① 在网页制作中如何使用CSS让DIV下的文字居中呢
将DIV内的文字加上<center>标签应该就可以了，
比如
<div style="width:155px;height:20px;background:#00ff00;">
<center>
<span class="di">友情链接</span>
</center>
</div>
这样就能让你友情链接4个字剧中了，你中间添加的是动态文字也可以没问题的。
不过要注意要设置你DIV的大小，也就是width和height不然他会默认按全屏居中
② 怎么将flink的javadoc的网页下载下来，不管是存为html还是chm已经试过网页另存为
。。。你下载框架的时候，里面肯定有 resource_doc结尾的包，里面有文档
③ flinksql自定义topN函数的代码
摘要 package day07;
④ dedecms 栏目怎么调用友情链接
1、首先，在dedecms网站后台进行登录，输入账号密码，进行网站后台的登录。
⑤ flinksql自定义topN函数的代码
摘要 当前 Flink 有如下几种函数：
⑥ Apache Flink现在在大数据处理方面能够和Apache Spark分庭抗礼么
我们是否还需要另外一个新的数据处理引擎？当我第一次听到flink的时候这是我是非常怀疑的。在大数据领域，现在已经不缺少数据处理框架了，但是没有一个框架能够完全满足不同的处理需求。自从Apache spark出现后，貌似已经成为当今把大部分的问题解决得最好的框架了，所以我对另外一款解决类似问题的框架持有很强烈的怀疑态度。
不过因为好奇，我花费了数个星期在尝试了解flink。一开始仔细看了flink的几个例子，感觉和spark非常类似，心理就倾向于认为flink又是一个模仿spark的框架。但是随着了解的深入，这些API体现了一些flink的新奇的思路，这些思路还是和spark有着比较明显的区别的。我对这些思路有些着迷了，所以花费了更多的时间在这上面。
flink中的很多思路，例如内存管理，dataset API都已经出现在spark中并且已经证明 这些思路是非常靠谱的。所以，深入了解flink也许可以帮助我们分布式数据处理的未来之路是怎样的
在后面的文章里，我会把自己作为一个spark开发者对flink的第一感受写出来。因为我已经在spark上干了2年多了，但是只在flink上接触了2到3周，所以必然存在一些bias，所以大家也带着怀疑和批判的角度来看这篇文章吧。
Apache Flink是什么
flink是一款新的大数据处理引擎，目标是统一不同来源的数据处理。这个目标看起来和spark和类似。没错，flink也在尝试解决spark在解决的问题。这两套系统都在尝试建立一个统一的平台可以运行批量，流式，交互式，图处理，机器学习等应用。所以，flink和spark的目标差别并不大，他们最主要的区别在于实现的细节。
后面我会重点从不同的角度对比这两者。
Apache Spark vs Apache Flink
1.抽象 Abstraction
spark中，对于批处理我们有RDD,对于流式，我们有DStream，不过内部实际还是RDD.所以所有的数据表示本质上还是RDD抽象。
后面我会重点从不同的角度对比这两者。在flink中，对于批处理有DataSet，对于流式我们有DataStreams。看起来和spark类似，他们的不同点在于：
一）DataSet在运行时是表现为运行计划(runtime plans)的
在spark中，RDD在运行时是表现为java objects的。通过引入Tungsten，这块有了些许的改变。但是在flink中是被表现为logical plan(逻辑计划)的，听起来很熟悉？没错，就是类似于spark中的dataframes。所以在flink中你使用的类Dataframe api是被作为第一优先级来优化的。但是相对来说在spark RDD中就没有了这块的优化了。
flink中的Dataset，对标spark中的Dataframe，在运行前会经过优化。
在spark 1.6，dataset API已经被引入spark了，也许最终会取代RDD 抽象。
二）Dataset和DataStream是独立的API
在spark中，所有不同的API，例如DStream，Dataframe都是基于RDD抽象的。但是在flink中，Dataset和DataStream是同一个公用的引擎之上两个独立的抽象。所以你不能把这两者的行为合并在一起操作，当然，flink社区目前在朝这个方向努力(https://issues.apache.org/jira/browse/FLINK-2320)，但是目前还不能轻易断言最后的结果。
2.内存管理
一直到1.5版本，spark都是试用java的内存管理来做数据缓存，明显很容易导致OOM或者gc。所以从1.5开始，spark开始转向精确的控制内存的使用，这就是tungsten项目了
flink从第一天开始就坚持自己控制内存试用。这个也是启发了spark走这条路的原因之一。flink除了把数据存在自己管理的内存以外，还直接操作二进制数据。在spark中，从1.5开始，所有的dataframe操作都是直接作用在tungsten的二进制数据上。
3.语言实现
spark是用scala来实现的，它提供了Java，Python和R的编程接口。
flink是java实现的，当然同样提供了Scala API
所以从语言的角度来看，spark要更丰富一些。因为我已经转移到scala很久了，所以不太清楚这两者的java api实现情况。
4.API
spark和flink都在模仿scala的collection API.所以从表面看起来，两者都很类似。下面是分别用RDD和DataSet API实现的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())
}
}
不知道是偶然还是故意的，API都长得很像，这样很方便开发者从一个引擎切换到另外一个引擎。我感觉以后这种Collection API会成为写data pipeline的标配。
Steaming
spark把streaming看成是更快的批处理，而flink把批处理看成streaming的special case。这里面的思路决定了各自的方向，其中两者的差异点有如下这些：
实时 vs 近实时的角度
flink提供了基于每个事件的流式处理机制，所以可以被认为是一个真正的流式计算。它非常像storm的model。
而spark，不是基于事件的粒度，而是用小批量来模拟流式，也就是多个事件的集合。所以spark被认为是近实时的处理系统。
Spark streaming 是更快的批处理，而Flink Batch是有限数据的流式计算。
虽然大部分应用对准实时是可以接受的，但是也还是有很多应用需要event level的流式计算。这些应用更愿意选择storm而非spark streaming，现在，flink也许是一个更好的选择。
流式计算和批处理计算的表示
spark对于批处理和流式计算，都是用的相同的抽象：RDD，这样很方便这两种计算合并起来表示。而flink这两者分为了DataSet和DataStream，相比spark，这个设计算是一个糟糕的设计。
对 windowing 的支持
因为spark的小批量机制，spark对于windowing的支持非常有限。只能基于process time，且只能对batches来做window。
而Flink对window的支持非常到位，且Flink对windowing API的支持是相当给力的，允许基于process time,data time,record 来做windowing。
我不太确定spark是否能引入这些API，不过到目前为止，Flink的windowing支持是要比spark好的。
Steaming这部分flink胜
SQL interface
目前spark-sql是spark里面最活跃的组件之一，Spark提供了类似Hive的sql和Dataframe这种DSL来查询结构化数据，API很成熟，在流式计算中使用很广，预计在流式计算中也会发展得很快。
至于flink，到目前为止，Flink Table API只支持类似DataFrame这种DSL，并且还是处于beta状态，社区有计划增加SQL 的interface，但是目前还不确定什么时候才能在框架中用上。
所以这个部分，spark胜出。
Data source Integration
Spark的数据源 API是整个框架中最好的，支持的数据源包括NoSql db,parquet,ORC等，并且支持一些高级的操作，例如predicate push down
Flink目前还依赖map/rece InputFormat来做数据源聚合。
这一场spark胜
Iterative processing
spark对机器学习的支持较好，因为可以在spark中利用内存cache来加速机器学习算法。
但是大部分机器学习算法其实是一个有环的数据流，但是在spark中，实际是用无环图来表示的，一般的分布式处理引擎都是不鼓励试用有环图的。
但是flink这里又有点不一样，flink支持在runtime中的有环数据流，这样表示机器学习算法更有效而且更有效率。
这一点flink胜出。
Stream as platform vs Batch as Platform
Spark诞生在Map/Rece的时代，数据都是以文件的形式保存在磁盘中，这样非常方便做容错处理。
Flink把纯流式数据计算引入大数据时代，无疑给业界带来了一股清新的空气。这个idea非常类似akka-streams这种。
成熟度
目前的确有一部分吃螃蟹的用户已经在生产环境中使用flink了，不过从我的眼光来看，Flink还在发展中，还需要时间来成熟。
结论
目前Spark相比Flink是一个更为成熟的计算框架，但是Flink的很多思路很不错，Spark社区也意识到了这一点，并且逐渐在采用Flink中的好的设计思路，所以学习一下Flink能让你了解一下Streaming这方面的更迷人的思路。
⑦ 请问，pc机怎么装SQL server 呀
sql server 2000以前的版本，例如7.0一般不存在多个版本，只有标准版跟桌面版，用户如果不清楚该装什么版本的话，可按安装上的安装先决条件指示安装，一般在win2000 服务器版上装标准版，其他的系统装桌面版的就可以；而sql server 2000安装问题就比较大，时常见问题有如下：
(1)配置服务器时中断.
(2)注册 activex 时中断.
(3)显示到100％的时候中断.
(4)提示：command line option syntax error, type command /? for help，继续安装,最后在配置服务器的时候出现：无法找到动态链接sqlunirl.dll于指定的路径……
(5)以前进行的程序创建了挂起的文件操作，运行安装程序前，必须重新启动
(1)(2)(3)的解决办法：
提醒：为避免误操作，先备份注册表和数据库进不了sql server 2000,可以备份 program files\microsoft sql server\mssql\data 文件夹的文件.
1、先把sql server卸载（卸载不掉也没有关系，继续下面的操作）
2、把microsoft sql server文件夹整个删掉。
3、运行注册表,删除如下项：
hkey_current_user\software\microsoft\microsoft sql server
hkey_local_machine\software\microsoft\microsoft sql server
hkey_local_machine\software\microsoft\mssqlserver
4、需要的话就重新启动系统
5、重新安装
另外也可尝试单步运行安装 sql server 2000的方法：
1:放入 sql server 2000 光盘.
2:在"开始"--"运行"键入 "f:\x86\setup.exe k=dbg" (f是光盘)
注意：
一、不同的操作系统支持的sql server 2000版本以及对硬件的要求。
windows 2000 server可以安装sql server 2000的任何版本.
windows 2000 professional只能安装sql server 2000的个人版、开发版、评估版、mcde
二、sql server 2000各版本以及对硬件的要求。
(4)的解决办法
因为安装文件的路径(完整路径)里有中文.
比如 c:\sqlserver中文企业版\
改成 c:\sqlserver\
(5)的解决办法
a、重启机器，再进行安装，如果发现还有该错误，请按下面步骤
b、在开始->运行中输入regedit
c、到hkey_local_machine\system\currentcontrolset\control\session manager 位置
d、选择文件->倒出,保存
e、在右边窗口右击pendingfilerenameoperations，选择删除，然后确认
f、重启安装，问题解决
我们做一些事情，欲想成功，有时总得好事多磨。决定学习SQL Server2000，在网上找了N久都没找到一个完全可以下载的，后来总算找到了。下载完之后，准备安装SQL Server2000个人版，本以为安装会很simple，安装完之后一运行企业管理器，才发现本该在控制台根目录/SQL Server组下的（数据库；数据转换服务；管理；复制；安全性；支持服务；Meta；Date； Service）等七个字目录都没显示，上面提示说“找不到SQL Server或连接不上服务器”，再去运行服务管理器，无法连接。没道理啊，软件杀过毒，安装都是默认的，机子没中标，咋会不行呢？后来重新安装了几遍，总算把问题解决了。 解决方法如下： 运行安装程序，然后按照默认的摁下一步，到了"身份验证模式"的时候，如果选"windows身份验证模式",根本就没法完成安装，这个地方应该选"混合模式"，输入sa密码。好了，你看到完成安装了。不过又有问题出现，运行服务管理器，连接你的服务器时，出现连接失败的错误信息。在网上找了半天，终于解决了。找到控制面板--管理工具--服务--MSSQLSERVER，右键、属性，登陆选项中，选择"本地系统帐户"，并且在"允许服务与桌面交互"前面打钩。再次连接服务器，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如何实现 select * 查询指定行
你应该获取控件中当前行的某一列（这个列是数据的唯一标识符），然后根据这个来修改
⑨ flink sql cdc mysql建表报错了.DataException: NAME is not a valid field name
你好，很高兴回答你的问题。
建议检查一下是不是有“NAME”这个字段。
如果有帮助到你，请点击采纳。