mongodb 分片+副本集 身份认证和角色创建
简介： mongodb 数据库分片+副本集 搭建完成以后，就可以正常使用，但是有数据安全问题，所以最好设置安全验证。 1.创建超级管理员和普通用户 超级管理员：可管理所有的数据库。 普通用户：某个数据库的管理员。 开启数据库登录认证之前必须要创建一个超级数据库管理员了，否则无法对数据库进行操作。 如何创建用户和数据库授权，请参考Mongodb官方文档。参考地址： https://docs.mongodb.com/manual/core/security-users/ https://docs.mongodb.com/manual/tutorial/create-users/ 1.1.数据库角色介绍 MongoDB基本的角色 1.数据库用户角色Database UserRoles：read、readWrite; 2.数据库管理角色DatabaseAdministrator Role：dbAdmin、dbOwner、userAdmin； 3.集群管理角色 ClusterAdministartor...
Python科学计算库Numpy之 算数操作
NumPy - 算数函数 很容易理解的是，NumPy 包含大量的各种数学运算功能。 NumPy 提供标准的三角函数，算术运算的函数，复数处理函数等。 import numpy as np a = np.array([0, 30, 45, 60, 90]) print(np.sin(a * np.pi / 180)) # 不同角度的正弦值 print(np.cos(a * np.pi / 180)) # 数组中角度的余弦值 print(np.tan(a * np.pi / 180)) # 数组中角度的正切值 ‘’’ arcsin，arccos，和arctan函数返回给定角度的sin，cos和tan的反三角函数。 这些函数的结果可以通过numpy.degrees()函数通过将弧度制转换为角度制来验证 ‘’’ print(np.degrees(np.arcsin(np.sin(a * np.pi / 180)))) # 计算角度的反正弦 转化为角度制 print(np.degrees(np.arccos(np.cos(a * np.pi / 180)))) #...
Mongodb3.2.12 副本集 + 分片 完整安装
1.安装准备 MongoDB安装包：mongodb-Linux-x86_64-rhel70-3.2.8.tgz 下载地址：https://www.mongodb.com/download-center#previous 下载MongoDB安装，选择Community Server选项，选中RHEL 6 Linux 64-bit版本下载。 2.解压MongoDB安装包 [hadoop@new-cdh9 Tools]$ tar -zxvf...
Python科学计算库Numpy之 字符串操作
NumPy - 字符串函数 以下函数用于对dtype为numpy.string_或numpy.unicode_的数组执行向量化字符串操作。 它们基于 Python 内置库中的标准字符串函数。 序号 函数及描述 add() 返回两个str或Unicode数组的逐个字符串连接 multiply() 返回按元素多重连接后的字符串 center() 返回给定字符串的副本，其中元素位于特定字符串的中央 capitalize() 返回给定字符串的副本，其中只有第一个字符串大写 title() 返回字符串或 Unicode...
Python科学计算库Numpy之 迭代 nditer
NumPy - 数组上的迭代 NumPy 包包含一个迭代器对象numpy.nditer。 它是一个有效的多维迭代器对象，可以用于在数组上进行迭代。 数组的每个元素可使用 Python 的标准Iterator接口来访问。 广播迭代 如果两个数组是可广播的，nditer组合对象能够同时迭代它们。 假设数组a具有维度 3X4，并且存在维度为 1X4 的另一个数组b，则使用以下类型的迭代器（数组b被广播到a的大小）。 代码举例 import numpy as np a1 = np.arange(0, 60, 5).reshape(3, 4) print(a1) for x in np.nditer(a1): print(x) print(“-------------------------”) # 迭代的顺序匹配数组的内容布局，而不考虑特定的排序 for x in np.nditer(a1.T): print(x) print(“-------------------------”) # 以 C 风格顺序排序： for x in...
Python科学计算库Numpy之 数组操作
NumPy - 数组操作 操作ndarray 的方法 numpy.reshape:这个函数在不改变数据的条件下修改形状 numpy.ndarray.flat:该函数返回数组上的一维迭代器，行为类似 Python 内建的迭代器 numpy.ndarray.flatten:该函数返回折叠为一维的数组副本 numpy.ravel:这个函数返回展开的一维数组，并且按需生成副本。返回的数组和输入数组拥有相同数据类型 numpy.transpose:这个函数翻转给定数组的维度。如果可能的话它会返回一个视图 numpy.ndarray.T:该函数属于ndarray类，行为类似于numpy.transpose numpy.rollaxis:该函数向后滚动特定的轴，直到一个特定位置 numpy.swapaxes:该函数交换数组的两个轴。对于 1.10 之前的 NumPy 版本，会返回交换后数组的试图 numpy.broadcast_to:此函数将数组广播到新形状。 它在原始数组上返回只读视图。 它通常不连续。 如果新形状不符合...
Python科学计算库Numpy之 broadcasting
NumPy - 广播 术语broadcasting是指 NumPy 在算术运算期间处理不同形状的数组的能力。 对数组的算术运算通常在相应的元素上进行。 如果两个阵列具有完全相同的形状，则这些操作被无缝执行。 如果两个数组的维数不相同，则元素到元素的操作是不可能的。 然而，在 NumPy 中仍然可以对形状不相似的数组进行操作，因为它拥有广播功能。 较小的数组会广播到较大数组的大小，以便使它们的形状可兼容。 如果满足以下规则，可以进行广播： ndim较小的数组会在前面追加一个长度为 1 的维度。 输出数组的每个维度的大小是输入数组该维度大小的最大值。 如果输入在每个维度中的大小与输出大小匹配，或其值正好为 1，则在计算中可它。 如果输入的某个维度大小为 1，则该维度中的第一个数据元素将用于该维度的所有计算。 如果上述规则产生有效结果，并且满足以下条件之一，那么数组被称为可广播的。 数组拥有相同形状。 数组拥有相同的维数，每个维度拥有相同长度，或者长度为 1。 数组拥有极少的维度，可以在其前面追加长度为 1 的维度，使上述条件成立。 [caption id=“”...
Python科学计算库Numpy之 切片与索引
NumPy - 切片和索引 ndarray对象的内容可以通过索引或切片来访问和修改，就像 Python 的内置容器对象一样。 如前所述，ndarray对象中的元素遵循基于零的索引。 有三种可用的索引方法类型： 字段访问，基本切片和高级索引。 基本切片是 Python 中基本切片概念到 n 维的扩展。 通过将start，stop和step参数提供给内置的slice函数来构造一个 Python slice对象。 此slice对象被传递给数组来提取数组的一部分。 NumPy - 高级索引 如果一个ndarray是非元组序列，数据类型为整数或布尔值的ndarray，或者至少一个元素为序列对象的元组，我们就能够用它来索引ndarray。 高级索引始终返回数据的副本。 与此相反，切片只提供了一个视图。 有两种类型的高级索引：整数和布尔值。 整数索引 这种机制有助于基于 N 维索引来获取数组中任意元素。 每个整数数组表示该维度的下标值。 当索引的元素个数就是目标ndarray的维度时，会变得相当直接。 以下示例获取了ndarray对象中每一行指定列的一个元素。...
Python科学计算库Numpy之 属性
numpy数组属性 ndim : 这一数组属性返回数组的维数 shape : 这一数组属性返回一个包含数组维度的元组，它也可以用于调整数组大小 size : 数组的元素个数 dtype : 数组的数据类型 itemsize : 这一数组属性返回数组中每个元素的字节单位长度 nbytes : 数组占用的总内存大小，以字节为单位 flags : ndarray对象拥有以下属性。这个函数返回了它们的当前值。 序号 属性及描述 C_CONTIGUOUS (C) 数组位于单一的、C 风格的连续区段内 F_CONTIGUOUS (F) 数组位于单一的、Fortran 风格的连续区段内 OWNDATA (O) 数组的内存从其它对象处借用 WRITEABLE (W) 数据区域可写入。 将它设置为flase会锁定数据，使其只读 ALIGNED (A) 数据和任何元素会为硬件适当对齐 UPDATEIFCOPY (U) 这个数组是另一数组的副本。当这个数组释放时，源数组会由这个数组中的元素更新 代码使用如下： import numpy as np a1 =...
Python科学计算库Numpy之 dtype
NumPy - 数据类型 NumPy 支持比 Python 更多种类的数值类型。 下表显示了 NumPy 中定义的不同标量数据类型。 序号 数据类型及描述 bool_ 存储为一个字节的布尔值（真或假） int_ 默认整数，相当于 C 的long，通常为int32或int64 intc 相当于 C 的int，通常为int32或int64 intp 用于索引的整数，相当于 C 的size_t，通常为int32或int64 int8 字节（-128 ~ 127） int16 16 位整数（-32768 ~ 32767） int32 32 位整数（-2147483648 ~ 2147483647） int64 64 位整数（-9223372036854775808 ~ 9223372036854775807） uint8 8 位无符号整数（0 ~ 255） uint16 16 位无符号整数（0 ~ 65535） uint32 32 位无符号整数（0 ~ 4294967295） uint64 64 位无符号整数（0...
