前還不確定什麼時候才能在框架中用上。
所以這個部分，spark勝出。
Data source Integration
Spark的數據源 API是整個框架中最好的，支持的數據源包括NoSql db,parquet,ORC等，並且支持一些高級的操作，例如predicate push down
Flink目前還依賴map/rece InputFormat來做數據源聚合。
這一場spark勝
Iterative processing
spark對機器學習的支持較好，因為可以在spark中利用內存cache來加速機器學習演算法。
但是大部分機器學習演算法其實是一個有環的數據流，但是在spark中，實際是用無環圖來表示的，一般的分布式處理引擎都是不鼓勵試用有環圖的。
但是flink這里又有點不一樣，flink支持在runtime中的有環數據流，這樣表示機器學習演算法更有效而且更有效率。
這一點flink勝出。
Stream as platform vs Batch as Platform
Spark誕生在Map/Rece的時代，數據都是以文件的形式保存在磁碟中，這樣非常方便做容錯處理。
Flink把純流式數據計算引入大數據時代，無疑給業界帶來了一股清新的空氣。這個idea非常類似akka-streams這種。
成熟度
目前的確有一部分吃螃蟹的用戶已經在生產環境中使用flink了，不過從我的眼光來看，Flink還在發展中，還需要時間來成熟。
結論
目前Spark相比Flink是一個更為成熟的計算框架，但是Flink的很多思路很不錯，Spark社區也意識到了這一點，並且逐漸在採用Flink中的好的設計思路，所以學習一下Flink能讓你了解一下Streaming這方面的更迷人的思路。
⑦ 請問，pc機怎麼裝SQL server 呀
sql server 2000以前的版本，例如7.0一般不存在多個版本，只有標准版跟桌面版，用戶如果不清楚該裝什麼版本的話，可按安裝上的安裝先決條件指示安裝，一般在win2000 伺服器版上裝標准版，其他的系統裝桌面版的就可以；而sql server 2000安裝問題就比較大，時常見問題有如下：
(1)配置伺服器時中斷.
(2)注冊 activex 時中斷.
(3)顯示到100％的時候中斷.
(4)提示：command line option syntax error, type command /? for help，繼續安裝,最後在配置伺服器的時候出現：無法找到動態鏈接sqlunirl.dll於指定的路徑……
(5)以前進行的程序創建了掛起的文件操作，運行安裝程序前，必須重新啟動
(1)(2)(3)的解決辦法：
提醒：為避免誤操作，先備份注冊表和資料庫進不了sql server 2000,可以備份 program files\microsoft sql server\mssql\data 文件夾的文件.
1、先把sql server卸載（卸載不掉也沒有關系，繼續下面的操作）
2、把microsoft sql server文件夾整個刪掉。
3、運行注冊表,刪除如下項：
hkey_current_user\software\microsoft\microsoft sql server
hkey_local_machine\software\microsoft\microsoft sql server
hkey_local_machine\software\microsoft\mssqlserver
4、需要的話就重新啟動系統
5、重新安裝
另外也可嘗試單步運行安裝 sql server 2000的方法：
1:放入 sql server 2000 光碟.
2:在"開始"--"運行"鍵入 "f:\x86\setup.exe k=dbg" (f是光碟)
注意：
一、不同的操作系統支持的sql server 2000版本以及對硬體的要求。
windows 2000 server可以安裝sql server 2000的任何版本.
windows 2000 professional只能安裝sql server 2000的個人版、開發版、評估版、mcde
二、sql server 2000各版本以及對硬體的要求。
(4)的解決辦法
因為安裝文件的路徑(完整路徑)里有中文.
比如 c:\sqlserver中文企業版\
改成 c:\sqlserver\
(5)的解決辦法
a、重啟機器，再進行安裝，如果發現還有該錯誤，請按下面步驟
b、在開始->運行中輸入regedit
c、到hkey_local_machine\system\currentcontrolset\control\session manager 位置
d、選擇文件->倒出,保存
e、在右邊窗口右擊pendingfilerenameoperations，選擇刪除，然後確認
f、重啟安裝，問題解決
我們做一些事情，欲想成功，有時總得好事多磨。決定學習SQL Server2000，在網上找了N久都沒找到一個完全可以下載的，後來總算找到了。下載完之後，准備安裝SQL Server2000個人版，本以為安裝會很simple，安裝完之後一運行企業管理器，才發現本該在控制台根目錄/SQL Server組下的（資料庫；數據轉換服務；管理；復制；安全性；支持服務；Meta；Date； Service）等七個字目錄都沒顯示，上面提示說「找不到SQL Server或連接不上伺服器」，再去運行服務管理器，無法連接。沒道理啊，軟體殺過毒，安裝都是默認的，機子沒中標，咋會不行呢？後來重新安裝了幾遍，總算把問題解決了。 解決方法如下： 運行安裝程序，然後按照默認的摁下一步，到了"身份驗證模式"的時候，如果選"windows身份驗證模式",根本就沒法完成安裝，這個地方應該選"混合模式"，輸入sa密碼。好了，你看到完成安裝了。不過又有問題出現，運行服務管理器，連接你的伺服器時，出現連接失敗的錯誤信息。在網上找了半天，終於解決了。找到控制面板--管理工具--服務--MSSQLSERVER，右鍵、屬性，登陸選項中，選擇"本地系統帳戶"，並且在"允許服務與桌面交互"前面打鉤。再次連接伺服器，一切OK了。
========================================================
SQL Server 2005 Express Edition (57.3 MB)http://nickd.go1.icpcn.com/tool%5Flink/?BigSort=4&LittleSort=1&TheTool=10
⑧ C#.net中的sql如何實現 select * 查詢指定行
你應該獲取控制項中當前行的某一列（這個列是數據的唯一標識符），然後根據這個來修改
⑨ flink sql cdc mysql建表報錯了.DataException: NAME is not a valid field name
你好，很高興回答你的問題。
建議檢查一下是不是有「NAME」這個欄位。
如果有幫助到你，請點擊採納。